-
公开(公告)号：CN102778229A
公开(公告)日：2012-11-14
申请号：CN201210175983.3
申请日：2012-05-31
Applicant: 重庆邮电大学
Abstract: 本发明公开一种未知环境下移动Agent路径规划方法，针对现有技术采用蚁群算法进行移动Agent路径规划时，搜索时间长、障碍物较多较大时，容易出现“早滞”的问题，本发明提出一种未知环境下的移动Agent路径规划方法，通过栅格法对环境进行建模，建立01矩阵表示全局栅格地图，根据全局栅格地图进行路径规划，通过改进蚁群算法的路径选择策略增强路径选择的目的性，使移动Agent可以更加有效的避开障碍物。本发明的方法具有搜索时间较短和空间复杂度较小的优点。
-
公开(公告)号：CN120070574A
公开(公告)日：2025-05-30
申请号：CN202510116640.7
申请日：2025-01-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于双阶段特征关联的机器人定位方法，属于智能机器人定位技术领域。该方法包括：通过鱼眼相机和激光雷达获取环境的图像和点云数据，并采用基于局部自适应变换控制的点云光栅渲染方法构造点云特征图谱；使用基于异构动态抑制融合的区块空间特性分析方法提取点云区块几何描点特征向量；采用基于空间共性约束的区块关联方法，建立语义3D区域块之间的匹配关系，进行图像块的匹配关联；采用多分支约束的特征匹配的方法，利用刚体结构不变性构建匹配亲和因子，进行特征点的精细化匹配；进行区域匹配对齐与位姿重构的联合迭代优化，得到最佳的机器人位姿估计。本发明能够在重复纹理场景中提高机器人定位的精度和鲁棒性。
-
公开(公告)号：CN119439733A
公开(公告)日：2025-02-14
申请号：CN202411565927.X
申请日：2024-11-05
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于干扰观测器的四足机器人单腿滑模控制方法，属于机器人控制技术领域。首先，建立四足机器人单腿在摆动阶段的足端轨迹；然后，建立四足机器人单腿的运动学模型，以实现足端目标位置与对应关节角度的转换；在此基础上，设计非奇异终端滑模控制器，以应对无干扰情况下的动力学控制；最后，结合滑模控制器与干扰估计，设计最终的复合控制策略，实现对机器人关节角度的稳定跟踪，从而提高单腿系统的抗扰性能。本发明利用有限时间干扰观测器与非奇异终端滑模控制器的结合，设计出一种复合控制器，以提高四足机器人的足端轨迹跟踪精度与系统鲁棒性，消除机器人所受外部扰动以及建模误差导致的不确定性。
-
公开(公告)号：CN118348851A
公开(公告)日：2024-07-16
申请号：CN202410427791.X
申请日：2024-04-10
Applicant: 重庆邮电大学
IPC: G05B19/042
Abstract: 本发明涉及一种用于电子节气门系统的终端滑模复合抗干扰控制系统及方法，属于电子节气门系统控制领域。该系统至少包括复合控制器，复合控制器包括终端滑模控制器和干扰观测器。复合控制器根据目标开度和实际开度计算出所需脉宽调制信号输送给驱动电路，驱动电路通过直流电机使节气门阀片运动，并且在节气门阀片运动过程中，节气门节流阀中的位置传感器持续将节气门阀片的实际开度返回至复合控制器，形成闭环控制。该方法通过对集总干扰的准确估计，并将干扰估计信息与非奇异快速终端滑模控制方法相结合，设计了前述的复合控制器以实现节气门阀片的开度控制，能有效抑制电子节气门系统中的非线性、参数不确定性、外部扰动以及系统故障带来的影响。
-
公开(公告)号：CN116758632A
公开(公告)日：2023-09-15
申请号：CN202310704051.1
申请日：2023-06-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域扩增和位置信息交互的视频行人重识别方法，属于图像检索方法。包括以下步骤：数据切片及预处理；然后使用通道注意模块进行通道权值重建；接着提取前帧的显著特征，进一步将后帧的关注区域从显著到全面进行过渡；然后利用位置信息交互(LII)模块促进位置信息跨所有帧交互，以实现帧之间的相互增强；最后根据模型设计损失函数并进行训练，值得注意的是，在测试阶段，去除LII模块以提升推理速度。本发明提出了轻量化的视频行人重识别模型，在多个公共基准上展现了强大的性能和泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN116250849A
公开(公告)日：2023-06-13
申请号：CN202211559232.1
