“康守强”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果105个，建议您升级VIP下载更多相关专利

[发明专利]一种数字孪生驱动深度迁移学习模型的滚动轴承故障诊断方法-CN202310310421.3在审
发明人：吴彦波;金家兴;王玉静;康守强;梁欣涛;孙宇林 -专利权人：哈尔滨市滨奇科技发展有限公司;哈尔滨理工大学
申请日： 2023-03-27 - 公布日： 2023-10-27 - 主分类号： G01M13/045 文献下载
摘要：一种数字孪生驱动深度迁移学习模型的滚动轴承故障诊断方法，涉及滚动轴承故障诊断技术领域，为了解决针对不同工况下滚动轴承源域样本数据标签获取困难、样本量较少，且目标域样本数据标签缺失的问题而提出。该方法以深沟球轴承作为研究对象建立三维模型，通过有限元分析软件及显式动力学算法进行动力学分析，根据加速度探测位置对模型进行仿真计算，获得滚动轴承故障孪生数据；其次，引入基于Wasserstein距离的生成对抗网络，并提出使用梯度惩罚项对其进行改进，减小孪生数据与真实数据之间的分布差异，实现特征融合；最后，利用迁移学习的思想，引入全局注意力机制对残差网络进行改进，利用多核最大均值差异对源域和目标域所提取的特征进行域适应处理，实现无标签目标域样本数据的迁移学习，最终建立基于数字孪生的滚动轴承故障诊断智能模型。实验验证，所提方法可有效解决不同工况下轴承带标签样本缺失的问题，且对于滚动轴承故障诊断准确率有显著提升。
一种数字孪生驱动深度迁移学习模型滚动轴承故障诊断方法

[发明专利]一种基于DNA编码的多通道彩色图像混沌加密方法-CN201910075280.5有效
发明人： 康守强;吴晨晨;王玉静;谢金宝;王庆岩;梁欣涛 -专利权人：哈尔滨理工大学
申请日： 2019-01-25 - 公布日： 2023-08-25 - 主分类号： G06F21/60 文献下载
摘要：一种基于DNA编码的多通道彩色图像混沌加密方法，涉及数字图像加密领域，针对现有图像混沌加密方案存在不足以及高维连续时间混沌系统离散过程算法复杂，以致加密图像安全性低、获取离散混沌序列耗时的问题而提出的。利用六维离散超混沌系统产生六组混沌序列，由哈希函数SHA‑256产生系统迭代初始值；提取彩色图像的RGB分量，对各分量作DNA编码分别得到DNA矩阵并合并，构建重组DNA矩阵，同时执行行列置乱操作；然后，将置乱DNA矩阵拆分成三个大小相同的矩阵，分别与DNA编码后的三个混沌密钥矩阵作DNA计算，再对得到的矩阵执行DNA解码操作；对解码矩阵执行扩散加密操作，加密轮数由SHA‑256决定。加密效果好，安全性高。
一种基于 dna 编码通道彩色图像混沌加密方法

[发明专利]一种基于相关性和高斯曲线拟合的自适应近红外光谱变换方法-CN202310236906.2在审
发明人： 康守强;赵瑞凡;薛原;沈涛 -专利权人：哈尔滨理工大学
申请日： 2023-03-13 - 公布日： 2023-08-08 - 主分类号： G01N21/359 文献下载
摘要：一种基于相关性和高斯曲线拟合的自适应近红外光谱变换方法，涉及近红外光谱变换技术领域。本发明是针对近红外光谱的谱峰重叠使待测物质的定量分析产生较大误差而提出的。该方法用待测物近红外光谱的离散点数确定参与高斯曲线拟合的高斯函数数量，用离散点的波长位置确定高斯函数中心位置；利用相关性分析，确定有利于提取重叠信息的最佳高斯函数带宽。基于此，构造曲线拟合的方程组，通过求解方程组确定高斯函数高度，并对高斯函数进行面积积分，得到待测物光谱的变换结果，进而构建待测物的含量预测模型。所提方法分别应用于污水COD含量和玉米水分含量的预测，其预测均方误差相比于变换前减少了至少25％，说明参与曲线拟合的高斯函数无需与真实谱峰信息对应，也可实现原始光谱中重叠信息的有效分解与重组，从而减小定量分析误差。
一种基于相关性曲线拟合自适应红外光谱变换方法

