-
公开(公告)号：CN115047350B
公开(公告)日：2023-04-18
申请号：CN202210729394.9
申请日：2022-06-24
申请人： 哈尔滨工业大学
IPC分类号： G01R31/367 , G01R31/378 , G01R31/392
摘要： 一种基于数模联动的锂离子电池剩余使用寿命预测方法，本发明涉及锂离子电池剩余使用寿命预测方法。本发明的目的是为了解决基于模型和数据驱动的剩余使用寿命预测方法结合困难、传统数据驱动方法难以衡量剩余使用寿命的不确定性以及难以反映时间窗口数据中不同时刻的重要性程度的问题。过程为：步骤一、搭建基于时间注意力机制的双向门控循环单元网络模型；过程为：模型依次包含对时间的注意力机制网络、双向门控循环单元网络和全连接层三个部分；步骤二、训练基于时间注意力机制的双向门控循环单元网络模型；步骤三、构建基于粒子滤波的电池退化模型；步骤四、在线预测剩余使用寿命。本发明适用于电池使用寿命预测领域。
-
公开(公告)号：CN113189968B
公开(公告)日：2022-08-26
申请号：CN202110499809.3
申请日：2021-05-08
申请人： 哈尔滨工业大学
IPC分类号： G05B23/02
摘要： 互联工业过程的分布式故障诊断方法，它属于工业过程的在线故障诊断领域。本发明解决了现有方法无法确定发生故障的子过程，以及当物理拓扑结构的局部发生改变时，整个物理拓扑结构需要全部重新设计导致的鲁棒性差的问题。应用本发明方法可以同时进行故障检测和故障定位，能够方便地判断出是哪个子过程发生了故障；且当互联过程的物理拓扑结构发生改变时，本发明只需对发生改变的子过程及其相邻的子过程的残差产生器重新进行设计，其余子过程所对应的残差产生器保持不变，无需重新设计；在线诊断时充分利用了实时采集的过程数据中的信息，具有更好的鲁棒性。本发明可以应用于工业过程的在线故障诊断。
-
公开(公告)号：CN114779088A
公开(公告)日：2022-07-22
申请号：CN202210415333.5
申请日：2022-04-20
申请人： 哈尔滨工业大学
IPC分类号： G01R31/367 , G01R31/392
摘要： 基于最大期望‑无迹粒子滤波的电池剩余使用寿命预测方法，本发明涉及电池剩余使用寿命预测方法。本发明的目的是为了解决现有电池容量突然的增加将对电池的剩余使用寿命预测产生很大的误差的问题。过程为：1、提取第k次工作过程中的电池容量数据；2、构建基于无迹粒子滤波的动态电池退化模型；3、采用基于最大期望算法自适应地估计电池退化模型中的过程噪声和测量噪声；过程噪声和测量噪声用于第k+1次工作过程中，构建基于无迹粒子滤波的动态电池退化模型；4、判断第k次工作过程是否发生容量再生现象；5、求解电池剩余使用寿命和电池容量的置信区间；本发明用于电池的剩余使用寿命预测领域。
-
公开(公告)号：CN114419000A
公开(公告)日：2022-04-29
申请号：CN202210066338.1
申请日：2022-01-20
申请人： 哈尔滨工业大学
摘要： 基于多尺度几何嵌入卷积神经网络的股骨头坏死指标预测系统，本发明涉及股骨头坏死指标预测系统。本发明为解决现有股骨头坏死指标预测准确率低的问题。过程为：图像处理主模块用于获得预处理后的图像；神经网络主模块用于搭建多尺度几何嵌入卷积神经网络模型；训练主模块利用预处理后的图像对搭建好的网络模型进行训练，并获得训练好的多尺度几何嵌入卷积神经网络模型；检测主模块用于加载训练好的网络模型，对待测试图像进行分割，分割出股骨头区域；指标模块用于对获取的分割出的股骨头区域进行分割，分割出坏死区域，统计坏死区域中的像素数量作为坏死面积，计算坏死面积与股骨头面积的比例。本发明用于图像处理和人工智能领域。
-
公开(公告)号：CN114418999A
公开(公告)日：2022-04-29
申请号：CN202210066319.9
申请日：2022-01-20
申请人： 哈尔滨工业大学
摘要： 基于病变关注金字塔卷积神经网络的视网膜病变检测系统，本发明涉及视网膜病变检测系统。本发明的目的是为了解决现有视网膜病变检测准确率低的问题。系统包括：图像处理主模块用于采集原始视网膜病变图像，对采集的原始视网膜病变图像进行预处理，获得预处理后的原始视网膜病变图像；神经网络主模块用于搭建病变关注金字塔卷积神经网络模型；训练主模块利用预处理后的原始视网膜病变图像对搭建好的病变关注金字塔卷积神经网络模型进行训练，获得训练好的病变关注金字塔卷积神经网络模型；检测主模块用于加载训练好的病变关注金字塔卷积神经网络模型，对待测试视网膜病变图像进行分类。本发明用于医学图像处理领域。
