-
公开(公告)号:CN109839596B
公开(公告)日:2021-04-16
申请号:CN201910229300.X
申请日:2019-03-25
Applicant: 重庆邮电大学
IPC: G01R31/367 , B60L58/12
Abstract: 本发明涉及一种基于UD分解的自适应扩展卡尔曼滤波的SOC估算方法,属于电动汽车动力电池管理领域,本发明在卡尔曼滤波方法上考虑了过程噪声和测量噪声是时变的这一特性,并采用噪声估值器来估计时变的噪声,引入了改进的Sage‑Husa噪声估计器,构成了自适应EKF算法。还考虑了计算机在进行浮点运算时,存在单位舍入误差问题,采用了UD分解算法,保证任意时刻状态估计协方差矩阵的对称正定性,限制由于计算误差引起的滤波发散。本算法能够在多种工况电流下验证,本发明提出的了UD分解自适应扩展卡尔曼滤波算法有效的提高了算法的精度,提高了算法的稳定性。
-
-
公开(公告)号:CN101618543B
公开(公告)日:2011-07-06
申请号:CN200910104420.3
申请日:2009-07-23
Applicant: 重庆邮电大学
Abstract: 本发明属于自动控制领域,具体涉及异构多机器人系统的任务分配方法;包括如下步骤:S1:初始化机器人和子任务参数;S2:机器人选择自己擅长、自身能力与子任务能力需求接近、离自己近、信息浓度高的子任务执行;本发明充分考虑机器人系统的功能结构对多机器人系统任务分配的影响,实现了异构多机器人系统的任务分配。
-
公开(公告)号:CN117405042A
公开(公告)日:2024-01-16
申请号:CN202311345317.4
申请日:2023-10-17
Applicant: 重庆邮电大学
IPC: G01B11/25
Abstract: 本发明涉及一种结构光空域相移动态三维重构方法,属于图像处理技术领域。该方法包括进行单帧结构光条纹投影,采集调制条纹图像;针对采集图像进行空域相移,提取多步相移子图像序列;对多步相移子序列进行傅里叶分析,提取各子图像的傅里叶相位谱;以采样条纹图像作为零相移条纹图像,进行傅里叶相位差分分析,提取采样图像与多步相移子序列之间的相位差;针对提取的傅里叶相位差进行最小二乘拟合分析,求解采样图像的包裹相位。本发明通过单帧图像空域相移方式提取多步相移子图像序列,并结合传统相移算法进行相位解析。由于融合多帧子图像信息进行相位解析,相较于传统单帧傅里叶变换方法而言,求解信息更加丰富,有助于提升测量精度。
-
公开(公告)号:CN101618543A
公开(公告)日:2010-01-06
申请号:CN200910104420.3
申请日:2009-07-23
Applicant: 重庆邮电大学
Abstract: 本发明属于自动控制领域,具体涉及异构多机器人系统的任务分配方法;包括如下步骤:S1:初始化机器人和子任务参数;S2:机器人选择自己擅长、自身能力与子任务能力需求接近、离自己近、信息浓度高的子任务执行;本发明充分考虑机器人系统的功能结构对多机器人系统任务分配的影响,实现了异构多机器人系统的任务分配。
-
公开(公告)号:CN109839596A
公开(公告)日:2019-06-04
申请号:CN201910229300.X
申请日:2019-03-25
Applicant: 重庆邮电大学
IPC: G01R31/367 , B60L58/12
Abstract: 本发明涉及一种基于UD分解的自适应扩展卡尔曼滤波的SOC估算方法,属于电动汽车动力电池管理领域,本发明在卡尔曼滤波方法上考虑了过程噪声和测量噪声是时变的这一特性,并采用噪声估值器来估计时变的噪声,引入了改进的Sage-Husa噪声估计器,构成了自适应EKF算法。还考虑了计算机在进行浮点运算时,存在单位舍入误差问题,采用了UD分解算法,保证任意时刻状态估计协方差矩阵的对称正定性,限制由于计算误差引起的滤波发散。本算法能够在多种工况电流下验证,本发明提出的了UD分解自适应扩展卡尔曼滤波算法有效的提高了算法的精度,提高了算法的稳定性。
-
公开(公告)号:CN108536856A
公开(公告)日:2018-09-14
申请号:CN201810343004.8
申请日:2018-04-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于双边网络结构的混合协同过滤电影推荐模型,属于推荐系统领域。该模型引入深度学习的思想利用电影的海报和描述文本,通过CNN生成用户和物品的有效特征表达,并利用概率矩阵分解技术通过高斯噪声参数引入潜在的用户和电影模型,集成搭建具有双边网络结构的深度神经推荐模型。并将该模型应用于来自MovieLens网站的MovieLens_1M表示为ML_1M的开源数据集上进行实验,验证利用深度学习引入辅助信息即电影海报和描述文本搭建混合协同过滤推荐模型,是否可以改善在用户和物品交互评分矩阵稀疏情况下,降低数据稀疏性对推荐精度的影响。本发明在数据稀疏情况下,更具有生成有效特征表达能力,降低数据稀疏性造成的影响,有效的改善推荐不精准问题。
-
-
公开(公告)号:CN103679263A
公开(公告)日:2014-03-26
申请号:CN201210315110.8
申请日:2012-08-30
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于粒子群支持向量机的雷电临近预测方法,涉及雷电预测技术领域,其目的在于将粒子群支持向量机方法应用于雷电临近预测中。该方法为:从MICAPS系统的高空、地面历史资料和地面台站雷暴实况数据中,进行相关性分析选取影响雷电发生的相关因子;针对雷电数据中有雷电及无雷电数据不平衡的特性,对数据进行预处理,并对缺失数据进行合理插补;使用粒子群优化算法对支持向量机参数进行优化;建立训练样本集并训练支持向量机,建立雷电临近预测模型;将测试数据集输入训练好的预测模型,进行有无雷电识别。本发明的方法具有准确率高,泛化能力强的优点。
-
公开(公告)号:CN108427965B
公开(公告)日:2022-08-23
申请号:CN201810179464.1
申请日:2018-03-05
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06F16/9038
Abstract: 本发明请求保护一种基于路网轨迹聚类的出行热点区域挖掘方法。在本方法中,将出租车轨迹映射到道路网络中,并且采用实际道路中采集到的兴趣点和轨迹结合的聚类方法。结合密度峰值聚类算法,提出了基于密度峰值优化初始中心的OPAM算法,即DP‑OPAM。算法采用数据点的局部密度和这些点到更高密度点的最短距离,采用决策图挑选出密度更高且距离最近的数据点所属的类别,作为初始聚类中心。根据初始聚类中心,采用增加反向学习的OPAM聚类算法,得到聚类结果。将新算法与原OPAM算法进行对比,新算法不仅能自动确定聚类中心,并且提高了准确率和聚类时间,实现用户出行热点区域分析。
-
-
-
-
-
-
-
-
-