[发明专利]一种基于改进多源域异构模型参数传递的滚动轴承故障诊断方法-CN202310239905.3在审
发明人：王玉静;夏林;康守强;孙宇林;谢金宝;王庆岩;兰朝凤 -专利权人：哈尔滨理工大学
申请日： 2023-03-13 - 公布日： 2023-07-21 - 主分类号： G01M13/04 文献下载
摘要：一种基于改进多源域异构模型参数传递的滚动轴承故障诊断方法，涉及滚动轴承故障诊断技术领域。本发明是针对实际工业生产中不同规格和工况下滚动轴承振动数据分布差异大，多个相似数据集资源利用不充分，导致诊断模型准确率不高的问题而提出的。该方法利用短时傅里叶变换获取滚动轴承振动信号的时频谱图；选择多种不同规格和工况下已知标签数据作为多源域，其他规格和工况下少量已知标签数据作为目标域；使用多个源域数据训练多个ResNet‑34深度网络，并提出利用基于进化策略的与模型无关元学习改进异构模型参数迁移策略，使其能够自适应决定迁移到目标域的知识层级及内容；提出将源域知识迁移到VGG‑16深度网络得到多个目标域模型后，将其提取的特征依次输入同一个极限学习机中实现模型集成，通过极限学习机输出分类结果，最终建立滚动轴承故障诊断模型。经实验验证，所提方法可实现不同规格和工况下滚动轴承间的移诊断问题，并且具有较高的准确率。
一种基于改进多源域异构模型参数传递滚动轴承故障诊断方法

[发明专利]一种多计算任务调度优化的机载智能计算装置及方法-CN202310127073.6在审
发明人：刘大同;王本宽;李坤;陈波;康守强 -专利权人：哈尔滨工业大学
申请日： 2023-02-17 - 公布日： 2023-06-23 - 主分类号： G06F9/48 文献下载
摘要：本发明是一种多计算任务调度优化的机载智能计算装置及方法。本发明涉及无人飞行器有限机载计算资源下的边缘智能计算技术领域，本发明提出多计算任务调度优化的机载智能计算装置，在FPGA计算资源和多个智能算法模型执行时间的联合约束下，获取最优的部署方案和调度策略，在规定时间内完成多个智能算法模型的机载运行。将部署方案优化选择的3种尺度的定制计算加速单元在FPGA中部署，同时，将多计算任务调度策略部署至ARM中，而智能状态监测模型参数和感知数据均存储在DDR中。在进行多任务计算时，ARM根据多计算任务调度策略，控制各模型的参数和所需感知数据通过DMA方式传输至对应的加速单元中完成实时计算。
一种计算任务调度优化机载智能装置方法

[发明专利]一种无监督模型参数迁移的滚动轴承寿命预测方法-CN202010971076.4有效
发明人： 康守强;邢颖怡;王玉静;王庆岩;梁欣涛;康成璐 -专利权人：哈尔滨理工大学
申请日： 2020-09-15 - 公布日： 2023-03-03 - 主分类号： G06F18/213 文献下载
摘要：一种无监督模型参数迁移的滚动轴承寿命预测方法，属于滚动轴承状态识别及剩余寿命预测技术领域。本发明针对实际中某种工况滚动轴承带标签振动数据获取困难，健康指标难以构建及寿命预测误差大的问题而提出的。该方法首先对滚动轴承全寿命周期振动数据提取均方根特征，并引入新的自下而上时间序列分割算法将特征序列分割为正常期、退化期和衰退期3种状态；对振动信号经快速傅里叶变换后的幅值序列进行状态信息标记，并作为改进全卷积神经网络的输入，提取深层特征，经训练构建源域模型和微调后的状态识别模型，实现滚动轴承多状态识别；利用状态概率估计法建立滚动轴承寿命预测模型。实验验证，所提方法无需构建健康指标，可实现无监督条件下不同工况滚动轴承状态识别和寿命预测，并获得较好的效果。
一种监督模型参数迁移滚动轴承寿命预测方法

