-
公开(公告)号：CN116297866A
公开(公告)日：2023-06-23
申请号：CN202310314868.8
申请日：2023-03-29
Applicant: 东南大学
Abstract: 本发明公开一种时域反射测量土壤含水率中实现皮秒级等效采样方法。首先选用两个独立的频率误差为0.5 ppm的温补晶振，通过低噪声驱动电路为晶振供电及在晶振输出时钟信号前端增加低通滤波器，减少晶振时钟抖动；其次，产生高频脉冲信号，30MHz温补晶振作为DDS系统时钟，利用FPGA控制DDS的频率控制字调节输出信号频率为10.001MHz，接着，50MHz温补晶振作为FPGA系统时钟，利用FPGA内部锁相环输出10MHz作为低速ADC采样时钟信号；最后，采样信号与待采样信号时间差10ps，每个待采样信号周期进行一次采样，数次循环后，能采集原信号的一个完整周期。这种方法通过两个独立的温补晶振使采样信号与待采样信号时钟频率保持较小频率差，实现了100GSPS等效采样速率。
-
公开(公告)号：CN116205147A
公开(公告)日：2023-06-02
申请号：CN202310318143.6
申请日：2023-03-29
Applicant: 东南大学
IPC: G06F30/27 , G01N21/25 , G06F18/214 , G06F119/02
Abstract: 本发明公开了一种基于土壤二维光谱数据迁移学习的大田肥力快速检测方法及系统，首先将光谱数据输入光谱数据二维化模块中，根据短时傅里叶变换，再进行双三次插值，将一维光谱转换为二维频谱图；将处理后的二维频谱图输入SS‑MSC预处理模块中，依次对图片进行二维标准化处理和二维多元散射校正处理；基于改进Inception‑v4的土壤氮磷钾含量检测网络模型,根据预训练数据集完成神经网络的预训练；最后根据大田标准样本点的土壤氮磷钾含量数据对神经网络模型进行自适应调优，完成神经网络模型的迁移，实现大田肥力快速检测；解决了现有方法预测模型训练所需待测农田的先验数据过多、模型对于不同土壤类型的通用性差等问题，提高了大田肥力检测的效率和准确率。
-
公开(公告)号：CN111121701A
公开(公告)日：2020-05-08
申请号：CN201911234615.X
申请日：2019-12-05
Applicant: 东南大学
Abstract: 本发明提供了一种用于发电机抽穿转子安全状态评估的方法：利用转子移动之后三轴加速度计数据计算得到转子的姿态信息，根据姿态信息和转子抽穿过程中转子位于定子内的长度，将定子内膛内的不同直径的转子圆柱段的端点进行空间投影，全部投影到励侧端等同于定子内膛大小的圆面内，只要转子不发生碰撞，所有投影点都一定在该定子端面圆内，再在其中进行安全状态同心圆的区域划分，根据投影点所在区域判断每个圆柱段的安全状态，从而对发电机检修过程中抽穿转子过程的安全状态进行评估；使得安全状态评估方法更为全面、可靠。
-
公开(公告)号：CN108803615A
公开(公告)日：2018-11-13
申请号：CN201810727033.4
申请日：2018-07-03
Applicant: 东南大学
IPC: G05D1/02
CPC classification number: G05D1/0221 , G05D1/0276
Abstract: 本发明公开了基于深度强化学习的虚拟人未知环境导航算法。所述算法通过以下方式实现：首先对虚拟人可感知区域的环境状态、虚拟人状态、起始点信息、目标点信息和行为进行表达，然后构建基于Actor‑Critic框架的深度强化学习结构，最后Actor根据当前环境状态选择合适动作，并通过Critic给出的评价不断进行训练学习，从而获取最优控制策略，使得虚拟人能够成功躲避障碍物，顺利到达目标点。本发明提出的基于深度强化学习的虚拟人未知环境导航算法不仅具有较好的逼真性和较强的通用性，还体现了人类对未知环境的自学习能力。
-
公开(公告)号：CN104008562B
公开(公告)日：2017-05-31
申请号：CN201410249703.8
申请日：2014-06-06
Applicant: 东南大学
IPC: G06T13/20
Abstract: 本发明公开一种面向用户规划的虚拟人群仿真框架，其包括组、触发器、运动范围限制器和云控制端。组由人员构成、活动范围、目标以及个体行为和群体行为四个组件定义和描述，提供对群体行为的模拟，从而实现对各种复杂群体行为的仿真；触发器包括路径点、流量、时间、速度等触发器，提供用于规划人群路径、决策人群行为的路径拓扑信息和感知信息；运动范围限制器提供环境中静态障碍物的位置信息；云控制端根据用户指定的路径拓扑信息和组的目标，为群体规划出无拥堵的最优路径。本发明提出的面向用户规划的虚拟人群仿真框架具有较好的逼真性和实时性，较强的灵活性以及较便捷的操作性，可以根据用户意愿模拟各种场景下逼真的虚拟人群行为。
-
Patent Agency Ranking
公开(公告)号：CN106504267A
公开(公告)日：2017-03-15
申请号：CN201610911967.4
申请日：2016-10-19
Applicant: 东南大学
IPC: G06T7/20
