-
公开(公告)号：CN115547040B
公开(公告)日：2024-11-22
申请号：CN202211137976.4
申请日：2022-09-19
Applicant: 河南大学
IPC: G08G1/01 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明提出了一种安全势场下基于informer神经网络的驾驶行为预测方法，包括对运动数据集中的数据进行预处理得到轨迹序列特征；将轨迹序列特征编码为潜在时空表示；将潜在时空表示输入到informer神经网络中，预测目标车辆未来的驾驶意图和驾驶轨迹；分别建立跟驰情况下和换道情况下的安全势场模型，计算安全势场范围；构建安全势场范围约束、预测的驾驶意图和驾驶轨迹的联合损失函数，利用Adam优化器优化得到预测模型；使用测试集对预测模型进行预测。本发明将安全势场模型和informer模型有机地结合在了一起，能够实现周围车辆的意图预测和多通道轨迹预测，在驾驶行为预测的实时性、准确性和安全性方面具有卓越的性能。
-
公开(公告)号：CN118826245A
公开(公告)日：2024-10-22
申请号：CN202410853130.3
申请日：2024-06-28
Abstract: 本发明提出了一种基于强化学习的混合储能系统无差拍控制方法，具体步骤为：S1：建立微电网混合储能系统模型；S2：基于actor‑critic网络构建深度确定性策略梯度智能体并进行训练参数设计；S3：利用深度确定性策略梯度智能体对混合储能系统的参考电流值进行补偿；S4：通过直流微电网产生大量数据对深度确定性策略梯度智能体算法进行训练，得到训练的模型；S5：将训练的模型加入到无差拍控制器中，得到准确的参考电流；S6：分别得到电池和超级电容双向转换器下一时刻的控制占空比。通过本申请所提出的方法能够避免对系统损耗进行复杂的数学建模，在不增加在线运算负担的情况下保证直流母线电压的稳定。
-
公开(公告)号：CN113029182B
公开(公告)日：2024-02-13
申请号：CN202110441165.2
申请日：2021-04-23
Applicant: 河南大学
IPC: G01C21/34
Abstract: 本发明的目的是提供一种考虑无线充电和动态能耗的电动汽车路径规划方法，首先利用蒙特卡洛法确定电动汽车的起点和终点，加载交通路网信息、无线充电道路信息、各路段的平均通行速度、不同交通状况下的能耗信息；系统自动检测电动汽车的荷电状态。然后根据起点和终点使用Dijkstra算法规划出最小能耗路径并计算出考虑无线充电下的最小能耗；接着根据电动汽车的荷电状态判断是否需要前往充电站充电，如需充电，根据用户的不同需求，建立不同的优化目标，本发明有效结合无线充电网、道路交通网和充电站，在行驶过程中考虑到电动汽车的动态能耗，根据用户需求完成充电路径规划，提供较好的路径规划解决方案。
-
公开(公告)号：CN116298904A
公开(公告)日：2023-06-23
申请号：CN202310039806.0
申请日：2023-01-11
Applicant: 河南大学
IPC: G01R31/367 , G01R31/387 , G01R31/392 , G01R31/382 , G06N3/126 , G06F17/13 , G06F17/18
Abstract: 本发明公开了一种基于分数阶多新息双无迹卡尔曼滤波联合估计锂电池SOC和SOH的方法，首先建立分数阶二阶RC等效电路模型，提高了端电压估计的准确性，并利用遗传算法辨识得到分数阶模型的参数；基于分数阶模型，提出了多新息双无迹卡尔曼滤波器估计动力电池的剩余电量和健康状态，不仅解决了非线性问题线性化所带来的系统误差的问题，而且使用过去一段时间的观测值来对下一时刻的状态进行补偿，提高了剩余电量估计和健康状态估计的估计精度和鲁棒性。本发明所提出方法能够实时估计动力电池剩余电量和健康状态，收敛性好，估计精度高，计算量小，具有良好的应用场景。
-
公开(公告)号：CN115802313A
公开(公告)日：2023-03-14
申请号：CN202211472603.2
申请日：2022-11-16
Applicant: 河南大学
IPC: H04W4/40 , H04W4/029 , H04W24/06 , H04W40/10 , B64U50/38 , B64U10/16 , B64C27/08 , B60L53/12 , B64U101/20
Abstract: 本发明提出了一种基于智能反射面的空地移动网络携能公平通信方法，步骤如下：建立基于多无人机和智能反射面的空地移动网络架构；建立无线功率传输模型；根据无人机的动力学模型和通信模型建立无人机的能源消耗模型；利用智能反射面重构无人机和地面用户之间的信道状态，建立无线通信模型；建立公平通信模型；构建关于公平吞吐量和能源消耗的判断矩阵，确定公平加权吞吐量和能源消耗两个子目标的权重系数；建模为公平吞吐量和无人机剩余能量最大化的多目标整数非凸优化问题，通过多智能体深度强化学习求解复杂的多目标优化问题。本发明基于多智能体深度强化学习优化无人机位置和智能反射面的相位，为地面用户提供公平通信并对无人机无线充电。
