-
公开(公告)号：CN113064710B
公开(公告)日：2022-09-09
申请号：CN202110404960.4
申请日：2021-04-15
Applicant: 北京理工大学
Abstract: 本发明公开了一种云工作流调度方法及系统，涉及云计算技术领域，包括获取用户提交的工作流；计算工作流中每个任务的优先级；所述优先级为具有宽度变化趋势的概率秩；根据任务的优先级，计算每个任务的子截止时刻；根据每个任务的子截止时刻，调用预存的服务实例集合、工作流调度模型以及前瞻性服务实例选择策略，确定每个任务对应的服务实例。工作流调度模型的目标函数为在截止时间约束条件下确定工作流最小执行花费的函数；前瞻性服务实例选择策略为根据随后任务选择的服务实例调整当前任务的服务实例的策略。本发明能够使工作流中的任务能够调度到更合适的服务实例，同时减少服务实例的启动数量，获得更优的调度方案。
-
公开(公告)号：CN110908772B
公开(公告)日：2022-09-06
申请号：CN201911113879.X
申请日：2019-11-14
Applicant: 北京理工大学
Abstract: 本发明提供了提高多工作流可靠性的节能调度方法，本发明提供了一种提高多工作流可靠性的节能调度方法，基于用户的可靠性和截止时间要求，通过工作流预调度和任务重调度两个阶段，提高多个用户提交的工作流可靠性的同时使用虚拟机调频技术降低数据中心的能耗。本发明基于预调度和重调度两阶段的多工作流节能调度算法，其中，在工作流预调度阶段优化了工作流任务排序和工作流可靠性约束分解；在任务重调度阶段依据预调度阶段获得的任务可靠性目标值，使用虚拟机调频技术，为任务重新选择满足可靠性目标值且能耗最小的虚拟机，获取优化的任务与虚拟机之间的映射关系，从而提高多工作流的可靠性，同时降低数据中心的运行能耗。
-
公开(公告)号：CN114815601A
公开(公告)日：2022-07-29
申请号：CN202210317746.X
申请日：2022-03-29
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明提供了一种减少主动悬挂系统时延误差的修正自抗扰控制方法，能够削弱输入延迟，实现了无时滞的主动悬挂减振作用。本发明在传统自抗扰控制的基础上，先对有延迟的控制输入做时间为τ的预估，基于泰勒级数近似及Smith预估器的思想，利用跟踪微分器得到新的相位超前后的实际控制量输入主动悬挂系统；然后在新控制量与ESO之间加入τ0的延迟模块，使得整个闭环都是对当前时刻的控制效果，通过调整两个延迟模块大小，弥补延迟时间预估误差的影响，在不断循环作用下，提高系统减振效果和鲁棒性，致力于削弱时滞影响，提高整体性能。
-
公开(公告)号：CN114721412A
公开(公告)日：2022-07-08
申请号：CN202210263895.2
申请日：2022-03-16
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于模型预测控制的无人机轨迹跟踪避障方法，采用了MINVO基获取障碍物预测轨迹的外多面体，采用分隔平面作为在线优化变量，将无人机的预测轨迹与障碍物集分离，完成无人机位置控制。通过对避障约束的转化求解，可以直观的体现避障约束的效果，提高无人机在轨迹跟踪过程中的避障成功率。内环即姿态控制采用了一阶控制器，保证了无人机避障轨迹跟踪控制的完整性。同时考虑系统的状态约束、控制约束以及参考轨迹，通过模型预测控制对外环进行控制，并设计合理的终端成本、终端控制器和终端约束条件，构建优化模型，证明算法的可行性。
-
公开(公告)号：CN114332542A
公开(公告)日：2022-04-12
申请号：CN202210003247.3
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G06V10/764 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种基于STA‑ADMM的极限学习机的图像分类方法，通过将极限学习机的网络结构与基于状态转移的ADMM算法相结合，在求解输出权重矩阵的时候利用不同的状态变换以及ADMM算子进行状态更新，不断向优化目标靠近得到输出权重矩阵。在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，可以在图像识别方面具有更好的训练精度，并且模型训练耗费时间更少，这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
-
Patent Agency Ranking
