-
公开(公告)号：CN111240201B
公开(公告)日：2023-01-03
申请号：CN202010050128.4
申请日：2020-01-17
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开一种扰动抑制控制方法，在经典的最优控制器损失函数中考虑扰动作用，计算包含扰动前馈控制和状态反馈控制两部分的最优控制器的解析表达式。其中前馈控制律由系统输入动力学参数和扰动作用共同决定；反馈控制律由系统输入动力学参数和损失预测值的梯度共同决定。系统输入动力学参数和扰动作用由所设计的观测器提供，算法通过优化汉密尔顿方程的神经网络估计得出。因此与基于观测器的扰动补偿控制相比具有更好的自适应能力，在扰动和系统控制输入维数不匹配的情况下最小化全局状态摄动。适用于未知系统参数并对稳定性要求较高的应用场合。
-
公开(公告)号：CN109492277B
公开(公告)日：2022-06-21
申请号：CN201811251010.7
申请日：2018-10-25
Applicant: 哈尔滨工程大学
IPC: G06F30/20 , B22F3/105 , B33Y50/02 , B22F10/85 , G06F111/10 , G06F119/14 , G06F113/10
Abstract: 本发明提供一种估算金属增材制造超声冲击处理作用层深度的方法，作用层深度计算模型为:式中，rmax为作用层深度、υ为增材制造金属件泊松比、ρ为密度、E为弹性模量、f为超声换能器频率、A为变幅杆振幅、r0为冲击针半径、pin为冲击针、AM为被冲击材料、σp0.2为被冲击材料在高应变率条件下的压缩屈服强度。本发明的估算方法可以用来预测在特定“增材”与“锻造”成形参数下作用层深度，用于指导“超声波辅助增材制造”复合制造成形工艺制定，如逐层沉积层高度、线能量输入密度、UIT频率及振幅等，实现增材制造金属零部件组织和内应力的准确控制，解决现有增材制造技术成形金属构件控形、控性难题，获得和锻件性能相媲美的高性能金属零部件。
-
公开(公告)号：CN110929794A
公开(公告)日：2020-03-27
申请号：CN201911188526.6
申请日：2019-11-28
Applicant: 哈尔滨工程大学
Abstract: 本发明属于侧扫声呐图像识别技术领域，具体涉及一种基于多任务学习的侧扫声呐图像分类方法。本发明结合了多任务学习思想和卷积神经网络方法，使用卷积神经网络进行自动特征提取，相对于传统的人工设置的特征提取器，可以提取出人眼感受不到的那些重要特征，也能减小侧扫声呐图像噪声、图像边缘缺失、图像特征变形等因素对特征提取的影响。本发明利用多任务学习的思想，通过引入光学图像分类任务，可以丰富侧扫声呐图像的特征空间，避免了样本过少时特征提取不完备造成的过拟合的问题；通过本发明的方法，可以解决侧扫声呐图像样本少、特征提取困难时分类效果差的问题，具有一定的工程和研究价值。
-
公开(公告)号：CN119221289A
公开(公告)日：2024-12-31
申请号：CN202411338054.9
申请日：2024-09-25
Applicant: 哈尔滨工程大学
IPC: D06M15/61 , D06M11/63 , D06M11/38 , D06M13/513 , G01N33/00 , B01J20/32 , B01J20/30 , B01J20/22 , D06M101/06 , C02F101/00 , C02F103/08
Abstract: 本发明公开了一种抗附着型提铀纤维及其制备方法、性能评价方法，其中制备方法包括如下步骤：步骤一、制备聚乙烯亚胺‑丙烯腈功能化单体，将其接枝到纤维表面，并进行胺肟化；步骤二、以乙醇作溶剂，将巯基硅烷偶联剂和甲基丙烯酸异冰片酯通过紫外灯辐照接枝；将聚乙烯亚胺‑偕胺肟功能化纤维基体浸入巯基硅烷偶联剂和甲基丙烯酸异冰片酯溶液中，室温浸泡反应；清洗干燥后，即可制得抗附着型提铀纤维。性能评价方法包括防污性能评价方法和/或铀吸附性能评价方法。本发明制备的抗附着型提铀纤维兼具抗海洋生物污损和高效吸附的特点。
-
公开(公告)号：CN114445288B
公开(公告)日：2024-10-15
申请号：CN202111614394.6
申请日：2021-12-27
Applicant: 哈尔滨工程大学
IPC: G06T5/70 , G06T5/60 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的轻量级水下图像增强方法，该方法通过结合轻量级卷积神经网络与水下场景成像模型，对获取的水下场景图片进行增强，方法包括：获取公开水下场景UIEB数据集；结合水下成像模型设计了背景散射光估计网络；同时防止提取像素的过程中忽略了原始图像的像素差异性，设计了稳定像素差异性网络；整体网络设计结合残差网路模型结构，弥补了像素特征提取中的损失量；本发明算法在保证增强质量的同时满足高实时性，方便应用于水下机器人，整体内存大小仅为156KB,应用于水下机器人时并不会占用太多空间；本发明算法在满足图像增强质量与效率的同时也可应用于实际的工业生产。
