-
公开(公告)号:CN118865006A
公开(公告)日:2024-10-29
申请号:CN202411025875.7
申请日:2024-07-30
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V10/77 , G06V10/774 , G06V10/82 , G06V10/762 , G06V10/30
Abstract: 本发明涉及机器学习技术领域,且公开了基于自适应鲁棒主成分分析的图像数据处理方法、装置及存储介质,包括步骤1:收集数据并对数据集归一化处理;步骤2:建立基于自适应鲁棒主成分分析的数据降维和降噪模型;步骤3:将处理好的数据集带入基于自适应鲁棒主成分分析的数据降维和降噪模型中进行降维,同时使用优化迭代算法对自适应鲁棒主成分分析模型进行迭代训练;步骤4:将处理好的数据集带入稳定的自适应鲁棒主成分分析模型中获得最优解,并将获得的结果进行聚类;本方法具备鲁棒性强、具有严格的收敛保证和闭型解等优点,解决了现有PCA方法在数据处理时存在的没有对权重进行约束、数据的权重不稳定和模型鲁棒性差等问题。
-
公开(公告)号:CN119247959A
公开(公告)日:2025-01-03
申请号:CN202411363657.4
申请日:2024-09-28
Applicant: 中国人民解放军火箭军工程大学
IPC: G05D1/43 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G05D105/22
Abstract: 本发明公开了一种自动驾驶路径规划与跟踪控制方法,属于自动驾驶技术领域,包括步骤1:在车辆行驶过程中,根据当前位置和规划的目标点,产生全局路径和循迹路径;步骤2:采用多传感器融合方法构建局部代价地图,并进行局部路径规划,产生车辆实时避障路径;步骤3:对循迹路径、避障路径和车道保持及换道路径进行评估选择,决策出最优局部路径;步骤4:利用路径跟踪横纵向控制系统对车辆进行横/纵向控制;本方法具备能够为车辆规划出符合运动学规律的循迹路径,根据规划模块输出的期望路径,在组合导航系统的配合下,使得车辆按照设定的速度及路径实现自主行驶等优点,解决了现有技术无法实现单车路径规划和跟踪控制等问题。
-
公开(公告)号:CN119247929A
公开(公告)日:2025-01-03
申请号:CN202411363656.X
申请日:2024-09-28
Applicant: 中国人民解放军火箭军工程大学
IPC: G05B23/02
Abstract: 本发明涉及自动驾驶技术领域,且公开了一种基于数字孪生的自动驾驶测试系统及方法,自动驾驶测试系统包括实验测试层驾驶测试子系统和实地测试层驾驶测试子系统,所述实验测试层驾驶测试子系统与实地测试层驾驶测试子系统之间通过4G/5G网络通讯模块进行数据交互;本系统利用拉格朗日方程动力学方程构建的车辆动力学模型,具备各项参数配置灵活、能够实现物理空间和虚拟空间之间的信息交互、响应时效性强和能够实时准确的反映真实车辆的动态性能特征等优点,解决了现有技术存在的开放道路测试存在成本高、安全性低、不能实现实时的数据采集和处理等问题。
-
公开(公告)号:CN118068702A
公开(公告)日:2024-05-24
申请号:CN202410094003.X
申请日:2024-01-23
Applicant: 中国人民解放军火箭军工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种刚‑柔耦合起重臂振动抑制控制方法,属于起重机械控制技术领域,包括步骤1:建立刚‑柔耦合起重臂动力学模型;步骤2:在刚‑柔耦合起重臂动力学模型的基础上,设计反演滑模控制器并进行稳定性分析;步骤3:在反演滑模控制器的基础上,引入自适应律,设计刚‑柔耦合起重臂自适应反演滑模控制器;本方法通过将反演设计与滑模控制相结合,设计了反演滑模控制器,同时采用自适应律对系统中存在的不确定进行估计,从而达到系统的控制要求,能够有效的对刚‑柔耦合起重臂振动进行抑制,具有轨迹跟踪和振动抑制效果好的特点。
-
公开(公告)号:CN118865061A
公开(公告)日:2024-10-29
申请号:CN202411025895.4
申请日:2024-07-30
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V10/82 , G06N3/088 , G06V10/774 , G06F17/16 , G06V10/762 , G06V10/766 , G06V10/77
Abstract: 本发明涉及图像数据处理技术领域,且公开了一种鲁棒无监督图像特征选择方法、装置及存储介质,包括步骤1.对图像数据集进行归一化和加噪处理;步骤2:建立鲁棒无监督图像特征选择方法的目标函数模型;步骤3:将样本带入目标函数模型中,迭代优化模型;步骤4:将数据带入训练好的目标函数模型中,得到最优投影矩阵,利用K‑means聚类算法聚类,完成特征选择;本方法采用L2,0范数约束更有利于特征选择,通过解决L2,p范数问题,压缩图像数据噪音样本和异常值的影响,有效提高了模型的鲁棒性,具备鲁棒性好、具有严格的收敛保证和闭型解等优点,解决了现有技术存在的在图像数据处理时难以有效的对L2,0‑范数进行求解的问题。
-
-
-
-