一种多车辆系统的无模型最优同步控制方法

    公开(公告)号:CN115327908A

    公开(公告)日:2022-11-11

    申请号:CN202210986503.5

    申请日:2022-08-17

    Abstract: 本发明涉及多车辆系统控制领域,提供一种多车辆系统的无模型最优同步控制方法,包括:S1:获取多车辆系统;S2:通过模型无关的分布式观测器获得当前领导者的状态;S3:通过历时输入输出数据构建当前跟随者的重构增广状态,根据当前领导者的状态和当前跟随者的重构增广状态获得跟踪误差指标;S4:对分布式控制协议进行训练;若误差指标小于阈值则输出当前的分布式控制协议,进入步骤S5;否则获取新的历时输入输出数据,返回步骤S2;S5:将当前的分布式控制协议作为最优控制协议,通过最优控制协议控制多车辆系统的运行。本发明考虑了未知模型下的一类离散时间异构多智能系统的最优同步控制问题,具有实际应用价值和高强的可扩展性。

    基于自适应局部邻域约束的小波域NMF图像解混方法

    公开(公告)号:CN115311166A

    公开(公告)日:2022-11-08

    申请号:CN202211010169.6

    申请日:2022-08-23

    Abstract: 本发明提供一种基于自适应局部邻域约束的小波域NMF图像解混方法,包括:分别对高光谱数据矩阵和端元数据矩阵进行双正交小波包变换;获取端元数据矩阵对应的小波包树每个节点处的系数矩阵,找到最低条件数的节点;将最低条件数的节点对应的相关矩阵数据,作为基于自适应局部邻域加权约束的NMF模型输入,迭代更新丰度矩阵和端元矩阵,直到所述模型收敛,输出收敛时迭代更新后的丰度矩阵和端元矩阵;使用条件数最低一层的小波包树节点对端元进行重构。克服了在解混过程中出现的病态矩阵问题,进一步提升了解混精度效果。

    一种锂电池温度场快速拟合方法、系统和存储介质

    公开(公告)号:CN114487851A

    公开(公告)日:2022-05-13

    申请号:CN202111518918.1

    申请日:2021-12-13

    Abstract: 本发明提供了一种锂电池温度场快速拟合方法、系统和存储介质,方法包括用温度传感器采集电池表面温度;以锂电池为基准构建坐标系,获取输入坐标矩阵A和输入温度矩阵B;上传输入矩阵AB至上位机软件,拟合出锂电池模型的温度传导公式:构建等比例锂电池模型;对锂电池模型进行网格化分割,构建输出坐标矩阵C;基于热传导公式和电池均匀产热的假设,利用输入矩阵AB拟合温度传导公式;利用温度传导公式逐点计算各网格顶点位置坐标的温度信息,并构建输出温度矩阵D,基于锂电池温度场的输出矩阵CD,通过线性插值的方式拟合出锂电池的温度场信息。本发明仅通过采集电池表面的温度数据便准确地拟合出电池内部的温度信息。

    用于ENPEMF信号的AMW-SST时频分析方法

    公开(公告)号:CN107766289B

    公开(公告)日:2019-11-15

    申请号:CN201710947910.4

    申请日:2017-10-12

    Abstract: 本发明提供了用于ENPEMF信号的AMW‑SST时频分析方法,所述方法包括步骤:建立单元数据,在所述单元数据中存入小波类型作为备选小波用于ENPEMF信号处理;存储所述小波类型的CM值;根据CM值对小波进行筛选得到用于ENPEMF信号处理的母小波;使用所述母小波对待处理ENPEMF信号进行SST处理得到待处理ENPEMF信号的时频分析结果。本发明通过计算小波的CM值自适应地选出最优母小波,最后结合SST算法得出时间轴和频率轴同时具有较高锐化效果的输出,使其时频效果更加清晰,提高时频图的聚集度和可读性。

    基于混沌-RBF神经网络预测ENPEMF信号包络趋势的方法及系统

    公开(公告)号:CN110333527A

    公开(公告)日:2019-10-15

    申请号:CN201910436125.1

    申请日:2019-05-23

    Abstract: 本发明公开了一种基于混沌-RBF神经网络预测ENPEMF信号包络趋势的方法及系统,针对地质灾害前的地球天然脉冲电磁场(ENPEMF)信号,利用基于混沌理论及RBF神经网络的方法及系统来预测该ENPEMF信号强度趋势。本发明中提出的方法及系统实现了ENPEMF信号的嵌入维数m及时间延迟τ的准确计算,可以有效的跟踪ENPEMF信号的强度趋势,并对其进行预测,适用于对ENPEMF信号的进行预测及分析研究。实验结果也表明了混沌-RBF神经网络方法在分析ENPEMF信号内部混沌特性的同时,得到了较好的短期ENPEMF信号预测结果。