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明请求保护一种基于信息分离器和区域卷积网络的脑电信号识别方法，包括：采集脑电数据，并对脑电数据进行滤波、小波包分解和数据标准化等预处理；根据电极安装位置构建拓扑图，再将经过预处理的脑电数据嵌入图中；使用所构建的图创建信息分离器获取每个节点独立的源信息，然后使用聚焦区域特征并且关注的区域范围依次递增的区域卷积网络提取脑电信号特征，区域卷积网络包含三个卷积层，分别为提取节点自身特征的节点卷积层、提取以节点为中心的领域特征的领域卷积层和提取全局特征的全局卷积层；最后由全连接层完成分类识别。本发明可显著降低电极之间的信息冗余度并有效提高脑电信号的识别准确率。
-
公开(公告)号：CN115619209A
公开(公告)日：2023-01-17
申请号：CN202210941957.0
申请日：2022-08-08
Applicant: 国网重庆市电力公司建设分公司 , 重庆邮电大学
IPC: G06Q10/0635 , G06Q10/063 , G06Q50/06 , G06F17/16
Abstract: 本发明请求保护一种融合修正参数层次分析法的电力建设工程风险评价系统，其包括：数据收集模块：用于获取相关资料以及历史数据，并进行筛选得到项目风险因素清单；风险量化模块：用于采用专家打分法对风险因素进行风险量化，对识别出风险因素的可能性和影响程度进行量化打分，获得风险因素评分表；初始权重计算模块：用于构建判断矩阵，并利用层次分析法求出各个风险因素的初始权重值；权重值修正模块：使用熵权法获得各个风险因素的信息熵；将获得的各个风险因素的信息熵作为修正参数融入到获得的初始权重中，获得各个风险因素的修正权重；模糊评价模块：使用获得的修正权重以及获得的风险因素评分表对整个项目进行模糊综合评价。
-
公开(公告)号：CN112332654B
公开(公告)日：2022-05-20
申请号：CN202011174609.2
申请日：2020-10-28
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种DC‑DC降压转换器连续滑模控制方法，包括以下步骤：对DC‑DC降压转换器输出的电压vs、电流iL以及参考电压vr输入广义比例积分观测器进行扰动观测，获得不匹配扰动估计对不匹配扰动估计进行增益后得到匹配扰动估计对DC‑DC降压转换器输出的电压vs与给定的参考电压vr的差值、DC‑DC降压转换器输出的电流iL、不匹配扰动估计以及匹配扰动估计进行连续滑模控制，获得占空比μ；对占空比μ进行脉宽调制，将调制后的脉冲宽度调制电压用于驱动DC‑DC降压转换器；本发明的有益效果为能够使得系统具有良好的动态性能以及稳态性能的同时有效的抑制不匹配时变干扰的控制方法。
-
公开(公告)号：CN112580436B
公开(公告)日：2022-05-03
申请号：CN202011342014.3
申请日：2020-11-25
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于黎曼流形坐标对齐的脑电信号域适应方法，属于于迁移学习域适应方法，特别是脑机接口中跨会话、跨对象分类的数据对齐方法。包括以下步骤：首先对采集到的脑电数据进行去均值、滤波、归一化等预处理；然后使用协方差矩阵对其进行处理，将脑电数据转化为对称正定(SPD)矩阵；根据对称正定矩阵构建黎曼流形空间；接着，将流形空间中的脑电数据点映射到对应的切线空间中进行坐标对齐；最后，将对齐后的脑电数据点映射回黎曼流形空间，并进行矢量化处理。本发明能够减少脑机接口系统中不同受试者脑电信号之间的差异，使得不同对象间的数据分布趋于一致。
-
公开(公告)号：CN110232341B
公开(公告)日：2022-05-03
申请号：CN201910464739.0
申请日：2019-05-30
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于卷积‑堆叠降噪编码网络的半监督学习图像识别方法，结合有监督训练的卷积神经网络和无监督学习的堆叠降噪自动编码机提出一种半监督学习网络，以在样本量不足的情况下提取更具表达性的高维特征，训练出更好的网络参数。利用卷积神经网络对样本数据进行有监督训练，提取图像特征同时避免空间特征的破坏。再把训练得到的特征向量输入到堆叠降噪自动编码机进行无监督学习，实现进一步特征学习，降低小样本带来的训练困难，后基于多层人工神经网络进行分类实现。将模型用于HLC2000手写汉字数据集中的复杂字、中等字、简单字、相似字进行脱机手写汉字识别，实验结果表明该模型的平均识别率能达到97％以上，并且结果较为稳定。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.116 seconds)
