-
公开(公告)号：CN111176118A
公开(公告)日：2020-05-19
申请号：CN202010017344.9
申请日：2020-01-08
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于鲁棒自适应算法的转台伺服系统辨识方法，利用离散化方法获得电机伺服系统的动力学辨识模型，采用自适应滤波器对采集的辨识数据进行预处理，构造了避免数据饱和的变增益衰减因子，设计一些内部变量和滤波后的变量推导出参数估计误差信息；根据参数估计误差信息建立折扣项，采用初始值误差信息建立对初始值的惩罚项，基于折扣项和惩罚项构造目标函数，对目标函数进行求最优值，获得参数自适率；同时建立了自适应修正增益，提高了修正速率；折扣项提高了辨识算法的精度，惩罚项改善了估计性能的收敛速度，使得本发明提出的目标函数获得辨识性能明显优于通用的预测误差方法，最后，利用实验平台证明提出的算法的有效性和有用性。
-
公开(公告)号：CN114266996B
公开(公告)日：2025-03-28
申请号：CN202111543179.1
申请日：2021-12-16
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06V10/764 , G06V10/84
Abstract: 本发明提出了一种基于Transformer的单目标跟踪方法，其步骤为：从视频的第一帧裁剪出目标区域，使用预训练的ResNet50网络进行特征提取；使用基于Transformer的特征融合方法将目标特征进行特征融合，输入回归模型生成器生成回归模型，将目标特征输入分类模型生成器生成分类模型；将搜索区域的提取特征使用基于Transformer的特征融合方法进行融合输入回归模型得到回归结果；将搜索区域的特征使用Transformer结合训练集进行特征增强输入分类模型得到分类结果；根据分类结果和回归结果对目标生成精确的包围框，进行目标跟踪。本发明将Transformer集成到跟踪框架中，在跟踪过程中充分利用了时间上下文和空间上下文提升了跟踪的精度。
-
公开(公告)号：CN117471907A
公开(公告)日：2024-01-30
申请号：CN202311349953.4
申请日：2023-10-18
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种电机驱动系统建模和分数阶辨识方法，具体步骤为：S1：根据电机驱动系统的组成部分建立电机驱动系统级联化动态模型；S2：建立辨识模型；S3：基于自适应遗忘因子的重复学习梯度辨识方法获得辨识模型内每个模型的估计参数；S4：验证电机驱动系统级联化动态模型。本发明利用模块化模型对电机驱动系统的电机驱动部分、传送环节和负载部分三个部分分别建立子模型，根据模块化建模理论建立级联化动态模型，有效解决了数据淹没问题，提升了梯度算法的估计性能，抵消噪声对参数更新的影响，从数据本身角度解决噪声问题，实现了电机驱动系统的高精度建模和辨识的目的。
-
公开(公告)号：CN116342867A
公开(公告)日：2023-06-27
申请号：CN202310268550.0
申请日：2023-03-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于自适应递归金字塔的YOLOv4小目标检测方法，属于目标检测技术领域，步骤为：构建YOLOv4目标检测网络：金字塔网络输出的特征通过递归再次融入骨干网络，将金字塔网络两次输出的特征进行融合后输入自适应模块；利用骨干网络提取输入图像的深度特征；金字塔网络将不同尺度的深度特征进行特征层拼接；与骨干网络得到的深度特征相结合并进行反向传播，再次输入特征金字塔网络进行特征加强融合；将两次加强融合特征进行特征拼接后输入自适应模块，得到三层不同尺度的特征图；通过检测头网络得到目标检测结果。本发明显著提升了检测网络对小目标的表征能力，能够有效提取更有效的特征信息，具有检测精度高、鲁棒性强的优点。
-
公开(公告)号：CN111176118B
公开(公告)日：2022-11-22
申请号：CN202010017344.9
申请日：2020-01-08
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于鲁棒自适应算法的转台伺服系统辨识方法，利用离散化方法获得电机伺服系统的动力学辨识模型，采用自适应滤波器对采集的辨识数据进行预处理，构造了避免数据饱和的变增益衰减因子，设计一些内部变量和滤波后的变量推导出参数估计误差信息；根据参数估计误差信息建立折扣项，采用初始值误差信息建立对初始值的惩罚项，基于折扣项和惩罚项构造目标函数，对目标函数进行求最优值，获得参数自适率；同时建立了自适应修正增益，提高了修正速率；折扣项提高了辨识算法的精度，惩罚项改善了估计性能的收敛速度，使得本发明提出的目标函数获得辨识性能明显优于通用的预测误差方法，最后，利用实验平台证明提出的算法的有效性和有用性。
-
Patent Agency Ranking
公开(公告)号：CN114266996A
公开(公告)日：2022-04-01
