-
公开(公告)号:CN117688991A
公开(公告)日:2024-03-12
申请号:CN202311608550.7
申请日:2023-11-29
Applicant: 江苏大学
IPC: G06N3/049 , G06N3/0455 , G06N3/06
Abstract: 本发明提供了一种基于分层多尺度的改进型CLA神经网络,为多层结构,每层均设有空间池和时间池,其中第一层空间池的输入为输入网络的时间序列数据,其余各层空间池则根据各自前一层时间池内神经元激活情况创建一个二进制的融合码作为输入;最后根据各层获得的预测神经元集合,利用基于注意力的预测解码进行解码,输出预测结果。本发明针对CLA神经网络的改进,利用分层多尺度的架构将使低层CLA学习短期序列信息,高层CLA学习长期序列信息,使网络能够捕捉时间序列数据的短期和长期相关性,有效提升CLA神经网络对于复杂序列的建模能力。
-
公开(公告)号:CN110659722B
公开(公告)日:2023-07-18
申请号:CN201910814961.9
申请日:2019-08-30
Applicant: 江苏大学
IPC: G06N3/0499 , G06N3/084 , G06F18/214 , G01R31/367 , G01R31/392
Abstract: 本发明提出了一种基于AdaBoost‑CBP神经网络的电动汽车锂离子电池健康状态估算方法。由于放电电压、放电电流、循环充放电次数在电池使用过程中变化趋势明显,本发明采用这三种参数作为SOH估算的输入数据,并将电池容量作为输出参数。由于电池数据存在噪音并呈现非线性变化特性,采用扩展卡尔曼滤波算法进行去噪。针对BP神经网络易陷入局部最优的问题,采用分数微积分理论对其梯度下降法进行优化。最后,将分数阶BP神经网络作为弱学习器,利用AdaBoost算法的自适应加强性能增强学习器的拟合能力,并将每轮弱学习器进行集成得到强学习器,以提高学习器的多样性,实现各学习器在不同工况数据下性能的优势互补,有效提高估算精度。
-
公开(公告)号:CN110751054B
公开(公告)日:2023-06-16
申请号:CN201910915510.4
申请日:2019-09-26
Applicant: 江苏大学
Abstract: 本发明公开了一种异常驾驶行为的检测系统,包括依次信号连接的驾驶动作输入模块、异常驾驶行为检测模块和反馈模块,所述异常驾驶行为检测模块包括异常驾驶行为模式数据库、驾驶动作监控模块和模糊匹配模块,异常驾驶行为模式数据库、驾驶动作监控模块均与模糊匹配模块信号连接。本发明基于异常驾驶行为本身的动作序列的,检测更准确;同时可以匹配且识别和异常行为模式数据库中相似的异常驾驶行为,克服不确定性。
-
公开(公告)号:CN112365706B
公开(公告)日:2021-11-23
申请号:CN202010958545.9
申请日:2020-09-14
Applicant: 江苏大学
Abstract: 本发明公开了一种基于多源信息的异常车距辨识方法,通过路侧雷视设备采集监测路段内的道路及车辆信息,获取监测路段内所有目标车辆的位置信息,对所有目标车辆的位置信息进行处理,得到同一条车道上所有目标车辆之间的前后距离Li并建立每一条车道的车距高斯正态分布模型;基于车道车距高斯正态分布模型确定当前状态下的疑似异常车距的判定阈值Lis;将同一条车道内目标车辆之间的前后车距Li与判定距离Lis进行比较,并将前后车距Li不大于判定距离Lis的车辆的信息,输入到下一步的针对疑似异常车距的判定系统中作进一步异常判定;基于安全跟车距离阈值Lmax,对筛选出的疑似异常车距的目标车辆进行异常判定。
-
公开(公告)号:CN111103553B
公开(公告)日:2021-11-23
申请号:CN201911365666.6
申请日:2019-12-26
Applicant: 江苏大学
IPC: G01R31/392 , G01R31/367 , G06N3/06 , G06N3/04 , G06N3/08
