-
公开(公告)号:CN116090675A
公开(公告)日:2023-05-09
申请号:CN202310371117.X
申请日:2023-04-10
Applicant: 成都信息工程大学
IPC: G06Q10/04 , B60L53/60 , G06Q10/0631 , G06N3/084 , G06F21/64
Abstract: 本发明公开了基于区块链与神经网络联合的短时充电调度方法,包括:搭建分布式数据通信模型;获取数组电动车充电的原始数据,搭建BP神经网络模型;利用BP神经网络模型进行训练获得第一预测调度模型;预设调度功率阈值;利用分布式数据通信模型采集当前的任一充电桩的充电数据;更新第一预测调度模型,得到第二预测调度模型;闲置充电桩接入判断,并更新第二预测调度模型,并进行分布式存储更新后的第二预测调度模型;若第二预测调度模型输出的充电调度数据中对应的功率数据等于或大于调度功率阈值,则持续采集任一充电桩的充电数据。通过上述方案,本发明具有逻辑简单、调度可靠等优点,在充电调度技术领域具有很高的实用价值和推广价值。
-
公开(公告)号:CN109150759B
公开(公告)日:2022-05-03
申请号:CN201810988076.8
申请日:2018-08-28
Applicant: 成都信息工程大学
IPC: H04L47/72
Abstract: 本发明属于网络信息处理技术领域,公开了一种渐进式非阻塞机会资源预留方法及系统,采用预选节点(Preselection)和优选节点(Priority)相结合的形式,首先选出可以为大任务提供资源预留的节点,再引入Priority策略对过滤后的节点优先级排序,锁定某个节点为当前大任务的资源预留节点,最后采用机会资源分配策略对节点进行资源预留。本发明解决了被预留的节点直到出现满足预留请求之前都不再为其他任务分配资源,这将会导致集群产生大量的资源碎片,集群宕机也变成了一个大概率事件。
-
公开(公告)号:CN113037750A
公开(公告)日:2021-06-25
申请号:CN202110254882.4
申请日:2021-03-09
Applicant: 成都信息工程大学
Abstract: 本发明属于智能网联车安全技术领域,公开了一种车辆检测数据增强训练方法、系统、车辆及存储介质,收集车辆行驶时的CAN总线数据;接收更新检测模型和实时检测异常;车辆行驶数据和检测结果,用户选择不上传或者脱敏后上传至云端;对收集到的各车辆数据进行预处理合并后,判断模型所需数据量是否足够,如果不足则先进行数据增强,使用增强后的数据训练检测模型;最后,周期性将检测模型从云端发布到车载检测模块。本发明采用数据增强后的样本集合训练出的检测模型,其相同测评数据集上的检测率要明显优于数据增强前小样本数据集训练的模型。对要使用真车数据研究的其他领域也具有借鉴作用。
-
公开(公告)号:CN108390869B
公开(公告)日:2020-10-27
申请号:CN201810130322.6
申请日:2018-02-08
Applicant: 成都信息工程大学
IPC: H04L29/06
Abstract: 本发明属于智慧车辆安全技术领域,公开了一种集成深度学习的车载智能网关装置及其命令序列检测方法,先用数据挖掘中的关联算法发现有相关性的CAN命令集合;再用深度学习中的长短期记忆网络算法,自动学习相关命令集合的序列特征,建立多组序列检测模型,并利用序列模型检测实时CAN命令流,解决了传统检测算法不能检测报文格式合法且数量较少的CAN攻击命令(即隐蔽型攻击命令)的问题。其次,本发明的网关集成了专门用于计算的芯片Nvidia Jetson TX2,有效提高计算效率,为深度学习算法在车辆高速行驶环境实现毫秒级的检测提供了硬件支持;解决了现有算法单纯依靠车辆有限的计算能力,效率低的问题。
-
公开(公告)号:CN110324337B
公开(公告)日:2020-08-04
申请号:CN201910588118.3
申请日:2019-07-02
Applicant: 成都信息工程大学
Abstract: 本发明属于汽车电子技术领域,公开了一种基于胶囊神经网络的车内网入侵检测方法及系统,依靠车辆CAN、MOST总线实时动态数据作为原始数据中的包频率、序列信息作为特征,同时结合车辆驾驶状态信息作为特征,并进行相关的特殊方法,转化为特征矩阵进行处理;胶囊神经网络可以对特征之间的相关性进行高位建模。本发明引入了基于胶囊神经网络的模型,对特征数据之间的结构关系进行挖掘,提高传统神经网络入侵检测方法的准确度,增强了车辆驾驶的安全性,同时模型更具有普遍性,实用性较好。
-
公开(公告)号:CN110324337A
公开(公告)日:2019-10-11
申请号:CN201910588118.3
申请日:2019-07-02