-
Patent Agency Ranking
公开(公告)号：CN114445288A
公开(公告)日：2022-05-06
申请号：CN202111614394.6
申请日：2021-12-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于深度学习的轻量级水下图像增强方法，该方法通过结合轻量级卷积神经网络与水下场景成像模型，对获取的水下场景图片进行增强，方法包括：获取公开水下场景UIEB数据集；结合水下成像模型设计了背景散射光估计网络；同时防止提取像素的过程中忽略了原始图像的像素差异性，设计了稳定像素差异性网络；整体网络设计结合残差网路模型结构，弥补了像素特征提取中的损失量；本发明算法在保证增强质量的同时满足高实时性，方便应用于水下机器人，整体内存大小仅为156KB,应用于水下机器人时并不会占用太多空间；本发明算法在满足图像增强质量与效率的同时也可应用于实际的工业生产。
-
公开(公告)号：CN111240201A
公开(公告)日：2020-06-05
申请号：CN202010050128.4
申请日：2020-01-17
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开一种扰动抑制控制方法，在经典的最优控制器损失函数中考虑扰动作用，计算包含扰动前馈控制和状态反馈控制两部分的最优控制器的解析表达式。其中前馈控制律由系统输入动力学参数和扰动作用共同决定；反馈控制律由系统输入动力学参数和损失预测值的梯度共同决定。系统输入动力学参数和扰动作用由所设计的观测器提供，算法通过优化汉密尔顿方程的神经网络估计得出。因此与基于观测器的扰动补偿控制相比具有更好的自适应能力，在扰动和系统控制输入维数不匹配的情况下最小化全局状态摄动。适用于未知系统参数并对稳定性要求较高的应用场合。
-
公开(公告)号：CN109325527A
公开(公告)日：2019-02-12
申请号：CN201811031832.4
申请日：2018-09-05
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于水下目标自动识别分类领域，具体涉及一种基于迁移学习与深度学习的侧扫声呐图像目标自动分类方法；包括获取带有分割标注的常规光学图像数据集；利用数据集中各个图像对应的标注图像进行轮廓分割；选定一个卷积神经网络结构进行训练，得到源领域目标分类网络；对经过充分训练的源领域目标分类网络前部分的参数进行冻结，同时将分类网络的后部分参数设置为可训练状态；使用训练集对设置好的分类网络继续进行训练；训练完成后，使用验证集评估分类网络性能。本方法使用迁移学习方法，对使用非侧扫声呐图像训练好的卷积神经网络进行迁移，同时根据相似性原理，对源领域数据集进行预处理，从而提高了迁移学习效率，防止负迁移现象。
-
公开(公告)号：CN110991516A
公开(公告)日：2020-04-10
申请号：CN201911188861.6
申请日：2019-11-28
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于侧扫声呐图像识别技术领域，具体涉及一种基于风格迁移的侧扫声呐图像目标分类方法。本发明使用显著性检测方法及风格迁移网络，将常规光学图像转换成仿侧扫声呐图像，拉近了源领域及目标领域间的距离，增加了可直接迁移的基本特征数目，可有效提高迁移学习效率；同时，通过使用迁移学习方法，对经过充分训练的深度学习网络进行迁移，利用图像基本特征具有通用性的特点，可以有效降低优化参数数目，避免因训练样本不足无法应用深度学习技术的问题。本发明使用风格迁移及迁移学习方法，对使用人工生成的仿侧扫声呐图像训练好的卷积神经网络进行迁移，从而提高迁移学习效率，防止负迁移现象。
-
公开(公告)号：CN109492277A
公开(公告)日：2019-03-19
申请号：CN201811251010.7
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种估算金属增材制造超声冲击处理作用层深度的方法，作用层深度计算模型为:式中，rmax为作用层深度、υ为增材制造金属件泊松比、ρ为密度、E为弹性模量、f为超声换能器频率、A为变幅杆振幅、r0为冲击针半径、pin为冲击针、AM为被冲击材料、σp0.2为被冲击材料在高应变率条件下的压缩屈服强度。本发明的估算方法可以用来预测在特定“增材”与“锻造”成形参数下作用层深度，用于指导“超声波辅助增材制造”复合制造成形工艺制定，如逐层沉积层高度、线能量输入密度、UIT频率及振幅等，实现增材制造金属零部件组织和内应力的准确控制，解决现有增材制造技术成形金属构件控形、控性难题，获得和锻件性能相媲美的高性能金属零部件。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.037 seconds)
