-
公开(公告)号：CN115840360A
公开(公告)日：2023-03-24
申请号：CN202211478690.2
申请日：2022-11-23
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明涉及一种量化输入条件下非严格反馈系统的快速有限时间控制方法，属于控制工程技术领域。本控制方法包括：S1，确定非严格反馈控制系统并选择合适的量化器Q(·)；S2，设计合适的模糊系统，并使用模糊系统核函数的特点将反步法推广到非严格反馈系统中；S3，选择合适的Lyapunov函数并判断需要达到快速有限时间稳定需要满足的条件；S4，基于步骤S1，S2和S3，结合反步法、模糊控制技术和非线性分解方法进行控制器设计；S5，稳定性分析，证明系统满足快速有限时间稳定条件。本发明同时考虑系统的量化输入和非严格反馈结构，实验结果表明本发明能够将反步法有效地推广到非严格反馈系中，且具有控制精度高，响应速度快的特点。
-
公开(公告)号：CN114781744A
公开(公告)日：2022-07-22
申请号：CN202210492332.0
申请日：2022-05-07
Applicant: 东南大学
Abstract: 本发明涉及一种基于编码解码器的深度学习多步长辐照度预测方法，属于光伏发电技术领域。预测方法包括：S1，训练数据获取，获取目标地区历史辐照度数据及其对应的气象数据并制作监督数据集；S2，数据预处理，包括气象信息特征编码以及数据归一化；S3，训练编码解码器模型，其中编码器模型由TCN和LSTM级联结构构成，解码器由LSTM和MLP级联结构构成；利用读取当前时段t0～tN的辐照度作为监督信息，以及t0时刻之前的历史辐照度和气象信息作为输入数据，训练编码解码器模型；S4，预测，将历史数据输入步骤S3训练得到的编码解码器模型，预测未来多步的太阳辐照度。本发明能够充分利用辐照度序列的历史信息，实验表明该发明能够有效提升多步长辐照度预测的精度。
-
公开(公告)号：CN109299650B
公开(公告)日：2021-09-07
申请号：CN201810842645.8
申请日：2018-07-27
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频的非线性在线表情预检测方法及装置，该方法包括：对视频数据进行预处理，提取每帧图像的特征信息；从训练样本中抽取不同长度的视频片断，构建片断与检测函数值的非线性映射；片断的表示基于多示例学习，充分挖掘有效的表情信息，并将每两个视频片段根据映射值的大小构建一个约束对，得到训练数据；在每个时刻，用当前样本的所有约束对更新模型OKMEFD，通过最小化在当前训练数据集上的经验损失和模型复杂度，采用随机梯度下降算法对模型进行优化，获得模型的在线更新准则，进一步获得各个时刻的非线性表情预检测函数。预检测方法为：对测试样本逐帧读取数据并输出相应的检测值，当该值大于设定的阈值时，即认为预检测到该表情事件。本发明实现了在表情视频结束之前的预检测；有效提高了表情识别的及时性。
-
公开(公告)号：CN111985314A
公开(公告)日：2020-11-24
申请号：CN202010656812.7
申请日：2020-07-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于ViBe与改进LBP的烟雾检测方法，首先，对待检测的视频图像进行预处理；其次，采用ViBe算法提取视频图像中的烟雾区域和类似烟雾的动态区域；提取每帧图像动态区域的颜色直方图和梯度直方图；然后，采用SVLBP提取动态区域的动态纹理特征；最后，对静态特征和动态特征进行融合，采用one-class SVM分类器检测烟雾。本发明对烟雾的漏检率较低，能克服噪声的影响，具有一定的鲁棒性。
-
公开(公告)号：CN108022244A
公开(公告)日：2018-05-11
申请号：CN201711235811.X
申请日：2017-11-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于前景和背景种子用于显著目标检测的超图优化方法，包括如下步骤：使用SLIC算法将图像过分割成超像素，计算各超像素的位置和颜色特征；将超像素定义为超图的结点，根据超像素间的全局位置相关性、局部位置相关性和颜色相关性构造概率超图，用于描述输入图像；基于图像边缘超像素和所构造的概率超图、前景种子和背景种子信息，获取前景种子和背景种子信息；提出概率超图优化框架，融合所构造的概率超图，检测出自然场景图像中的显著目标。本发明充分考虑输入图像中的前景种子和背景种子信息，构造能够描述图像中复杂关系的概率超图，提高复杂自然场景图像中显著目标检测的性能，本发明所得检测结果与数据库中的真值图更加一致。
-
Patent Agency Ranking
