-
公开(公告)号：CN118219935A
公开(公告)日：2024-06-21
申请号：CN202310841484.1
申请日：2023-07-10
Inventor： 陶发展 , 付致高 , 龚慧贤 , 周遥 , 朱龙龙 , 王楠 , 李梦杨 , 马浩翔 , 毕淑慧 , 冀保峰 , 张中才 , 吴红海 , 唐小林 , 李帅永 , 杨艺 , 陈灵峰
Abstract: 本发明提供了一种基于坡度预测的混合动力汽车智能能量管理方法，包括以下步骤：建立混合动力汽车中各能量源模型和整车模型；根据车辆当前时刻的坡度及速度信息，通过长短期记忆网络进行预测获取总需求功率，采用模糊控制的自适应低通滤波器和等效消耗最小策略的构建思想对功率分层处理，构建一种基于坡度预测的混合动力汽车能量管理系统，以各能量源的总等效氢耗，燃料电池的寿命情况以及预测坡度下储能系统的SoC为学习目标，设计高效的混合经验回放技术对智能算法中网络进行更新。本发明可在考虑道路坡度信息的基础上，对混合动力汽车的能量管理进行在线优化调节，通过实时预测道路坡度，在复杂、随机的驾驶环境下更好的更新最优策略。
-
公开(公告)号：CN117166432A
公开(公告)日：2023-12-05
申请号：CN202310968391.5
申请日：2023-08-03
Inventor： 陶发展 , 王楠 , 唐小林 , 王万超 , 朱龙龙 , 付主木 , 王桐 , 冀保峰 , 吴红海 , 李帅永 , 王俊 , 高颂 , 李梦杨 , 马浩翔 , 杨艺 , 陈灵峰 , 高向前
IPC: E02B15/10
Abstract: 本发明涉及清污机器人技术领域，且公开了一种河道清污机器人，包括机壳，所述机壳的两侧开设有通槽，所述机壳的两侧通槽端部分别固定安装有导向板，该河道清污机器人，通过设置有通过第二电机驱动转动的叶轮，使得机壳内部形成漩涡，利用漩涡的特性使得该清污机器人在移动到垃圾附近时就可以使得垃圾慢慢借助漩涡的吸力向着机器人移动，并且最后在靠近后直接被吸进机壳内部，而叶轮旋转产生的漩涡水流在底部经过排水管横向排出，实现对机器人进行推动，这样既能够利用叶轮将垃圾吸附过来，又能够为机器人提供驱动动力，而前段一个排水管上还设置有转向组件，这样利用第一电机驱动可以实现排水管转动方向，保证该机器人的行驶灵活性。
-
公开(公告)号：CN116986172A
公开(公告)日：2023-11-03
申请号：CN202310968384.5
申请日：2023-08-03
Inventor： 陶发展 , 贺永峰 , 唐小林 , 王楠 , 付主木 , 王桐 , 吴红海 , 朱龙龙 , 王俊 , 高颂 , 李梦杨 , 马浩翔 , 步妮 , 毕淑慧 , 李帅永 , 杨艺 , 陈灵峰 , 高向前
Abstract: 本发明涉及锁扣装置技术领域，且公开了一种按压式自动锁扣解锁装置，包括桶体，所述桶体的顶端活动安装有顶盖，所述顶盖的一端中部固定安装有卡接组件，所述桶体内部的一侧上方位于卡接组件的正下方固定安装有锁体组件，该按压式自动锁扣解锁装置，通过顶盖上设置有按压式的锁扣结构，利用W形状的卡槽可以使得顶盖需要按压两次才会打开，这样避免了行人重要物品在打开顶盖的过程中不慎掉落至桶体中的情况，并且顶盖配合该按压式锁扣结构可以保证在完成扔垃圾的行为后能够立即关上顶盖，避免桶体内部的垃圾产生的异味持续散发的情况，大大提高了环境的洁净程度。
-
公开(公告)号：CN117518779A
公开(公告)日：2024-02-06
申请号：CN202311634432.3
申请日：2023-12-01
Applicant: 河南科技大学
IPC: G05B11/42
Abstract: 一种参数自适应的智能巡逻车高精度轨迹跟踪控制方法，通过七次多项式建立被控车辆的换道轨迹函数，根据换道轨迹函数获取最优的换道轨迹，然后，建立被控车辆的轨迹跟踪误差模型，并引入LQR控制算法对被控车辆进行横向调整和PID控制器对被控车辆进行纵向控制，其中，PID控制器引入模糊控制对其参数进行整定；最终，PID控制器输出执行油门和刹车控制信号以执行被控车辆的轨迹跟踪控制，协调被控车辆平稳换道，本发明，优化了横向和纵向的控制误差，提高了路径轨迹的灵活性和精度。
-
公开(公告)号：CN117292336A
公开(公告)日：2023-12-26
申请号：CN202311320254.7
申请日：2023-10-12
Applicant: 河南科技大学
IPC: G06V20/54 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/096
Abstract: 一种基于深度学习的路面状况识别方法，包括以下步骤：S1，获取原始待识别路面图像，并进行ROI区域选取，得到原始图像数据集；S2，对原始图像数据集进行归一化处理和图像增强，得到预处理图像数据集；S3，预设路面的分类标准，并基于分类标准对预处理图像人工打标签，然后，利用迁移学习辅助分类预处理图像，得到路面图像样本集；S4，搭建卷积神经网络模型，并对其进行训练得到路面状态识别模型；S5，采集实际路面图像，并将实际路面图像输入路面状态识别模型中得到对应的路面状态识别结果。本发明，提高了路面状态识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN117141484A
公开(公告)日：2023-12-01
申请号：CN202311137820.0