[发明专利]一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统-CN202211214916.8在审
发明人： 康守强;杨加伟;王玉静;谢金宝;王庆岩;梁欣涛;宋显华 -专利权人：哈尔滨理工大学
申请日： 2022-09-30 - 公布日： 2023-01-03 - 主分类号： G01M13/04 文献下载
摘要：本发明提出一种基于联邦特征迁移学习的不同工况下滚动轴承故障诊断方法及系统，涉及滚动轴承故障诊断技术领域。本发明的技术要点包括：对滚动轴承时域振动数据做小波变换得到时频谱图，将先验的有标签公共数据作为源域，多用户无标签孤岛隐私数据作为目标域；引入多表示特征提取结构对原始残差网络进行改进，提取源域和目标域的多表示特征，分别构建多用户本地模型；使用深度神经网络的模型压缩思想改进联邦迁移学习框架中的参数传递策略，增强联邦框架的安全性并降低通信开销；在服务器端构建可用于不同工况下滚动轴承故障诊断的联邦全局模型。本发明无需多用户共享数据即可整合孤岛数据知识，具有较高的准确率和较强的泛化性。
一种基于联邦特征迁移学习不同工况滚动轴承故障诊断方法系统

[发明专利]一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统-CN202211210685.3在审
发明人： 康守强;肖杨;王玉静;王庆岩;梁欣涛;谢金宝;宋显华 -专利权人：哈尔滨理工大学
申请日： 2022-09-30 - 公布日： 2022-12-16 - 主分类号： G06K9/00 文献下载
摘要：本发明提出一种用于不同规格滚动轴承故障诊断的联邦模型迁移学习方法及系统，涉及滚动轴承故障诊断技术领域，用以解决现有联邦学习方法对于不同规格的滚动轴承的故障诊断效果不佳的问题。本发明方法的技术要点包括：对多个用户振动数据做短时傅里叶变换，构建时频图数据集；各用户训练本地模型并将模型参数上传至服务器，同时引入差值更新和参数稀疏化算法改进联邦学习中本地模型参数传递策略；服务器采用联邦平均算法聚合模型参数并更新本地模型，迭代后建立用于迁移学习的共享模型；提出逐层解冻策略保留共享模型部分参数并发送给每个用户，利用本地数据微调共享模型，获得适用于每个用户的个性化模型。本发明具有较高准确率和良好的泛化性能。
一种用于不同规格滚动轴承故障诊断联邦模型迁移学习方法系统

[发明专利]一种基于改进多粒度级联森林的滚动轴承剩余寿命预测方法-CN202010032285.2有效
发明人：王玉静;王诗达;康守强;康成璐;谢金宝;王庆岩 -专利权人：哈尔滨理工大学
申请日： 2020-01-11 - 公布日： 2022-11-15 - 主分类号： G06K9/62 文献下载
摘要：一种基于改进多粒度级联森林的滚动轴承剩余寿命预测方法，属于滚动轴承剩余寿命预测领域，解决现有人工智能方法在滚动轴承剩余寿命预测中存在精度差、运算效率低的问题。首先对由快速傅里叶变换得到的滚动轴承频域信号进行迭代计算，得到迭代特征。将多粒度级联森林中的多粒度扫描结构替换为卷积神经网络，利用卷积神经网络提取迭代特征的深层特征，并构建性能退化特征集。然后对可实现GPU并行加速的单一CatBoost模型进行集成，引入决定系数R2构建CasCatBoost结构以提高模型的表征能力，选取模型最后一个级联层的平均寿命百分比p表示输出。最后运用一次函数对p进行拟合，预测出轴承的剩余寿命。本方法具有较高的运算效率和预测精度。
一种基于改进粒度级联森林滚动轴承剩余寿命预测方法

