-
公开(公告)号：CN119134422A
公开(公告)日：2024-12-13
申请号：CN202411152934.7
申请日：2024-08-21
Applicant: 上海大学
Abstract: 本发明公开高比例新能源输电网多类型储能规模化配置方法及系统，方法包括以下步骤：1)建立多类型储能模型，包括电化学储能放电模型、氢储能系统的充放电模型、抽水蓄能系统的充放电模型；2)基于多类型储能模型，建立以系统年综合成本最小为目标的输电网多类型储能规模化配置模型；3)求解输电网多类型储能规模化配置模型，得到输电网储能规模化配置方案。系统包括多类型储能规模化配置模块和方案输出模块；本发明提出以系统综合年成本最大为目标的多类型储能规模化配置方法，可以提高系统运行的经济性和可靠性，促进新能源消纳。
-
公开(公告)号：CN119134411A
公开(公告)日：2024-12-13
申请号：CN202411325981.7
申请日：2024-09-23
Applicant: 上海大学
Abstract: 本发明提供了一种孤岛交流微电网抗执行器故障和饱和的控制方法，包括：建立孤岛交流微电网系统模型；建立执行器故障模型；建立执行器饱和模型；建立执行器故障和饱和下的孤岛微电网模型；建立执行器饱和补偿的系统模型；建立频率和的预定时间扰动观测器；建立分布式预定时间电压观测器；建立电压和的预定时间扰动观测器；建立基于扰动观测器的分布式预定义时间故障容错控制器。本发明解决了孤岛交流微电网中执行器故障和饱和情况下的频率/电压调节以及功率分配不准确的问题，实现了在预定义时间内对微电网频率/电压的有效调节与准确的功率分配。
-
公开(公告)号：CN115100408B
公开(公告)日：2024-09-20
申请号：CN202210710901.4
申请日：2022-06-22
Applicant: 上海大学
IPC: G06V10/26 , G06V10/74 , G06V10/762
Abstract: 本发明属于计算机图像处理领域，公开了一种图像加雾方法，具体为：S1：采集同一场景的左视角图像和右视角图像，左视角图像和右视角图像有重合；S2：分别对左视角图像和右视角图像进行超像素分割，得到对应的超像素块；从左视角图像、右视角图像的超像素块中挑选出对场景深度估计有效的有效超像素块；S3：对左视角图像、右视角图像的有效超像素块进行匹配，得到左视角图像与右视角图像的水平视差map图；根据水平视差map图计算场景中任一目标点P在左、右视角图像中成像的像素点P1、P2之间的距离h(x)；S4：根据h(x)计算左视角图像和右视角图像的景深信息d(x)；S5：根据d(x)计算大气光传输率t(x)，根据大气散射模型对左视角图像和/或右视角图像进行加雾处理。
-
公开(公告)号：CN116233782A
公开(公告)日：2023-06-06
申请号：CN202310059293.X
申请日：2023-01-17
Applicant: 上海大学
Abstract: 本发明涉及传感器数据采集技术领域，公开了一种基于多传感器的无人艇海面数据采集时间同步方法，具体步骤为：S1：基于各传感器的数据采样频率范围，设置固定采样频率，调整各传感器的采样频率与固定采样频率一致，并采用调整后的传感器进行采样；对于采样频率范围低于固定采样频率的传感器，按传感器原有的采样频率进行采样，然后对采集的采样数据进行插帧处理，使插帧处理后的采样数据数量与按固定采样频率进行数据采集的传感器相同；S2：获取无人艇GPS传感器的UTC时间，将各传感器采集的每一帧采样数据加上GPS的UTC时间戳。通过本发明方法能保证无人艇不同传感器采集到的采样数据时间同步，能更有效的、准确的实现对无人艇以及目标的高度定位与追踪。
-
公开(公告)号：CN115100408A
公开(公告)日：2022-09-23
申请号：CN202210710901.4
申请日：2022-06-22
Applicant: 上海大学
IPC: G06V10/26 , G06V10/74 , G06V10/762
Abstract: 本发明属于计算机图像处理领域，公开了一种图像加雾方法，具体为：S1：采集同一场景的左视角图像和右视角图像，左视角图像和右视角图像有重合；S2：分别对左视角图像和右视角图像进行超像素分割，得到对应的超像素块；从左视角图像、右视角图像的超像素块中挑选出对场景深度估计有效的有效超像素块；S3：对左视角图像、右视角图像的有效超像素块进行匹配，得到左视角图像与右视角图像的水平视差map图；根据水平视差map图计算场景中任一目标点P在左、右视角图像中成像的像素点P1、P2之间的距离h(x)；S4：根据h(x)计算左视角图像和右视角图像的景深信息d(x)；S5：根据d(x)计算大气光传输率t(x)，根据大气散射模型对左视角图像和/或右视角图像进行加雾处理。
-
Patent Agency Ranking
公开(公告)号：CN119254493A
公开(公告)日：2025-01-03
申请号：CN202411372178.9
申请日：2024-09-29
Applicant: 上海大学
