-
公开(公告)号：CN114815601B
公开(公告)日：2023-11-07
申请号：CN202210317746.X
申请日：2022-03-29
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明提供了一种减少主动悬挂系统时延误差的修正自抗扰控制方法，能够削弱输入延迟，实现了无时滞的主动悬挂减振作用。本发明在传统自抗扰控制的基础上，先对有延迟的控制输入做时间为τ的预估，基于泰勒级数近似及Smith预估器的思想，利用跟踪微分器得到新的相位超前后的实际控制量输入主动悬挂系统；然后在新控制量与ESO之间加入τ0的延迟模块，使得整个闭环都是对当前时刻的控制效果，通过调整两个延迟模块大小，弥补延迟时间预估误差的影响，在不断循环作用下，提高系统减振效果和鲁棒性，致力于削弱时滞影响，提高整体性能。
-
公开(公告)号：CN115310802A
公开(公告)日：2022-11-08
申请号：CN202210929160.9
申请日：2022-08-03
Applicant: 北京理工大学 , 浙江华云电力工程设计咨询有限公司 , 国瑞沃德(北京)低碳经济技术中心
Abstract: 一种二氧化碳减排潜力曲线特征识别方法、设备及介质。二氧化碳减排潜力曲线特征识别方法包括以下内容：二氧化碳减排潜力曲线的函数化；二氧化碳减排潜力曲线的相关性分析；二氧化碳减排潜力曲线的函数型主成分分析；二氧化碳减排潜力曲线的函数型聚类分析；二氧化碳减排潜力曲线的函数型线性回归分析。本发明提供的一种二氧化碳减排潜力曲线特征识别方法、设备及介质能够系统地对企业、行业和地区层面的二氧化碳减排潜力曲线进行特征识别，挖掘潜在的减排能力、具有的减排难度和减排特点，从技术手段上解决了二氧化碳减排潜力曲线在形态含义上难以解释的问题。
-
公开(公告)号：CN114500004A
公开(公告)日：2022-05-13
申请号：CN202210003869.6
申请日：2022-01-05
Applicant: 北京理工大学
Abstract: 本公开的基于条件扩散概率生成模型的异常检测方法，通过预处理历史时序数据；对历史时序数据进行特征提取，根据提取的特征和下一时刻观测值构建离线条件扩散概率生成模型；利用离线条件扩散概率生成模型和噪声状态转移矩阵重构新噪声序列；利用离线条件扩散概率生成模型和所述新噪声序列预测下一时刻的观测值；根据下一时刻的观测值和实际值的差值确定预设阈值，将所述离线条件扩散概率生成模型和所述预设阈值部署到线上进行实时异常检测。能够减少生成模型本身函数的约束，以及在保持表达能力的同时减少迭代次数，实现更好的异常检测效果。
-
公开(公告)号：CN114494771A
公开(公告)日：2022-05-13
申请号：CN202210036245.4
申请日：2022-01-10
Inventor： 翟弟华 , 王永康 , 夏元清 , 詹玉峰 , 邹伟东 , 刘坤 , 戴荔 , 吴楚格 , 郭泽华 , 李怡然 , 张元 , 张金会 , 闫莉萍 , 孙中奇 , 崔冰 , 高寒 , 杨辰 , 王力 , 史运涛 , 董哲
IPC: G06V10/764 , G06V10/74 , G06V10/762 , G06V10/77 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种可防御后门攻击的联邦学习图像分类方法，采用矩阵降维和聚类算法对Worker节点提交的梯度进行处理，最后选择正常的Worker节点提交的梯度参与聚合，从而完全避免了后门植入全局模型的可能性，此外，本发明所用的方法是一种无监督方法，适用于联邦学习场景，可广泛应用在联邦学习防御中，提高联邦学习的鲁棒性。
-
公开(公告)号：CN119338062A
公开(公告)日：2025-01-21
申请号：CN202411448513.9
申请日：2024-10-17
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06N3/044 , G06N3/08 , G06N3/006
Abstract: 本发明公开了一种基于PSO训练的分位数神经网络的备件预测方法，结合分位数回归神经网络(QRNN)与循环神经网络(RNN)构建了备件需求预测模型，通过分位数回归分析能够更全面地捕捉备件需求的条件分布特征，进而提供对需求波动的深刻洞察，同时，RNN的引入使得模型能够有效处理时间序列数据中的时序依赖性，从而在预测过程中考虑到过去需求对当前需求的影响，有效提高了备件管理的效率，降低了库存成本，提升了客户服务的质量和满意度，为制造和服务行业带来了重要的经济效益和竞争优势，因此具有广泛的应用前景，能够在各类电子产品及其售后服务中发挥重要作用。
