-
公开(公告)号：CN109308713B
公开(公告)日：2021-11-19
申请号：CN201810870281.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为了得到更好的前视声纳水下目标跟踪效果，提出了一种基于改进核相关滤波算法的水下目标跟踪方法。主要包括如下步骤：(1)前视声纳图像的预处理；(2)选取动态连续变化尺度的检测基样本，利用滤波器模型检测声纳图像目标的最佳位置；(3)根据峰值旁瓣比自适应更新滤波器模型，在更新过程中，选取动态连续变化的训练基样本来计算不同尺度的滤波器模型，最终实现前视声纳水下目标跟踪。对采集的水下目标原始数据进行实验结果分析，验证提出的基于改进核相关滤波算法对前视声纳水下目标跟踪具有较高的跟踪精度，并且当目标尺度发生变化、目标中途消失又出现等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN109146922A
公开(公告)日：2019-01-04
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
CPC classification number: G06T7/246 , G06N3/006 , G06T2207/10016 , G06T2207/20004 , G06T2207/20081
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN104847697A
公开(公告)日：2015-08-19
申请号：CN201510253265.7
申请日：2015-05-18
Applicant: 哈尔滨工程大学
CPC classification number: F04D29/324 , F04D19/00 , F04D29/321 , F05D2240/303 , F05D2250/241
Abstract: 本发明的目的在于提供一种带有椭球体凸结构前缘叶片的压气机，包括机匣、安装在机匣里的轮毂、以及安装在轮毂上的叶片，所有叶片组成叶栅，叶片的前缘位置设置沿叶片高度方向间隔排列的椭球体凸结构，所述的椭球体凸结构的长轴长度为叶片前缘直径的4-7倍，短轴长度为前缘直径的0.5-3倍，椭球体凸结构伸出至叶片前缘外的长度为叶片前缘直径的2-3.5倍。本发明利用特定的三维前缘结构构造局部的三维流管形状来抑制过度膨胀流动，突破了二维叶型设计的概念，显著的改善了前缘流动，降低了叶栅气动损失，增加了攻角范围。与现有的压气机叶片前缘技术相比，该结构对压气机端区流动损失的抑制效果也十分明显。
-
公开(公告)号：CN108427958B
公开(公告)日：2021-06-01
申请号：CN201810104948.X
申请日：2018-02-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法。(1)根据数据集中水下声纳图像的特点，生成深度信念网络DBN二维参数矩阵；(2)自适应调整卷积神经网络CNN滤波器权值矩阵的分布；(3)实现基于深度学习的自适应权值卷积神经网络水下声纳图像分类。本发明提出的基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法，可以解决CNN中滤波器权值初始化的随机问题，避免陷入局部最优，能更好的提高分类正确率，有一定的有效性。
-
Patent Agency Ranking
公开(公告)号：CN109308713A
公开(公告)日：2019-02-05
申请号：CN201810870281.4
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为了得到更好的前视声纳水下目标跟踪效果，提出了一种基于改进核相关滤波算法的水下目标跟踪方法。主要包括如下步骤：(1)前视声纳图像的预处理；(2)选取动态连续变化尺度的检测基样本，利用滤波器模型检测声纳图像目标的最佳位置；(3)根据峰值旁瓣比自适应更新滤波器模型，在更新过程中，选取动态连续变化的训练基样本来计算不同尺度的滤波器模型，最终实现前视声纳水下目标跟踪。对采集的水下目标原始数据进行实验结果分析，验证提出的基于改进核相关滤波算法对前视声纳水下目标跟踪具有较高的跟踪精度，并且当目标尺度发生变化、目标中途消失又出现等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN104847697B
公开(公告)日：2017-04-12
申请号：CN201510253265.7
申请日：2015-05-18
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种带有椭球体凸结构前缘叶片的压气机，包括机匣、安装在机匣里的轮毂、以及安装在轮毂上的叶片，所有叶片组成叶栅，叶片的前缘位置设置沿叶片高度方向间隔排列的椭球体凸结构，所述的椭球体凸结构的长轴长度为叶片前缘直径的4‑7倍，短轴长度为前缘直径的0.5‑3倍，椭球体凸结构伸出至叶片前缘外的长度为叶片前缘直径的2‑3.5倍。本发明利用特定的三维前缘结构构造局部的三维流管形状来抑制过度膨胀流动，突破了二维叶型设计的概念，显著的改善了前缘流动，降低了叶栅气动损失，增加了攻角范围。与现有的压气机叶片前缘技术相比，该结构对压气机端区流动损失的抑制效果也十分明显。
-
公开(公告)号：CN109146922B
公开(公告)日：2021-07-06
申请号：CN201810757443.3
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的图像处理技术领域，具体地说是一种基于自适应粒子群优化的前视声纳水下目标跟踪方法，本发明提出由迭代次数与适应度值自适应调整惯性权重，平衡粒子的探索与开发能力，使粒子能快速搜索到全局最优解；选择种群中的随机粒子与当前粒子的个体最优值进行比较，采用两者中个体最优值较大的粒子，更新粒子的速度，解决粒子陷入局部最优的问题。当水下目标被遮挡时，根据目标遮挡情况，提出利用新的自适应离散群优化算法的更新机制更新粒子，最终完成前视声纳水下目标跟踪。本发明对水下目标跟踪具有较好的跟踪精度和较快的跟踪速度，并且当目标存在遮挡、对比度变化较大、弱小目标、受噪声影响严重等情况仍然具有一定的有效性和适应性。
-
公开(公告)号：CN108427958A
公开(公告)日：2018-08-21
申请号：CN201810104948.X
申请日：2018-02-02
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法。(1)根据数据集中水下声纳图像的特点，生成深度信念网络DBN二维参数矩阵；(2)自适应调整卷积神经网络CNN滤波器权值矩阵的分布；(3)实现基于深度学习的自适应权值卷积神经网络水下声纳图像分类。本发明提出的基于深度学习的自适应权值卷积神经网络水下声纳图像分类方法，可以解决CNN中滤波器权值初始化的随机问题，避免陷入局部最优，能更好的提高分类正确率，有一定的有效性。
-
公开(公告)号：CN204677501U
公开(公告)日：2015-09-30
申请号：CN201520320510.7
申请日：2015-05-18
Applicant: 哈尔滨工程大学
Abstract: 本实用新型的目的在于提供一种带有椭球体凸结构前缘叶片的压气机，包括机匣、安装在机匣里的轮毂、以及安装在轮毂上的叶片，所有叶片组成叶栅，叶片的前缘位置设置沿叶片高度方向间隔排列的椭球体凸结构，所述的椭球体凸结构的长轴长度为叶片前缘直径的4-7倍，短轴长度为前缘直径的0.5-3倍，椭球体凸结构伸出至叶片前缘外的长度为叶片前缘直径的2-3.5倍。本实用新型利用特定的三维前缘结构构造局部的三维流管形状来抑制过度膨胀流动，突破了二维叶型设计的概念，显著的改善了前缘流动，降低了叶栅气动损失，增加了攻角范围。与现有的压气机叶片前缘技术相比，该结构对压气机端区流动损失的抑制效果也十分明显。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.037 seconds)
