-
公开(公告)号：CN105046203B
公开(公告)日：2018-03-30
申请号：CN201510351183.6
申请日：2015-06-24
申请人： 哈尔滨工业大学
IPC分类号： G06K9/00
摘要： 基于夹角DTW距离的卫星遥测数据自适应层次聚类方法，属于卫星遥测数据挖掘领域。传统的欧式距离存在不适用于卫星遥测数据分段后的时间序列的相似性度量和传统的层次聚类方法存在需要人工设定聚类数目的问题。一种基于夹角DTW距离的卫星遥测数据自适应层次聚类方法，根据卫星遥测数据的周期特性对卫星遥测数据进行分段，分段后得到的子序列之间存在微小偏差特点；采用能够实现异步度量的动态时间规整DTW距离对卫星遥测数据时间序列转换得到的夹角序列进行度量；结合自适应层次聚类算法对卫星遥测数据历史数据进行聚类，得到最佳聚类数目，并完成聚类。本发明在度量结果能够有效反映时间序列变化趋势的基础之上实现了卫星遥测数据的自适应聚类。
-
公开(公告)号：CN105974897A
公开(公告)日：2016-09-28
申请号：CN201610396850.7
申请日：2016-06-07
申请人： 哈尔滨工业大学
IPC分类号： G05B19/418
CPC分类号： Y02P90/02 , G05B19/418 , G05B19/4189 , G05B2219/2637
摘要： 车辆分布式多级健康状态监测系统，涉及车辆车载健康状态监测技术，目的是为了解决现有的车辆监测系统灵活性和通用性差、以及对监测数据的利用率低的问题。本发明的多个采集节点分别采集多个传感器发来的测量信息，并将所述测量信息发送给多个汇聚节点；所述多个汇聚节点将多个采集节点发来的测量信息汇总后发送给综合信息汇聚设备；综合信息汇聚设备接收多个汇聚节点发来的测量信息以及各车载设备的状态信息，并对该测量信息和车载设备状态信息汇总后发送给健康信息处理设备；健康信息处理设备对接收到的信息进行处理、存储、以及显示。本发明的灵活性和通用性好，能够对对监测数据的深度挖掘和分析，适用于各种车辆。
-
公开(公告)号：CN104181538A
公开(公告)日：2014-12-03
申请号：CN201410418626.4
申请日：2014-08-22
申请人： 哈尔滨工业大学
IPC分类号： G01S15/08
摘要： 一种基于水下声呐信号传输的异步精密静态距离估计系统及方法，涉及高精度水下距离估计和定位技术。本发明是为了解决现有水下距离估计方法计时精度低、误差大的问题。本发明所述的一种基于水下声呐信号传输的异步精密静态距离估计系统及方法，采用基于时间戳的精密计时装置及方法，考虑并消除了节点处理数据包所用的时间产生的误差，达到了声呐信号传输时间精密计时的目的；同时，基于时间戳的精密计时装置及方法，采用介质访问层的时间戳技术，在高频率、高精度时钟信号的驱动下，捕捉测距时往返传输的声呐信号，获得准确度较高的传输计时，能够达到纳秒级的计时精度，为精密的距离估计奠定技术基础。本发明适用于水下的高精度测距和定位。
-
公开(公告)号：CN115081517A
公开(公告)日：2022-09-20
申请号：CN202210627911.1
申请日：2022-06-06
申请人： 哈尔滨工业大学
IPC分类号： G06K9/62
摘要： 本发明是一种基于扰动抑制的辅助动力装置性能退化特征提取方法。本发明涉及辅助动力装置性能退化特征提取技术领域，本发明提出一种基于扰动抑制的辅助动力装置性能退化特征提取方法，来实现APU性能退化特征的提取，相对于现有方法，引入X11方法的分解思想，将APUEGT的原始数据划分为趋势项、季节项和随机变化项三个模态成分，确定VMD方法分解模态个数，在此基础上，利用皮尔逊相关系数迭代量化APUEGT三个模态成分与APU进气温度之间的相关关系，实现最优APU性能退化特征的提取，有效提高了基于排气温度的APU退化特征的准确性。
-
公开(公告)号：CN106709509A
公开(公告)日：2017-05-24
申请号：CN201611086623.0
申请日：2016-11-30
申请人： 哈尔滨工业大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6219
摘要： 本发明提供了一种基于时间序列特殊点的卫星遥测数据聚类方法。步骤1：对原始时间序列序列集合X＝[X1,X2,…,Xl]，使用Zscore算法预处理；步骤2：使用SPSegmentation分割表示方法，提取每条原始时间序列Xi的所有特殊点，形成特殊点序列SPSi＝[xi(tp1),xi(tp2),…,xi(tpk)]，来替代原始序列作为聚类输入；步骤3：对任意两条特殊点序列SPSi和SPSj进行对应时间位置补齐处理，且使两SPS中各元素对应次序的特殊点，在原始时间轴上时间位置对齐；步骤4：对已经成对对齐的特殊点序列，进行相似性系数计算。由于已经进行序列对齐，可适用于大多数相似性度量计算，最终得到PSPS_Dist相似性矩阵；步骤5：采用凝聚层次聚类算法，实现时间序列聚类。
-
公开(公告)号：CN104899327A
公开(公告)日：2015-09-09
