-
公开(公告)号：CN112783123A
公开(公告)日：2021-05-11
申请号：CN202011623798.7
申请日：2020-12-30
Applicant: 北京理工大学
IPC: G05B19/418
Abstract: 本发明涉及一种工作流调度执行单元控制方法和控制器。本发明通过采用快通路系统能够高速接收工作流，由内部的多生产者单消费者模型队列缓存，并由工作流调度执行单元分配器根据工作流调度执行单元预选表向工作流调度执行单元发送工作流。快通路系统不负责构建和维护预选表，且其能够实现工作流的高速路由。工作流路由到工作流调度执行单元的准确性由工作流调度执行单元预选表保障，工作流调度执行单元预选表由慢通路系统内各模块根据系统当前状态(工作流调度执行单元规模、容量和压力)构建并维护，进而能解决高并发、高流速工作流的接收问题和超大规模分布式工作流调度执行单元的管理和大规模工作流高速、精准路由问题。
-
公开(公告)号：CN112698914A
公开(公告)日：2021-04-23
申请号：CN202011627203.5
申请日：2020-12-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种工作流任务容器生成系统及方法。该系统包括工作流注入模块以及工作流任务容器生成装置；工作流任务容器生成装置包括：工作流输入接口模块、工作流NameSpace生成模块、任务容器生成模块以及状态跟踪与资源监控模块；工作流输入接口模块分别与工作流注入模块、工作流NameSpace生成模块以及状态跟踪与资源监控模块连接；工作流NameSpace生成模块分别与任务容器生成模块以及所述状态跟踪与资源监控模块连接；任务容器生成模块与所述状态跟踪与资源监控模块连接。本发明保证了容器化工作流任务调度顺序与工作流调度算法任务执行顺序的一致性，有效降低了容器化工作流总执行时间，提高了工作流的执行效率。
-
公开(公告)号：CN112686323A
公开(公告)日：2021-04-20
申请号：CN202011642980.7
申请日：2020-12-30
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于卷积的极限学习机的图像识别方法，通过采用随机卷积运算提取图像的图像特征向量完成对图像的预处理，采用图像特征向量及标签构建的训练样本集训练极限学习机图像识别模型，由于随机卷积运算中卷积核为随机生成且无需调整，能够很大程度上解决计算负担过重的问题，有效提高了计算效率，在一定程度上能够满足图像识别的需要，同时为更准确地进行图像识别提供了新思路和新途径。
-
公开(公告)号：CN112614158A
公开(公告)日：2021-04-06
申请号：CN202011500416.1
申请日：2020-12-18
Applicant: 北京理工大学
Abstract: 本发明提出了一种采样框自适应的多特征融合在线目标跟踪方法，能够使用多种特征的不同信息进行稳定跟踪，并对给定目标矩形框自适应变形提高相关滤波器的分类准确性。本发明的采样框自适应的多特征融合的在线目标跟踪方法，采用跟踪特征融合和跟踪质量预测策略，与传统的核化相关滤波器相比，能够使用多种特征的不同信息进行稳定跟踪，并对给定目标矩形框自适应变形提高相关滤波器的分类准确性。
-
公开(公告)号：CN112241125A
公开(公告)日：2021-01-19
申请号：CN202011183904.4
申请日：2020-10-29
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于微分平坦特性的无人机轨迹跟踪方法，通过对四旋翼飞行器进行动力学与运动学建模，并对其模型进行微分平坦属性判定，基于此性质通过非线性变化，将欠驱动四旋翼模型转化为全驱动系统。设置虚拟控制量，将高度耦合系统解耦，并将其转化为线性系统。利用模型预测控制处理有约束系统的航迹跟踪控制问题，针对系统时变特性，构造多面体描述系统包含原时变系统，减少在线优化计算复杂度，并以此推导出使系统稳定的实时终端罚值。本发明设计了针对时变系统的模型预测控制方法，处理无人机轨迹跟踪过程中受到的约束与系统时变特性，能够有效的完成无人机轨迹跟踪任务，很好的处理无人机非线性特性，计算复杂度低，跟踪速度快。
