-
公开(公告)号：CN118311912A
公开(公告)日：2024-07-09
申请号：CN202410741184.0
申请日：2024-06-11
Applicant: 安徽大学
IPC: G05B19/042
Abstract: 本发明涉及马尔可夫系统的控制技术领域，解决了传统马尔可夫系统控制方法占用大量通信资源以及动态控制器设计过程中存在非线性、非凸约束的问题，尤其涉及一种在随机通信协议下的动态事件触发控制方法，该方法包括以下步骤：从马尔可夫系统模型中获取矩阵参数，并根据矩阵参数确定马尔可夫系统模型的模态数以重新设置能够获得其更为精准信息的转移概率；根据给定的动态事件触发参数得到传感器各输入通道的动态事件触发门槛函数。本发明通过有限时间动态输出反馈控制方法，并使用鲸鱼算法结合LMI线性矩阵不等式进行控制器设计，以实现对马尔可夫系统强快速响应的控制效果，同时使用WOA优化了动态控制器的性能。
-
公开(公告)号：CN117292693B
公开(公告)日：2024-02-09
申请号：CN202311592299.X
申请日：2023-11-27
Applicant: 安徽大学
Abstract: 本发明涉及动物识别技术领域，尤其涉及一种融入自注意力机制的CRNN珍稀动物识别与定位方法，通过将功率归一化倒谱系数和线性预测倒谱系数融合，得到混合特征，与传统的音频特征梅尔倒谱系数、伽马通频率倒谱系数相比，具有更好的鲁棒性、抗噪性，大大提高了在噪声及混响环境中的识别准确度，且不需要过多的计算，本发明通过残差网络来作为系统的识别和定位网络，可以避免梯度爆炸和梯度消失，同时可以训练更深的网络，通过融入自注意力机制层，弥补了卷积不能处理序列数据时捕捉长程依赖关系的缺点，提高网络的识别和定位精度。(56)对比文件RUBA ZAHEER 等.A Survey on ArtificialIntelligence-Based Acoustic SourceIdentification《.Digital ObjectIdentifier》.2023,第11卷60078-60108.谢将剑 等.多特征融合的鸟类物种识别方法.应用声学.2020,39(第02期),199-206.
-
公开(公告)号：CN116994074A
公开(公告)日：2023-11-03
申请号：CN202311255115.0
申请日：2023-09-27
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06T7/136 , G06V10/28 , G06N3/0464
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种基于深度学习的摄像头脏污检测方法，通过设置三个输出头，实现不同的检测任务，不但能够判断摄像头被脏污覆盖的区域，同时能够实现对部分物体的分类以及对当前场景的分类，多任务学习架构充分利用了底层特征的共享表达能力,不同输出头可以同时优化各自的目标，相互促进，提高了算法的全面性和健壮性，使脏污检测结果更加准确，通过使用Transformer进行脏污检测，相比传统的卷积神经网络，具有更强的上下文感知能力和多尺度特征表达能力，可以检测处理图像中大小不一的脏污区域,提高了模型的适应性。
-
公开(公告)号：CN115470418B
公开(公告)日：2023-07-25
申请号：CN202211124537.X
申请日：2022-09-15
Applicant: 安徽大学
IPC: G06F16/9537 , G06Q10/04 , G06Q10/047 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及数据预测技术领域，尤其涉及一种基于无人机航拍的排队点推荐方法及系统，通过使用YOLOv5算法作为实时目标检测算法，作为单阶段算法相较于其他算法，他的运行速率更快，平均检测精度更高，通过马尔科夫预测模型来预测未来时间点的目标检测点排队情况，可以预测通过用户出发点到通过某种出行方式抵达目标检测点所花费的一段时间后的排队人数和速度，更能提高本实例的准确性和实用性，在附近有多个目标检测点的排队人数统计的案例中，能够根据现有数据和历史数据选择出最优选项供用户选择，方便用户做行程规划。
-
公开(公告)号：CN115236980B
公开(公告)日：2023-06-23
申请号：CN202210760860.X
申请日：2022-06-30
Applicant: 安徽大学 , 安徽国信类脑智能科技有限公司
IPC: G05B13/04
Abstract: 本发明的一种基于异步扰动观测器的直流电机抗扰控制方法及存储介质，针对马尔可夫建模的电机系统，其方法包括隐马尔可夫模态侦测器模块、异步扰动观测器模块和异步抗扰控制器模块。本发明通过运用基于扰动估计和补偿的控制方法来提高电机控制的鲁棒性和抗干扰能力。同时，为了处理双马尔可夫链，使用了模态映射技术将系统和扰动的两个马尔可夫链映射为一个马尔可夫链。考虑到系统模态测量的不准确性，本发明使用了隐马尔可夫模态侦测器提供系统模态信息，并基于侦测模态设计了异步扰动观测器和抗扰控制器。从仿真的结果来看本发明所提出的基于异步扰动观测器的控制算法能很好的实现系统抗扰目标。
