-
公开(公告)号：CN116388183B
公开(公告)日：2023-08-18
申请号：CN202310647146.4
申请日：2023-06-02
Applicant: 安徽大学
IPC: H02J3/00 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种有向非平衡网络下的指定时间分布式经济调度方法，方法包括：设置系统参数，包括参与调度的所有发电机组个数n，每个发电机组的期望发电功率，设定收敛时间，根据通信网络拓扑图，设置加权邻接矩阵A，各发电机组根据其自身决策可行域选择初始决策行为，并对误差向量、惩罚因子变量和权增益变量等进行初始化获取各变量的初始值；利用惩罚函数法将发电机组局部约束转移至成本函数中进而转化数学模型。本发明提出的指定时间经济调度算法与目前固定时间经济调度算法相比，可以保证收敛时间由用户指定；相比于二次经济调度问题，本发明提出的经济调度算法更加灵活和实用能解决更一般的经济调度问题。
-
公开(公告)号：CN119559217B
公开(公告)日：2025-04-22
申请号：CN202510128063.3
申请日：2025-02-05
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0464 , G06N3/049 , G06N3/0455
Abstract: 本发明提出一种基于脉冲神经网络的低能耗三维点云单目标跟踪方法，包括：获取目标前一帧和当前帧的三维点云数据，设计体素网格模块，将点云划分为3D体素；设计特征提取模块，用三阶段的脉冲卷积块作为特征提取器，提取体素化点云特征，并加入Transformer编码器层，通过自注意力机制捕捉点云的全局上下文信息；设计部分到部分运动建模模块，将时间序列上的连续点云特征通过二维脉冲卷积块进行逐部分建模、编码，获取前一帧和当前帧在对应空间部分的特征信息变化；设计回归预测模块，通过脉冲回归预测模块推断目标的相对运动。本发明在降低能耗和提高效率的同时，保证网络在多样化的场景和运动状态下对目标进行精确跟踪。
-
公开(公告)号：CN119737956A
公开(公告)日：2025-04-01
申请号：CN202510244389.2
申请日：2025-03-03
Applicant: 安徽大学
IPC: G01C21/20
Abstract: 本发明涉及路径规划技术领域，具体为基于无人机辅助通信的救援系统路径规划方法和系统，本发明基于无人机的初始状态，采用嵌套回滚策略适应NRPA方法，进行路径规划，获得当前最佳路径和最佳得分，同时采用适应性调整策略不断整飞行动作权重、更新飞行策略，使飞行策略倾向于高质量路径，并且，以平均吞吐量最大、任务分配公平为目标在路径规划时进行条件约束，综合考虑无人机的电池电量，使无人机能够根据当前的任务需求和环境条件，灵活调整飞行路径，优化计算资源的分配，提高系统的整体性能和响应速度。
-
公开(公告)号：CN119559515A
公开(公告)日：2025-03-04
申请号：CN202510116630.3
申请日：2025-01-24
Applicant: 安徽大学
IPC: G06V20/10 , G06V20/64 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/092 , G01C21/20
Abstract: 本发明提出一种基于体素空间注意力机制的移动机器人视觉导航方法，包括：基于视觉传感器获取RGB图像数据及Depth深度数据，设计体素网格，将二维像素转化为三维点云数据，并投射到三维体素空间；设计体素空间注意力模块，处理体素网格，计算每个体素的注意力权值，以选择感兴趣的区域，确定导航目标位置；设计注意力权值解码模块，将注意力模型的最终输出解码为该移动机器人在下一时刻要执行的动作，实现机器人的导航运动规划；并基于深度强化学习框架优化参数，实现机器人视觉导航决策。本发明实现在室内场景中视觉导航的运动规划，相比于传统方法，利用体素空间注意力机制帮助引导机器人发现目标物体，减少了训练时间，提升导航泛化性。
-
公开(公告)号：CN119559217A
公开(公告)日：2025-03-04
申请号：CN202510128063.3
申请日：2025-02-05
Applicant: 安徽大学
IPC: G06T7/246 , G06N3/0464 , G06N3/049 , G06N3/0455
Abstract: 本发明提出一种基于脉冲神经网络的低能耗三维点云单目标跟踪方法，包括：获取目标前一帧和当前帧的三维点云数据，设计体素网格模块，将点云划分为3D体素；设计特征提取模块，用三阶段的脉冲卷积块作为特征提取器，提取体素化点云特征，并加入Transformer编码器层，通过自注意力机制捕捉点云的全局上下文信息；设计部分到部分运动建模模块，将时间序列上的连续点云特征通过二维脉冲卷积块进行逐部分建模、编码，获取前一帧和当前帧在对应空间部分的特征信息变化；设计回归预测模块，通过脉冲回归预测模块推断目标的相对运动。本发明在降低能耗和提高效率的同时，保证网络在多样化的场景和运动状态下对目标进行精确跟踪。
-
Patent Agency Ranking
公开(公告)号：CN119399718A
