-
公开(公告)号：CN116402275A
公开(公告)日：2023-07-07
申请号：CN202310194969.6
申请日：2023-03-03
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
IPC分类号： G06Q10/0631 , G06Q50/26 , G06N20/20 , G06V20/17 , G06V10/82
摘要： 本发明公开了一种面向大坝智能协同巡检的无人载具动态选择方法，在现实的大坝库区环境中，基于联邦学习针对边缘设备的异构性来多节点协作执行相应的巡检任务，包括：构建节点的本地计算效率评估标准，根据节点客户端计算能力的表征进行分组；在组内通过本地数据代表性评价构造选择权重，并选择最具数据代表性的客户端参与本地训练，融合各组结果完成客户端选择；每一迭代回合的聚合结束后，根据最新一轮的训练时间更新客户端的本地计算效率，再重复以上步骤对客户端选择结果进行动态更新。本发明通过提升各边缘设备的参与度，增强特殊数据的表征能力来提高巡检设备协同监测的缺陷识别准确性，提升大坝长周期运行安全管控水平。
-
公开(公告)号：CN116402275B
公开(公告)日：2023-12-15
申请号：CN202310194969.6
申请日：2023-03-03
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 中国电建集团昆明勘测设计研究院有限公司
IPC分类号： G06Q10/0631 , G06Q50/26 , G06N20/20 , G06V20/17 , G06V10/82
摘要： 本发明公开了一种面向大坝智能协同巡检的无人载具动态选择方法，在现实的大坝库区环境中，基于联邦学习针对边缘设备的异构性来多节点协作执行相应的巡检任务，包括：构建节点的本地计算效率评估标准，根据节点客户端计算能力的表征进行分组；在组内通过本地数据代表性评价构造选择权重，并选择最具数据代表性的客户端参与本地训练，融合各组结果完成客户端选择；每一迭代回合的聚合结束后，根据最新一轮的训练时间更新客户端的本地计算效率，再重复以上步骤对客户端选择结果进行动态更新。本发明通过提升各边缘设备的参与度，增强特殊数据的表征能力来提高巡检设备协同监测的缺陷
-
公开(公告)号：CN112559171A
公开(公告)日：2021-03-26
申请号：CN202011388998.9
申请日：2020-12-02
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开了一种移动边缘计算环境下基于延迟接受的多用户任务卸载方法，步骤为：1)构建计算任务卸载模型；2)构建目标计算函数；3)单用户采用带精英策略的快速非支配遗传算法生成计算任务卸载方案，即每个用户执行单用户卸载方法将本地计算任务卸载到边缘服务器上；4)对拥塞的边缘服务器节点对任务按用户进行排序；5)计算拥塞节点中每个用户的权值并排序，依次剔除权值效果差的用户到拥塞队列直到节点不再拥塞；6)拥塞队列中的用户再经过步骤3重新计算分配方案；7)重复步骤3～6过程直到拥塞队列为空。本发明基于延迟接受的多用户任务卸载方法，解决了延迟约束下最小化能耗的任务卸载问题，提高了用户的满意度，有效的减少了移动终端的能耗。
-
公开(公告)号：CN112183624A
公开(公告)日：2021-01-05
申请号：CN202011038886.0
申请日：2020-09-28
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
IPC分类号： G06K9/62 , G06F17/16 , G06F16/903
摘要： 本发明公开了一种基于集成学习的大坝监测数据异常检测方法，步骤为：异常检测模型池构造阶段：利用随机子采样构造不同的监测数据子集，并根据超参数多样性构造不同的模型组，训练得到异常检测模型池。伪真值标签构造阶段：基于异常检测模型池,采用集成一致性方法构造测点的伪真值标签。最优模型组合选择阶段：基于邻域相关性选择目标测点相关邻域，根据测点邻域的异常得分矩阵与从测点的伪真值标签间的皮尔逊相关性，选择最优模型组合。结果判断阶段：计算测点在最优模型组合上的得分，判断测点异常情况。本发明通过对大坝监测数据进行特征学习，高效精确计算处理并得出检测结果，为大坝安全分析提供决策依据。
-
公开(公告)号：CN112559171B
公开(公告)日：2022-02-08
申请号：CN202011388998.9
申请日：2020-12-02
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 华能集团技术创新中心有限公司
摘要： 本发明公开了一种移动边缘计算环境下基于延迟接受的多用户任务卸载方法，步骤为：1)构建计算任务卸载模型；2)构建目标计算函数；3)单用户采用带精英策略的快速非支配遗传算法生成计算任务卸载方案，即每个用户执行单用户卸载方法将本地计算任务卸载到边缘服务器上；4)对拥塞的边缘服务器节点对任务按用户进行排序；5)计算拥塞节点中每个用户的权值并排序，依次剔除权值效果差的用户到拥塞队列直到节点不再拥塞；6)拥塞队列中的用户再经过步骤3重新计算分配方案；7)重复步骤3～6过程直到拥塞队列为空。本发明基于延迟接受的多用户任务卸载方法，解决了延迟约束下最小化能耗的任务卸载问题，提高了用户的满意度，有效的减少了移动终端的能耗。
