基于神经网络和证据理论的水污染事件智能决策方法

    公开(公告)号:CN106779418A

    公开(公告)日:2017-05-31

    申请号:CN201611184080.6

    申请日:2016-12-20

    Abstract: 本发明公开了基于神经网络和证据理论的水污染事件智能决策方法,包括以下步骤:采集待检测水域的水体表面图像,从中提取图像特征参数,并对各类图像特征参数进行归一化;基于各类图像特征参数进行模糊推理,得到水污染事件类型的初步判断;根据水污染事件类型的初步判断,调用相应的水质传感器提取水质特征参数,并对各水质特征参数数值进行归一化;最后利用神经网络训练出多特征参数和具体的水污染事件之间的非线性映射关系,根据D‑S证据理论对之前建立的映射关系进行加权处理运算,最终做出对水污染类型的预测和决策。本发明方法有效的实时监测目标水域,保证水质的稳定正常,具有较高的灵活性和自适应能力。

    一种无线多媒体传感网融合的作业机器人定位跟踪系统及方法

    公开(公告)号:CN106142086A

    公开(公告)日:2016-11-23

    申请号:CN201610635598.0

    申请日:2016-08-04

    CPC classification number: B25J9/1664 B25J9/1671 B25J9/1694

    Abstract: 本发明公开了一种无线多媒体传感网融合的作业机器人定位跟踪系统及方法,包括热成像监测装置、自动旋转底座、温度传感器、汇聚节点、高度传感器、无线网关节点和数据处理单元,汇聚节点传输温度传感器的数据和高度传感器实时检测机器人的高度值到无线网关节点,热成像单元获得作业机器人电控箱的温度全息图,无线网关节点将温度参数、高度参数、热成像监测装置的基准坐标值、自动旋转底座的水平和垂直角度,结合从温度全息图提取出来的热点区域的形态特征传输给数据处理单元,对多组传感器数据融合求精得到作业机器人的三维坐标,能够用于厂房或仓库等环境下作业机器人的实时动态跟踪定位。本发明实用性强、安全可靠,安装和操作方便。

    一种基于径向基函数神经网络模型的城市洪水预警系统及其方法

    公开(公告)号:CN105241524A

    公开(公告)日:2016-01-13

    申请号:CN201510702562.5

    申请日:2015-10-26

    Abstract: 本发明公开了一种基于径向基函数神经网络模型的城市洪水预警系统及其方法,包括利用超声波测距仪测量城市道路积水情况,利用水位传感器测量城市河道水位信息,将同一区域的有关信息汇总到数据采集终端进行预处理,将处理后相关数据通过网络发送至监控中心服务器,服务器利用径向基函数神经网络模型对城市洪水情况进行预测和预警,并将结果发送至相关用户的移动终端。用户也可以通过网络登陆服务器查询相关地点的洪水情况。本发明实现自动监测城市道路积水情况和城市河道水位变化情况,并进行城市洪水情况进行预测预警,具有误差小、实时性高、成本低、预警信息准确等优点,具有很好的市场前景和应用价值。

    一种基于循环式多移动雾节点的异常数据分析方法

    公开(公告)号:CN111371637B

    公开(公告)日:2023-08-08

    申请号:CN202010095749.4

    申请日:2020-02-17

    Abstract: 本发明公开了一种基于循环式多移动雾节点的异常数据分析方法,步骤如下:云服务器采用聚类算法将区域分割成多个子区域,并将子区域的质心位置设为移动雾节点的驻留点;随后通过构建稀疏系数矩阵来获得所有子区域数据的特征值并广播;多个移动雾节点访问所有驻留点;移动雾节点在移动时将在上一次驻留点收集的数据上传至云服务器,用于更新特征值,重新广播至所有移动雾节点;移动雾节点在驻留点时,收集子区域的数据并根据云服务器提供的数据特征值对其进行异常分析,将分析结果上传至云服务器,云服务器根据分析结果采取对应措施。本发明适应于大规模物联网,能够及时收集网络数据并进行异常分析,实现对全网数据的实时收集、分析和处理。

    一种夜间移动车灯跟踪检测系统、方法及设备

    公开(公告)号:CN109859235B

    公开(公告)日:2022-09-13

    申请号:CN201811221016.X

    申请日:2018-10-19

    Abstract: 本发明公开了一种夜间移动车灯跟踪检测系统、方法及设备,为了解决夜间无法准确捕捉车灯目标的问题,提出了一种激光与视觉相结合的跟踪检测系统。本发明采用移动车灯、激光检测单元、图像检测单元、数据通信单元、控制处理单元及稳压电源单元,将激光脉冲和视觉图像参数进行融合,实现夜间场景车灯目标采集、捕捉、跟踪及精确定位;本发明充分利用激光不受夜间限制,能够准确地对目标进行测量,结合视觉图像能够识别大范围内多车灯目标优点,进行两种检测方法优势互补;本发明通过识别移动车灯位置来确定移动车辆位置,能够为会车时车灯切换控制乃至于降低夜间交通事故提供支持。