申请日：2023-09-05
Applicant: 河南科技大学
Abstract: 一种自动驾驶汽车变道控制方法，包括如下步骤：基于车辆变道过程中的横摆运动和侧向运动建立非线性二自由度车辆模型；根据非线性而自由度车辆模型确定状态变量和动作变量，并且确定车辆的状态空间和动作空间；根据车辆的状态空间和动作空间设置奖励函数，并且将奖励函数添加到深度确定性策略梯度算法中；在深度确定性策略梯度算法中引入基于动作值的自适应贪婪噪声和优先经验回放机制，得到变道控制算法；基于样本数据对变道控制算法进行训练得到变道控制模型；利用变道控制模型对自动驾驶汽车进行变道控制。本发明提供一种自动驾驶汽车变道控制方法，具有更强的普适性，在保证车辆变道安全的前提下，缩短变道所需的时间。
-
公开(公告)号：CN117022273A
公开(公告)日：2023-11-10
申请号：CN202311066514.2
申请日：2023-08-23
Applicant: 河南科技大学
Abstract: 一种基于模型预测控制混合动力汽车的跟车能量策略，首先根据前车和被控车辆的行驶状态信息构建跟车模型；建立混合动力汽车的动力学模型，并通过该动力学模型获取被控车辆的需求功率；构建车载动力系统能量源退化模型，并结合被控车辆的需求功率获得被控车辆的最优能量分配结果，所述跟车模型包括参考跟车距离模型和可变时距跟车控制器模型；所述获得被控车辆的最优能量分配结果的具体操作为，基于车载动力系统能量源退化模型以及需求功率构建多目标函数和约束条件，利用加权法构建多目标函数的预测模型，对预测模型进行求解得到被控车辆的最优能量分配结果，本发明，采用预测模型控制能量分配可以灵活处理多变量、多约束的系统。
-
公开(公告)号：CN117975158A
公开(公告)日：2024-05-03
申请号：CN202410208763.9
申请日：2024-02-26
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/80
Abstract: 一种基于CNN和Transformer的地基云图云类识别方法，包括以下步骤：S1，获取待识别的地基云图；S2，将待识别的地基云图输入至训练好的基于CNN和Transformer的地基云图分类网络模型中，以对地基云图进行云类识别；所述模型包括语义信息分支、全局信息分支和分类器；本发明中模型的语义信息分支最终能够在待识别的地基云图的特征信息中得到目标特征，语义信息分支采用了分组卷积和膨胀卷积，能够提升语义信息特征提取的全面性，并通过注意力模块提高了模型对细节特征的提取能力，为提升深层语义信息的提取效率，消除无用的特征信息，采用了特征复用模块和邻域消除模块，提高了模型的识别准确率和效率。
-
公开(公告)号：CN117292200A
公开(公告)日：2023-12-26
申请号：CN202311320256.6
申请日：2023-10-12
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 一种基于改进卷积神经网络的地基云图分类识别方法，S1，采集多种类型的地基云图，得到初始地基云图数据集；S2，对初始地基云图进行预处理，构建地基云图数据集；S3，搭建卷积神经网络模型；S4，将地基云图数据集按比例分为训练集、测试集和验证集，采用训练集对卷积神经网络模型进行训练；S5，利用上述的验证集对训练好的卷积神经网络模型进行验证，根据结果调整卷积神经网络模型；S6，利用调整后的卷积神经网络模型对上述的测试集进行识别，得到识别结果；S3中，卷积神经网络模型包括特征提取模块和主网络模块，主网络模块基于ResNet模型和DensNet模型建立，且包括BlockA模块、BlockB模块及BlockC模块。提高了卷积神经网络模型的抗过拟合性，提高了模型的识别准确。
-
公开(公告)号：CN118015582A
公开(公告)日：2024-05-10
申请号：CN202410219294.0
申请日：2024-02-28
Applicant: 河南科技大学
IPC: G06V20/56 , G06V10/82 , G06V10/20 , G06V10/774 , G06V10/44 , G06V10/764 , G06V10/80 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 一种基于改进卷积神经网络的路面状态识别方法，包括如下步骤：S1、采集待识别的原始路面图像；S2、将原始路面图像输入到已训练好的神经网络识别模型中进行处理，神经网络识别模型包括Inception‑ResNet‑v2基础网络，且Inception‑ResNet‑v2基础网络的第一主体模块Inception‑ResNet‑A、第二主体模块Inception‑ResNet‑B和第三主体模块Inception‑ResNet‑C中均引入ECA注意力模块；S3、对第一特征图、第二特征图和第三特征图进行全局平均池化后融合得到特征数据；S4、利用分类器对特征数据进行识别分类得到路面状态结果。本发明提供一种基于改进卷积神经网络的路面状态识别方法，通过在卷积神经网络中引入注意力机制以及特征融合策略提高模型的特征提取能力，进而提高模型的分类准确率、时效性和泛化性，从而实现路面状态图像的精准识别。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.07 seconds)
