-
公开(公告)号：CN108010321A
公开(公告)日：2018-05-08
申请号：CN201711418205.1
申请日：2017-12-25
Applicant: 北京理工大学
Abstract: 本发明公开了一种交通流预测方法，能够降低数据复杂度并提高预测精度。本发明实施例提供的交通流预测方法包括如下步骤：采集获取实时交通流数据，并利用变分模态分解将实时交通流数据分解成设定数量的具有不同特征尺度的限带的本征模态分量；本征模态分量的数量设定为使得所有本征模态分量的估计带宽之和最小。采用增量型超限学习机网络，建立针对各本征模态分量的预测模型，并采用预先采集的历史交通流数据对预测模型进行训练。利用训练后的预测模型，对各本征模态分量进行交通流预测，将所有本征模态分量的预测结果累加得到最终的交通流预测结果。
-
公开(公告)号：CN119396168A
公开(公告)日：2025-02-07
申请号：CN202411315091.8
申请日：2024-09-20
Applicant: 北京理工大学
IPC: G05D1/46 , G05D1/644 , G05D109/20
Abstract: 本发明提供一种考虑资源受限的无人机任务分配方法，属于无人机指挥决策技术领域。该方法具体过程为：步骤1：采集无人机和任务目标的初始态势信息；步骤2：量化无人机对任务的贡献值，同时将无人机贡献值引入到目标函数，在目标函数的指引下计算出无人机对任务的贡献率；步骤3：将所述贡献值引入PI算法，各无人机构建任务束，直到无人机资源耗尽或所有任务已分配；步骤4：采用PI算法进行一致性处理，在收敛时进入步骤5；步骤5：判断任务所需要的资源类型及数目是否已经满足要求，在满足要求时进入步骤6；步骤6：贡献率最高的无人机作为长机，向其他无人机发出邀请，构建满足资源种类、数目满足要求的无人机联盟，并输出任务分配结果。
-
公开(公告)号：CN115509249B
公开(公告)日：2025-02-07
申请号：CN202211302269.6
申请日：2022-10-24
Applicant: 北京理工大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种火星阵风强干扰环境下四旋翼飞行器的姿态控制方法，通过构建四旋翼飞行器的姿态动力学模型，分析其内在特征，在此基础上设计双环自抗扰非线性控制器，通过内外环的扩张状态观测器，对外部扰动进行补偿，实现四旋翼飞行器对设定好的期望姿态角的精确跟踪，从而完成对四旋翼飞行器姿态的控制。
-
公开(公告)号：CN119376409A
公开(公告)日：2025-01-28
申请号：CN202411330688.X
申请日：2024-09-24
Applicant: 北京理工大学
IPC: G05D1/46 , G05D1/644 , G05D109/20
Abstract: 本发明提供一种降低通信次数的无人机分布式任务分配方法，属于无人机指挥决策技术领域。具体过程为：步骤1：采集初始环境信息；步骤2：采用基于共识的捆绑算法任务束构建方法，各无人机独立构建任务束；步骤3：无人机进行聚类；步骤4：每个聚类选择一架无人机作为关键通信点，聚类内部的各无人机交换任务束构建结果，利用一致性处理原则剔除冲突任务；步骤5：各聚类的关键通信节点交换一致性处理结果，利用一致性处理原则剔除冲突任务，解决聚类之间的任务分配冲突；步骤6：如果无人机任务分配没有收敛，重复任务束构建和一致性处理过程，直至收敛，生成各架无人机可执行路径。
-
公开(公告)号：CN118809620A
公开(公告)日：2024-10-22
申请号：CN202411206902.0
申请日：2024-08-30
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于接触力约束与姿态约束的装配任务优化控制方法，利用控制障碍函数对接触力进行约束，允许机器人在与工件接触时将施加的力控制在安全范围内，从而避免损坏敏感部件并确保装配的稳定性，并在优化问题中针对机器人末端执行器姿态添加相关的等式约束，保证了机器人的运动遵循预定的姿态进行装配，确保了装配精度和一致性，通过两种约束的结合可在安全施加接触力的同时维持符合任务预期的姿态，有利于改善复杂条件下装备容易出现的卡死的问题，在提升装配质量和安全性的同时，也推动了机器人在更加复杂情况下接触力相关任务的应用。
-
Patent Agency Ranking
公开(公告)号：CN114332542B
公开(公告)日：2024-09-24
申请号：CN202210003247.3
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G06V10/764 , 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。
-
公开(公告)号：CN114299345B
公开(公告)日：2024-09-03
申请号：CN202210002299.9
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G06V10/764 , 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：CN117197729A
公开(公告)日：2023-12-08
申请号：CN202311120909.6
申请日：2023-08-31
Applicant: 中国联合网络通信集团有限公司 , 北京理工大学
IPC: G06V20/50 , G06V10/82 , G06V10/774 , G06V10/25 , G06N3/0464 , G06N3/082
Abstract: 本申请提供了一种废钢异常物检测方法、装置及存储介质，涉及通信技术领域，能够用于废钢异常物检测。该方法包括：获取目标训练数据集；目标训练数据集包括多个第一待检测目标图像；将目标训练数据集输入预设神经网络模型中进行训练，生成目标神经网络模型；预设神经网络模型包括：可变形卷积模型、侧抑制模型；可变形卷积模型用于提取待检测目标图像中的多个图像特征；侧抑制模型用于对多个图像特征进行统计和分析；目标神经网络模型用于识别待检测目标图像中的异常物。本申请用于废钢异常物检测。
-
公开(公告)号：CN117193287A
公开(公告)日：2023-12-08
申请号：CN202310925500.5
申请日：2023-07-26
Applicant: 北京理工大学
Inventor： 夏元清 , 高润泽 , 周彤 , 詹玉峰 , 戴荔 , 孙中奇 , 翟弟华 , 张元 , 刘坤 , 吴楚格 , 李怡然 , 邹伟东 , 崔冰 , 杨辰 , 高寒 , 郭泽华 , 闫莉萍 , 潘振华
IPC: G05D1/02
Abstract: 本发明公开了一种车辆轨迹跟踪云边协同控制方法，通过建立基于前馈控制、控制障碍函数及控制李雅普诺夫函数的求解过程获取到无人车辆的边缘控制量作为备份控制量，并基于提出的云边协同切换控制策略根据无人车辆接收到的信号确定当前的控制量完成对无人车辆的控制，实现了在云平台或网络出现问题时云端控制与边缘控制的协调控制，从而保证了基于轨迹跟踪的正常车辆控制。
-
公开(公告)号：CN116543229A
公开(公告)日：2023-08-04
申请号：CN202310586787.3
申请日：2023-05-24
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/20 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于自适应累积系数的深度学习优化器的图像分类方法，根据当前的迭代次数计算获取相应的AdamE优化器的一阶动量和二阶动量的累积系数，提升图像分类精度，在保证训练效率的同时也能保证训练精度，提高了深度学习优化器的泛化性能。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.018 seconds)
