-
公开(公告)号：CN119150184A
公开(公告)日：2024-12-17
申请号：CN202411172684.3
申请日：2024-08-26
Applicant: 西南林业大学
IPC: G06F18/2433 , G06F18/27 , G06F18/21 , G06F18/10 , G06F18/214 , G01N33/00
Abstract: 本发明涉及汽车碳排放预测技术领域，且公开了基于Boosting‑Blending与动态时空行为模式的混合动力汽车碳排放预测方法，收集与碳排放相关的数据集，并对原始数据集进行预处理，构建基于Boosting‑Blending集成学习模型，对Boosting‑Blending集成学习模型进行训练优化，将实际采集到的数据输入到优化好的Boosting‑Blending集成学习模型中，对汽车碳排放预测。该方法通过将Boosting集成算法和Blending技术相结合，选择了五种不同的Boosting基学习器进行集成，通过它们之间的互补性提高预测准确性，同时，引入动态时空行为模式的概念，以捕捉混合动力汽车在不同时间、空间和行为模式下的碳排放特性，进一步提升预测的准确性。
-
公开(公告)号：CN117786514A
公开(公告)日：2024-03-29
申请号：CN202311817929.9
申请日：2023-12-27
Applicant: 西南林业大学
IPC: G06F18/2411 , G06F18/214 , G06F18/15 , G06N3/048 , G06F18/21
Abstract: 本发明涉及交通事故严重程度分类预测方法，涉及人工智能领域，通过访问政府公开数据平台以及与保险公司数据库建立联系，收集大量有关交通事故的信息，包括车辆类型、事故严重程度，对获取的交通事故数据进行平滑处理，去除数据中的噪音和尖峰，将经过平滑处理的交通事故数据集进行数据划分，随机分成训练集和测试集，使用随机森林、支持向量机以及神经网络建立多个基础分类器，并在训练集上进行训练，得到每个分类器的预测结果，将三个基础分类器分别对测试集进行预测，将每个基础分类器的预测结果作为新的特征，构成一个新的训练集，将新的训练集输入到次级分类器中进行最终的预测，将预测结果与真实标签进行比较，并评估元分类器模型的性能。
-
公开(公告)号：CN117784161A
公开(公告)日：2024-03-29
申请号：CN202311817931.6
申请日：2023-12-27
Applicant: 西南林业大学
IPC: G01S17/86 , G01S7/497 , G06V10/764 , G06T7/80 , G06T7/62 , G06V10/82 , G06N3/0464 , G06V10/80 , G06V10/25
Abstract: 本发明涉及一种ROS的相机和激光雷达融合目标检测方法，包括如下步骤：S1、利用工业相机和激光雷达获取图像和点云数据，进行图像点云数据时间匹配，创建融合目标检测数据集；S2、对相机激光雷达进行标定，求取相机到激光雷达的转换参数；S3、将图像数据集输入YOLOv3模型进行处理得到目标类别及二维检测框；将点云数据进行动态阈值聚类处理，得到目标距离信息并拟合出目标三维检测框；S4、利用S3中已求得的转换参数将点云三维框转换为二维并与已检测的目标二维框建立关联并融合；S5、在ROS操作系统将各个步骤编写为节点并联立起来实现融合的目标检测。本发明方法低成本，并可精确实现相机和激光雷达融合的目标检测。
-
公开(公告)号：CN116101296A
公开(公告)日：2023-05-12
申请号：CN202310168727.X
申请日：2023-02-27
Applicant: 西南林业大学
IPC: B60W40/076 , G06F17/10
Abstract: 本发明公开了一种基于门控循环单元的纯电动车道路坡度估计方法，包括如下步骤：S1、获取车辆状态数据；S2、选择所需的车辆状态数据作为算法输入参数；S3、选择数据集作为训练集；S4、选择训练集数据进行验证。本发明可以低成本、快速的估计道路坡度，训练和预测是分离的，可快速实现测试集的计算，在实际应用时有着较低的计算复杂度。
-
公开(公告)号：CN117852320A
公开(公告)日：2024-04-09
申请号：CN202410262953.9
申请日：2024-03-08
Applicant: 西南林业大学
Abstract: 本发明提供了一种基于GPF过滤体分形模型的汽油机尾气过滤方法，包括以下步骤：利用透射电镜获得颗粒物形态参数，结合分形理论计算颗粒物形态参数，重新定义颗粒物粒径参数；利用压汞法获得颗粒捕集器结构参数，结合捕集器图像；本发明通过透射电子显微镜获得发动机排放颗粒物形貌，通过扫描电子显微镜和压汞法获得GPF微观结构参数，进而通过分形理论获得颗粒物分形维数和GPF结构分形维数，利用以上参数重新定义颗粒物粒径与GPF孔隙参数等，结合经典过滤理论重新表征GPF过滤效率与压降，通过滤效率试验对模型进行验证，本发明的技术方法对于GPF过滤效率的模拟具有良好的效果。
-
Patent Agency Ranking
公开(公告)号：CN116152629A
公开(公告)日：2023-05-23
申请号：CN202310168731.6
申请日：2023-02-27
Applicant: 西南林业大学
