-
公开(公告)号：CN115219906B
公开(公告)日：2024-11-05
申请号：CN202210742084.0
申请日：2022-06-27
Applicant: 武汉理工大学
IPC: G01R31/367 , G01R31/382
Abstract: 本发明公开了一种基于GA‑PSO优化的多模型融合电池荷电状态预测方法及系统，包括：采集锂电池的外部参数获得按时间排序的数据集；数据清洗和归一化处理，并划分为训练集、验证集和测试集；构建三个基模型GA‑PSO‑LSTM、GA‑PSO‑SVM、A‑PSO‑GRU，集成为强学习模型；对强学习模型进行训练，得到新的训练集的特征和新的测试集的特征；采用真实SOC值作为输出进行第二轮训练，采用新测试集预测，最后将单个预测值加权平均得到最终的SOC预测值。本发明解决了单个遗传算法后期效率低，单个粒子群算法陷入局部最优解的问题，提高了优化的效率和效果，具有长期的数据记忆的优点，提高了预测的准确度。
-
公开(公告)号：CN114966753A
公开(公告)日：2022-08-30
申请号：CN202210517491.1
申请日：2022-05-12
Applicant: 武汉理工大学
Abstract: 本发明公开了一种的港口环境下运输车定位方法，它包括如下步骤：步骤1、将一个卫星信号接收机设置在待定位的运输车上作为流动站接收机，将另一个卫星信号接收机设置在港口的室外作为基准站接收机，将卫星位置服务平台设置在港口的室外；步骤2、持续监测港口各个区域在不同室内外环境下流动站接收机能建立通信的卫星数量；步骤3、利用港口各个区域在不同室内外环境下流动站接收机能建立通信的卫星数量的具体情况，确定各个区域部署5G基站的数量；步骤4、针对不同情况对运输车上的流动站接收机进行定位。本发明解决室内外过渡区域定位精度不高的问题。
-
公开(公告)号：CN113671381A
公开(公告)日：2021-11-19
申请号：CN202111007681.0
申请日：2021-08-30
Applicant: 武汉理工大学
IPC: G01R31/367 , G01R31/36 , G01R31/388 , G01R31/385 , G01R31/396 , G01R31/00
Abstract: 本发明涉及一种基于时间卷积网络的锂离子动力电池估算方法，包括：建立初始时间卷积网络模型；获取电池的实时状态数据集；根据电池的实时状态数据集对初始时间卷积网络模型进行训练、验证和测试，得到目标时间卷积网络模型；将待估算的电池数据输入至目标时间卷积网络模型，得到电池剩余电量量测值；根据待估算的电池数据，通过预设方法计算出电池剩余电量观测值；根据电池剩余电量量测值和电池剩余电量观测值，通过卡尔曼滤波计算电池剩余电量估算值；通过卡尔曼滤波算法优化电池剩余电量估算值。本发明结合卡尔曼滤波和时间卷积网络对电池SOC进行估算，克服了卡尔曼滤波算法需要精确的等效电池组电路模型的缺点，减小了神经网络估算方法的误差。
-
公开(公告)号：CN105681758A
公开(公告)日：2016-06-15
申请号：CN201610121067.X
申请日：2016-03-03
Applicant: 武汉理工大学
IPC: H04N7/18
CPC classification number: H04N7/188
Abstract: 本发明公开了一种基于4G网络的防窃电智能视频取证装置和方法，当有人进入红外触发模块所涉区域或计量箱被开启时，红外触发模块或计量箱开启模块都可以向控制器发出触发信号，当控制器接收到该触发信号时，便会直接控制图像采集模块对现场的取证图像信息进行采集，图像采集模块有独立的存储单元，可以存储图像信息，该图像信息还依次通过控制器、4G通讯模块发送到主站，使用者通过主站即可方便的查看现场的取证图像信息，并通过主站输入图像信息处理信号或图像采集命令信号，对图像信息进行调用、删除或查询等处理，对现场的图像采集设备进行调动。通过本终端和方法可以达到更好的监视和取证效果。
-
公开(公告)号：CN104867121A
公开(公告)日：2015-08-26
申请号：CN201510309333.7
申请日：2015-06-08
Applicant: 武汉理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于暗原色先验和Retinex理论的快速图像去雾法，首先获取简化的大气散射模型；然后获取介质传输率初始估计值和粗略估计值，进行像素级融合得到介质传输率的最终估计值；最后将介质传输率的最终估计值代入简化大气散射模型进行图像复原获得去雾图像。本发明提出的方法具有很快的运算速度，且能有效提高复原图像的清新度和对比度，同时获得较好的图像颜色，在城市交通、视频监控和智能车辆等领域具有广泛的前景和应用价值。