-
公开(公告)号：CN117372893B
公开(公告)日：2024-07-19
申请号：CN202310069813.5
申请日：2023-02-03
申请人： 河海大学
IPC分类号： G06V20/17 , G06V10/46 , G06V10/75 , G06T7/62 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于改进遥感图像特征匹配算法的洪涝灾害评估方法，包括如下步骤：通过无人机采集同一区域不同受灾时间的图像，将洪灾发生之前拍摄的图像确定为模板图像，灾害中期和后期的图像确定为变换图像；根据采集到的两类遥感图像，进行SURF特征点检测；用BRIEF特征描述子对检测出的特征点进行描述，同时判断受自然环境影响下，灾害图像被加入噪声后，描述子对于尺度和光照的鲁棒性；对于模板图像与变换图像，选择改进的SURF算法作特征点匹配；对比重合的特征点数，在遥感图像上自动提取淹没区范围，精确识别洪涝面积变化，根据匹配结果，提取洪涝变化信息，量化洪涝灾害程度。
-
公开(公告)号：CN117193348B
公开(公告)日：2024-05-31
申请号：CN202310069759.4
申请日：2023-02-03
申请人： 河海大学
摘要： 本发明公开了一种仿生无人机群大坝库区智能巡检方法，包括如下步骤：利用北斗导航系统定位每架无人机以及大坝库区障碍物位置；通过北斗/惯导组合导航实现大坝库区内弱/无信号环境下定位信息的获取；针对库区内需进行信息采集的重点关注部位，采用单仓库闭合路径的MTSP(multiple traveling salesman problem，多旅行商问题)为无人机群中每架无人机分配巡检任务；应用动态簇粒子群算法实现多段路径规划；采用人工势场法对无人机群进行实时避障控制。本发明为无人机群智能巡检提供了高精度定位基础，同时提供了可靠高效的任务分配方案和巡检路径，且能够动态应对复杂环境下存在的各种障碍物，提高了大坝库区无人机群智能巡检的效率。
-
公开(公告)号：CN117824788B
公开(公告)日：2024-05-28
申请号：CN202410246359.0
申请日：2024-03-05
申请人： 河海大学
摘要： 本发明涉及水利工程领域，具体涉及水位监测分析系统。该水位监测分析系统中：电子设备，用于获取目标输水渠道对应的渠道信息；根据渠道信息，确定各个水位监测设备对应的目标安装位置；水位监测设备中的水位监测组件，用于监测目标安装位置对应的当前水位；供电组件，用于为水位监测设备进行供电；控制器，用于基于通信组件将各目标安装位置对应的当前水位发送至电子设备；电子设备，用于基于各目标安装位置对应的当前水位对目标输水渠道对应的输水能力进行分析。保证了对目标输水渠道的输水能力进行分析的准确性，不需要人工对目标输水渠道中各个位置的当前水位进行监测。实现了及时掌握总干渠的水情综合状况，探究继续提升输水能力。
-
公开(公告)号：CN117991258A
公开(公告)日：2024-05-07
申请号：CN202410397288.4
申请日：2024-04-03
申请人： 河海大学
摘要： 本发明涉及水利工程技术领域，具体涉及输水建筑物过流能力监测系统。摄像设备对目标输水渠道中的各目标输水建筑物对应的预设区域进行拍摄，得到区域流态分布图像。电子设备对区域流态分布图像进行图像处理，确定过流能力监测设备对应的安装位置；高程测量设备计算各安装位置的雷达设备对应的位置高程；雷达设备测量雷达设备与渠道水面之间的距离。流速流量测量设备，用于监测渠道断面对应的断面流量和断面流速。电子设备根据各目标输水建筑物对应的断面水位、断面流量、断面流速确定各目标输水建筑物之间渠道的输水能力。从而实现了确定各目标输水建筑物之间渠道的输水能力，及时掌握总干渠的水情综合状况，探究继续提升输水能力。
-
公开(公告)号：CN114708517B
公开(公告)日：2024-03-12
申请号：CN202210244009.1
申请日：2022-03-14
申请人： 河海大学
IPC分类号： G06V20/17 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/0985
摘要： 本发明公开公开一种基于注意力的自适应元学习岩性识别方法及装置，设计了一个元学习岩性识别模型，采用情景训练策略模拟少样本场景，该模型主要分为两部分：骨干网络部分和超参数生成网络。骨干网络部分为融合多层注意力机制的残差网络进行特征提取，利用注意力机制从特征图中提取线性与非线性信息，再利用softmax函数进行归一化分类。超参数生成网络动态生成两个重要的超参数：学习率与权重衰减系数，实现更好的训练和泛化。本发明针对岩石图像量少，岩石特征差异性较小的特点设计了注意力特征提取模型，得到的特征具有更强的分辨能力，能够提高分类精度。利用超参数生成网络动态生成超参数，使得在元学习场景下每个内环迭代都能适应给定的任务。
-
-
-
-
-
-
-
-
-
搜索结果
125 条记录 (耗时 0.084 秒)