[发明专利]一种基于CNN和LSTM的滚动轴承剩余使用寿命预测方法-CN201910162042.8有效
发明人：王玉静;康守强;李少鹏;谢金宝;王庆岩 -专利权人：哈尔滨理工大学
申请日： 2019-03-01 - 公布日： 2022-11-01 - 主分类号： G06F30/20 文献下载
摘要：一种基于CNN和LSTM的滚动轴承剩余使用寿命预测方法，涉及滚动轴承寿命预测领域。针对滚动轴承存在性能退化渐变故障和突发故障两种模式下其剩余使用寿命(RUL)预测困难的问题，该方法首先对滚动轴承原始振动信号作FFT变换，然后将预处理所得到的频域幅值信号进行归一化处理后，并将其作为CNN的输入。利用CNN自动提取数据局部抽象信息以挖掘深层特征，避免传统特征提取方法过于依赖专家经验的问题。之后再将深层特征输入到LSTM网络中，构建趋势性量化健康指标，同时确定失效阈值。最后，运用移动平均法进行平滑处理，消除局部振荡，再利用多项式曲线拟合，预测未来失效时刻，实现滚动轴承RUL预测。预测结果能够较好地接近真实寿命值。
一种基于 cnn lstm 滚动轴承剩余使用寿命预测方法

[发明专利]一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法-CN202210429221.5在审
发明人： 康守强;杨佳轩;王玉静;孙宇林;谢金宝;王庆岩;梁欣涛 -专利权人：哈尔滨理工大学
申请日： 2022-04-22 - 公布日： 2022-08-05 - 主分类号： G06K9/62 文献下载
摘要：一种改进宽度迁移学习的不同负载下滚动轴承状态快速分类方法，涉及滚动轴承故障分类技术领域，用以解决深度学习网络训练耗时以及不同负载下滚动轴承的源域数据和目标域数据分布差异较大的问题。本发明的技术要点包括：以循环扩展的方式建立宽度学习系统(BLS)的增强节点窗口，并在增强层引入Maxout激活函数构建改进的BLS网络，同时引入遗传算法优化网络节点结构，建立基于源域数据的预训练模型；将预训练模型的网络参数、特征层和增强层的权重参数迁移至目标域网络，并利用少量目标域训练样本微调网络建立状态分类模型。本发明方法可以在更短的时间内建立分类模型并获得良好的分类准确率，适用于不同负载下滚动轴承故障状态的快速分类。
一种改进宽度迁移学习不同负载滚动轴承状态快速分类方法

[发明专利]一种基于模型迁移和维纳过程的滚动轴承RUL预测方法-CN202210429223.4在审
发明人：王玉静;李达;康守强;梁欣涛;谢金宝;王庆岩;孙宇林 -专利权人：哈尔滨理工大学
申请日： 2022-04-22 - 公布日： 2022-08-05 - 主分类号： G06F30/17 文献下载
摘要：一种基于模型迁移和维纳过程的滚动轴承RUL预测方法，涉及滚动轴承使用寿命预测技术领域，用以解决使用寿命百分比作为标签难以准确描述滚动轴承退化过程以及不同工况情况下轴承寿命预测准确率不高的问题。本发明的技术要点包括：提取某工况下全寿命滚动轴承的各振动统计特征，利用单层NCAE网络与SOM网络构建健康指标模型，使用健康指标对滚动轴承频域幅值序列进行标记；使用源域数据训练结合深度NCAE网络与前馈神经网络FNN的组合网络得到预训练模型；利用目标域数据微调，得到滚动轴承性能退化模型，利用性能退化指标量化值的增量建立维纳过程模型，实现不同工况下滚动轴承的RUL预测。本发明适用于对滚动轴承剩余使用寿命的预测技术中。
一种基于模型迁移过程滚动轴承 rul 预测方法

