-
公开(公告)号：CN113240018B
公开(公告)日：2023-02-03
申请号：CN202110544233.8
申请日：2021-05-19
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/084
摘要： 一种基于误差反向传播算法的手绘图形分类方法及系统，涉及神经网络技术领域，用以解决现有技术不能对手绘图像数据进行有效分类的问题。本发明的技术要点包括：设计一个或多个规则图形描绘模板；根据规则图形描绘模板获取手绘图像数据；对手绘图像数据进行预处理；构建并训练BP神经网络模型；将待分类手绘图像数据输入训练好的BP神经网络模型，获取分类结果。本发明可以区分出书写轨迹之间细微的差异，对于书写者是否存在震颤的划分更为精准。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN112075940A
公开(公告)日：2020-12-15
申请号：CN202010996323.6
申请日：2020-09-21
摘要： 一种基于双向长短时记忆神经网络的震颤检测系统，涉及人工智能领域，针对现有技术中震颤检测存在准确性低的问题，包括：手部检测模块和模型预测模块；所述手部检测模块包括震颤数据采集单元和震颤数据处理单元；所述震颤数据采集单元用于采集手部三轴加速度信号；所述震颤数据处理单元用于将手部三轴加速度信号转化为手部三轴加速度数据；所述模型预测模块包括手部震颤数据处理单元和模型训练单元；所述手部震颤数据处理单元用于对接收到的三轴加速度数据进行处理，得到训练集和测试集；所述模型训练单元用于利用训练集和测试集对模型进行训练，得到训练好的模型。本发明用于震颤检测，检测效率高。
-
公开(公告)号：CN104238404B
公开(公告)日：2016-08-31
申请号：CN201410418373.0
申请日：2014-08-22
申请人： 哈尔滨工业大学
IPC分类号： G05B19/042
摘要： 模块式工业控制板卡，属于工业测量和控制系统领域，本发明为解决现有的工业控制板卡功能相对单一，只能实现基本固定的功能，缺乏灵活性这一问题。本发明包括ISA控制母板，该ISA控制母板配置A/D并行输入模块、D/A并行输出模块、D/I并行输入模块和D/O并行输出模块，ISA控制母板包括主板CPLD和总线驱动模块，主板CPLD和四个模块均通过总线驱动模块挂接在ISA总线上；ISA总线与主板CPLD之间连接地址总线和控制总线；主板CPLD的片选信号、读写控制信号输出给四个模块；四个模块的类型反馈信号给主板CPLD。
-
公开(公告)号：CN113515846B
公开(公告)日：2023-05-12
申请号：CN202110512423.1
申请日：2021-05-11
申请人： 哈尔滨工业大学
IPC分类号： G06F30/20 , G06F119/02 , G06F119/04
摘要： 基于转折点维纳过程退化模型的电动转台RUL预测方法，涉及可靠性工程的剩余使用寿命预测领域。本发明是为了解决现有电动转台RUL预测方法还存在对电动转台转折点前进行RUL预测时出现健康因子突变的走势且对转折点后RUL预测时无法对新数据更新导致预测精准度低的问题。本发明包括：获取电动转台数据；用Symlets小波对健康因子数据进行降噪，并使用Haar小波对降噪后的数据进行转折点检测；未检测到转折点，进行曲线相似度监测与匹配，并返回相似度最高的曲线的转折点及剩余使用寿命；若检测到转折点，执行卡尔曼滤波算法返回对健康因子的最优估计值，并求解电动转台RUL概率密度分布函数的未知参数的极大似然估计值，并得到电动转台RUL的预测值。本发明用于RUL预测。
-
公开(公告)号：CN113391621A
公开(公告)日：2021-09-14
申请号：CN202110694914.2
申请日：2021-06-23
申请人： 哈尔滨工业大学
摘要： 一种电动仿真测试转台的健康状态评估方法，它涉及一种健康状态评估方法，具体涉及一种电动仿真测试转台的健康状态评估方法。本发明为了解决电动飞行仿真测试转台设备的妥善率和可靠性较低时则会造成测试计划延误，甚至被测设备损坏的问题。本发明的具体步骤如下：步骤一、分析电动仿真测试转台的关键性能及关键组件性能，给出各性能的评价标准及相关测试参数；步骤二、利用基于多重渐消因子的均方根容积卡尔曼滤波组成的循环推挽滤波器组方法实现控制系统内部器件重要参数的在线辨识以及伺服系统传感器的故障辨识；步骤三、基于数据与模型混合驱动的方法进行控制系统整体性能的评估。本发明属于机电设备控制及故障诊断与健康管理领域。
-
公开(公告)号：CN113705649B
公开(公告)日：2024-01-12
申请号：CN202110959839.8
申请日：2021-08-20