公开(公告)号：CN114781744B
公开(公告)日：2025-03-07
申请号：CN202210492332.0
申请日：2022-05-07
Applicant: 东南大学
IPC: G06F18/213 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明涉及一种基于编码解码器的深度学习多步长辐照度预测方法，属于光伏发电技术领域。预测方法包括：S1，训练数据获取，获取目标地区历史辐照度数据及其对应的气象数据并制作监督数据集；S2，数据预处理，包括气象信息特征编码以及数据归一化；S3，训练编码解码器模型，其中编码器模型由TCN和LSTM级联结构构成，解码器由LSTM和MLP级联结构构成；利用读取当前时段t0～tN的辐照度作为监督信息，以及t0时刻之前的历史辐照度和气象信息作为输入数据，训练编码解码器模型；S4，预测，将历史数据输入步骤S3训练得到的编码解码器模型，预测未来多步的太阳辐照度。本发明能够充分利用辐照度序列的历史信息，实验表明该发明能够有效提升多步长辐照度预测的精度。
-
公开(公告)号：CN108022244B
公开(公告)日：2021-04-06
申请号：CN201711235811.X
申请日：2017-11-30
Applicant: 东南大学
Abstract: 本发明公开了一种基于前景和背景种子用于显著目标检测的超图优化方法，包括如下步骤：使用SLIC算法将图像过分割成超像素，计算各超像素的位置和颜色特征；将超像素定义为超图的结点，根据超像素间的全局位置相关性、局部位置相关性和颜色相关性构造概率超图，用于描述输入图像；基于图像边缘超像素和所构造的概率超图、前景种子和背景种子信息，获取前景种子和背景种子信息；提出概率超图优化框架，融合所构造的概率超图，检测出自然场景图像中的显著目标。本发明充分考虑输入图像中的前景种子和背景种子信息，构造能够描述图像中复杂关系的概率超图，提高复杂自然场景图像中显著目标检测的性能，本发明所得检测结果与数据库中的真值图更加一致。
-
公开(公告)号：CN112327999A
公开(公告)日：2021-02-05
申请号：CN202011204566.8
申请日：2020-11-02
Applicant: 东南大学
IPC: G05F1/67
Abstract: 本发明公开了一种基于最大功率点跟踪数据的光伏快速检测及精确诊断方法，包括以下步骤：基于最大功率点瞬时电流下降检测异常，其中阈值设定同时考虑了采样间隔及扰动步长；利用特性曲线上关键工作点及极值点个数区分遮挡和线路故障，并进一步评估故障程度；根据故障评估结果，设置工作电压以区分故障组串和正常组串，从而实现故障定位。本发明提出的检测方法无需安装额外的数据采集设备，可方便嵌入商用逆变器，且在低辐照度、低失配等级及安装阻塞二极管等复杂环境下均适用，同时提取的拐点特征可有效区分具有相似特性的部分遮挡及线路故障，避免不必要的断电保护，除此之外，提出的故障定位方法能够快速将故障隔离，进而保证系统的安全运行。
-
公开(公告)号：CN112258548A
公开(公告)日：2021-01-22
申请号：CN202011122423.2
申请日：2020-10-20
Applicant: 东南大学
Abstract: 本发明公开了一种基于改进ViBe算法的运动目标提取方法，实现步骤为：(1)利用监控摄像头采集视频；(2)对采集的视频图像进行预处理；(3)采用ViBe算法对运动目标进行预提取；(4)采用基于图像颜色特征与图像区域匹配方法抑制动态阴影干扰；(5)采用基于改进Canny算子和形态学方法改善动态目标提取不完整问题。本发明能够用于解决ViBe算法动态目标提取中存在的动态阴影干扰和目标提取不完整的问题，提高了动态目标提取的准确度，有利于对运动目标进行识别与跟踪。
-
公开(公告)号：CN112101118A
公开(公告)日：2020-12-18
申请号：CN202010831330.0
申请日：2020-08-18
Applicant: 东南大学
Abstract: 本发明公开一种远景与近景图像结合的光伏组件定位与匹配方法，包括以下步骤：建立光伏电站的三维模型；拍摄远景图像与近景图像；在远景图像中识别光伏组件，选择特征点；根据拍摄点的GPS信息和相机姿态信息，以及光伏电站的三维模型，计算特征点的位置信息；根据特征点的位置信息，校正拍摄点的位置信息；将近景图像与远景图像的相应区域进行匹配；在近景图像中检测异常的光伏组件，在光伏电站的三维模型中进行定位与匹配。本发明充分结合远景图像的光伏组件分布信息，以及近景图像的光伏组件局部信息，有效实现了光伏组件的定位与匹配，可以用于光伏电站无人机拍摄巡检。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.02 seconds)