-
公开(公告)号：CN113204921B
公开(公告)日：2022-04-08
申请号：CN202110522956.8
申请日：2021-05-13
申请人： 哈尔滨工业大学
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06F119/02 , G06F119/04
摘要： 飞机涡扇发动机的剩余使用寿命预测方法及系统，它属于故障预测与人工智能相结合的学科交叉领域。本发明解决了传统基于数据驱动的剩余使用寿命预测方法的预测效果不佳以及参数繁多、难以直接处理将来时刻数据的问题。本发明通过传感器收集到的历史数据，训练一种基于对时间步长的自注意力机制双向门控循环单元的深度神经网络，构建传感器数据和剩余使用寿命的映射关系，能够解决传统长短时记忆网络所面临的参数繁多、难以直接处理将来时刻数据、以及难以反映不同时刻数据重要性程度的问题；然后提取系统在线工作过程中相应的传感器数据输入到训练好的深度神经网络中，实现了系统剩余使用寿命的实时预测。本发明可以应用于剩余使用寿命预测领域。
-
公开(公告)号：CN114115198A
公开(公告)日：2022-03-01
申请号：CN202111417480.8
申请日：2021-11-25
申请人： 哈尔滨工业大学
IPC分类号： G05B23/02
摘要： 一种面向装配生产线的分布式诊断与优化控制方法及控制系统，本发明涉及分布式诊断与优化控制方法及控制系统。本发明的目的是为了解决现有生产制造过程中普遍存在的外界扰动会对装配生产线的诊断与控制造成严重影响，降低了生产效率的问题。过程为：步骤一、设计装配生产线分布式系统，对装配生产线分布式系统的故障进行诊断，当诊断出装配生产线分布式系统发生故障时，则执行步骤二；当诊断出装配生产线分布式系统未发生故障时，继续对装配生产线分布式系统的故障进行诊断；步骤二、设计装配生产线分布式系统的优化控制方法。本发明用于分布式系统故障诊断与容错控制领域。
-
公开(公告)号：CN111488914B
公开(公告)日：2020-12-25
申请号：CN202010188695.6
申请日：2020-03-17
申请人： 哈尔滨工业大学
摘要： 一种基于多任务学习的阿尔茨海默症分类及预测系统，本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块；所述图像处理主模块用于采集头部图像，对采集的头部图像进行预处理，获得预处理后的图像，并将预处理后图像输入训练主模块和检测主模块；所述临床指标处理主模块用于选定临床指标，获取临床指标的特征向量，并将临床指标的特征向量输入训练主模块和检测主模块；所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
公开(公告)号：CN111327421B
公开(公告)日：2020-11-13
申请号：CN202010130711.6
申请日：2020-02-28
申请人： 哈尔滨工业大学
摘要： 工业传感器网络系统的数据安全传输方法，属于数据传输技术领域。本发明为了解决现有传感器数据的安全传输方法实现过程复杂并且技术难度大的问题。包括：利用随机信号驱动生成随机数，并计算获得遮蔽数据；将采集的传感器测量数据按顺序叠加到遮蔽数据的不同通道上，获得已加密数据进行网络传输；在接收端对接收到的已加密数据通过解密矩阵进行还原，获得还原数据。本发明方法将工业传感器网络系统的数据安全传输问题和可靠性检测问题在统一的设计框架下一并解决，可以最大限度地减少安全性设计和安全性模块的成本。
-
公开(公告)号：CN111488914A
公开(公告)日：2020-08-04
申请号：CN202010188695.6
申请日：2020-03-17
申请人： 哈尔滨工业大学
摘要： 一种基于多任务学习的阿尔茨海默症分类及预测系统，本发明涉及阿尔茨海默症分类及预测系统。本发明的目的是为了解决现有阿尔茨海默症分类系统不能判断轻度认知障碍个体是否会向阿尔茨海默症转化的问题。图像处理主模块、临床指标处理主模块、神经网络主模块、训练主模块和检测主模块；所述图像处理主模块用于采集头部图像，对采集的头部图像进行预处理，获得预处理后的图像，并将预处理后图像输入训练主模块和检测主模块；所述临床指标处理主模块用于选定临床指标，获取临床指标的特征向量，并将临床指标的特征向量输入训练主模块和检测主模块；所述神经网络主模块用于搭建阿尔茨海默症分类及预测模型。本发明用于智能医疗检测技术领域。
-
-
-
-
-
-
-
-
-
搜索结果
64 条记录 (耗时 0.035 秒)