申请号：CN201510351164.3
申请日：2015-06-24
申请人： 哈尔滨工业大学
CPC分类号： G06F17/30598 , G06K9/6201 , G06K9/66 , G06K2209/27
摘要： 一种无类别标签的时间序列异常检测方法，本发明涉及无类别标签的时间序列异常检测方法。本发明的目的是为了解决针对卫星遥测数据进行固定点分段效果不理想、层次聚类需要人工设定聚类数目以及目前尚无一种可直接利用的能够实现无类别标签时间序列的离线和在线的异常检测方法框架的问题。通过以下技术方案实现的：步骤一、根据卫星遥测数据的周期特性对卫星遥测历史数据进行分段，得到无类别标签的时间序列X＝{x1,x2,…,xn}；步骤二、对步骤一得到的X＝{x1,x2,…,xn}进行自适应层次聚类，并判定和删除无类别标签的时间序列中的异常序列，得到和；步骤三、结合匹配阈值以和为样本，采用最近邻居算法对x”进行模式匹配，实现卫星遥测数据异常检测。本发明应用于卫星数据检测领域。
-
公开(公告)号：CN104135768A
公开(公告)日：2014-11-05
申请号：CN201410414745.2
申请日：2014-08-21
申请人： 哈尔滨工业大学
摘要： 一种基于信号强度映射的无线传感器网络定位方法，本发明涉及信号强度映射的无线传感器网络定位方法。本发明是要解决依靠信号传输模型来估计距离时误差较大，使得定位精度低的问题。该方法是通过步骤一、将M个锚节点部署在定位区域内；步骤二、在定位区域内的位置采样点i上记录未知节点到所有锚节点间无线通信的信号强度数据；步骤三、计算位置采样点i到M个锚节点间无线通信的信号强度的均值RSSIki_u和方差统计信息RSSIki_d；步骤四、实际定位时，在{Di}中选择出最小的距离值Dc，Dc对应的位置采样点的位置信息(xc，yc)作为当前未知节点的位置信息的估计值；等步骤实现的。本发明应用于信号强度映射的无线传感器网络定位领域。
-
公开(公告)号：CN106778839B
公开(公告)日：2021-02-26
申请号：CN201611078758.2
申请日：2016-11-30
申请人： 哈尔滨工业大学
IPC分类号： G06K9/62
摘要： 一种基于局部极值优化提取的卫星遥测数据时间序列表示方法。(1)给定时间序列X＝{x(t1),x(t2),…,x(tn)}，X的初始局部极值点为满足公式(1)所有点，以及x(t1)和x(tn)；X的初始局部极值点集合记为(2)引入局部极值保持时间参数C值，进一步筛选出IM序列中满足公式(2)的点作为特征点；同时，对基于保持时间为C的局部极值的提取进行优化，(3)将X的起始点和终点也添加至筛选后得到的特征点集合，得到最终的特征序列X的转折点为原序列中所有满足公式(3)的集合：合并M和N，按照时间下标大小重新排序，作为序列X的关键点序列，以此关键点序列对卫星遥测原始数据进行表示。
-
公开(公告)号：CN106709509B
公开(公告)日：2021-05-28
申请号：CN201611086623.0
申请日：2016-11-30
申请人： 哈尔滨工业大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种基于时间序列特殊点的卫星遥测数据聚类方法。步骤1：对原始时间序列序列集合X＝[X1,X2,…,Xl]，使用Zscore算法预处理；步骤2：使用SPSegmentation分割表示方法，提取每条原始时间序列Xi的所有特殊点，形成特殊点序列SPSi＝[xi(tp1),xi(tp2),…,xi(tpk)]，来替代原始序列作为聚类输入；步骤3：对任意两条特殊点序列SPSi和SPSj进行对应时间位置补齐处理，且使两SPS中各元素对应次序的特殊点，在原始时间轴上时间位置对齐；步骤4：对已经成对对齐的特殊点序列，进行相似性系数计算。由于已经进行序列对齐，可适用于大多数相似性度量计算，最终得到PSPS_Dist相似性矩阵；步骤5：采用凝聚层次聚类算法，实现时间序列聚类。
-
公开(公告)号：CN104899327B
公开(公告)日：2018-03-30
申请号：CN201510351164.3
申请日：2015-06-24
申请人： 哈尔滨工业大学
摘要： 一种无类别标签的时间序列异常检测方法，本发明涉及无类别标签的时间序列异常检测方法。本发明的目的是为了解决针对卫星遥测数据进行固定点分段效果不理想、层次聚类需要人工设定聚类数目以及目前尚无一种可直接利用的能够实现无类别标签时间序列的离线和在线的异常检测方法框架的问题。通过以下技术方案实现的：步骤一、根据卫星遥测数据的周期特性对卫星遥测历史数据进行分段，得到无类别标签的时间序列X＝{x1,x2,…,xn}；步骤二、对步骤一得到的X＝{x1,x2,…,xn}进行自适应层次聚类，并判定和删除无类别标签的时间序列中的异常序列，得到和；步骤三、结合匹配阈值以和为样本，采用最近邻居算法对x”进行模式匹配，实现卫星遥测数据异常检测。本发明应用于卫星数据检测领域。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.032 秒)