    一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法

    公开(公告)号:CN107885698A

    公开(公告)日:2018-04-06

    申请号:CN201710993626.0

    申请日:2017-10-23

    Abstract: 本发明提供了一种用于含噪ENPEMF信号的BGabor-NSPWVD三维时频分析方法,所述方法包括步骤:获取输入的ENPEMF信号;对所述ENPEMF信号进行Gabor变换得到Gabor数组;将所述Gabor数组二值化得到BGabor数组;对所述ENPEMF信号进行SPWVD变换得到SPWVD数组;将所述SPWVD数组进行归一化处理得到NSPWVD数组;所述NSPWVD数组点除以所述BGabor数组得到临时数组;设置合适的上限值与下限值调整所述临时数组得到调整后的临时数组;修正SPWVD数组得到修正后的SPWVD数组;所述修正后的SPWVD数组点除以调整后的临时数组得到BGabor-NSPWVD数组。本发明能够适应噪声信号处理,实现自适应频率赋值,降低含噪信号在扫频时产生的虚假分量,在ENPEMF数据分析中得到良好的应用。

    一种图形识别分离的同步压缩曲波变换方法

    公开(公告)号:CN107610188A

    公开(公告)日:2018-01-19

    申请号:CN201710681682.0

    申请日:2017-08-10

    Abstract: 本发明提供了一种图形识别分离的同步压缩曲波变换方法,所述方法包括步骤:对图像进行预处理;对预处理后的图像进行同步压缩曲波变换得到对应的曲波成分;对得到的曲波成分进行聚类分离;对分离后的曲波成分进行曲波逆变换还原图像各成分。本发明提供了一种图形识别分离的同步压缩曲波变换方法,通过利用同步压缩算法对图像中每个位置的波矢量成分进行了分析,从而实现了对图像方向信息的量化表达。将同步压缩与曲波变换相结合,填补了曲波变换中方向信息描述的空缺。实现了对图像的线奇异特性具有较好的分析效果,对图像中具有各项异性的成分能够实现较好的稀疏表示。同时,该方法本身具备一定的抗噪能力,有利于对目标对象进行更加精确分析。

    消除信号交叉干扰的时频方法、模块、装置及其存储装置

    公开(公告)号:CN107491737A

    公开(公告)日:2017-12-19

    申请号:CN201710598556.9

    申请日:2017-07-21

    CPC classification number: G06K9/0051

    Abstract: 本发明提供了消除信号交叉干扰的时频方法、模块、装置及其存储装置,消除信号交叉干扰的时频方法包括信号采集装置采集目标信号;信号分解装置对目标信号进行分解得到应用数据;应用数据处理装置对应用数据进行处理并得到最终结果。消除信号交叉干扰的模块及装置包括信号采集模块及装置、信号分解模块及装置、应用数据处理模块及装置;这些模块及装置一起用来实现所述的消除信号交叉干扰的时频方法。存储装置用来存储所有需要存储的数据、程序代码等,所述存储装置用来实现所述的消除信号交叉干扰的时频方法。本发明通过抑制信号中的“交叉项”干扰来达到滤波的效果,从而实现对非线性、非平稳信号的时频分析。

    地球天然脉冲电磁场数据处理的时频谱分析方法及系统

    公开(公告)号:CN107037486A

    公开(公告)日:2017-08-11

    申请号:CN201710206470.7

    申请日:2017-03-31

    Abstract: 本发明提供的地球天然脉冲电磁场数据处理的时频谱分析方法及系统,在于针对地质灾害前的地球天然脉冲电磁场(ENPEMF)信号进行时频分析,利用改进后的基于非线性匹配算法(NMP)重构ENPEMF信号,达到降噪的特点,再结合同步压缩小波变换(SST),得到地ENPEMF数据的时频特性,根据时频谱分析地球天然脉冲电磁场数据的变化特点对于预测地震的影响。本发明采用NMP‑SST时频分析方法研究数据,从方法上解决了地球天然脉冲电磁场信号数据的分析问题,为从算法分析角度出发研究地震前兆信息提供了必备的理论基础;该算法也可应用于其他非平稳信号领域的多项研究,有较好的市场应用前景。

    一种多车辆系统的无模型最优同步控制方法

    公开(公告)号:CN115327908B

    公开(公告)日:2024-11-05

    申请号:CN202210986503.5

    申请日:2022-08-17

    Abstract: 本发明涉及多车辆系统控制领域,提供一种多车辆系统的无模型最优同步控制方法,包括:S1:获取多车辆系统;S2:通过模型无关的分布式观测器获得当前领导者的状态;S3:通过历时输入输出数据构建当前跟随者的重构增广状态,根据当前领导者的状态和当前跟随者的重构增广状态获得跟踪误差指标;S4:对分布式控制协议进行训练;若误差指标小于阈值则输出当前的分布式控制协议,进入步骤S5;否则获取新的历时输入输出数据,返回步骤S2;S5:将当前的分布式控制协议作为最优控制协议,通过最优控制协议控制多车辆系统的运行。本发明考虑了未知模型下的一类离散时间异构多智能系统的最优同步控制问题,具有实际应用价值和高强的可扩展性。

Patent Agency Ranking