-
公开(公告)号：CN117650935A
公开(公告)日：2024-03-05
申请号：CN202311677029.9
申请日：2023-12-08
Applicant: 电子科技大学
IPC: H04L9/40 , H04L43/0876 , H04L43/026 , H04L43/12 , G06N3/0895 , G06N20/00
Abstract: 本发明公开了一种基于业务应用分类模型的干扰流量识别方法，属于宽带网络技术领域，其特征在于，包括以下步骤：a、采集纯净数据集1并按流进行拆分，作特征统计形成一个54长的特征向量，将全部样本作为训练数据训练好初始化的模型A；b、搭建测试采集环境；c、通过训练样本对初始化的模型B进行训练，训练好的模型B再输入测试样本得到输出测试标签，通过机器学习评价指标对测试结果进行评价；d、将原始流量数据按会话流形成54长特征的模型输入数据，输入模型C得到大类应用标签或者干扰流量标签。本发明能够从加密流量中区分出干扰流量，准确识别正常业务应用以及干扰流量，提高分类准确率和模型泛化性能。
-
公开(公告)号：CN117250543A
公开(公告)日：2023-12-19
申请号：CN202311209255.4
申请日：2023-09-19
Applicant: 桂林电子科技大学
IPC: G01R31/392 , G01R31/367 , G01R31/378 , G01R31/385
Abstract: 本发明公开一种基于电池模型参数特征的锂电池健康状态估计方法，通过电池实际运行过程中的充电或放电的部分区间电压电流测试数据辨识电池模型参数，需要的测试数据很少，能够有效适应实车运行过程中充放电时间序列缺失或测试数据不足的工况，具有更强的实用性。将不同充放电工况下的等效电路模型参数作为Bi‑LSTM模型的输入特征，使模型特征具有明确的物理意义，保证了模型的泛化性和可解释性，可以应用于不同的电池类型，具有更好的通用性。
-
公开(公告)号：CN117237725A
公开(公告)日：2023-12-15
申请号：CN202311212612.2
申请日：2023-09-19
Applicant: 桂林电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/46 , G06V10/50 , G06V10/54 , G06V10/77 , G06V10/82 , G06V10/26 , G06V10/70 , G06V10/774 , G06V10/771 , G06V10/776 , G06V20/62 , G06V10/96 , G06N3/006 , G06T7/00
Abstract: 本发明公开一种基于图像的轮胎磨损程度快速检测方法，通过轮胎厂或汽车厂商获得不同类型的轮胎图像，每类轮胎图像的五种不同磨损程度选择一张图像，对选择的轮胎图像进行裁剪，模拟实际轮胎的污垢及图像光斑构建噪声，通过加噪进行数据增强后提取灰度共生矩阵特征的均值和均方根值、改进的梯度直方图特征以及局部二值模式特征，对提取的三类特征向量分别进行降维再拼接融合，然后将得到降维融合后的特征向量分类器模型，对分类器的重要参数采用鲸鱼优化算法进行优化，得到训练好的随机森林优化分类器模型，模型测试待检测轮胎磨损程度图像。本发明用于估计轮胎剩余寿命，更迅速便捷地提醒车主轮胎磨损程度信息。
-
公开(公告)号：CN117103250A
公开(公告)日：2023-11-24
申请号：CN202310950544.3
申请日：2023-07-31
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种工业机器人柔性关节扭转角的前馈补偿控制方法，先通过设计非对称非线性迟滞函数作为Preisach模型迟滞算子，描述柔性关节的非对称特性；再在Preisach模型的输入端加入输出历史信息，在Preisach模型的输出端加入惯性滤波环节，描述柔性关节的速率相关特性；后将改进的Preisach模型与实现非线性映射的全连接神经网络串联构成一种深度神经网络迟滞模型，用于描述随负载变化的扭矩与扭转角的变化规律。基于上述深度神经网络迟滞模型得到角度预测值，通过前馈补偿控制，修正机器人柔性关节的角度设定值，间接消除扭转角的影响，达到提高工业机器人柔性关节的执行精度的目的。
-
公开(公告)号：CN116894944A
公开(公告)日：2023-10-17
申请号：CN202310920250.6
申请日：2023-07-26
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及计算机视觉和点云语义分割技术领域，具体而言，涉及一种基于深度学习和边界点对比学习的3D点云语义分割方法。包括：以PointMetaBase网络为主干网，基于对比学习算法设计边界点对比学习模块(Boundary Points Contrasitve learning,BPCL)，构建增强边界点语义分割性能的网络结构；该点云语义分割网络结构包括依次连接的特征编码模块、特征解码模块和边界点对比学习模块；采集或使用室内场景点云作为数据集；根据获得的数据集训练构建的语义分割网络获得语义分割模型，使用该模型对待分割的点云数据进行分割。本发明可以提高PointMetaBase对场景边界的分割性能，从而提高对整个场景的分割性能。