[发明专利]一种改进深度Q网络的滚动轴承故障诊断方法-CN202110360639.0有效
发明人： 康守强;刘哲;王玉静;王庆岩;梁欣涛;谢金宝;兰朝凤 -专利权人：哈尔滨理工大学
申请日： 2021-04-02 - 公布日： 2022-07-19 - 主分类号： G01M13/045 文献下载
摘要：一种改进深度Q网络的滚动轴承故障诊断方法，涉及滚动轴承故障诊断技术领域，用以解决现有技术中在应用深度强化学习对滚动轴承故障进行诊断时，由于数据分布不平衡或变负载导致的诊断准确率过低的问题。本发明的技术要点包括：把k‑means算法中样本到中心点的距离作为回报值的偏置，以不平衡比为基准，为训练集构建具有个性化的回报函数，同时通过改进的残差网络(Resnet‑18)实现特征的深层提取；智能体将新的回报函数和时频图作为输入，在每个时间步长执行诊断动作，判断并返回回报值；最终智能体学会不平衡数据下的故障诊断策略。本发明方法在滚动轴承数据不平衡和变负载下故障诊断结果表现优异，可用于对滚动轴承不同故障诊断的实际操作中。
一种改进深度网络滚动轴承故障诊断方法

[发明专利]一种基于ATT-CNN的变工况下滚动轴承故障识别方法-CN201910162041.3有效
发明人：梁欣涛;康守强;李艺伟;王玉静;王庆岩 -专利权人：哈尔滨理工大学
申请日： 2019-03-01 - 公布日： 2022-07-19 - 主分类号： G06F30/17 文献下载
摘要：一种基于ATT‑CNN的变工况下滚动轴承故障识别方法，涉及滚动轴承故障识别技术。为了解决现有的变工况下滚动轴承故障识别方法针对复杂分类问题其泛化能力受到一定制约的问题。首先，通过卷积神经网络(CNN)将振动数据映射到非线性空间域，并利用其对输入信号的微小位移、缩放及其他扭曲形式具有不变性的特点，自适应提取变工况下滚动轴承故障特征；其次，提出将注意力机制(ATT)思想融入CNN结构中，进一步提高变工况下轴承振动特征的敏感性；同时通过数据增强方法获得更加丰富多样的训练样本，使得网络得到更充分地学习，提高了鲁棒性。所提出的基于注意力机制CNN(ATT‑CNN)故障诊断模型可实现变工况下的滚动轴承多状态识别与分类，并与其他方法比较，可获得更高的准确率。
一种基于 att cnn 工况滚动轴承故障识别方法

[发明专利]一种用于交通信号灯实时检测与识别的方法-CN202010971122.0有效
发明人：王庆岩;周长越;王玉静;康守强;谢金宝;康成璐 -专利权人：哈尔滨理工大学
申请日： 2020-09-15 - 公布日： 2022-06-21 - 主分类号： G06V20/54 文献下载
摘要：一种用于交通信号灯实时检测与识别的方法，属于交通信号灯检测识别领域。本发明是针对YOLOv4算法对小目标检测不敏感导致交通信号灯检测精度较低的问题而提出的。提出浅层特征增强机制，将特征提取网络中不同阶段的两个浅层特征分别与两次上采样后得到的高层语义特征进行融合，增大两个检测层的尺度，提升网络对小目标的定位及颜色分辨能力；引入边界框不确定性预测机制，对预测边界框输出坐标进行建模，加入高斯模型计算坐标信息的不确定度，提高预测边界框的可靠性。利用LISA交通信号灯数据集分别进行检测与识别实验，检测实验中改进YOLOv4算法的AUC值为97.58％相比VIVA提升7.09％；识别实验中改进YOLOv4算法的平均精度均值为82.15％较原始YOLOv4算法提升2.86％。改进后的YOLOv4算法提升交通信号灯的检测与识别精度。
一种用于交通信号灯实时检测识别方法

1
2
3
4
5
6
7
下一页»
尾页
共 105 条