IPC: G06V10/82 , G06V10/25 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于Faster R‑CNN的澳洲坚果检测识别方法，包括如下步骤：S10、获取林地澳洲坚果图像数据，进行图像标注，创建澳洲坚果目标检测数据集；S20、采用图像处理方法扩充数据集；S30、对数据集中的待检测物体尺寸进行统计分析，用于改进区域建议网络RPN的锚框尺寸设置；S40、将划分好的数据集输入改进Faster R‑CNN模型进行训练，得到澳洲坚果检测识别模型；S50、使用训练好的澳洲坚果检测识别模型对待检测的林地澳洲坚果图像进行识别。本发明综合参考了其他目标检测技术的改进方案，针对澳洲坚果这一特定检测对象，对Faster R‑CNN检测方法进行改进优化，提高了检测精度，取得明显的检测识别效果。
-
公开(公告)号：CN116127275A
公开(公告)日：2023-05-16
申请号：CN202310168723.1
申请日：2023-02-27
Applicant: 西南林业大学
IPC: G06F17/18
Abstract: 本发明公开了一种基于无迹变换的事故再现结果不确定性分析方法，包括如下步骤：S1、根据事故类型确定相应的事故再现计算模型；S2、根据事故再现经验公式确定随机变量的个数，通过事故现场数据，确定随机变量的均值、标准差和相关系数，计算随机变量均值矩阵和协方差矩阵；S3、对步骤S2中的协方差矩阵进行分解，结合随机变量均值矩阵并引入尺度参数，对于n维随机变量，计算出2n+1个sigma点集；S4、将步骤S3中的2n+1个sigma点集代入步骤S1中所选的事故再现计算模型，计算车速，得到2n+1个车速值；S5、利用权值的定义和相关参数，计算出2n+1个车速值的均值和协方差的权值；S6、根据步骤S4得到的2n+1个车速值，结合步骤S5计算得到的权值，计算出车速的均值和方差。
-
公开(公告)号：CN117854636B
公开(公告)日：2024-04-30
申请号：CN202410256992.8
申请日：2024-03-07
Applicant: 西南林业大学
IPC: G16C20/70 , G16C20/20 , G06F18/213 , G06F18/243 , G06F18/27 , G06N20/20 , G06N5/01 , G06N3/0442 , G06N3/09 , G06F123/02
Abstract: 本发明公开了一种柴油车瞬态过程颗粒物数量排放预测方法，属于颗粒物排放预测技术领域；通过改进EMD算法对柴油车的PN排放数据进行分解，降低了瞬态数据的波动性和随机性，将排放数据预处理分解的结果并结合测试运行数据分别对XGBoost算法和门控循环单元模型进行训练以及修正，通过将训练修正的XGBoost和GRU进行组合获取组合预测模型，实现不同训练技术的联立整合，可以有效提高后续瞬态过程颗粒物数量排放的预测效果；本发明用于解决现有方案中只是基于单一的神经网络算法来对现有的测试数据进行训练获取测试模型，不能将不同的训练技术进行联立整合导致瞬态过程颗粒物数量排放的预测效果不佳的技术问题。
-
公开(公告)号：CN116118744A
公开(公告)日：2023-05-16
申请号：CN202310168733.5
申请日：2023-02-27
Applicant: 西南林业大学
IPC: B60W40/076 , B60W40/06 , B60W40/13 , B60W50/00 , G06F17/10
Abstract: 本发明公开了一种纯电动车起步阶段质量及道路坡度联合估计方法，包括如下步骤：S1、通过数据采集器，采集所需参数；S2、采用遗忘因子递归最小二乘法，分析车辆纵向动力学方程，建立纵向动力学模型；S3、采用带双遗忘因子的递推最小二乘法估计车辆质量；S4、将步骤S3中所估计的车辆质量作为输入参数采用自适应卡尔曼滤波估计道路坡度。本方法可低成本、精确的估计起步时整车质量和道路坡度。
-
公开(公告)号：CN117854636A
公开(公告)日：2024-04-09
申请号：CN202410256992.8
申请日：2024-03-07
Applicant: 西南林业大学
IPC: G16C20/70 , G16C20/20 , G06F18/213 , G06F18/243 , G06F18/27 , G06N20/20 , G06N5/01 , G06N3/0442 , G06N3/09 , G06F123/02
Abstract: 本发明公开了一种柴油车瞬态过程颗粒物数量排放预测方法，属于颗粒物排放预测技术领域；通过改进EMD算法对柴油车的PN排放数据进行分解，降低了瞬态数据的波动性和随机性，将排放数据预处理分解的结果并结合测试运行数据分别对XGBoost算法和门控循环单元模型进行训练以及修正，通过将训练修正的XGBoost和GRU进行组合获取组合预测模型，实现不同训练技术的联立整合，可以有效提高后续瞬态过程颗粒物数量排放的预测效果；本发明用于解决现有方案中只是基于单一的神经网络算法来对现有的测试数据进行训练获取测试模型，不能将不同的训练技术进行联立整合导致瞬态过程颗粒物数量排放的预测效果不佳的技术问题。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.028 seconds)