CPC classification number: G06T2207/10016
Abstract: 本发明公开了一种虚拟人运动数据关键帧抽取的方法，本方法包含以下步骤：将虚拟人原始多维关节运动数据量化为一个一维数据序列；用获得的一维数据中包含的运动活性信息确定初始关键帧集合；优化初始关键帧集合中的关键帧为最优关键帧。本发明提出的虚拟人运动数据关键帧抽取方法采用运动数据分析与优化相结合的方法，能够由原始运动数据快速合理的抽取出尽量少的关键帧。在虚拟人动画中，用关键帧进行运动合成编辑或由关键帧处的数据插值获得的重构运动序列都有较好的表现。
-
公开(公告)号：CN119904913A
公开(公告)日：2025-04-29
申请号：CN202510070348.6
申请日：2025-01-16
Applicant: 东南大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/22 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于SAM2‑C2F模型的群养生猪多种类日常行为识别方法，能够有效解决在猪舍环境下由于环境恶劣导致的猪只多种类行为识别精确率低的问题。所述方法包括：S1、使用在线摄像设备获取猪栏中不同时间段的猪只行为数据视频；S2、利用视频处理和抽帧技术提取并整理猪只行为数据并基于数据增强技术扩充图像数量；S3、使用LabelImg软件标注猪只七种日常行为，构建猪只多种类日常行为识别数据集；S4、设计SAM2‑C2F模型，进而搭建基于SAM2‑C2F模型的猪只多种类日常行为识别模型；S5、使用自建数据集训练SAM2‑C2F模型；S6、运用训练好的猪只日常行为识别模型实现对群养生猪多种类日常行为的识别。与现有技术相比，本发明首次将SAM2主干网络以迁移学习的形式引入到群养生猪日常行为识别领域，充分利用大模型的特征提取能力，在猪只日常行为识别的精确度显示出显著优势，具有广泛的应用前景。
-
公开(公告)号：CN118722712A
公开(公告)日：2024-10-01
申请号：CN202410636802.5
申请日：2024-05-21
Applicant: 东南大学
IPC: B60W60/00 , B60W30/18 , B60W50/00 , G06N3/0455
Abstract: 本发明公开了一种基于Transformer和改进DQN算法的自动驾驶车辆换道决策方法，包含以下步骤：对high D数据集进行预处理，提取用于Transformer车辆轨迹预测模型训练的车辆行驶轨迹数据集；搭建用于车辆行驶轨迹预测的Transformer网络；基于提取的车辆行驶轨迹数据集，对Transformer车辆轨迹预测模型进行训练，并对模型进行性能评估和优化改进；基于马尔可夫决策过程，建立基于改进DQN算法的车辆换道决策模型的状态空间和动作空间，并搭建用于策略更新的深度神经网络；综合考虑安全性和行驶效率等因素构建DQN换道决策算法的奖励函数，对模型进行训练，得到自动驾驶车辆的换道决策模型。本发明将周围环境车辆的预测轨迹和自我车辆的状态作为决策基础，实现复杂驾驶环境下的安全高效决策。
-
公开(公告)号：CN116384252A
公开(公告)日：2023-07-04
申请号：CN202310422216.6
申请日：2023-04-19
Applicant: 东南大学
Abstract: 本发明提出了一种自动驾驶仿真测试中NPC车辆的感知和决策方法，首先提出了一种直接感知模型，用于从感知图像中直接获取到驾驶决策相关的指标；然后将直接感知模型接入NPC车辆，使NPC车辆能够基于此获取与决策直接相关的重要交通信息；接着基于强化学习训练NPC车辆的决策模型，并从安全性、效率、舒适度和对测试车的干扰性四个角度设计奖励函数；最后由NPC车辆组成交通流，并接入直接感知模型和训练好的决策模型，使其能够围绕测试车交互，连续快速生成多变的场景，以对主车的自动驾驶能力进行测试。这一方法能够让NPC车辆模仿自动驾驶车辆的驾驶行为，同时对测试车产生多种危险行为，使得仿真测试更加完善高效。
-
公开(公告)号：CN116360266A
公开(公告)日：2023-06-30
申请号：CN202310352933.6
申请日：2023-04-04
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于多目标优化算法的猪舍温度节能控制方法，具体方法如下：首先采用CFD建立猪舍机械通风模式下的舍内温度场响应模型，并结合elman神经网络得到温度场快速预测模型。然后，将需要调控的时段划分为多个调控子时段，获取子时段前5分钟舍内外环境因子平均值作为调控模型输入，以控制效果和控制能耗最小为目标，利用上述神经网络快速预测模型构建适应度评估函数，最后，利用加入混沌映射和自适应t分布策略的改进INFO算法优化控制参数，采用基于能耗优先的偏好决策方法从非劣解集中选出最优解进行子时段控制。该方法结合数值仿真与物联网技术，同时通过多目标优化算法进行控制参数寻优，有利于节省能耗，提升效益。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.021 seconds)