公开(公告)号：CN114299345A
公开(公告)日：2022-04-08
申请号：CN202210002299.9
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G06V10/764 , G06K9/62 , G06V10/774
Abstract: 本发明公开了一种基于跟踪微分器的极限学习机的图像分类方法，通过将跟踪微分器与极限学习机算法相结合，在求解输出权重矩阵的时候利用不同算子以及跟踪微分器原理对输出权重矩阵进行迭代更新，不断得到矩阵方程的更优解。在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，可以在图像识别方面具有更好的训练精度，并且模型训练耗费时间更少，这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
-
公开(公告)号：CN113515044A
公开(公告)日：2021-10-19
申请号：CN202110750225.9
申请日：2021-07-02
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明提供一种轮式移动机器人的基于学习预测跟踪控制方法及装置，所述方法包括获取所述轮式移动机器人的实际状态与当前时刻所述轮式移动机器人的理论状态值的差值，作为所述学习模型的输入，输出模型偏差预测值，计算学习误差率；若所述学习误差率大于所述学习误差率上限；基于所述模型偏差预测值更新所述轮式移动机器人自身的第一学习模型；基于所述轮式移动机器人的预测跟踪控制目标及约束条件，确定所述轮式移动机器人的预测跟踪控制优化问题模型；使用控制策略控制所述轮式移动机器人自身的第一学习模型。根据本发明的方案，保证轮式移动机器人在实际使用中控制的准确性，使用的安全性和舒适性。
-
公开(公告)号：CN113408610A
公开(公告)日：2021-09-17
申请号：CN202110675498.1
申请日：2021-06-18
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于自适应矩阵迭代极限学习机的图像识别方法，将传统极限学习机的网络结构与自适应的矩阵迭代方式相结合，在求解输出权重矩阵的时候利用收敛因子自适应的矩阵迭代方式收敛得到输出权重矩阵，因此在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，在图像识别方面具有更好的训练精度，且占用计算资源和耗费时间更少，这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
-
公开(公告)号：CN109696669A
公开(公告)日：2019-04-30
申请号：CN201811582146.6
申请日：2018-12-24
Applicant: 北京理工大学
Abstract: 本发明属于信息处理方面多传感器信息融合技术领域。所选方法在相关噪声环境下，基于一类线性动态系统，以雷达目标跟踪为背景，以获得高精度的目标信息为目标，研究其事件触发的Kalman滤波状态估计和多传感器顺序式数据融合问题。其特征在于技术上使用事件触发采样策略，能够减少网络带宽占用，节省数据传输能耗；针对噪声相关环境，能够降低能耗并及时充分的利用观测数据进行最优估计。获得的估计值是线性最小方差意义下最优的。通过计算机仿真实验测试了发明方法的可行性和有效性。本发明所提出的方法在许多应用领域具有潜在的价值，如雷达目标跟踪、组合导航、故障检测、过程监控等。
-
公开(公告)号：CN109445906A
公开(公告)日：2019-03-08
申请号：CN201811184223.2
申请日：2018-10-11
Applicant: 北京理工大学
Abstract: 本发明公开了一种虚拟机需求数量预测方法。使用本发明能够实现虚拟机需求数量预测，同时为更准确地进行虚拟机需求预测提供了新思路和新途径。本发明中，通过在现有增量型极限学习机模型中加入动量项将网络训练误差反馈到隐含层的输出中使预测结果更逼近输出样本，能够减少增量型极限学习机的冗余隐含层节点，从而加快增量型极限学习机的网络收敛速度；通过引入优化解，即在训练过程中通过随机产生的输出权值并结合网络训练误差、输入样本，计算出更优的隐含层节点参数，包括输入权值、阈值、输出权值、网络训练误差，能够优化网络结构，提高网络训练过程的稳定性，从而有效降低网络训练误差。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.023 seconds)
