公开(公告)号：CN115758259A

公开(公告)日：2023-03-07

申请号：CN202211467902.7

申请日：2022-11-22

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  郑骁蓉 ,  邵怡宁 ,  董哲康 ,  高明煜

IPC: G06F18/2415 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06F17/18

Abstract: 本发明公开了一种基于特征融合的多源域泛化设备故障诊断方法，本发明的特征融合策略利用领域判别器的输出得到数据的领域属性条件，将特征提取器提取的特征和领域判别器的输出进行多线性映射得到融合后的特征；利用LMMD衡量成对源域的特征差异，计算多个源域对的特征差异得到域适应损失；根据不同数据的所述领域为其分配相应的领域标签，计算领域判别器的领域判别损失；域适应损失、领域判别损失和分类损失相加得到总损失函数值，通过反向传播迭代更新优化模型参数。本发明将不同源域的领域属性条件和相应源域的特征进行融合，并调整成对源域融合后的特征分布偏差，增强了模型在未知工况的目标域上的泛化能力，提高了模型诊断准确率。

公开(公告)号：CN112269134B

公开(公告)日：2022-12-02

申请号：CN202010946770.0

申请日：2020-09-10

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  钱智凯 ,  高明煜 ,  董哲康 ,  林辉品

IPC: G01R31/388 ,  G01R31/389 ,  G01R31/392 ,  G01R31/36

Abstract: 本发明公开了一种基于深度学习的电池SOC和SOH联合估计方法。具体步骤包括电池数据的采集、对数据的预处理、搭建SE‑CNN神经网络和BRNN神经网络、构建并训练估算模型，最后利用训练过的SE‑CNN网络估算电池的SOH值、利用BRNN网络估算电池的SOC值。本发明利用深度学习的参量自学习能力，减少了在估算电池的剩余容量与最大可用容量之比与电池容量和内阻的变化关系过程中的计算量，并考虑SOH和SOC之间的关联，进行联合估计，增强预测模型的稳定性，提高计算的准确性，弥补了现有技术中各种估算方法测量时间长、测量条件要求高、计算量过高以及估算精度低的不足，为各类电池管理系统提供一种快速、准确的SOH和SOC估算方法。

公开(公告)号：CN115079996A

公开(公告)日：2022-09-20

申请号：CN202210678233.1

申请日：2022-06-16

Applicant: 杭州电子科技大学

Inventor： 黄继业 ,  谢辉 ,  董哲康 ,  何志伟 ,  杨宇翔

IPC: G06F7/24 ,  G06F7/02 ,  G06F5/08 ,  G06F17/18

Abstract: 本发明公开了一种基于全并行硬件逻辑的超高速流水线式五点中值滤波方法，包括如下步骤：S1、对输入一维有符号数序列x(n)进行五点数据缓存，并将数据的补码形式以特定时序并行输出；S2、对S1中输出的并行数据进行预处理；S3、对S2中预处理后的数据进行并行化两两比较，获取数据之间的大小关系，并将比较结果寄存至对应的大小关系寄存器中；S4、根据S2中预处理后的并行数据和S3中大小关系寄存器的值，计算冗余度输出中值索引号；S5、根据S4中计算所得中值索引号，利用MUX选择原始并行数据中相应索引号的索引值进行输出。该方法通过更少的比较次数、更少的时钟延迟输出中值滤波结果，消耗的硬件逻辑资源更少，计算延迟更低。

公开(公告)号：CN114970702A

公开(公告)日：2022-08-30

申请号：CN202210540631.7

申请日：2022-05-17

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  郑骁蓉 ,  刘才明 ,  董哲康 ,  高明煜

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于DMSTFA的多分类器设备故障诊断方法，本发明先按不同工况将数据分为源域与目标域数据；接着构建设备故障诊断神经网络模型，初始化其参数；将源域和目标域数据输入神经网络中，根据DMSTFA计算各个特征子空间的域适配损失；计算每个子空间的特征相似性权重；根据相似性权重，组合多个分类器的输出，并计算分类损失；将各个特征空间上的域适配损失和分类损失相加，得到总损失函数值，然后进行迭代训练更新模型参数，得到最终模型；设备故障诊断时将目标域数据输入最终模型，得到设备故障诊断结果。本发明增强了模型在具有较大分布差异的目标域上的泛化能力，显著提高了设备故障诊断模型诊断准确率。

公开(公告)号：CN114841076A

公开(公告)日：2022-08-02

申请号：CN202210547979.9

申请日：2022-05-18

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  官思伟 ,  赵宾杰 ,  董哲康 ,  高明煜

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  H01M10/04

Abstract: 本发明提出了一种基于时空图模型的动力电池生产工艺波动异常检测方法。该方法包括：将电池生产工艺的关键参数用于模型的训练，使用不同卷积核尺寸的时间卷积网络获取序列的时间模型；构建领接矩阵，使用图卷积神经网络获取时间序列的空间信息；构建带有门控机制的时空图卷积块对所得信息进行过滤，得到有效的时间和空间的依赖性；聚合所有门控时空图卷积网络的输出信息对输入滑动时间窗进行单步预测；应用数据的观测值和预测值计算预测误差，再应用预测误差计算异常分数的阈值；如果测试数据中预测误差大于阈值，则将其判断为异常，发出警报。

