-
公开(公告)号：CN109829306B
公开(公告)日：2023-07-21
申请号：CN201910127879.9
申请日：2019-02-20
Applicant: 哈尔滨工程大学
IPC: G06F21/56
Abstract: 本发明属于信息安全领域，具体涉及一种优化特征提取的恶意软件分类方法。本发明优化了恶意软件的提取方式并且以深度学习中的卷积神经网络为主要分类器。单一的静态特征无法全面地体现恶意软件的特征，比如灰度图仅能表示恶意软件的整体轮廓，API调用图仅能表示恶意软件的控制结构。针对以上问题，本发明方法提取了这两种特征，并且将这两种特征组合成一张双通道图片特征矩阵作为卷积神经网络的输入，这样既可以将恶意软件的整体轮廓表现出来，也可以将恶意软件可能执行的流程完整的表现出来。本发明方法有效地解决了样本特征提取时不能完整体现恶意软件本身的情况，并且具有较好的分类效果。
-
公开(公告)号：CN111261363B
公开(公告)日：2022-06-21
申请号：CN202010197524.X
申请日：2020-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种全海深电磁铁结构，其主要由导磁壳体、密封环、线圈骨架、漆包线和支撑筒组成。导磁壳体为导磁材料，密封环和焊接材料为非导磁材料。导磁壳体包括中心铁芯和密封导磁外壳，缠绕在线圈骨架上的漆包线套在铁芯上，由支撑筒支撑并在导磁壳体内部留出盘线的空间。密封环套在导磁壳体的凸台上，利用焊接密封的方法完成电磁铁吸合面端的密封。该电磁铁结构在工作时由接线端通电，吸合物在吸合面与电磁吸盘吸合，导磁壳体和吸合物形成磁路。该结构在完成全海深高压密封的同时，结构简单可靠，由于中心铁芯和密封导磁外壳为一体结构，其内部磁路没有间隙，可以完美输出磁吸力，适用于全海深驱动源。
-
公开(公告)号：CN110597069B
公开(公告)日：2022-06-17
申请号：CN201910987604.2
申请日：2019-10-17
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于RBF神经网络的水下机器人自适应区域动力定位控制方法，属于水下机器人动力定位控制领域。包括建立AUV的6自由度空间运动模型，构造目标区域及区域控制系统误差动态方程；采用RBF神经网络对未知向量进行在线逼近、滑模控制项对逼近误差进行补偿；对网络权值、径向基函数中心与方差进行在线调整；采用基于指数函数的滑模切换增益在线调节方式避免滑模切换增益过大引起控制系统的高频抖振；通过神经滑模区域控制器对AUV进行动力定位控制，使位置、姿态向量η收敛到目标区域中。本发明解决了受外部干扰、水中传感器自身测量精度等因素影响下的AUV动力定位控制问题，提高了动力定位精度，且AUV自身特性变化时仍能快速收敛到目标区域内部。
-
公开(公告)号：CN112591042B
公开(公告)日：2021-10-01
申请号：CN202011481209.6
申请日：2020-12-15
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种用于水下机器人的带缆硬杆捕捉与连接装置，属于水下作业机器人装置领域，实现连续两次对水下的上部带有线缆的目标硬杆的捕捉，并实现目标硬杆连接的装置。该装置包括联动回转机构、锁紧对接机构、差速机构以及支架、限位筒、步进电机等辅助机构，其中联动回转机构包括导向臂、压紧臂及凸轮推杆等部分。该装置可通过联动回转机构实现对目标硬杆的大范围导向及捕捉，通过锁紧对接机构实现目标硬杆的连接，并通过差速机构实现单一驱动源下联动回转机构的顺序运动。该装置可对机器人前方112°开角范围内的水下目标硬杆进行有效捕捉，并完成对目标硬杆的锁紧、连接动作。该装置具有结构简单、捕捉范围大、适应环境广、可靠性高等优点。
-
公开(公告)号：CN111091159A
公开(公告)日：2020-05-01
申请号：CN201911372169.9
申请日：2019-12-27
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供一种自主式水下机器人推进器弱故障特征提取方法，属于水下机器人故障诊断技术领域。该方法首先对传统稀疏分解算法增加时间变量。待分解信号的每个节拍都会得到对应的分解结果，使得分解结果在时域内精度更高；然后在传统的特征提取方法基础上对故障特征进行增强，通过建立原子字典对应的故障权值矩阵，将故障信息保存在故障权值矩阵中；最后以稀疏分解系数与故障权值矩阵的内积作为增强后的故障特征，进而增大故障特征与干扰特征之间的差值。本发明专利可有效凸显并提取故障特征，便于后续检测并辨识出推进器弱故障，特别适合于自主式水下机器人推进器的状态监测。
-
Patent Agency Ranking
公开(公告)号：CN112363538B
公开(公告)日：2022-09-02