    一种基于循环式多移动雾节点的异常数据分析方法

    公开(公告)号:CN111371637A

    公开(公告)日:2020-07-03

    申请号:CN202010095749.4

    申请日:2020-02-17

    Abstract: 本发明公开了一种基于循环式多移动雾节点的异常数据分析方法,步骤如下:云服务器采用聚类算法将区域分割成多个子区域,并将子区域的质心位置设为移动雾节点的驻留点;随后通过构建稀疏系数矩阵来获得所有子区域数据的特征值并广播;多个移动雾节点访问所有驻留点;移动雾节点在移动时将在上一次驻留点收集的数据上传至云服务器,用于更新特征值,重新广播至所有移动雾节点;移动雾节点在驻留点时,收集子区域的数据并根据云服务器提供的数据特征值对其进行异常分析,将分析结果上传至云服务器,云服务器根据分析结果采取对应措施。本发明适应于大规模物联网,能够及时收集网络数据并进行异常分析,实现对全网数据的实时收集、分析和处理。

    一种非接触测量的智能液控系统及方法

    公开(公告)号:CN109737230B

    公开(公告)日:2020-02-18

    申请号:CN201910139304.9

    申请日:2019-02-25

    Abstract: 本发明公开了一种非接触测量的智能液控系统及方法,液控系统包括电荷测量模块、距离测量模块、电磁阀控制模块、驱动模块以及微处理器模块。采用电荷测量模块采集不同间隔距离与不同待测物尺寸下的带电电荷量,基于密度聚类算法结合二元线性回归构建数学模型,获得不同待测物上表面面积与液剂用量的对偶映射,输出到电磁阀控制模块结合驱动电机控制算法调节驱动电机伸缩距离,在无需接触测量的条件下检测不同待测物上表面面积,进行不同液量输出,避免了大尺寸零件供液过少而小尺寸零件供液过多的不足,实现了给液系统的自动化、智能化、节约化与清洁化运行。

    基于胶囊网络深度学习架构的车道及车道标识检测方法

    公开(公告)号:CN110765890A

    公开(公告)日:2020-02-07

    申请号:CN201910939924.0

    申请日:2019-09-30

    Abstract: 本发明公开了一种基于胶囊网络深度学习架构的车道及车道标识检测方法,包括以下步骤:S1,在相机捕获画面上,设置两层ROI;S2,使用混合高斯滤波器执行滤波处理;S3,在ROI图像上基于波形描述和阈值分割提取车道线、路面标记组件;S4,在相机捕获图像上分离色彩通道,并在每个通道上使用中值滤波器执行噪声消除;S5,估计红色和蓝色通道的阈值,并对两个通道执行增强操作;S6,构建多通道胶囊网络,进行训练;S7,将训练好的胶囊网络用于输入经分割后的目标组件,并反馈给用户或系统。本发明解决了在复杂的环境条件变化下,对车道及车道标识的智能检测,可以较好地辅助驾驶员或无人汽车完成驾驶任务。

    一种基于自组织映射网络的多机器人协同追捕猎物方法

    公开(公告)号:CN110430556A

    公开(公告)日:2019-11-08

    申请号:CN201910700810.0

    申请日:2019-07-31

    Abstract: 本发明公开一种基于自组织映射网络的多机器人协同追捕猎物方法,具体步骤如下:1)选择四个靠近点,并执行SOM网络,选择四个获胜神经元;2)各获胜机器人以自己为中心设定特定范围,选择所有范围内机器人为协同机器人,且分配不同的可移动距离。3)获胜机器人行进可移动距离后,基站重新迭代执行SOM网络,分配移动距离,直到有四个机器人到达四个靠近点。4)选择四个捕获点,四个机器人以最大行进速度向四个捕获点移动;5)四个机器人到达捕获点,或移动过程中感知到猎物,则开始捕获猎物。相比较于常规的多机器人协同追捕的方法,本发明可通过减少机器人的行进路径而减少能耗,并通过机器人协同控制提高抓捕率。

    一种基于FPGA的优化FFT算法和装置

    公开(公告)号:CN110347968A

    公开(公告)日:2019-10-18

    申请号:CN201910609346.4

    申请日:2019-07-08

    Abstract: 本发明公开一种基于FPGA的优化FFT算法和装置,涉及集成电路数字信号处理技术领域。方法包括:响应于外部输入有待分析数据,存储相应数据;按照预设的读取规则读取已存储的待分析数据;对待分析数据进行预处理;基于预处理后的待分析数据以及预设的旋转因子进行基2-FFT的前两级蝶形计算;基于基2-FFT的前两级蝶形计算结果进行基2-FFT前两级之后的其它级蝶形计算,计算结果即为所述优化FFT算法的计算结果。本发明利用蝶形运算的前两级旋转因子取值有限的特性,通过预设旋转因子对传统的基2-FFT算法进行简化,从而实现可由输入序列快速得到前两级蝶形运算的结果,且本发明能够适用于任何2N(N≥2)点FFT运算,实现算法的有效加速。

Patent Agency Ranking