基于CAN网络的数据通讯系统及基于该系统的数据通讯方法

    公开(公告)号:CN102932224A

    公开(公告)日:2013-02-13

    申请号:CN201210482873.1

    申请日:2012-11-23

    Abstract: 基于CAN网络的数据通讯系统及基于该系统的数据通讯方法,涉及测控网络总线通讯领域。它是为了在基于CAN网络的通讯系统中,实现不增加系统额外资源的情况下提高字节数据传输能力。本发明的数据通讯系统包括发送端、发送数据请求模块、接收端、接收数据请求模块、数据接收模块、时间管理模块、一号错误处理模块和二号错误处理模块。其方法:定义了数据传输格式后,连接在CAN网络上的ECU准备收发总线上的数据,整理成符合应用层数据通讯帧格式,对数据进行拆分、组包处理。并且在此基础上,建立可靠的收发机制、时间管理机制和错误处理机制功能维护系统正常的运转,实现了CAN总线数据准确快捷的通讯。本发明适用于测控网络总线通讯。

    基于图像处理的仪表指针转角识别方法

    公开(公告)号:CN102799867A

    公开(公告)日:2012-11-28

    申请号:CN201210234316.8

    申请日:2012-07-09

    Abstract: 基于图像处理的仪表指针转角识别方法,属于图像处理领域,本发明为解决采用绝对角度方法检测仪表指针的帧差法误差大的问题。本发明方法包括以下步骤:一、采集仪表的一幅灰度图像作为原始图像;二、预处理,获取二值化图像,三、获取初步提取仪表盘刻度图像;四、进行Hough圆变换,确定仪表盘的圆心;五、根据所述仪表盘的圆心,对原始图像进行极坐标变换,获取极坐系图像;六、对极坐标系y轴的角度值刻度进行分析,建立刻度角度序列;七、查找极坐标系中指针位置,获取指针二值化图像;八、根据六获得的刻度角度序列获取指针二值化图像在极坐标系下指向y轴的角度值,输出仪表盘的指针指向的真实数据,完成对仪表指针转角的识别。

    一种基于VITs的图像复原方法
    33.
    发明公开

    公开(公告)号:CN117764841A

    公开(公告)日:2024-03-26

    申请号:CN202311802569.5

    申请日:2023-12-25

    Abstract: 一种基于VITs的图像复原方法,本发明涉及基于VITs的图像复原方法。本发明的目的是为了解决现有方法大多基于卷积神经网络复原图像,存在复原的图像精度低的问题。一种基于VITs的图像复原方法具体过程为:步骤一、采集汽车在各种驾驶环境下的退化图像与基准真实图像对,作为训练集;步骤二、构建图像复原网络;步骤三、基于训练集训练图像复原网络,获得训练好的图像复原网络;步骤四、采集待测退化图像,输入训练好的图像复原网络获得复原图像。本发明用于图像复原领域。

    一种基于深度学习的智能汽车激光雷达点云异常检测方法

    公开(公告)号:CN117763423A

    公开(公告)日:2024-03-26

    申请号:CN202311802556.8

    申请日:2023-12-25

    Abstract: 一种基于深度学习的智能汽车激光雷达点云异常检测方法,本发明涉及智能汽车激光雷达点云异常检测方法。本发明为了解决现有深度学习模型对点云进行密集异常检测存在数据标注以及如何在实现密集异常检测的同时保障实时性的问题。将待测点云输入训练好的深度学习模型,得到重建的无噪声点云和异常类别;当异常类别为无异常时,待测点云异常检测结果为没有任何异常;当异常类别为无法处理的异常时,待测点云为异常点云;当异常类别为某个可处理的异常时,计算相对距离差的绝对值,大于阈值待测点云中第k个点为异常点,否则待测点云中第k个点不识别为异常点;直至判断完待测点云中所有点是否为异常点。本发明用于智能汽车激光雷达点云异常检测领域。

