-
公开(公告)号：CN111239588B
公开(公告)日：2023-02-07
申请号：CN202010067595.8
申请日：2020-01-20
Applicant: 哈尔滨工业大学
IPC: G01R31/28 , G01R31/316 , G06N20/10
Abstract: 一种基于WOA和GMKL‑SVM的模拟电路故障诊断方法，属于故障诊断技术领域。解决了现有模拟电路故障诊断存在准确率低的问题。本发明利用PSPICE软件对需要故障诊断的模拟电路进行仿真，将电路输出端作为测试点获得电路脉冲响应信号，通过Monte‑Carlo分析，针对每种电路故障获取多组样本信号；对每种电路故障的多组样本信号分别进行小波包分解，计算小波包系数的能量作为特征量，构建小波包特征向量样本集，并将样本集随机分为训练集和测试集；基于训练集数据，采用WOA算法寻找GMKL‑SVM的最优惩罚参数、权衡参数和组合核函数参数，建立GMKL‑SVM故障诊断分类器；利用GMKL‑SVM故障诊断分类器对测试集数据进行诊断分类，获得模拟电路故障的诊断结果。本发明适用于模拟电路故障诊断使用。
-
公开(公告)号：CN115329855A
公开(公告)日：2022-11-11
申请号：CN202210932797.3
申请日：2022-08-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种非理想数据条件下的装备数据集构建方法，包括：采集装备状态数据；通过沃瑟斯坦生成对抗网络对装备状态数据进行扩充，构建平衡的装备状态数据集；沃瑟斯坦生成对抗网络包括：生成器和判别器；根据装备状态数据，提取观测矩阵并构造字典矩阵，修复出完整的装备状态数据集；字典矩阵为离散余弦变换矩阵；根据装备状态数据，使用快速独立成分分析方法，构建去噪后的装备状态数据集；完成对非理想数据条件下的装备数据集的构建。该方法可实现在非理想数据条件下构建出完整反映装备状态的数据集。
-
公开(公告)号：CN112816191B
公开(公告)日：2022-07-29
申请号：CN202011606166.X
申请日：2020-12-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于SDRSN的多特征健康因子融合方法，涉及故障预测技术领域，针对现有技术中模型不能够降低经验因素的影响，去除冗余信息的问题，SDRSN模型能够进行自适应特征学习，根据注意力机制发现输入样本的干扰特征，并利用软阈值函数将其置零，从而降低干扰因素对于特征挖掘效果的影响。相比于传统特征融合方法，该模型能够降低经验因素的影响，去除冗余信息。将自归一化思想引入SDRSN模型，能够保证激活值以归一化的状态在网络各层间传递，避免了过拟合现象的发生，获取到包含丰富信息的特征，从而更好地表征旋转机械的健康状态。
-
公开(公告)号：CN109032932B
公开(公告)日：2021-08-31
申请号：CN201810738553.5
申请日：2018-07-06
Applicant: 哈尔滨工业大学
IPC: G06F11/36
Abstract: 一种支持约束的组合测试故障定位方法，它用于软件测试技术领域。本发明解决了传统的软件组合测试故障定位方法存在的未考虑组合测试中参数约束限制对故障定位的影响的问题。本发明根据全部测试用例的执行结果获取系统的错误测试用例，然后判断待测系统是否存在独立性安全值，最后根据独立性安全值的判断结果来进行组合测试故障定位；与传统的组合测试故障定位方法相比，本发明的故障定位方法考虑了组合测试中参数约束限制对故障定位的影响，因此，本发明方法的适用范围更广、实用性更强，克服了现有技术的局限。本发明可以应用于软件测试技术领域用。
-
公开(公告)号：CN112816191A
公开(公告)日：2021-05-18
申请号：CN202011606166.X
申请日：2020-12-28
Applicant: 哈尔滨工业大学
Abstract: 一种基于SDRSN的多特征健康因子融合方法，涉及故障预测技术领域，针对现有技术中模型不能够降低经验因素的影响，去除冗余信息的问题，SDRSN模型能够进行自适应特征学习，根据注意力机制发现输入样本的干扰特征，并利用软阈值函数将其置零，从而降低干扰因素对于特征挖掘效果的影响。相比于传统特征融合方法，该模型能够降低经验因素的影响，去除冗余信息。将自归一化思想引入SDRSN模型，能够保证激活值以归一化的状态在网络各层间传递，避免了过拟合现象的发生，获取到包含丰富信息的特征，从而更好地表征旋转机械的健康状态。
-
Patent Agency Ranking
公开(公告)号：CN108897591B
公开(公告)日：2021-04-02
