-
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。
-
公开(公告)号：CN115482456A
公开(公告)日：2022-12-16
申请号：CN202211200139.1
申请日：2022-09-29
Applicant: 河南大学
Abstract: 本发明提出了一种YOLO算法的高能效FPGA加速架构，包括ARM处理器和FPGA加速单元，ARM处理器通过多路DMA通道与FPGA加速单元相连；ARM处理器实现数据的加载并且通过改进非极大值抑制算法获取目标检测结果；FPGA加速单元包括YOLO计算单元、权重缓冲单元、输入缓冲单元和输出缓冲单元，输入缓冲单元和权重缓冲单元的输入端分别通过多路DMA通道与ARM处理器相连接，输入缓冲单元和权重缓冲单元的输出端均与YOLO计算单元的输入端相连接，YOLO计算单元的输出端与输出缓冲单元的输入端相连接，输出缓冲单元的输出端通过多路DMA通道与ARM处理器相连接。本发明将FPGA与深度学习方法结合，不但实现了低功耗、高能效、实时性强的目标检测方法，还具有较高的识别精度。
-
公开(公告)号：CN119946725A
公开(公告)日：2025-05-06
申请号：CN202510203805.4
申请日：2025-02-24
Applicant: 河南大学
IPC: H04W28/084 , H04W28/082 , H04W28/08 , H04W4/70 , G06F8/61 , G06N3/006 , G06N3/0455 , G06N3/092
Abstract: 本发明提出了一种基于双向卸载机制的D2D辅助MEC计算资源分配方法，步骤为：在资源受限的工业互联网场景中，建立D2D辅助MEC的计算卸载架构；将D2D辅助MEC的计算卸载架构的任务卸载与资源分配问题建模为基于图结构的分布式部分可观测马尔可夫决策过程；基于融合Transformer与任务屏蔽机制的多智能体深度强化学习框架求解基于图结构的分布式部分可观测马尔可夫决策过程，各个工业机器人分布式进行自适应任务卸载与资源分配决策。本发明通过搭建融合Transformer与多智能体强化学习的框架能应对智能体数量增多、卸载决策复杂性增加的场景，并设计了一种动态任务屏蔽机制，给场景中的工业机器人灵活分类，提高任务卸载效率。
-
公开(公告)号：CN119670004A
公开(公告)日：2025-03-21
申请号：CN202411727316.0
申请日：2024-11-28
Applicant: 河南大学
IPC: G06F18/25 , G06F18/10 , G06F18/213 , G06N3/042 , G06N3/0464 , G06N3/08 , G06Q50/40
Abstract: 本发明提出了一种基于对偶超图神经网络的交通流量预测方法，步骤包括对某一时间段内交通路网中传感器采集到的交通数据进行预处理；将预处理后的交通数据组成数据集并分为训练集、测试集和验证集；根据交通路网的拓扑图分别构建交通流图和对偶超图；构建基于时空对偶超图卷积层的交通流量预测模型，交通流量预测模型包括依次连接的输入层、时空对偶超图卷积层和输出层；将训练集中预处理后的交通数据输入交通流量预测模型中进行训练；利用测试集中预处理后的交通数据对训练好的交通流量预测模型进行测试，得到最终交通流量预测模型；利用验证集中预处理后的交通数据输入最终交通流量预测模型，得到预测的交通流量。本发明融合多源数据和利用外部知识，能够更好地理解和利用数据中的时空相关性，从而提升了交通预测模型的准确率。
-
Patent Agency Ranking
公开(公告)号：CN119647896A
公开(公告)日：2025-03-18
申请号：CN202411872041.X
申请日：2024-12-18
Applicant: 河南大学
IPC: G06Q10/0631 , G06Q50/06 , G06F17/10