-
Patent Agency Ranking
公开(公告)号：CN111880489A
公开(公告)日：2020-11-03
申请号：CN202010647895.3
申请日：2020-07-07
Applicant: 北京理工大学
IPC: G05B19/418
Abstract: 本发明公开了一种复杂制造系统回归调度方法，通过构建基于极限学习机的复杂制造系统回归调度模型，实现了获取实时生成与生产状态相适应的调度规则权重组合，达到了制造系统的多目标优化的目的，同时，利用基于比例-积分-微分(PID)梯度下降算法求取隐含层节点的输出权值矩阵完成对极限学习机模型的训练，能够在降低计算负担过重和提高计算效率的情况下提高算法的泛化性能。
-
公开(公告)号：CN111861960A
公开(公告)日：2020-10-30
申请号：CN202010694381.3
申请日：2020-07-17
Applicant: 北京理工大学
Abstract: 本发明提出了一种红外和可见光图像融合方法，基于变分法与局部梯度相似性，能够生成保留更多像素梯度和强度信息的融合图像。以已配准的红外和可见光图像为背景，以获取信息更为丰富的融合图像为目标，研究图像融合问题。首先采用结构张量计算得到源图像的融合梯度，利用局部梯度相似性使融合梯度方向更加精确；其次，根据像素强度的比较，将源图像重构为显著图和非显著图，并计算用于甄别和保留非显著图有效细节的权重图；再者，基于源图像的梯度特征和像素强度信息，建立图像融合模型；最后，采用变分法求解优化模型以得到融合图像。本发明所提出的方法在许多应用领域具有潜在的价值，如目标检测、跟踪等计算机视觉方面。
-
公开(公告)号：CN111798710A
公开(公告)日：2020-10-20
申请号：CN202010823440.2
申请日：2020-08-17
Applicant: 北京理工大学
Abstract: 本发明涉及一种闭环在线教学系统。该系统包括在线教学和视频教学两种教学模式。所述闭环在线教学系统包括：云端视频教学模块、学习状态监控模块、作业考试测评模块、云控制实验模块和三闭环云端评价模块。本发明提供的闭环在线教学系统，将学生状态、实验过程评价引入教学过程，从短期、中期和长期三个层次对学生的学习过程进行评价，以解决现有在线教学课堂管控难、学习效果反馈慢、实验实践无法进行等问题，达到线上授课与线下授课实质等效。
-
公开(公告)号：CN110532057A
公开(公告)日：2019-12-03
申请号：CN201910678871.1
申请日：2019-07-25
Applicant: 北京理工大学
Abstract: 本发明公开了一种容器的资源使用量预测方法，通过构建密集型宽度学习模型，在此基础利用基于迭代式的最小二乘法求取特征节点的输出权值矩阵，以及采用共轭梯度法求解增强节点的输出权值矩阵，实现对密集型宽度学习模型的训练，从而获取全局最优解，优化网络结构，实现对容器的资源使用量的精确预测，能够有效提高预测精度和效率。
-
公开(公告)号：CN108010321B
公开(公告)日：2019-10-25
申请号：CN201711418205.1
申请日：2017-12-25
Applicant: 北京理工大学
Abstract: 本发明公开了一种交通流预测方法，能够降低数据复杂度并提高预测精度。本发明实施例提供的交通流预测方法包括如下步骤：采集获取实时交通流数据，并利用变分模态分解将实时交通流数据分解成设定数量的具有不同特征尺度的限带的本征模态分量；本征模态分量的数量设定为使得所有本征模态分量的估计带宽之和最小。采用增量型超限学习机网络，建立针对各本征模态分量的预测模型，并采用预先采集的历史交通流数据对预测模型进行训练。利用训练后的预测模型，对各本征模态分量进行交通流预测，将所有本征模态分量的预测结果累加得到最终的交通流预测结果。
-
-
-
-
-
-
-
-
-
Search Results
146
records
(took 0.023 seconds)
