-
公开(公告)号：CN103781194A
公开(公告)日：2014-05-07
申请号：CN201210399185.9
申请日：2012-10-18
Applicant: 同济大学
IPC: H04W84/18
Abstract: 本发明涉及一种基于耗散结构的车联网大规模网络动态演化方法，该方法首先根据耗散结构理论获取车联网的网络状态熵，用于表示车联网网络状态的无序程度，然后采用自适应机制、自调节机制和自愈合机制调整车联网的网络状态，使得车联网的网络状态向远离平衡态跃迁，降低车联网网络状态的无序程度。与现有技术相比，本发明将耗散结构理论应用于车联网大规模网络的动态演化上，考虑了大规模新型车联网环境下随着需求和环境的变化弹性构建满足当前任务的需求网络问题，其适用于大规模的开放系统。
-
公开(公告)号：CN102651641A
公开(公告)日：2012-08-29
申请号：CN201110044899.3
申请日：2011-02-24
Applicant: 同济大学
IPC: H03H17/02
Abstract: 本发明涉及基于对数量化的网络控制系统L2-L∞滤波信息处理方法，包括以下步骤：1)网络控制系统发送端对输入的信号进行采样、量化以及编码处理后发送给接收端；2)接收端对接收的数据进行解码，并将解码后的数据传输给滤波器；3)滤波器对接收到的数据进行滤波处理，还原原系统信息。与现有技术相比，本发明具有实现了对网络控制系统在干扰影响下的具有性能参数γ的鲁棒L2-L∞滤波处理，在滤波信息处理方法设计中充分考虑了实际中由于采样、量化、丢包所带了的影响因素，从而更符合实际使用情况。
-
公开(公告)号：CN115257732B
公开(公告)日：2024-11-26
申请号：CN202210773293.1
申请日：2022-07-01
Applicant: 同济大学
Abstract: 本发明涉及一种基于观测的含未知输入时延的多智能车辆协同控制方法，包括：构建含有未知输入时延的智能车辆运动学模型；基于智能车辆运动学模型以及多智能车辆的拓扑架构建立多智能车辆系统模型；通过输出反馈观测器获取智能车辆的观测值，将观测值输入多智能车辆协同控制器；离线获取多智能车辆协同控制器的若干类离线参数，通过多智能车辆系统模型的自适应切换策略在线切换若干类离线参数，直至多智能车辆系统模型的稳定器稳定，获得出每辆智能车辆的未知输入时延；将未知输入时延输入多智能车辆协同控制器，实现对多智能车辆的纵向控制。与现有技术相比，本发明具有抗干扰能力强、稳定性强、安全性高等优点。
-
公开(公告)号：CN118033540A
公开(公告)日：2024-05-14
申请号：CN202410241958.3
申请日：2024-03-04
Applicant: 同济大学
IPC: G01S5/18
Abstract: 本发明涉及一种测量噪声下的指定时间分布式定位方法、装置及介质，包括以下步骤：获取包含至少两个已知位置的智能体和多个未知位置的智能体组成的待测目标组，获取待测目标组中包含有界测量噪声的测量角度；构造角度无偏估计器，基于构造的角度无偏估计器处理有界测量噪声，得到估计的角度值；设置指定时间分布式定位估计算法，以待测目标组中的智能体为顶点建立多个三角形，根据估计的角度值，计算各个三角形顶点间的关系系数矩阵；通过指定时间分布式定位估计算法，根据估计的角度值和关系系数矩阵，得到未知位置的智能体的定位结果。与现有技术相比，本发明具有可以消除测量噪声影响、定位精度高、效率高等优点。
-
公开(公告)号：CN113033570B
公开(公告)日：2022-11-11
申请号：CN202110344461.0
申请日：2021-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种改进空洞卷积和多层次特征信息融合的图像语义分割方法，包括以下步骤：使用改进的空洞卷积方法在深度卷积神经网络中提取图像特征；将提取的深层特征图像与浅层特征图像级联融合弥补空间信息丢失；将多阶段处理后的特征图像通过边界细化学习边界信息，融合并恢复至原始图像分辨率，生成预测分割图；利用交叉熵损失函数训练网络，以mIoU评价模型性能。本发明改进了现有空洞卷积的利用方法并设计了可变形空间金字塔结构，提升模型的图像特征提取效果。同时，为图像分辨率恢复设计了多层次特征信息融合结构，充分利用不同层级包含的局部信息以及全局信息，并引入边界细化，有效提高图像语义分割的准确率。
-
Patent Agency Ranking