公开(公告)号：CN114839539A

公开(公告)日：2022-08-02

申请号：CN202210463421.2

申请日：2022-04-28

Applicant: 杭州电子科技大学

Inventor： 鲍政怡 ,  高明裕 ,  何志伟 ,  董哲康 ,  杨宇翔 ,  林辉品

IPC: G01R31/367 ,  G01R31/378 ,  G01R31/392

Abstract: 本发明提出一种基于多层次序列信息自适应融合的锂电池SOH估计方法。本发明搭建了一种全新的基于深度学习的序列化模型，该模型由两个级联的多层次融合模块和一个双向LSTM层搭建而成。基于所提模型能够自适应提取并融合多层次的序列化信息的优点，该模型能够在一定程度上解决了由电池数据量过少且提取不充分的问题，从而实现了较为精确的锂电池SOH的在线估计。除此之外，所提模型还具有长期记忆的优点，这进一步提高了在线估计精度。实验采用NASA锂离子数据集中的电池退化数据对所提网络模型进行仿真验证，结果表明该模型在完成锂电池SOH在线估计任务的同时，又能保证较高的鲁棒性与精确度。

公开(公告)号：CN114595108A

公开(公告)日：2022-06-07

申请号：CN202210256431.9

申请日：2022-03-16

Applicant: 杭州电子科技大学

Inventor： 黄继业 ,  田大海 ,  杨宇翔 ,  董哲康 ,  高明煜 ,  何志伟

IPC: G06F11/267

Abstract: 本发明公开了一种基于JTAG标准的测试数据传输优化方法，以IEEE1149.1协议为基础，在访问数据寄存器的过程中，在FSM的Run‑Test/Idle的状态中，在PC端的上位机上生成的压缩测试集利用JTAG端口的TDI引脚传输到电路的SRAM，利用高频时钟解码电路进行快速解码，解码进入一个缓冲电路，等待FSM的Shift‑DR状态，移入扫描链路中。其中压缩编码以FDR码为基础，给出了0/1交替编码的方法，是一种变长到变长的编码方法，f是与相关联的附加标志位，此编码相邻的两位附加标志位互为取反，只需记住f的初始值。此后它保持在0和1间交替，这减少测试数据位数，降低了测试集传输的时间开销。同时该方法中解码电路简单，且独立于被测电路。基于此，本方法具有极好的应用前景。

公开(公告)号：CN114580288A

公开(公告)日：2022-06-03

申请号：CN202210225165.3

申请日：2022-03-09

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  刘才明 ,  郑骁蓉 ,  董哲康 ,  高明煜

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06F111/10

Abstract: 本发明公开了一种基于DSECJAN的智能故障诊断方法，该方法由卷积神经网络特征提取模块、挤压和激励模块、故障分类模块、联合域适应模块组成，用于设备智能跨域故障诊断。构建一维卷积神经网络特征提取模块，然后通过挤压和激励模块对通道特征进行自适应增强或抑制，利用联合域适应对齐源域和目标域输入特征和输出标签联合分布，以实现故障智能诊断。该模型能够自适应增强对跨域诊断较重要的通道特征，并抑制一些对学习任务无效的信息。显著提高了设备故障诊断模型在目标域上的诊断准确率，解决了深度学习智能故障诊断算法在目标域上泛化能力不强的问题。

公开(公告)号：CN112357713B

公开(公告)日：2022-03-15

申请号：CN202011358111.1

申请日：2020-11-27

Applicant: 杭州电子科技大学 ,  杭州慧灵控制工程有限公司

Inventor： 何志伟 ,  陈志民 ,  高明煜 ,  林辉品 ,  董哲康 ,  沈娟花

IPC: B66B5/00 ,  B66B5/04 ,  B66B13/16

Abstract: 本发明公开了一种多功能电梯安全保护系统及方法。包括端站减速模块和提前开门模块。本发明采用连续区域节点检测法对电梯端站速度进行控制，电梯经由层级减速控制后才可端站安全停车，且由于采用虚拟位置区域，同时本发明采用连续区域节点时间调速法来控制电梯提前开门，当电梯速度满足提前开门条件时则开启该楼层的提前开门，否则禁止该楼层的提前开门功能，从而确保开启提前开门功能的楼层电梯在开门结束时即可平层停车而无需微段爬行。本发明能提高电梯运行安全控制的鲁棒性，电梯端站减速控制和提前开门模块均采用连续区域节点法，具有安全性能高、可扩展性强，能够很好的运用在高层、高速电梯的运行保护中。

公开(公告)号：CN114118385A

公开(公告)日：2022-03-01

申请号：CN202111511948.X

申请日：2021-12-07

Applicant: 杭州电子科技大学

Inventor： 何志伟 ,  官思伟 ,  赵宾杰 ,  董哲康 ,  高明煜

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明公开了一种基于深度学习的电池生产工艺异常波动检测方法，本发明提出DAUAD模型，结合自编码强大的重构能力和提取特征的能力，为了提高输入样本潜在空间表达向量的稳定性，本发明增加Encoder_g模块，对重构样本编码，使输入样本的潜在空间表达和重构样本的潜在空间向量表达尽可能接近，提高潜在表达空间向量的稳定性。有效解决自编码器在特征提取过程中无法获取输入样本的关键信息的问题，采用GUR网络考虑过去的电池生产工序对现在的影响，最终实现电池生产过程中多维时间序列的异常检测。