-
Patent Agency Ranking
公开(公告)号：CN115470418A
公开(公告)日：2022-12-13
申请号：CN202211124537.X
申请日：2022-09-15
Applicant: 安徽大学
IPC: G06F16/9537 , G06Q10/04 , G06N3/04 , G06N3/08
Abstract: 本发明涉及数据预测技术领域，尤其涉及一种基于无人机航拍的排队点推荐方法及系统，通过使用YOLOv5算法作为实时目标检测算法，作为单阶段算法相较于其他算法，他的运行速率更快，平均检测精度更高，通过马尔科夫预测模型来预测未来时间点的目标检测点排队情况，可以预测通过用户出发点到通过某种出行方式抵达目标检测点所花费的一段时间后的排队人数和速度，更能提高本实例的准确性和实用性，在附近有多个目标检测点的排队人数统计的案例中，能够根据现有数据和历史数据选择出最优选项供用户选择，方便用户做行程规划。
-
公开(公告)号：CN118655767A
公开(公告)日：2024-09-17
申请号：CN202411133991.0
申请日：2024-08-19
Applicant: 安徽大学
IPC: G05B11/42
Abstract: 本发明涉及一种声源信息引导移动机器人跟踪控制方法，方法通过提取音频的幅值和相位特征作为输入特征，使用一种融入通道域注意力机制的卷积循环神经网络作为声音定位网络，应用时，声源定位信息使用调度控制协议SCP通过网络传输到被控机器人，通过对被控对象机器人进行建模并使用双闭环PID控制器得到机器人输入左右两轮电机的值，从而跟踪控制机器人到达预设位置，通过应用本发明中的方法，可以增强模型特征选择能力、提升模型鲁棒性，在实现机器人平滑、连贯运动的同时能够保持机器人对路径的精确跟踪，最后，通过引入调度控制协议SCP，可以提高数据传输效率、减少数据碰撞和重传所导致的带宽浪费。
-
公开(公告)号：CN118376345B
公开(公告)日：2024-08-20
申请号：CN202410806045.1
申请日：2024-06-21
Applicant: 安徽大学
IPC: G01L5/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于事件流数据的高速力测量和接触状态感知方法与装置，包括如下步骤：S1.柔性触觉装置的设计；S2.模型训练数据集的采集和卷积神经网络的训练；S3.使用事件相机对接触面进行观测获得事件流数据并对其进行裁切与过滤；S4.根据正事件数的变化趋势推断接触状态并缓存；S5.根据各个子区域内事件数的分布推断接触面积的大小并根据接触面积变化趋势纠正当前所处的接触状态；S6.根据当前接触状态判断是否需要更新接触区域力学信息。本发明解决了现有的柔性触觉传感器在对接触面的力学变化进行快速响应方面的不足和事件相机在观测处于静止状态的物体时无法输出有效数据进而无法判断接触情况的问题。
-
公开(公告)号：CN117930988B
公开(公告)日：2024-07-23
申请号：CN202410339041.7
申请日：2024-03-25
Applicant: 安徽大学
Abstract: 本发明涉及脑机接口技术领域，尤其涉及一种基于大型语言模型辅助语义纠错的脑控机器人方法，通过对大型语言模型进行人工提示工程，该提示工程可以由相应的机器人工程师或者用户在了解机器人的感知模块和控制模块的基本调用后完成。并且可以针对应用场景的不同可以设置不同的提示，激发大型语言模型的推理能力。结合用户所给出的函数调用接口以及提示说明，语言模型生成可以以此为根据生成机器人不同模块的调用代码，根据用户所给出的复杂自然语言指令进行一定程度的推理和执行。在机器人搭配的硬件充足的情况下，允许机器人实现较复杂的任务。
-
公开(公告)号：CN118230071A
公开(公告)日：2024-06-21
申请号：CN202410635588.1
申请日：2024-05-22
Applicant: 安徽大学
IPC: G06V10/764 , G06N3/045 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/096 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明涉及图像检测技术领域，尤其涉及一种基于深度学习的摄像头脏污检测方法，通过设置三个输出头，实现不同的检测任务，不但能够判断摄像头被脏污覆盖的区域，同时能够实现对部分物体的分类以及对当前场景的分类，通过使用Segformer骨干网络进行特征提取，同时利用渐进特征融合模块进行不同维度特征的融合，相比传统的卷积神经网络，具有更强的上下文感知能力和多尺度特征表达能力，对准确检测和定位图像中大小不一、形态各异的脏污区域非常关键，这种全局上下文建模能力弥补了卷积网络的局限性，能够更准确地识别整个图像区域中的脏污。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