Applicant: 成都信息工程大学
Abstract: 本发明属于汽车电子技术领域,公开了一种基于胶囊神经网络的车内网入侵检测方法及系统,依靠车辆CAN、MOST总线实时动态数据作为原始数据中的包频率、序列信息作为特征,同时结合车辆驾驶状态信息作为特征,并进行相关的特殊方法,转化为特征矩阵进行处理;胶囊神经网络可以对特征之间的相关性进行高位建模。本发明引入了基于胶囊神经网络的模型,对特征数据之间的结构关系进行挖掘,提高传统神经网络入侵检测方法的准确度,增强了车辆驾驶的安全性,同时模型更具有普遍性,实用性较好。
-
公开(公告)号:CN109150759A
公开(公告)日:2019-01-04
申请号:CN201810988076.8
申请日:2018-08-28
Applicant: 成都信息工程大学
IPC: H04L12/911
CPC classification number: H04L47/72
Abstract: 本发明属于网络信息处理技术领域,公开了一种渐进式非阻塞机会资源预留方法及系统,采用预选节点(Preselection)和优选节点(Priority)相结合的形式,首先选出可以为大任务提供资源预留的节点,再引入Priority策略对过滤后的节点优先级排序,锁定某个节点为当前大任务的资源预留节点,最后采用机会资源分配策略对节点进行资源预留。本发明解决了被预留的节点直到出现满足预留请求之前都不再为其他任务分配资源,这将会导致集群产生大量的资源碎片,集群宕机也变成了一个大概率事件。
-
公开(公告)号:CN107065845A
公开(公告)日:2017-08-18
申请号:CN201710444393.9
申请日:2017-06-13
Applicant: 成都信息工程大学
IPC: G05B23/02
CPC classification number: G05B23/0243 , G05B2219/24065
Abstract: 本发明属于智慧车辆安全技术领域,公开了一种基于SOEKS的智慧车辆知识表示与车辆状态异常的判别方法,将涉及的完全不同性质不同量纲的信息抽象为基于SOEKS的统一知识表达形式;并容纳入一个层次化结构化的智慧车辆知识框架中;收集车辆正常行驶数据,按以上SOEKS知识表示和框架结构存储,存储信息包括原始数据和总结出来的简单规则;最后,对简单规则不能表述的复杂组合,利用神经网络技术建立车辆正常状态模型。本方法通过与正常情况下采集训练的模型的不同来发现异常,且通过SOEKS结构记录的简单规则经验可以快速判断单因素异常,判断效率较高;实验证明针对车辆状态是否正常的检测率可以达到90%以上,而且判断在毫秒级,满足使用要求。
-
公开(公告)号:CN105761329A
公开(公告)日:2016-07-13
申请号:CN201610149693.X
申请日:2016-03-16
Applicant: 成都信息工程大学
CPC classification number: G07C5/0841 , G06F16/2462
Abstract: 本发明公开了基于驾驶习惯的驾驶员辨别方法,其包括读取用户行驶数据参照库中车辆行驶过程中待采集的行驶数据及用户行驶数据参照库中的所有行驶数据的平均值和标准差;当车辆处于启动状态后,采集车辆的行驶数据;对当前时间段内采集的行驶数据做正规化处理,计算当前时间段内规范化后的标准值的训练数据;读取用户行驶数据参照库中根据用户设定时间段内的所有训练数据计算的模型系数;根据计算的训练数据和读取的模型系数,判断当前驾驶员是否为车辆的车主;当计算获得的值为0时,即当前驾驶员非车辆的车主,以短信的形式通知车主并将车辆行驶轨迹发送给车主。
-
公开(公告)号:CN116090675B
公开(公告)日:2023-06-09
申请号:CN202310371117.X
申请日:2023-04-10
Applicant: 成都信息工程大学
IPC: G06Q10/04 , B60L53/60 , G06Q10/0631 , G06N3/084 , G06F21/64
Abstract: 本发明公开了基于区块链与神经网络联合的短时充电调度方法,包括:搭建分布式数据通信模型;获取数组电动车充电的原始数据,搭建BP神经网络模型;利用BP神经网络模型进行训练获得第一预测调度模型;预设调度功率阈值;利用分布式数据通信模型采集当前的任一充电桩的充电数据;更新第一预测调度模型,得到第二预测调度模型;闲置充电桩接入判断,并更新第二预测调度模型,并进行分布式存储更新后的第二预测调度模型;若第二预测调度模型输出的充电调度数据中对应的功率数据等于或大于调度功率阈值,则持续采集任一充电桩的充电数据。通过上述方案,本发明具有逻辑简单、调度可靠等优点,在充电调度技术领域具有很高的实用价值和推广价值。
-
-
-
-
-
-
-
-
-