公开(公告)号：CN119625095A

公开(公告)日：2025-03-14

申请号：CN202411653106.1

申请日：2024-11-19

Applicant: 西安工业大学

Inventor： 王鹏 ,  孙博轩 ,  李晓艳 ,  邸若海 ,  李亮亮 ,  孙梦宇 ,  洪伟 ,  王浩 ,  王冠群 ,  郜辉

IPC: G06T11/00 ,  G06V10/82 ,  G06N3/0475

Abstract: 本发明公开了一种基于StyleGAN‑V算法的无人驾驶场景生成方法，其实现步骤是：首先采集真实恶劣天气驾驶场景视频，对其进行预处理构建数据集；然后初步构建视频生成模型；再构建结合时序激励与时序位移的时序特征提取模块，对视频的时序特征进行提取；之后在生成过程中引入联合损失函数约束；最后计算改进后的损失函数，更新视频生成模型参数，持续进行训练直到完成生成模型。本发明能够逼真地模拟恶劣天气下的驾驶场景，经实验验证，该方法能够有效提升生成视频的连贯性和动态特征的捕捉能力，不仅提升了恶劣天气下驾驶模拟场景的真实性，提高了对视频中细微动作变化的感知能力，还在视频的动态特征和画面连续性方面取得了更好的表现。

公开(公告)号：CN119485499A

公开(公告)日：2025-02-18

申请号：CN202411653103.8

申请日：2024-11-19

Applicant: 西安工业大学

Inventor： 张玉芳 ,  王鹏 ,  董绵绵 ,  孙梦宇 ,  王冠群 ,  王宾 ,  许韫韬 ,  郜辉 ,  葛家豪 ,  孙瑞锦 ,  齐阁

IPC: H04W28/08 ,  H04W4/40

Abstract: 本发明属于车联网技术领域，具体涉及一种基于主动学习多目标优化的车载业务卸载方法。所述方法包括以下步骤：首先获取车联网应用场景，建立车载业务的时延模型和能耗模型；然后根据建立的时延和能耗模型，求得业务对应的时延和能耗，构建多目标优化问题；其次通过采用基于主动学习的多目标优化算法对所述多目标优化问题进行求解，得到帕累托最优解集合；最后，根据求得的帕累托最优解集合，完成车载业务的资源分配和计算卸载。本发明整合了主动学习的优势，在求得与穷举搜索算法接近的帕累托最优解集合的同时，降低了需要评估目标函数的次数，从而降低了车联网中获取数据集的成本，同时提升了算法的适应性。

公开(公告)号：CN119944010A

公开(公告)日：2025-05-06

申请号：CN202411810580.0

申请日：2024-12-10

Applicant: 西安工业大学

Inventor： 王储 ,  张爽 ,  王鹏 ,  李晓艳 ,  吕志刚 ,  董绵绵 ,  邸若海 ,  李亮亮 ,  孙梦宇 ,  王冠群

IPC: H01M8/04992 ,  H01M8/04298 ,  H01M8/04664 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明公开了一种基于可恢复故障规避与ESN联合的燃料电池寿命预测方法。具体步骤包括：首先，提取HI的特征值，使用K平均算法进行聚类并生成状态标签，采用TimeGAN进行数据增强，由真实数据和生成的数据训练K邻近算法模型，用训练好的模型为输入的燃料电池HI生成状态标签；其次，定制可恢复故障规避策略，训练ESN在定制策略指导下进行预测；最后，根据预测结果计算退化趋势及其置信区间和剩余使用寿命。本发明提高了识别的准确性和鲁棒性，能够准确识别出可恢复故障的出现。相对准确率中位数提升超19%，对称平均绝对百分比误差降低超11%。