申请号：CN202011236700.2
申请日：2020-11-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种速度信息不完备下的AUV区域跟踪控制方法，属于水下机器人控制技术领域。该方法首先利用水下机器人的位姿信息以及控制量来构建状态观测器，为了能提高估计精度，引入位姿信息的非线性项以及Nussbaum函数来构造观测器的反馈律；接着，设计一种跟踪误差的非线性转换映射，根据观测器估计的速度信息，结合反演控制思想，推导区域跟踪控制律，以确保跟踪误差能满足事先设定的期望边界，又能降低控制输出的高频抖动现象。本项目在满足任务要求的跟踪精度的前提下，可以实现控制量较为平缓输出，便于延长机器人水下作业时间，特别适合应用于水下管道跟踪这类跟踪精度满足事先设定要求边界即可的水下机器人控制系统设计。
-
公开(公告)号：CN112407205A
公开(公告)日：2021-02-26
申请号：CN202011287677.X
申请日：2020-11-17
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种全海深纯机械定时抛载触发机构，属于水下机器人应急抛载技术领域，特别是涉及一种可在全海深大外压环境应用的纯机械定时抛载触发机构。该机构结构包括增力传动部分、滑轴密封部分以及辅助元件和固定元件，其中滑轴密封部分为本发明的重点。本发明采用橡胶蒙皮设计抛载触发机构中滑轴密封结构，该结构通过平衡两侧外压，克服了全海深环境下大外压的影响，实现仅需弹簧形变作为驱动源即可完成抛载触发动作。同时，该结构通过形变来传递运动的方式，避免了水下机械运动可能产生的密封面相对滑动，有效的解决了大外压环境下轴向动密封难题。具有结构紧凑，体积小，可靠性强、可用作于全海深环境等优点。
-
公开(公告)号：CN111091159B
公开(公告)日：2023-03-17
申请号：CN201911372169.9
申请日：2019-12-27
Applicant: 哈尔滨工程大学
IPC: G06F18/2136
Abstract: 本发明提供一种自主式水下机器人推进器弱故障特征提取方法，属于水下机器人故障诊断技术领域。该方法首先对传统稀疏分解算法增加时间变量。待分解信号的每个节拍都会得到对应的分解结果，使得分解结果在时域内精度更高；然后在传统的特征提取方法基础上对故障特征进行增强，通过建立原子字典对应的故障权值矩阵，将故障信息保存在故障权值矩阵中；最后以稀疏分解系数与故障权值矩阵的内积作为增强后的故障特征，进而增大故障特征与干扰特征之间的差值。本发明专利可有效凸显并提取故障特征，便于后续检测并辨识出推进器弱故障，特别适合于自主式水下机器人推进器的状态监测。
-
公开(公告)号：CN112363538A
公开(公告)日：2021-02-12
申请号：CN202011236700.2
申请日：2020-11-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种速度信息不完备下的AUV区域跟踪控制方法，属于水下机器人控制技术领域。该方法首先利用水下机器人的位姿信息以及控制量来构建状态观测器，为了能提高估计精度，引入位姿信息的非线性项以及Nussbaum函数来构造观测器的反馈律；接着，设计一种跟踪误差的非线性转换映射，根据观测器估计的速度信息，结合反演控制思想，推导区域跟踪控制律，以确保跟踪误差能满足事先设定的期望边界，又能降低控制输出的高频抖动现象。本项目在满足任务要求的跟踪精度的前提下，可以实现控制量较为平缓输出，便于延长机器人水下作业时间，特别适合应用于水下管道跟踪这类跟踪精度满足事先设定要求边界即可的水下机器人控制系统设计。
-
公开(公告)号：CN110716532A
公开(公告)日：2020-01-21
申请号：CN201910988594.4
申请日：2019-10-17
Applicant: 哈尔滨工程大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于小波包能量与FFT的水下机器人推进器弱故障辨识方法，属于水下机器人推进器弱故障辨识技术领域；包括基于小波包降噪方法对控制器和传感器数据进行降噪；基于经验模态分解EMD方法及互相关准则，提取降噪后数据的能量特征；同时，基于FFT方法对降噪后的数据进行频域分析，得到改进频域特征；基于灰色关联分析方法对能量及改进频域特征组成的故障矩阵与样本矩阵进行对比计算，实现弱故障辨识。本发明可有效解决仅采用单一时域或能量特征进行弱故障辨识时，由于特征变化呈非单一，且容易丢失部分重要信息，导致弱故障辨识精度较低的问题，提高了弱故障辨识精度，适用于水下机器人推进器弱故障辨识等领域，应用前景广阔。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.027 seconds)