-
Patent Agency Ranking
公开(公告)号：CN119130060A
公开(公告)日：2024-12-13
申请号：CN202411260916.0
申请日：2024-09-10
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于改进分布估计算法的多无人机任务分配方法，在现有分布估计算法的生成概率部分采用数学阈值模型，通过生成可表现出无人机当前自身能力的概率模型，实现在后续种群迭代中更快地达到收敛效果，此外，本发明还融合了两种局部搜索策略，有效应对优化过程中可能出现的陷入局部最优解的问题，通过对路径中的非相邻段进行交换能够打破现有解的局部结构探索新的更优解，插入操作能够有效减少等待时长带来的资源浪费，进而达到局部优化的效果，提高了求解质量，降低了无人机的飞行成本。
-
公开(公告)号：CN115562261B
公开(公告)日：2024-05-10
申请号：CN202211180096.5
申请日：2022-09-26
Applicant: 北京理工大学
Inventor： 夏元清 , 周彤 , 高润泽 , 詹玉峰 , 翟弟华 , 戴荔 , 吴楚格 , 孙中奇 , 张金会 , 闫莉萍 , 刘坤 , 郭泽华 , 崔冰 , 邹伟东 , 杨辰 , 张元 , 高寒
IPC: G05D1/43 , G05D1/65 , G05D1/644 , G05D1/648 , G05D105/22
Abstract: 本发明公开了一种基于工作流的车辆运动学轨迹跟踪模型预测控制方法，针对无人驾驶车辆运动学特征建立了无人驾驶车辆轨迹跟踪优化问题模型，采用交替方向乘子法求解该优化问题，并利用云计算的分布式处理结构完成求解过程，因此加快了模型预测控制算法的计算速度，保证了控制算法的实时性，实现了对模型更细粒度的离散，有效降低了离散周期，进一步提高了控制品质。
-
公开(公告)号：CN116933937B
公开(公告)日：2024-01-26
申请号：CN202310928575.9
申请日：2023-07-27
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q10/067 , G06N3/096
Abstract: 本发明公开了一种基于模型迁移学习的电子产品零件备货量预测方法充分利用历史数据，结合分位数回归的方法建立神经网络预测模型，通过对预测模型的不同分位点回归得到多个解与真实的历史数据比较，选择最优估计的分位点，再通过以均方根作为损失函数的神经网络一般建立方法进行验证，此外，对于无法收集到足够的需求样本数据的备件种类，通过模型迁移方法提升预测的准确性，综合以上两方面效果，即可给出后续时间段内的售后备件需求量，指导实际售后服务厂商做出相应的决策，在满足用户备件更换需求的条件下，优化相关成本，与现有备件需求量预测方法相比，对数据的利用更充分，优化性能更优异。
-
公开(公告)号：CN117250949A
公开(公告)日：2023-12-19
申请号：CN202310930042.4
申请日：2023-07-27
Applicant: 北京理工大学
Inventor： 夏元清 , 高润泽 , 周彤 , 詹玉峰 , 戴荔 , 孙中奇 , 翟弟华 , 张元 , 刘坤 , 吴楚格 , 李怡然 , 邹伟东 , 崔冰 , 杨辰 , 高寒 , 郭泽华 , 闫莉萍 , 潘振华
IPC: G05D1/02
Abstract: 本发明公开了一种基于云工作流的实时车辆模型预测控制方法，针对无人驾驶车辆动力学特征建立了无人驾驶车辆轨迹跟踪优化问题模型，采用交替方向乘子法求解该优化问题，并利用云计算的分布式处理结构完成求解过程，因此加快了模型预测控制算法的计算速度，保证了控制算法的实时性，实现了对模型更细粒度的离散，有效降低了离散周期，进一步提高了控制品质，与仅针对无人驾驶车辆运动学特征的方法相比进一步提升了模型和控制的保真度。
-
公开(公告)号：CN116720682A
公开(公告)日：2023-09-08
申请号：CN202310510428.X
申请日：2023-05-08
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的电子产品装配线节拍优化方法，针对机器人装配线平衡优化问题，引入遗传算法优在满足优先约束关系的条件下，将装配任务分配到工作站并将执行效率最高的机器人分配到任务，使得装配线的节拍最小化，在保证求解质量的同时有效提高了装配线的节拍的求解效率。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.021 seconds)
