-
公开(公告)号：CN114852315B
公开(公告)日：2024-10-18
申请号：CN202210513454.3
申请日：2022-05-11
Applicant: 武汉工程大学
IPC: B64C19/00
Abstract: 本发明提供一种无人机运输系统、方法及存储介质，属于智能交通技术领域，包括无人机和控制中心，无人机用于获取环境参数和无人机机械参数，并从设置在无人机上的湿度传感器中获得湿度数据；判断湿度数据是否大于或等于温度阈值，若是则从设置在无人机上的存储器中导出预先存储的环境故障解决方案；若否则判断无人机机械参数是否为预设异常值，若是则从存储器中导出预先存储的自身机械故障解决方案；若否则生成未知异常信号，并将未知异常信号发送至控制中心中。本发明提升了无人机的运输效率，可以有效的解决自动驾驶交通工具适应性差，应对突发状况能力弱的问题，且能够大大地提升无人机的运输效率，降低的故障率，应用前景广泛。
-
公开(公告)号：CN114863937B
公开(公告)日：2024-06-18
申请号：CN202210536031.3
申请日：2022-05-17
Applicant: 武汉工程大学
Abstract: 本发明提供了基于深度迁移学习与XGBoost的混合鸟鸣识别方法，通过计算log‑Mel频谱图的一阶差分系数和二阶差分系数，反映鸟鸣信号的变化过程，在保留物种有效信息的同时减少环境噪声等无关因素的影响，提升了识别鸟类物种的准确率；减少了环境背景噪声等无关因素的影响，有效识别了自然场景下的多种鸟类物种。本发明采用深度迁移学习微调VGG16模型构建特征提取器，提升了少样本训练数据下深度卷积神经网络的泛化能力，减少了参数训练，提升了运行效率。本发明将鸟鸣信号更准确的映射为鸟类物种，对自然环境中多种鸟类鸣声均具有良好的识别性能。
-
公开(公告)号：CN114863937A
公开(公告)日：2022-08-05
申请号：CN202210536031.3
申请日：2022-05-17
Applicant: 武汉工程大学
Abstract: 本发明提供了基于深度迁移学习与XGBoost的混合鸟鸣识别方法，通过计算log‑Mel频谱图的一阶差分系数和二阶差分系数，反映鸟鸣信号的变化过程，在保留物种有效信息的同时减少环境噪声等无关因素的影响，提升了识别鸟类物种的准确率；减少了环境背景噪声等无关因素的影响，有效识别了自然场景下的多种鸟类物种。本发明采用深度迁移学习微调VGG16模型构建特征提取器，提升了少样本训练数据下深度卷积神经网络的泛化能力，减少了参数训练，提升了运行效率。本发明将鸟鸣信号更准确的映射为鸟类物种，对自然环境中多种鸟类鸣声均具有良好的识别性能。
-
Patent Agency Ranking
公开(公告)号：CN114852315A
公开(公告)日：2022-08-05
申请号：CN202210513454.3
申请日：2022-05-11
Applicant: 武汉工程大学
IPC: B64C19/00
Abstract: 本发明提供一种无人机运输系统、方法及存储介质，属于智能交通技术领域，包括无人机和控制中心，无人机用于获取环境参数和无人机机械参数，并从设置在无人机上的湿度传感器中获得湿度数据；判断湿度数据是否大于或等于温度阈值，若是则从设置在无人机上的存储器中导出预先存储的环境故障解决方案；若否则判断无人机机械参数是否为预设异常值，若是则从存储器中导出预先存储的自身机械故障解决方案；若否则生成未知异常信号，并将未知异常信号发送至控制中心中。本发明提升了无人机的运输效率，可以有效的解决自动驾驶交通工具适应性差，应对突发状况能力弱的问题，且能够大大地提升无人机的运输效率，降低的故障率，应用前景广泛。
-
公开(公告)号：CN114360239A
公开(公告)日：2022-04-15
申请号：CN202111465207.2
申请日：2021-12-03
Applicant: 武汉工程大学
Abstract: 本发明涉及一种多层时空交通知识图谱重建的交通预测方法及系统，包括：基于待预测区域的交通道路网数据构建交通知识图谱路网层，并基于实时路况数据、交通道路网数据和ST‑GCN模型计算得到交通流量预测值；根据交通流量预测值对路网层进行重建，得到交通知识图谱流量层；利用算法对交通流量层的数据进行聚类并以此进行重建，得到交通知识图谱功能层；基于功能层对待预测区域进行功能划分并对待预测区域的交通进行预测。本发明通过融合待预测区域的交通道路网数据和实时路况数据，构建一个多层交通知识图谱并将其分为路网层、流量层和功能层，该交通知识图谱通过感知其他节点的信息作为补充，实现对未来短时间交通流量更准确的预测。
-
公开(公告)号：CN113593605A
公开(公告)日：2021-11-02
申请号：CN202110775892.2
申请日：2021-07-09
Applicant: 武汉工程大学
Abstract: 本发明提供了一种基于深度神经网络的工业音频故障监测系统和方法，通过选择、构建工业音频特征集提高特征提取效率；通过引入深度学习模型作为分类器，提升了在工业音频分析领域分析故障的准确率；通过工业设备运作时产生的正常音频和异常音频训练深度学习分类模型，减少了人工决策的负担，提高了判断工业音频故障概率的准确性，实现了在复杂环境下实时监测工业设备的音频故障并进行故障预警的功能。本发明具备在线实时监测、预警等功能，具有部署成本低，功能整合度高和故障识别率高的优点，具备有广泛推广的能力。
-
公开(公告)号：CN113593605B
公开(公告)日：2024-01-26
申请号：CN202110775892.2
申请日：2021-07-09
Applicant: 武汉工程大学
IPC: G10L25/30 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于深度神经网络的工业音频故障监测系统和方法，通过选择、构建工业音频特征集提高特征提取效率；通过引入深度学习模型作为分类器，提升了在工业音频分析领域分析故障的准确率；通过工业设备运作时产生的正常音频和异常音频训练深度学习分类模型，减少了人工决策的负担，提高了判断工业音频故障概率的准确性，实现了在复杂环境下实时监测工业设备的音频故障并进行故障预警的功能。本发明具备在线实时监测、预警等功能，具有部署成本低，功能整合度高和故障识别率高的优点，具备有广泛推广的能力。
-
公开(公告)号：CN115204460A
公开(公告)日：2022-10-18
申请号：CN202210611584.0
申请日：2022-05-31
Applicant: 武汉工程大学
Abstract: 本发明公开了一种浮动巴士路径决策方法、系统、电子设备及介质，涉及智慧交通技术领域，方法包括：初始化经验回放集，构建马尔可夫决策过程、当前值网络和目标值网络，马尔可夫决策过程包括状态空间、动作空间、奖惩函数、状态转移概率和折扣因子五元组；获取训练样本，基于训练样本建立状态动作序列；将状态动作序列输入当前值网络，得到状态动作系列对应的车辆动作，基于得到的车辆动作建立经验序列，将经验序列存入经验回放集中；利用经验回放集不断训练优化当前值网络和目标值网络，得到DQN深度神经网络，以根据获取到的目标待接送乘客的上下车地点，通过DQN深度神经网络确定目标待接送乘客的上下车地点对应车辆的目标路径。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
