-
公开(公告)号:CN114895647A
公开(公告)日:2022-08-12
申请号:CN202210383160.3
申请日:2022-04-13
Applicant: 哈尔滨工程大学
IPC: G05B23/02
Abstract: 本发明公开了一种面向小样本船舶零件故障数据的诊断方法及可读存储介质。步骤1:对船舶设备运行状态过程中零件的振动加速度信号数据进行故障类型标注;步骤2:对步骤1故障类型标注进行预处理,并处理后的数据集划分为训练集和测试集;步骤3:构建面向小样本船舶零件故障数据的诊断模型;步骤4:将步骤2的训练集用于训练步骤3诊断模型,得到故障类型的生成数据;步骤5:基于步骤4的生成数据采用对抗生成思想,实现具有故障特征的指定类型的故障数据;步骤6:基于步骤4的生成数据与步骤5的故障数据的结合实现对船舶零件故障的诊断。用以解决现有技术中故障状态为偶发性状态容易产生的小样本类不平衡问题。
-
公开(公告)号:CN105049206A
公开(公告)日:2015-11-11
申请号:CN201510267427.2
申请日:2015-05-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种在OpenSSL中应用SM2椭圆曲线算法进行加密的方法,服务器产生一随机大数,计算出椭圆曲线上一随机定点数据,将其通过ServerHelloDone消息发送给客户端;客户端根据接收的消息解析出来自服务器的定点数据,将服务器公钥以及客户端的公私密钥对作为SM2的参数,计算出主密钥;客户端随机产生一随机大数,计算出椭圆曲线上一随机定点数据,将该定点数据和客户端的公钥通过ClientKeyExchange消息发送给服务器;服务器获得客户端的随机定点数据以及客户端公钥,再加上服务器自身的公私密钥对作为SM2的参数,计算出主密钥。本发明具有可靠性高、运行安全稳定的优点。
-
公开(公告)号:CN101794295A
公开(公告)日:2010-08-04
申请号:CN201010032413.X
申请日:2010-01-06
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供的是一种面向正则表达式的多模式匹配硬件引擎及产生方法。它是由多个单模式匹配引擎并行组合而成,多个单模式匹配引擎的奇、偶数据总线连接到奇、偶输入数据RAM上。采用模块化设计方法,抽取出此类模式匹配中的基本功能单元模块,再根据每条规则的特定结构将这些基本功能单元模块有序的组合起来,生成单规则模式匹配引擎。按照同样的方法生成多条单规则模式匹配引擎,最后并行执行这些单规则引擎完成模式匹配;同时,通过并行的多模式判断以及双数据通道技术,提高模式匹配的吞吐率。本发明可用于减轻入侵检测系统在模式匹配上的计算瓶颈。
-
公开(公告)号:CN105049206B
公开(公告)日:2018-07-31
申请号:CN201510267427.2
申请日:2015-05-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了种在OpenSSL中应用SM2椭圆曲线算法进行加密的方法,服务器产生随机大数,计算出椭圆曲线上随机定点数据,将其通过ServerHelloDone消息发送给客户端;客户端根据接收的消息解析出来自服务器的定点数据,将服务器公钥以及客户端的公私密钥对作为SM2的参数,计算出主密钥;客户端随机产生随机大数,计算出椭圆曲线上随机定点数据,将该定点数据和客户端的公钥通过ClientKeyExchange消息发送给服务器;服务器获得客户端的随机定点数据以及客户端公钥,再加上服务器自身的公私密钥对作为SM2的参数,计算出主密钥。本发明具有可靠性高、运行安全稳定的优点。
-
公开(公告)号:CN101794295B
公开(公告)日:2013-06-05
申请号:CN201010032413.X
申请日:2010-01-06
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明提供的是一种面向正则表达式的多模式匹配硬件引擎及产生方法。它是由多个单模式匹配引擎并行组合而成,多个单模式匹配引擎的奇、偶数据总线连接到奇、偶输入数据RAM上。采用模块化设计方法,抽取出此类模式匹配中的基本功能单元模块,再根据每条规则的特定结构将这些基本功能单元模块有序的组合起来,生成单规则模式匹配引擎。按照同样的方法生成多条单规则模式匹配引擎,最后并行执行这些单规则引擎完成模式匹配;同时,通过并行的多模式判断以及双数据通道技术,提高模式匹配的吞吐率。本发明可用于减轻入侵检测系统在模式匹配上的计算瓶颈。
-
公开(公告)号:CN115099264A
公开(公告)日:2022-09-23
申请号:CN202210580880.9
申请日:2022-05-26
Applicant: 哈尔滨工程大学
Abstract: 船舶零件故障诊断方法及装置、计算机和计算机储存介质,涉及深度学习领域。对于现有技术中存在的:虽然卷积神经网络具有较强的特征提取能力,但故障的损坏伴随时间也会产生变化的问题,本发明提供的技术方案为:船舶零件故障诊断方法,所述的方法包括:获得船舶设备运行状态过程中零件的振动加速度信号数据,将数据进行预处理,并针对不同故障标注故障类型,对完成标注的数据作为一维数据集,并划分为训练集和测试集;构建面向船舶零件的深度学习故障诊断模型的特征提取器;构建面向船舶零件的深度学习故障诊断模型的分类器;通过所述的特征提取器和分类器构建面向船舶零件的深度学习故障诊断模型。适用于诊断船舶零件故障。
-
-
-
-
-