公开(公告)号：CN114384931A
公开(公告)日：2022-04-22
申请号：CN202111590154.7
申请日：2021-12-23
Applicant: 同济大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于策略梯度的无人机多目标最优控制方法，具体包括以下步骤：S1、获取无人机在目标飞行区间中离散时间非线性系统的多个性能指标，构建相应的状态‑动作价值函数；S2、获取一个在容许控制集内的初始控制策略；S3、根据多个状态‑动作价值函数和当前的控制策略进行策略评估，得到策略评估结果；S4、根据步骤S3的策略评估结果，结合梯度下降的方法进行策略改进，得到优化控制策略，判断优化控制策略是否满足预设的收敛条件，若否返回步骤S3，若是则将相应的优化控制策略作为最终的无人机控制策略。与现有技术相比，本发明具有使无人机消耗的能量更小，任务完成度更高，提升整体运行效率等优点。
-
公开(公告)号：CN108229730B
公开(公告)日：2021-07-20
申请号：CN201711374968.0
申请日：2017-12-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于模糊奖励的无人驾驶车辆轨迹生成方法，包括以下步骤：1)获取多条示教车辆的轨迹信息，并统计轨迹信息中轨迹特征的特征期望；2)在无人驾驶车辆运行过程中，根据特征期望获取当前空间状态下的奖励值；3)根据每个空间状态下的奖励值在空间中选择轨迹点坐标，拟合后形成最终的无人驾驶车辆的车辆轨迹。与现有技术相比，本发明具有规律统计、具有健壮的迁移能力、简单易操作、贴近示教、适用于小数据集等优点。
-
公开(公告)号：CN113033570A
公开(公告)日：2021-06-25
申请号：CN202110344461.0
申请日：2021-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种改进空洞卷积和多层次特征信息融合的图像语义分割方法，包括以下步骤：使用改进的空洞卷积方法在深度卷积神经网络中提取图像特征；将提取的深层特征图像与浅层特征图像级联融合弥补空间信息丢失；将多阶段处理后的特征图像通过边界细化学习边界信息，融合并恢复至原始图像分辨率，生成预测分割图；利用交叉熵损失函数训练网络，以mIoU评价模型性能。本发明改进了现有空洞卷积的利用方法并设计了可变形空间金字塔结构，提升模型的图像特征提取效果。同时，为图像分辨率恢复设计了多层次特征信息融合结构，充分利用不同层级包含的局部信息以及全局信息，并引入边界细化，有效提高图像语义分割的准确率。
-
公开(公告)号：CN107168319B
公开(公告)日：2020-07-28
申请号：CN201710403248.6
申请日：2017-06-01
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于模型预测控制的无人车避障方法，包括以下步骤：1)建立无人驾驶车辆的动力学模型，描述无人驾驶车辆动力学特征；2)构建模型预测控制最优化问题的代价函数和约束条件：将障碍物威胁函数和关于目标位置的代价函数之和作为模型预测控制最优化问题的代价函数，并将无碰撞条件的合取约束作为约束条件之一；3)求解模型预测控制最优化问题，获取无人车避障的最优路径。与现有技术相比，本发明具有察觉域由设计者决定、具有更好的乘客舒适度水平等优点。
-
公开(公告)号：CN111354030A
公开(公告)日：2020-06-30
申请号：CN202010132191.2
申请日：2020-02-29
Applicant: 同济大学
Abstract: 本发明涉及一种嵌入SENet单元的无监督单目图像深度图生成方法，具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络获得目标图像深度图；所述的训练过程采用相机位姿估计网络；所述的深度估计网络包括编码器和解码器，所述的编码器包括7层编码卷积模块，所述的解码器包括7层解码卷积模块和7层跳跃连接的跳跃卷积模块，第1层跳跃卷积模块包括依次连接的卷积层、ReLU激活层、卷积层和ReLU激活层，第2～7层跳跃卷积模块中每块跳跃卷积模块包括残差卷积单元和SENet单元。与现有技术相比，本发明具有精度高等优点。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.029 seconds)