Abstract: 本发明提出了一种基于交通‑配电网中电动汽车充电时空灵活性的经济调度策略，包括步骤：设计经济调度总目标，建立三层架构模型；收集多个充电站的配电网数据、电动汽车详细数据及电动汽车充电要求、交通网数据；聚合电动汽车充电要求并建立电动汽车充电灵活性模型；根据经济调度总目标、电动汽车充电灵活性模型和配电网数据建立第一层调度模型；根据经济调度总目标和电动汽车详细数据建立第二层调度模型；根据经济调度总目标、第三层调度模型和交通网数据建立第三层调度模型；基于第一层调度模型、第二层调度模型和第三层调度模型为电动汽车用户提供充电调度方案。本发明减轻充电负荷对主电网的冲击，还降低了电动汽车用户的总成本。
-
公开(公告)号：CN119071926A
公开(公告)日：2024-12-03
申请号：CN202411063971.0
申请日：2024-08-05
Applicant: 河南大学
IPC: H04W72/40 , H04W72/50 , H04W72/0446 , G06F18/20 , G06N3/0455 , G06N3/092
Abstract: 本发明提出了一种不完美信道下的工业无线网络传输与计算资源分配方法，步骤包括：S1：建立不完美信道工业无线网络中的D2D辅助学习的端边协同计算架构；S2：考虑异构任务的不同实时性与计算资源需求，联合多信道接入与任务卸载问题得到图结构的分布式部分可观测马尔可夫决策过程；S3：基于融合Transformer与ACK反馈恢复机制的多智能体深度强化学习框架，基于端边协同计算架构设计一种应对不完美信道情况下可迁移的联合任务卸载与多信道接入算法，得到计算资源分配方法，工业设备根据自身观测进行任务卸载与多信道接入决策，实现任务处理总时延最小化。本发明综合考虑了异构任务不同的实时性需求与计算资源，具有较高系统安全性和稳定性。
-
公开(公告)号：CN118604729A
公开(公告)日：2024-09-06
申请号：CN202410668088.8
申请日：2024-05-28
Applicant: 河南大学
Abstract: 本发明提出了一种拒绝服务注入下的单锚点机器人分布式协同定位方法，步骤如下：根据机器人是否拥有自身位置信息分为锚点机器人集和非锚点机器人集；利用雷达进行机器人间距离测量，并通过距离推算公式计算非锚点机器人与邻居机器人及任何虚拟位置之间的距离；通过重心坐标表示非锚点机器人的水平位置；构建满足重心坐标表示的虚拟凸包并进行凸包检测，通过邻居机器人接收到的位置估计信息进行位置迭代；在拒绝服务注入环境下对非锚点机器人的估计位置进行优化，满足拒绝服务攻击下的分布式定位。本发明是完全分布式的，只需要少量的在线计算即可实现整个机器人网络的定位，减少了能源损耗的风险；可以充分利用邻居机器人的历史信息，有更好的鲁棒性，适合复杂的定位环境。本发明仅需要一个的锚点机器人就可以实现对大规模的非锚点机器人的准确定位。
-
公开(公告)号：CN115802313B
公开(公告)日：2024-06-28
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。
-
公开(公告)号：CN117873092A
公开(公告)日：2024-04-12
申请号：CN202410047288.1
申请日：2024-01-12
Applicant: 河南大学
Abstract: 本发明提出了一种基于生物神经策略的移动机器人动态避障方法，首先建立机器人动力学模型、行人社交空间模型和机器人轨迹优化数学模型将上述模型转换为马尔科夫博弈过程，随后建立基于价值网络的深度强化学习算法，根据价值网络输出对应的行动价值选择最优动作策略。之后，构建人机交互数据结构，利用该人机交互数据结构处理机器人的状态信息和人机交互信息，在价值网络中建立注意力编码器，在价值网络中构建神经回路策略网络；设计目标距离、人机相对位置、碰撞惩罚相关的奖励函数，引导机器人学习到正确的避障策略实现安全导航。本发明有效优化机器人的移动轨迹和速度曲线，使机器人保持较高避障成功率的同时与行人良好互动。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.022 seconds)