-
Patent Agency Ranking
公开(公告)号：CN102624893B
公开(公告)日：2015-05-27
申请号：CN201210060477.X
申请日：2012-03-08
Applicant: 武汉理工大学
Abstract: 本发明涉及一种基于spiral曲线的无线Mesh网络P2P资源共享方法，先将参与Mesh网络中的每个路由器作为空间中的节点，得到点在几何空间中的节点坐标；按照空间填充曲线spiral建立环形拓扑，对环形拓扑内的节点进行一维排序，根据节点所在网格的spiral值计算节点的ID；将节点以及该节点的前驱节点、后继节点、镜像节点分布在环形拓扑上，将节点的前驱节点赋予查找能力，接收到任何用户查找消息的节点，在本节点、后继节点，镜像节点与前驱节点之间进行查找，将消息发送到所查找到的节点。本发明提高了无线Mesh网络P2P共享系统的通信效率。
-
公开(公告)号：CN103679156A
公开(公告)日：2014-03-26
申请号：CN201310752431.9
申请日：2013-12-31
Applicant: 武汉理工大学
Abstract: 本发明涉及一种多类运动目标自动跟踪与识别的方法，该方法包括：对视频图像序列利用混合高斯模型聚类方法提取各运动目标分别所对应的区域；通过卡尔曼滤波对下一帧视频图像中各运动目标可能出现的区域进行估计，得到下一帧视频图像中各运动目标估计的区域；在所述区域内，提取各运动目标的特征；运用组件分析法将所述提取各运动目标的特征进行多类目标匹配，确定出所述各运动目标的属性，实现对各运动目标的识别；将识别出每一帧视频图像中的同类运动目标，并进行时间上的关联，即实现对该类运动目标的跟踪。本发明方法应用交通拥堵情况自动判别、重点目标行为识别及重点目标监控等场合，识别的目标具有较高的准确性和较好的鲁棒性。
-
公开(公告)号：CN103308000A
公开(公告)日：2013-09-18
申请号：CN201310243857.1
申请日：2013-06-19
Applicant: 武汉理工大学
IPC: G01B11/24
Abstract: 本发明涉及一种基于双目视觉的曲线物体测量方法，包括：获得待测曲线物体的左、右图像；标定所述左、右摄像机；计算图像匹配所需的极性约束条件；将所述右图像中待测曲线物体的边缘点在左图像中进行匹配，得到边缘匹配点对；将边缘匹配点对进行三角重构，获得待测曲线物体边缘点在所述左摄像机坐标系中的三维坐标集；根据所述三维坐标集计算所述右图像中待测曲线物体边缘点的平面方程解析式的最优解以及边缘点到待测曲线所在平面的距离，如果该距离大于阈值，进行非线性最优化，计算边缘解析式，得到待侧曲线物体的尺寸参数。本发明方法测量过程中不需要使用标定板，操作简单，且测量精度高，能够满足实际应用要求。
-
公开(公告)号：CN118930147A
公开(公告)日：2024-11-12
申请号：CN202411108709.3
申请日：2024-08-13
Applicant: 武汉理工大学 , 安徽海螺水泥股份有限公司 , 安徽海螺集团有限责任公司
Abstract: 本发明公开一种基于工业废弃料的纤维水泥板及其制备方法。该基于工业废弃料的纤维水泥板，按质量份计，其原料包括：碳矿化胶凝材料60~85份、第一生产废弃料0~15份、第二生产废弃料0~25份、纤维5~10份；其中，第一生产废弃料为碳矿化纤维水泥板生产过程中废弃的板材湿坯；第二生产废弃料为碳矿化纤维水泥板后处理过程中产出的细粉；第一生产废弃料和第二生产废弃料不全为0。本发明以碳矿化纤维水泥板生产过程中回收的生产废弃料作为原材料组成，并结合碳化养护的养护手段制备基于工业废弃料的纤维水泥板，具有显著的节能和环保效益。
-
公开(公告)号：CN114859910B
公开(公告)日：2024-11-12
申请号：CN202210470023.3
申请日：2022-04-28
Applicant: 武汉理工大学
Abstract: 本发明公开了基于深度强化学习的无人船路径跟随系统，它的仿真平台构建模块用于构建无人船运动交互仿真平台；所述马尔科夫决策建模模块用于利用无人船运动控制任务进行马尔科夫决策过程建模；神经网络构建模块用于依据马尔科夫决策过程中的状态空间、动作空间和奖励函数，基于DDPG算法架构设计深度神经网络；策略模型构建模块在仿真平台上使用DDPG算法对深度神经网络进行训练，得到无人船路径跟随控制策略模型；路径跟随控制模块用于将无人船路径跟随控制策略模型结合视线制导算法实现无人船路径跟随控制。本发明将船舶运动模型与控制算法分离，简化了控制策略的设计过程，显著降低或消除了对船舶运动控制领域专业知识的依赖。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.027 seconds)