申请号：CN202111543179.1
申请日：2021-12-16
Applicant: 郑州轻工业大学
IPC: G06V20/40 , G06K9/62 , G06V10/764 , G06V10/84
Abstract: 本发明提出了一种基于Transformer的单目标跟踪方法，其步骤为：从视频的第一帧裁剪出目标区域，使用预训练的ResNet50网络进行特征提取；使用基于Transformer的特征融合方法将目标特征进行特征融合，输入回归模型生成器生成回归模型，将目标特征输入分类模型生成器生成分类模型；将搜索区域的提取特征使用基于Transformer的特征融合方法进行融合输入回归模型得到回归结果；将搜索区域的特征使用Transformer结合训练集进行特征增强输入分类模型得到分类结果；根据分类结果和回归结果对目标生成精确的包围框，进行目标跟踪。本发明将Transformer集成到跟踪框架中，在跟踪过程中充分利用了时间上下文和空间上下文提升了跟踪的精度。
-
公开(公告)号：CN114255182A
公开(公告)日：2022-03-29
申请号：CN202111515665.2
申请日：2021-12-13
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于空间自适应全变差的CS迭代阈值图像去噪重建方法，步骤为：初始化重建图像和初始含噪观测值；对获得的重建图像进行迭代更新获得估计值；基于优化阈值软阈值算子进行轮廓波变换获得去噪估计值轮廓波稀疏系数；将获得的去噪估计值轮廓波稀疏系数输入到基于空间自适应全变差CS重建模型中获得重建图像轮廓波系数；使用基于轮廓波维纳滤波算子进行滤波获得重建图像轮廓波系数；将重建图像轮廓波系数进行轮廓波逆变换获得重建图像。本发明采用基于优化阈值软阈值算子的轮廓波变换进行稀疏变换，不仅能够将图像数据与噪声信息进行有效分离，同时能够有效去除隐藏在图像各层中的噪声信息获得高质量的图像稀疏系数，提高了去噪重建能力。
-
公开(公告)号：CN112769545B
公开(公告)日：2022-01-28
申请号：CN202011524802.4
申请日：2020-12-22
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于相邻像素约瑟夫变换和Mealy状态机的图像加密方法，其步骤如下：将大小为M*N的灰度图像转换成二维矩阵；计算灰度图像哈希值和像素值的平均值，分别计算混沌映射的初始值；根据希尔伯特曲线的扫描路线，进行像素级置换得到像素序列；2D‑LSCM混沌映射进行迭代并处理得到两个序列，以两个序列为起点和步长利用约瑟夫遍历进行相邻像素点间比特置乱得到像素序列；对Lorenz混沌映射进行迭代并处理得到3个序列，根据DNA编码转换为DNA序列；利用Mealy状态转换机得到新的DNA序列；将DNA序列转换为二进制序列，得到密文图像。本发明对密钥的敏感性强，能有效抵抗统计攻击和差分攻击等，具有很好的安全性和应用潜力。
-
公开(公告)号：CN111506996A
公开(公告)日：2020-08-07
申请号：CN202010293308.5
申请日：2020-04-15
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于辨识误差受限技术的转台伺服系统辨识方法，利用离散化方法获得电机伺服系统的动力学辨识模型，根据离散化方法获得伺服系统的回归辨识模型，提出基于滤波变量差值信息设计的自适应滤波器，并对收集的系统数据进行去噪，建立变增益衰减因子改善数据饱和现象，设计中间变量和滤波变量构造辨识误差信息。利用指定性能技术对辨识误差施加约束条件，使其限制在某个区间内，避免超调量过大；采用误差转换技术将受约束的辨识误差问题转换为一般的辨识误差设计问题，基于辨识误差信息和改进的修正增益设计参数自适应律保证瞬态性能实现。最后利用实际实验平台验证了本发明基于辨识误差受限技术的转台伺服系统辨识方法的有效性和有用性。
-
公开(公告)号：CN114255182B
公开(公告)日：2023-05-23
申请号：CN202111515665.2
申请日：2021-12-13
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于空间自适应全变差的CS迭代阈值图像去噪重建方法，步骤为：初始化重建图像和初始含噪观测值；对获得的重建图像进行迭代更新获得估计值；基于优化阈值软阈值算子进行轮廓波变换获得去噪估计值轮廓波稀疏系数；将获得的去噪估计值轮廓波稀疏系数输入到基于空间自适应全变差CS重建模型中获得重建图像轮廓波系数；使用基于轮廓波维纳滤波算子进行滤波获得重建图像轮廓波系数；将重建图像轮廓波系数进行轮廓波逆变换获得重建图像。本发明采用基于优化阈值软阈值算子的轮廓波变换进行稀疏变换，不仅能够将图像数据与噪声信息进行有效分离，同时能够有效去除隐藏在图像各层中的噪声信息获得高质量的图像稀疏系数，提高了去噪重建能力。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