IPC分类号： G06F18/2411 , G06F18/213 , G06F18/10
摘要： 一种基于EMD‑SVD特征提取的手部震颤检测方法及系统，涉及机器学习技术领域，用以解决现有的手部震颤检测系统不能快速、准确地对采集的手部数据进行有效分类的问题。本发明的技术要点包括：利用手部震颤检测装置采集手部数据的时间序列，基于EMD方法进行信号处理，得到时间序列中的本征模态函数，采用SVD方法提取本征模态函数矩阵中的奇异值，得到手部震颤数据的有效特征，最后通过SVM分类器构建多分类策略，对上述特征进行分类，进而达到手部震颤检测的目的。本发明可应用于临床医疗上以判断患者手部是否存在震颤。
-
公开(公告)号：CN113515846A
公开(公告)日：2021-10-19
申请号：CN202110512423.1
申请日：2021-05-11
申请人： 哈尔滨工业大学
IPC分类号： G06F30/20 , G06F119/02 , G06F119/04
摘要： 基于转折点维纳过程退化模型的电动转台RUL预测方法，涉及可靠性工程的剩余使用寿命预测领域。本发明是为了解决现有电动转台RUL预测方法还存在对电动转台转折点前进行RUL预测时出现健康因子突变的走势且对转折点后RUL预测时无法对新数据更新导致预测精准度低的问题。本发明包括：获取电动转台数据；用Symlets小波对健康因子数据进行降噪，并使用Haar小波对降噪后的数据进行转折点检测；未检测到转折点，进行曲线相似度监测与匹配，并返回相似度最高的曲线的转折点及剩余使用寿命；若检测到转折点，执行卡尔曼滤波算法返回对健康因子的最优估计值，并求解电动转台RUL概率密度分布函数的未知参数的极大似然估计值，并得到电动转台RUL的预测值。本发明用于RUL预测。
-
公开(公告)号：CN116644270A
公开(公告)日：2023-08-25
申请号：CN202310597573.6
申请日：2023-05-25
IPC分类号： G06F18/00 , A61B5/22 , A61B5/00 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F123/02
摘要： 本发明公开了一种基于递归图和宽度学习的肌强直评估方法及系统，涉及机器学习技术领域，用以解决现有模型对于输入的肌张力信号分类不准的问题。本发明的技术要点包括：采集不同人的肌张力时间序列信号，并对肌张力时间序列信号进行预处理；利用预处理后的肌张力时间序列信号构建递归图；提取不同人的肌张力时间序列信号所对应的基于递归图的量化特征；将量化特征输入基于宽度学习的分类模型中进行训练，获取训练好的分类模型；提取待测的肌张力时间序列信号所对应的量化特征，并将其输入训练好的分类模型中获取肌强直预测结果。本发明在实现时间序列可视化同时可获取具有明显区分度的肌张力特征，可满足肌强直评估中对评估准确率和效率的要求。
-
公开(公告)号：CN114706305A
公开(公告)日：2022-07-05
申请号：CN202210328732.8
申请日：2022-03-31
申请人： 哈尔滨工业大学
摘要： 一种基于预设基函数的自适应滤波器设计方法及伺服系统，涉及自适应滤波器技术领域，用以解决现有的自适应滤波器无法有效处理伺服系统的输入信号跟踪和扰动抑制问题。本发明的技术要点包括：针对跟踪参考指令和抑制扰动的目的，设计滤波基函数，其特点为参数、结构可调且不与参考信号耦合；利用梯度下降法设计权值迭代律，并确定使系统稳定的迭代步长；针对多种成分的扰动构造并联自适应滤波器；将并联自适应滤波器外接于原伺服系统以重构参考指令。本发明减小了由伺服系统参考指令和扰动信号导致的跟踪误差，有效提高了精密速率伺服系统的速率平稳性。本发明适用于包含具有位置周期或时间周期扰动信号的伺服系统的扰动抑制及指令跟踪。
-
公开(公告)号：CN113391621B
公开(公告)日：2022-03-25
申请号：CN202110694914.2
申请日：2021-06-23
申请人： 哈尔滨工业大学
摘要： 一种电动仿真测试转台的健康状态评估方法，它涉及一种健康状态评估方法，具体涉及一种电动仿真测试转台的健康状态评估方法。本发明为了解决电动飞行仿真测试转台设备的妥善率和可靠性较低时则会造成测试计划延误，甚至被测设备损坏的问题。本发明的具体步骤如下：步骤一、分析电动仿真测试转台的关键性能及关键组件性能，给出各性能的评价标准及相关测试参数；步骤二、利用基于多重渐消因子的均方根容积卡尔曼滤波组成的循环推挽滤波器组方法实现控制系统内部器件重要参数的在线辨识以及伺服系统传感器的故障辨识；步骤三、基于数据与模型混合驱动的方法进行控制系统整体性能的评估。本发明属于机电设备控制及故障诊断与健康管理领域。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.024 秒)