申请号：CN201810602697.8
申请日：2018-06-12
Applicant: 哈尔滨工业大学
Abstract: 本发明提供联合试验平台中间件插件装置及其试验资源信息交互的方法，属于构件技术领域。本发明所述联合试验平台中间件插件装置，包括对象模型实现文件和插件适配器；所述对象模型实现文件上设有对象模型实现文件刻面、对象模型实现文件插座以及DDS接口；所述插件适配器上设有事件槽、事件源、插件适配器插座以及插件适配器刻面；本发明所述联合试验平台中间件插件装置试验资源信息交互的方法包括试验资源信息发布过程和试验资源信息订购过程。本发明解决了现有联合试验平台中间件插件装置的定制化架构使得所有试验资源采用相同的插件进行信息交互，造成计算机内存资源消耗严重的问题。本发明可用于联合试验平台试验资源信息交互。
-
公开(公告)号：CN109949320B
公开(公告)日：2020-12-11
申请号：CN201910214574.1
申请日：2019-03-20
Applicant: 哈尔滨工业大学
Abstract: 基于熵与互信息的高光谱图像超像元分割方法，它属于高光谱图像超像元分割技术领域。本发明解决了现有的超像元分割方法边界分割的准确度低的问题。本发明基于熵和颜色匹配函数对光谱带进行初步选择，排除了一些不相关的光谱带；再利用互信息越小，光谱带所含信息量越大、冗余越小的原则选择3n个光谱带来合成包含主要光谱信息的假彩色图像，最后利用评估函数，不断对已有超像元的边界进行调整，最终实现高光谱图像超像元分割，与现有方法相比，本发明方法在性能上优于现有的高光谱图像超像元分割方法，本发明方法可以将超像元边界分割准确度至少提高1.5％。本发明可以应用于高光谱图像超像元分割技术领域。
-
公开(公告)号：CN111753445A
公开(公告)日：2020-10-09
申请号：CN202010746512.8
申请日：2020-07-29
Applicant: 哈尔滨工业大学
IPC: G06F30/20
Abstract: 本发明公开了一种基于核心组件的联合试验基础模型的建模方法，包括以下步骤：按照三级分类标准对待建立的联合试验基础模型进行等级划分；对联合试验基础模型所要实现的任务功能进行分解，按照任务功能选择所需的组件；对组件进行元素分解，将分解出的组件基础元素进行基础元素间关系配置，实现组件功能；根据联合试验基础模型的要求，设置各组件之间的关系。本发明基于个逻辑组件对联合试验基础模型进行三级划分，通过定义各逻辑组件及对逻辑组件进行基础元素分解，将各逻辑组件链接到实现它们的逻辑功能的物理组件，从而获得实验任务的物理解决方案，对联合试验平台的试验资源开发具有指导作用。
-
公开(公告)号：CN109088796B
公开(公告)日：2020-09-15
申请号：CN201811096285.8
申请日：2018-09-19
Applicant: 哈尔滨工业大学
IPC: H04L12/26
Abstract: 基于网络层析成像技术的网络流量矩阵预测方法，它属于网络流量矩阵预测领域。本发明解决了由于观测矩阵属于确定性矩阵，其受网络拓扑结构限制，因此难以满足压缩感知理论的RIP原则，以及网络流量矩阵发生突变导致的预测误差大的问题。本发明基于路由矩阵构造观测矩阵和观测结果矩阵，避免了观测矩阵受网络拓扑结构限制，导致难以满足压缩感知理论的RIP原则的问题；通过计算网络流量矩阵的样本数据的每个子样本片段对应的一组正交基得到近似过完备正交基集合，再通过稀疏系数估计值重构出网络流量矩阵，在网络流量矩阵发生突变时，本发明方法应用于Abilene网络流量矩阵预测时的平均预测误差小于10％。本发明可以应用于网络流量矩阵预测领域用。
-
公开(公告)号：CN109412890B
公开(公告)日：2020-09-08
申请号：CN201811209795.1
申请日：2018-10-17
Applicant: 哈尔滨工业大学
Abstract: 基于DDS的联合试验平台中间件节点状态检测方法，本发明涉及节点状态检测方法。本发明的目的是为了解决现有节点状态检测方法中，当网络发生丢包或者拥塞时，容易出现在线节点误判的情况；现有节点状态检测方法需要定时发送探测包，当联合试验系统所涉及的节点较多时，探测包的发送量容易造成通信拥塞以及影响整个联合试验系统信息传输的实时性的问题。具体过程为：步骤(1)、节点上线，节点正常离线执行步骤(2)，由于网络状态影响的节点离线执行步骤(3)；步骤(2)、节点正常离线；步骤(3)、节点异常状态发现；步骤(4)、对步骤(3)发现的异常状态的节点进行确认。本发明用于节点状态检测领域。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.039 seconds)