IPC: H04L9/40 , H02J3/38 , H02J3/12 , H02J3/48 , H02J3/24 , G06Q50/06 , G06F17/11 , G06F21/60 , G06F21/62 , H04L67/12
Abstract: 本发明提供了一种孤岛交流微电网分布式二次隐私保护控制方法及系统，包括：建立分布式发电机的动力学模型及微电网经济调度模型；对孤岛交流微电网真实状态进行加密保护，得到加密后的子状态；基于加密后的子状态，构建电压和频率恢复的动态事件触发一致性控制器；构建最优功率分配的动态事件触发一致性控制器。本发明通过对分布式发电机的动力学模型及微电网经济调度模型设计二次分布式控制器，能够维持电压和频率稳定，实现最优经济运行，具有通信负担小、收敛速度快，能够实现精准一致性的优势；通过减少实时状态传输的次数和状态分解机制对隐私信息进行保护，从而解决了存在外部攻击时的隐私信息保护问题。
-
公开(公告)号：CN118606935A
公开(公告)日：2024-09-06
申请号：CN202410762095.4
申请日：2024-06-13
Applicant: 上海大学
Abstract: 本发明属于信息技术领域，具体公开了一种基于概率选择的视觉问答黑盒对抗性攻击方法，包括以下步骤：(1)基于当前的图像文本状态选择接受概率高的攻击策略；(2)根据攻击方法计算对应的预训练模型的梯度信息，对对应的模态的扰动进行更新，输出该轮次的对抗性图像文本对；(3)将当前轮次的对抗性图像文本对送入视觉问答模型中，判断攻击是否成功；成功或达到最大迭代次数则输出当前轮次的对抗性图像文本，失败则循环步骤(1)‑(2)。该方法使用预训练模型生成攻击性强且隐蔽的对抗性文本对，对视觉问答模型有良好的攻击效果。
-
公开(公告)号：CN113933828B
公开(公告)日：2025-03-14
申请号：CN202111213649.8
申请日：2021-10-19
Applicant: 上海大学
Abstract: 本发明公开了一种无人艇环境自适应多尺度目标检测方法及系统，涉及无人艇以及多传感器融合技术领域，该方法包括：对获取的雷达数据进行预处理，得到雷达预估目标集合；雷达数据包括毫米波雷达采集的数据和航海雷达采集的数据；对视觉传感器采集的原始环境图像进行预处理，以获得全局大气光值和透射率；根据全局大气光值和透射率对原始环境图像进行还原处理，得到增强图像；根据增强图像和预训练好的目标检测模型，得到初步检测结果；初步检测结果包括图像预估目标的置信度、检测框和类别信息；对雷达预估目标集合、增强图像和初步检测结果进行融合处理，确定海面目标的位姿信息、类别信息和置信度。本发明能够准确确定海面目标信息。
-
公开(公告)号：CN118644519A
公开(公告)日：2024-09-13
申请号：CN202410490378.8
申请日：2024-04-23
Applicant: 上海大学
Abstract: 本发明属于无人艇跟踪技术领域，具体公开了一种基于改进运动模型和Re‑ID的无人艇跟踪方法及其设备和可读存储介质，其方法包括S1、制作无人艇数据集，获取包括无人艇信息的视频数据；S2、采用YOLOV5模型对步骤S1中得到的视频数据进行目标检测，定位目标在视频数据中的位置；S3、构建基于交互式平方根容积卡尔曼的轨迹预测算法，预测目标在视频数据中下一帧的位置，输出结果；S4、构建基于改进运动模型和Re‑ID目标检测和跟踪方法的重识别模型，提取无人艇的表观特征，对步骤S3中输出的结果进行算法匹配，输出跟踪结果；S5、对模型进行训练；模型训练包括无人艇检测模型以及表观模型的训练，用于训练合适的模型权重。
-
公开(公告)号：CN117935057A
公开(公告)日：2024-04-26
申请号：CN202410114807.1
申请日：2024-01-26
Applicant: 上海大学
IPC: G06V20/10 , G06V10/82 , G06V10/25 , G06V20/70 , G06V10/52 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感目标检测检测领域，具体公开一种基于改进的Oriented R‑CNN的遥感图像跑道目标检测方法；包括如下步骤：构建跑道的遥感图像数据集；将跑道的遥感图像数据集按比例划分为训练集和测试集，对训练集和测试集进行标注；建立Oriented R‑CNN检测模型；设置网络参数；训练Oriented R‑CNN检测模型；将待预测图片输入Oriented RPN生成包含方向信息的候选框；通过Midpoint Offset Representation获取有向候选框的顶点坐标；通过Rotated RoIAlign提取尺寸变换后的遥感图像的特征；通过回归分支和分类分支对候选框进行精细回归和目标分类，从而获得目标的检测框以及类别；本发明提出的基于改进的Oriented R‑CNN目标检测算法在检测遥感跑道目标时具有较高的准确率和检测精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.024 seconds)