    一种基于深度学习算法的空气波压力按摩仪参数优化方法

    公开(公告)号:CN109330846A

    公开(公告)日:2019-02-15

    申请号:CN201811141039.X

    申请日:2018-09-28

    Abstract: 一种基于深度学习算法的空气波压力按摩仪参数优化方法,本发明涉及空气波压力按摩仪参数优化方法。本发明为了解决现有深度学习只训练一次导致准确率低以及重新训练成本高的问题。本发明包括:一:采集用户的血压和脉搏数据;二:在服务器上建立深度学习结构模型;三:得到训练后的深度学习结构模型;四:采集用户的血压和脉搏数据,输入训练后的深度学习结构模型中,根据输出的空气波压力按摩仪参数调整空气波压力按摩仪的按摩力度、按摩频率和按摩部位;五:经过时间T对得到的训练后的深度学习结构模型进行训练,得到新的模型;采用新的模型替换步骤四中训练后的深度学习结构模型,重复执行步骤四。本发明用于医疗技术领域。

    一种基于数据库的汽车仪表装配流水线跟踪系统

    公开(公告)号:CN103760868B

    公开(公告)日:2016-05-25

    申请号:CN201410035449.1

    申请日:2014-01-24

    CPC classification number: Y02P90/02 Y02P90/04 Y02P90/14

    Abstract: 一种基于数据库的汽车仪表装配流水线跟踪系统,本发明涉及一种流水线准确跟踪系统。本发明是要解决依靠人为记录和手动查询流水线的工作状况以及查询流水线上产出产品的相关重要信息效率低,容易出错,人工统计工作量大的问题。基于数据库的汽车仪表装配流水线跟踪系统包括登陆模块与生产模块;所述登陆模块包括选择产品子模块、新建产品子模块、选择Can卡端口子模块、登陆用户名与用户密码子模块;所述生产模块包括查询子模块、统计子模块、排故子模块、设置子模块与故障信息报告子模块。本发明应用于汽车系统跟踪领域。

    一种基于自适应控制的汽车主动悬架的抗饱和控制方法

    公开(公告)号:CN104999880A

    公开(公告)日:2015-10-28

    申请号:CN201510505295.2

    申请日:2015-08-17

    Abstract: 一种基于自适应控制的汽车主动悬架的抗饱和控制方法,本发明涉及抗饱和控制方法。本发明是要解决现有技术需要考虑执行器的输出力可测,执行器饱和值已知和线性控制方法不能很好的解决悬架系统中存在的非线性的问题,而提出的一种基于自适应控制的汽车主动悬架的抗饱和控制方法。该方法是通过步骤一、建立饱和执行器数学模型;步骤二、建立具有饱和执行器1/4的汽车主动悬架系统的非线性模型;步骤三、利用饱和执行器1/4的汽车主动悬架系统的非线性模型设计抗饱和控制器;步骤四、采用李亚普诺夫函数Lyapunov函数法对抗饱和控制器进行检验等步骤实现的。本发明应用于抗饱和控制领域。

    一种基于数据库的汽车仪表装配流水线操作控制方法

    公开(公告)号:CN103616856A

    公开(公告)日:2014-03-05

    申请号:CN201310537475.X

    申请日:2013-12-11

    CPC classification number: Y02P90/02 Y02P90/04

    Abstract: 一种基于数据库的汽车仪表装配流水线操作控制方法,本发明涉及一种流水线准确控制的方法。本发明是要解决现有技术存在缺陷,无法准确控制流水线流程的问题。本发明按以下步骤进行:一、设计上位机软件界面;二、设置数据库;三、上位机处理下位机传来的信息;四、查询。本发明可以准确控制汽车仪表装配的流水线流程。可应用于汽车仪表装配流水线的操作控制。

    一种非线性系统的状态约束控制方法

    公开(公告)号:CN103454922A

    公开(公告)日:2013-12-18

    申请号:CN201310406676.6

    申请日:2013-09-09

    Abstract: 一种非线性系统的状态约束控制方法,本发明涉及一种控制方法,具体涉及一种非线性系统的状态约束系统的控制方法。本发明是要解决现有控制器需要人工的干预,并且不能提供任何的成功保证,非线性系统导致传统的方法很难应用及非线性系统时优化算法的效率低的问题,而提供了一种非线性系统的状态约束系统的控制器设计方法。步骤一、建立非线性严格反馈系统的数学模型;步骤二、设计全状态约束反步递推控制器;步骤三、验证全状态约束可行性条件检测。本发明应用于自动控制领域。

Patent Agency Ranking