公开(公告)日：2025-02-07
申请号：CN202411428026.6
申请日：2024-10-14
Applicant: 安徽大学
IPC: G06V20/56 , G06V10/46 , G06V10/26 , G06V10/75 , G06V10/774
Abstract: 本发明提出一种面向任意动态对象的光流语义SLAM方法，包括：获得连续的RGB图像，每隔八帧图像，利用基于深度学习的光流估计模块对当前和下一帧图像进行光流估计，生成光流图；利用显著性区域检测模块将光流图中的动态区域提取为掩码，在动态掩码中找出两个代表点提示语义分割模块进行分割，实现对任意动态对象进行剔除，消除动态对象对系统的干扰；利用轻量级CNN架构对剔除掉动态区域的图像提取并匹配特征点，将经特征匹配点和剔除动态区域之后的RGB图像和原始深度图送入ORB‑SLAM2的系统，凭借高质量的特征点提高定位和建图的精度。本发明提出了更高效的SLAM方法，更够具有更高的定位与建图精度，同时其能够在实际工程中具备较高的鲁棒性。
-
公开(公告)号：CN119309583A
公开(公告)日：2025-01-14
申请号：CN202411428027.0
申请日：2024-10-14
Applicant: 安徽大学
Abstract: 本发明提出一种复杂环境下的无人水下航行器路径重规划方法，这是一种是空间路径融合速度策略的路径重规划方法，包括：检测推进器故障然后决定继续执行任务还是返航以减少损失，并通过推力分配进行实现；通过APF算法在突发性的水流环境中重规划路径，以应对水流阻碍并在安全位置回归原路径；再结合DWA算法进一步考虑突然出现的移动障碍物，提出一种方法能够在不破坏原规划路径和水流环境中重规划路径的前提下躲避障碍物。本发明提出的方法能针对复杂水下场景中突发事件引发的安全隐患，完成不同事件下的路径重规划，并在多类异常事件并发时进行合理的协调，将三种不确定性事件下的路径重规划方法能够在整体算法框架中同时实现。
-
公开(公告)号：CN118857304B
公开(公告)日：2024-12-17
申请号：CN202411320837.4
申请日：2024-09-23
Applicant: 安徽大学
IPC: G01C21/20 , G06Q10/047
Abstract: 本发明涉及一种无人机辅助无线通信系统路径规划方法。该方法采用嵌套蒙特卡洛搜索（NMCS）技术，针对无人机的飞行路径进行动态规划，以适应救援现场需求的不断变化。系统通过优化、分配和调整计算资源，为地面用户提供计算任务卸载服务，同时考虑能耗等约束条件。NMCS算法通过初始化状态和嵌套层级、设置初始奖励值，并在循环中检查当前状态是否为终止状态。对于每个合法移动，算法计算新状态并执行随机模拟或递归调用NMCS函数。该方法记录并比较所有移动中的最高奖励，以更新最佳奖励和已选择路径。
-
公开(公告)号：CN119131365A
公开(公告)日：2024-12-13
申请号：CN202411269773.X
申请日：2024-09-11
Applicant: 安徽大学
IPC: G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/048
Abstract: 本发明公开了一种轻量化和鲁棒性无人机输电线路巡检目标检测模型的构建方法，包括如下步骤：重构Yolov8用于特征提取的主干网络；构建目标检测模型的空间信息捕获网络，并设计软阈值策略和阈值自动调节网络ARN；引入幂指数变换和SIoU损失函数，对模型建立增强损失函数；引入HSV模块和雾化模块，通过HSV和雾化模拟复杂环境中的输电线路，最终得到基于数据增强的符合无人机输电线路真实巡检环境的轻量化和鲁棒性无人机输电线路巡检目标检测模型。本发明模型能够有效降低模型参数、抵抗样本噪声干扰、提高平均精度、鲁棒性，还可避免人工设置阈值。
-
公开(公告)号：CN118483614B
公开(公告)日：2024-11-15
申请号：CN202410586687.5
申请日：2024-05-13
Applicant: 安徽大学
IPC: G01R31/392 , G01R31/367 , G01R31/396 , G06F18/10 , G06F18/23213 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/045 , G06N3/0499
Abstract: 本发明涉及电池SOH估计及应用技术领域，解决了由于电池实际工况和实验室测试工况差异较大，导致计算的SOH值误差较大的技术问题，尤其涉及一种新能源汽车的动力电池SOH估计方法、系统、应用方法及电子设备，包括：对电池数据进行数据清洗得到电池运行数据；提取电池运行时的健康指标并进行聚合以及关联度分析得到多维度关键特征；将多维度关键特征输入至CNN‑Transformer模型中，通过迁移学习建立SOH数字孪生模型。本发明能够准确有效的实时估计电池单体及电池组的SOH，可以解决深度学习算法模型及机理模型实时性差的问题，实现实车SOH的精准估计，对电池管理系统安全可靠运行具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.022 seconds)
