-
公开(公告)号：CN119535220A
公开(公告)日：2025-02-28
申请号：CN202411590379.6
申请日：2024-11-08
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/3842 , B60L58/12 , G06F17/11 , G06F17/16
Abstract: 本发明涉及一种考虑电池内外部信息的动力电池自适应线性建模与荷电状态估计方法，属于汽车动力锂电池建模及SOC估计领域。该方法包括：采集动力电池的动态数据，对数据进行预处理，并初步计算动力电池的SOC；采用分段线性处理方式，建立开路电压Voc与SOC的线性关系；建立考虑电池内外部信息的动力电池线性模型及其离散状态空间方程；采用自适应遗忘因子最小二乘算法在线辨识电池参数；通过噪声自适应卡尔曼算法根据在线辨识的电池参数估计SOC。本发明能够克服现有锂电池电化学模型不能考虑电池内外部因素对电池模型的影响、非线性电池模型计算负担高、估计算法信息冗余度高、抗噪声能力弱的问题。
-
公开(公告)号：CN118821904A
公开(公告)日：2024-10-22
申请号：CN202410793377.0
申请日：2024-06-19
Applicant: 重庆邮电大学
IPC: G06N3/094 , G06N3/045 , G06N3/0464 , G06N3/0475 , G01R31/367 , G01R31/387
Abstract: 本发明涉及一种基于双重残差分层生成对抗网络的锂电池容量数据生成方法，属于锂电池历史容量数据生成领域。该方法首先建立双重残差分层生成对抗网络模型，采集真实锂电池充放电的容量数据；然后将采集的数据输入建立的双重残差分层生成对抗网络模型中进行训练，通过训练好的双重残差分层生成对抗网络模型进行锂电池容量数据的生成。其中，所述的双重残差分层生成对抗网络模型包括生成器和判别器，生成器和判别器均包括S个相同的通过双重残差连接的模块。本发明能够获得与真实数据具有较大相似性的生成数据，可以为锂电池RUL预测的神经网络提供足够且丰富的训练数据，提高神经网络的准确性和泛化性。
-
公开(公告)号：CN118692133A
公开(公告)日：2024-09-24
申请号：CN202410729456.5
申请日：2024-06-06
Applicant: 重庆邮电大学
IPC: G06V40/18 , G06V20/40 , G06V10/766 , G06V10/62 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/09
Abstract: 本发明涉及一种基于时空注意力机制和高斯过程的个性化视线追踪方法，属于视线追踪技术领域。其包括：采用基于深度残差网络的卷积神经网络模型接收输入视频并提取所有帧的特征映射；通过基于双重和交叉结构的混合空间注意力模型来处理特征映射，得到连续帧之间的空间运动信息；空间运动信息通过时间注意力模型学习使用过去帧嵌入的时间动态，得到具有时间维度动态信息的特征；通过视线回归层将时间注意力模型输出的具有时间维度动态信息的特征映射到预测视线方向序列中；通过基于高斯过程的个性化时空注意力模型得到的后验均值函数预测凝视角残差值，并将其用于校正预测视线方向序列后输出最终预测视线方向向量。本发明能够提取更多的凝视细节。
-
公开(公告)号：CN115089170B
公开(公告)日：2024-07-26
申请号：CN202210709412.7
申请日：2022-06-22
Applicant: 重庆邮电大学
Abstract: 本发明是一种结构光相移感知人耳鼓膜三维动态测量系统和方法，属于医疗成像三维动态测量领域，系统包括投影系统、耳镜头装置、图像采集系统和三维重建系统，所述方法通过稀疏采样方式由局部相移序列感知重构完整相移序列，并通过相移算法提取鼓膜三维形貌信息，该方法可以在传统相移算法高精度的基础上提升系统采样效率，实现测量精度与效率之间的有效平衡。
-
公开(公告)号：CN116978124A
公开(公告)日：2023-10-31
申请号：CN202310957253.7
申请日：2023-08-01
Applicant: 重庆邮电大学
IPC: G06V40/20 , G06V10/82 , G06V10/40 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种唇语识别方法及系统，属于计算机处理技术领域。该方法包括以下步骤：S1：计算基于卷积网络和Vision Transformer的图像特征编码；S2：进行基于多尺度时间卷积的时序特征提取；S3：进行基于Seq2Seq的文本解码。从模型算法角度出发，为如何提高句子级唇语识别的准确率难题提供一种新方法，通过使用三维卷积与残差网络提取图像特征，融合ViT与多尺度的时间卷积，提高唇部视觉时序特征的提取能力。并且通过使用多尺度时间卷积网络得到各个时间尺度的图像时间序列关系。
-
Patent Agency Ranking