-
Patent Agency Ranking
公开(公告)号：CN114627346B
公开(公告)日：2023-06-16
申请号：CN202210255755.0
申请日：2022-03-15
Applicant: 电子科技大学
IPC: G06V10/774 , G06V10/40
Abstract: 本发明属于计算机视觉和点云下采样技术领域，尤其涉及一种保留重要特征的点云数据下采样方法；本发明采用最远点采样方法得到点云数据的采样点集合，之后，在每个特征维度上选取最大的点组成关键特征点集合，计算采样点集合和关键特征点集合两个集合中点与点之间的距离值；最后，按照距离最近原则把采样点集合与关键关键特征点集合的差集替换为关键特征点，得到最终的采样点集合。本发明通过上述下采样方法实现了关键点的提取，实现稀疏点云数据的输出，或者作为形状轮廓及细节提取的方法，为后续点云数据的高效处理带来便利。
-
公开(公告)号：CN107254656B
公开(公告)日：2023-06-13
申请号：CN201710705659.0
申请日：2017-08-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种能够避免钕铁硼永磁材料表面的防护层内部发生起泡，以及防护层剥落等失效现象的钕铁硼永磁材料表面等离子喷涂陶瓷层及其制备方法。该钕铁硼永磁材料表面等离子喷涂陶瓷层，包括钕铁硼机体、Al2O3‑TiO2复合陶瓷涂层以及Ni‑Al合金层过渡层。所述制备方法包括步骤：1)对钕铁硼基体进行预处理：2)将经过预处理之后的钕铁硼基体在真空环境下进行预热处理；3)在预热后的钕铁硼基体表面采用等离子喷涂制备一层Ni‑Al合金层过渡层；4)在Ni‑Al合金层过渡层表面采用等离子喷涂制备一层Al2O3‑TiO2复合陶瓷层。采用该钕铁硼永磁材料表面等离子喷涂陶瓷层及其制备方法可以实现钕铁硼永磁材料表面高质量防护层的快速制备；制备过程不存在副产品，绿色、清洁，无污染。
-
公开(公告)号：CN106945140B
公开(公告)日：2023-05-12
申请号：CN201710293538.X
申请日：2017-04-28
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种用于竹质板材生产的快速冷压定型机，包括机架和操作面板；所述机架上设有将待冷却的竹质板材压紧并通过匀速旋转来将其快速冷压定型的回转冷压仓，所述机架的一端设有向所述回转冷压仓输送待冷却的竹质板材的进料装置，所述机架的另一端设有将所述回转冷压仓已经冷压定型后的竹质板材输出的出料装置；所述操作面板处所述机架的一侧并用于控制所述回转冷压仓、所述进料装置和所述出料装置的运行。本发明的有益效果是：满足竹质板材生产线常规工艺技术要求，填补国内该领域自动化设备空白；消除了人工处理的不稳定因素，保证产品质量稳定，提高了企业经济效益；同时该设备结构简单、耗电量小、故障率低、操作与维护方便。
-
公开(公告)号：CN115556093A
公开(公告)日：2023-01-03
申请号：CN202211138252.1
申请日：2022-09-19
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开基于NARXNN‑CNN混合迟滞模型的机器人关节补偿控制方法，针对机器人柔性关节传递精度随负载变化，关节输入输出角度之差扭转角与输出力矩表现为强非线性、非对称性及非光滑性的复杂迟滞特性，设计了NARXNN‑CNN混合迟滞模型，并设计分段式损失函数来实现独立分段偏差反向传递学习。通过NARXNN‑CNN混合迟滞模型预测扭转角的修正量，并利用该扭转角的修正量对关节输出角度设定值进行补偿，从而间接避免由于关节材料、制造及复杂结构的装配及负载变化等所造成的关节传递误差。
-
公开(公告)号：CN112290535A
公开(公告)日：2021-01-29
申请号：CN202011008104.9
申请日：2020-09-23
Applicant: 电子科技大学 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种基于深度确定性梯度策略的电‑天然气综合能源系统在线调度方法，针对风电的间歇性以及实时电力和天然气市场的随机性性等双重不确定性，同时考虑电力系统净负荷波动与系统的经济收益，采用深度强化学习方法，将电‑天然气综合能源系统的实时收益模型求解过程转换为有限的马尔科夫决策过程，并采用深度确定性梯度策略(DDPG)算法来解决决策问题；由于电‑天然气综合能源系统的优化运行考虑了净负荷波动，使风电平滑接入电网，因此电‑天然气综合能源系统具有较高的稳定性和经济性。
-
-
-
-
-
-
-
-
-
Search Results
203
records
(took 0.031 seconds)