-
Patent Agency Ranking
公开(公告)号：CN106202926B
公开(公告)日：2018-08-14
申请号：CN201610541108.0
申请日：2016-07-11
Applicant: 河南大学
Abstract: 本发明公开了一种基于多节点协同探测的空间系统偏差配准优化方法，首先给出多个节点的综合系统偏差的后验分布函数极大化表达式；然后利用序贯量测、预设空间范围等信息构造约束条件，通过凸优化技术求解系统偏差的后验分布函数表达式的解，即系统偏差估计；接着利用估计出的系统偏差对探测节点量测进行配准，最后对所有采样时间点依次运算，进而实现探测网络中多传感器对机动目标协同探测的在线优化处理。本发明提高了探测精度，降低了融合处理的时间复杂度，缩短了计算时间。
-
公开(公告)号：CN106202926A
公开(公告)日：2016-12-07
申请号：CN201610541108.0
申请日：2016-07-11
Applicant: 河南大学
Abstract: 本发明公开了一种基于多节点协同探测的空间系统偏差配准优化方法，首先给出多个节点的综合系统偏差的后验分布函数极大化表达式；然后利用序贯量测、预设空间范围等信息构造约束条件，通过凸优化技术求解系统偏差的后验分布函数表达式的解，即系统偏差估计；接着利用估计出的系统偏差对探测节点量测进行配准，最后对所有采样时间点依次运算，进而实现探测网络中多传感器对机动目标协同探测的在线优化处理。本发明提高了探测精度，降低了融合处理的时间复杂度，缩短了计算时间。
-
公开(公告)号：CN104318261A
公开(公告)日：2015-01-28
申请号：CN201410607957.2
申请日：2014-11-03
Applicant: 河南大学
Abstract: 本发明公开了一种图嵌入低秩稀疏表示恢复稀疏表示人脸识别方法，属于计算机视觉和模式识别技术领域。本发明包括以下步骤：首先，提出一种图嵌入低秩稀疏表示恢复方法，能够从训练样本数据矩阵恢复出判别力强的干净训练样本数据矩阵，同时得到训练样本数据误差矩阵；然后，以干净训练样本数据矩阵为字典，以训练样本数据误差矩阵为误差字典，采用范数最优化技术求解待识别人脸数据的稀疏表示系数；更进一步，利用待识别人脸数据的稀疏表示系数，对待识别人脸数据进行类关联重构；最后，基于待识别人脸数据的类关联重构误差，完成待识别人脸图像的识别。本发明能够解决训练样本图像和待识别图像都受噪声污染或局部被遮挡情况下的人脸识别问题。
-
公开(公告)号：CN115766478B
公开(公告)日：2025-03-25
申请号：CN202211374256.X
申请日：2022-11-03
Applicant: 河南大学
IPC: H04L41/142 , H04W28/08 , H04L67/10
Abstract: 本发明涉及电数字数据处理技术领域，具体涉及一种空地协同边缘计算服务器的卸载方法；该方法包括：构建边缘计算场景，边缘计算场景中包括一组移动设备以及一组无人机，每个移动设备不断产生计算任务；获取移动设备在选择本地计算任务时的完成时间以及能耗成本，以得到第一成本；获取移动设备在接收卸载请求时的卸载完成时间和能量消耗；基于卸载完成时间以及能量消耗得到第二成本；获取当前移动设备的剩余电量、计算任务的截止时间以及本地计算能力，以得到当前移动设备的优先级；以第一成本、第二成本以及每个移动设备的优先级构建总成本模型，基于总成本模型确定卸载策略，最终卸载策略的效果较好且总成本低。
-
公开(公告)号：CN118504769A
公开(公告)日：2024-08-16
申请号：CN202410700018.6
申请日：2024-05-31
Applicant: 河南大学
IPC: G06Q10/04 , G06N7/01 , G06N3/092 , G06N3/0455 , G06Q50/06 , G06F17/10 , G06F18/20 , G06Q30/0201
Abstract: 本发明提出了一种基于informer多智能体强化学习的复杂场景电动汽车充电引导方法，方法步骤包括：S1：综合获取电动汽车‑充电站‑交通道路交互信息；S2：基于电动汽车‑充电站‑交通道路交互信息，构建电动汽车引导多目标优化函数；S3：以充电站为智能体，将电动汽车引导多目标优化函数建立为马尔可夫决策问题，构建多智能体强化学习电动汽车充电引导框架；S4：基于多智能体强化学习电动汽车充电引导框架设计基于informer网络的行动者‑评论家算法，并通过最小化损失对行动者‑评论家算法更新；S5：计算智能体的优势函数，限制行动者‑评论家算法的更新幅度。本发明方法充分考虑了复杂场景下的信息交互，实现高效实时在线的电动汽车充电引导。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.027 seconds)