公开(公告)号：CN111767672B
公开(公告)日：2023-10-20
申请号：CN202010610473.9
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G06F30/25 , G01R31/367 , G01R31/382 , G01R31/396 , G06F111/08 , G06F119/08
Abstract: 本发明涉及一种基于蒙特卡洛方法的锂电池异常工况数据自组增强方法，属于锂电池检测领域，包括以下步骤：S1：对小样本锂电池异常工况序列进行小波分解，得到多尺度小波系数；S2：将多尺度小波系数映射成m维超空间中点；S3：对多尺度分量进行蒙特卡洛自组。本发明兼顾了数据来源的真实性和数据分布的重构性，为不平衡的锂电池数据处理，提供了新的技术手段，亦可迁移到其他工业领域，作为解决数据不平衡问题的方法之一。
-
公开(公告)号：CN113536676B
公开(公告)日：2022-09-27
申请号：CN202110801474.6
申请日：2021-07-15
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , H01M10/42 , G06F119/02
Abstract: 本发明涉及一种基于特征迁移学习的锂电池健康状况监测方法，属于电池管理技术领域。该方法包括以下步骤：S1：基于特征迁移学习混合模型的构建；S2：基于特征迁移学习混合模型的应用。针对在缺少锂电池训练数据情况下，神经网络监测锂电池健康状况效果不佳的问题，研究基于特征迁移学习的锂电池健康状况监测方法。以神经网络模型为对象，设计CNN‑BILSTM串联混合模型，实现空间特征以及双向时间依赖关系的提取；以锂电池数据的特征空间为对象，研究特征迁移学习算法，通过迁移其他数据集的特征知识用于模型训练，实现在缺少训练数据情况下，训练信息的弥补。
-
公开(公告)号：CN111080852B
公开(公告)日：2022-03-11
申请号：CN201911303339.8
申请日：2019-12-17
Applicant: 重庆邮电大学
IPC: G07C9/00 , H04M1/72409 , B60R25/01 , B60R25/24
Abstract: 本发明涉及一种汽车门锁成员设置方法，属于汽车技术领域。通过手机内的蓝牙或WIFI等无线通讯方式完成汽车门锁成员添加删除以及密码修改等功能，门锁成员信息相当于汽车门锁钥匙，可以通过无线通讯方式完成汽车门锁开闭锁控制和完成车内信息收集。门锁成员信息包含成员名称和密码两个部分，在ECU处于成员设置模式下，手机通过无线通信方式添加、修改或删除门锁成员信息；成员信息添加时需要同时完成成员名称和密码设置，并保存在车内ECU中；成员信息修改主要用于修改成员名称或密码设置。成员信息设置完成后，可通过手机等无线通讯方式实现汽车门锁的开闭控制，实现汽车门锁的无钥匙化管理。
-
公开(公告)号：CN113536676A
公开(公告)日：2021-10-22
申请号：CN202110801474.6
申请日：2021-07-15
Applicant: 重庆邮电大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , H01M10/42 , G06F119/02
Abstract: 本发明涉及一种基于特征迁移学习的锂电池健康状况监测方法，属于电池管理技术领域。该方法包括以下步骤：S1：基于特征迁移学习混合模型的构建；S2：基于特征迁移学习混合模型的应用。针对在缺少锂电池训练数据情况下，神经网络监测锂电池健康状况效果不佳的问题，研究基于特征迁移学习的锂电池健康状况监测方法。以神经网络模型为对象，设计CNN‑BILSTM串联混合模型，实现空间特征以及双向时间依赖关系的提取；以锂电池数据的特征空间为对象，研究特征迁移学习算法，通过迁移其他数据集的特征知识用于模型训练，实现在缺少训练数据情况下，训练信息的弥补。
-
公开(公告)号：CN110412467B
公开(公告)日：2021-07-23
申请号：CN201910696529.4
申请日：2019-07-30
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种归一化互信息准则约束的锂电池故障数据筛选方法，属于锂电池故障诊断领域。该方法包括以下步骤：S1：采集数据：通过传感器采集真实锂电池故障数据，使用感知生成网络生成候选锂电池故障数据；S2：采用分数阶傅里叶变换提取锂电池故障数据的特征；S3：采用归一化互信息作为锂电池故障数据的筛选测度，计算真实锂电池故障特征矩阵A与候选锂电池故障特征矩阵B之间的归一化互信息；S4：利用故障诊断实验选取筛选阈值。本发明能够使筛选的锂电池故障数据真实有效，同时还能提高筛选速度，为故障诊断的深度学习方法提供了高质量的数据保障。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.033 seconds)