Abstract: 本发明所提出的一种自适应GRNN的电动汽车锂离子电池健康状态的估算方法。针对电池测量数据存在缺失、异常和噪音的特点,根据变异系数采用改进粒子滤波算法处理或选择最小二乘法、均值替换法处理参数以使神经网络输入参数平稳,从而提高抗噪性。而GRNN算法应用于SOH估算具有估算精度高的优势,但因平滑因子人为设定存在其实验平均误差与方差不稳定局限。因此本发明利用QGA对GRNN的平滑因子进行优化以提高网络自适应性。进一步的,考虑到不同特征参数与容量的相关性存在差异的特点,本发明利用最优平滑因子与相关系数构建模式层的传递函数以提高GRNN的估算精度。实验结果表明,本发明所提出的算法能有效估算锂离子电池健康状态具有广阔的应用前景。
-
公开(公告)号:CN109633474B
公开(公告)日:2021-09-10
申请号:CN201811352261.4
申请日:2018-11-14
Applicant: 江苏大学
IPC: G01R31/392 , G01R31/367
Abstract: 本发明公开了一种锂离子电池剩余寿命预测方法,通过运用粒子滤波算法获得电池模型的状态参数变化数据,将数据导入指数平滑预测模型(ES)得到状态参数预测值,再带入观测方程得到容量的观测预测值,最后将观测预测值反馈给粒子滤波对电池剩余寿命(RUL)进行预测。本发明的ES‑PF预测模型,可以解决粒子滤波算法在预测阶段状态参数不能更新,导致预测误差随预测周期变长而变大的问题,有效提高粒子滤波算法的预测精度。
-
公开(公告)号:CN112506922A
公开(公告)日:2021-03-16
申请号:CN202011302704.6
申请日:2020-11-19
Applicant: 江苏大学
IPC: G06F16/22 , G06F16/174 , G06F3/06
Abstract: 本发明提出了面向混合固态存储系统的嵌入式IoT时序数据库设计方法,在存储器驱动中建立时序数据库引擎,以系统调用封装时序数据库的读写访问操作,使系统在读写时序数据时跳过文件系统层的开销;针对时序数据的结构特性,在时序数据库引擎上设计实现了融合删冗和压缩的数据存储策略;设计实现了分层的时序数据管理策略,使低时效数据能自动迁移到SSD中,并对NVM和SSD上的时序数据分别设计了二维混合索引策略和摘要索引策略;本发明能针对时序数据的众多特性来优化数据存储过程,并且能利用NVM的优势来优化SSD上的数据的索引,使存储系统达到更高的空间利用率的同时能动态管理数据在NVM与SSD中的分布以及能高并发和高速地索引时序数据。
-
公开(公告)号:CN112506425A
公开(公告)日:2021-03-16
申请号:CN202011298618.2
申请日:2020-11-19
Applicant: 江苏大学
Abstract: 本发明提出了一种面向多核的NVM存储设备模拟器及设计方法,依据NVM存储设备的地址空间进行存储分区大小的划分,将存储空间分解为多个可以并发访问的分区;针对NVM存储设备内部具有多个级别并发的特性,设置多个访问请求处理线程,在NVM存储设备内模拟出多个并行访问通道;将访问请求分解为一系列的元操作,并使用四元组表示,分别对应NVM模拟器中能并发访问的不同存储空间;并给出了一种面向多核的NVM存储设备模拟器结构,对NVM存储空间做了更精细化的划分,模拟出NVM存储设备内部的并行性,提高NVM模拟器的吞吐率,并能适应多核环境中I/O访问请求冲突率较高的特性,提高NVM模拟器执行I/O访问请求的效率,同时提高系统在多核间的扩展性。
-
公开(公告)号:CN112365706A
公开(公告)日:2021-02-12
申请号:CN202010958545.9
申请日:2020-09-14
Applicant: 江苏大学
Abstract: 本发明公开了一种基于多源信息的异常车距辨识方法,通过路侧雷视设备采集监测路段内的道路及车辆信息,获取监测路段内所有目标车辆的位置信息,对所有目标车辆的位置信息进行处理,得到同一条车道上所有目标车辆之间的前后距离Li并建立每一条车道的车距高斯正态分布模型;基于车道车距高斯正态分布模型确定当前状态下的疑似异常车距的判定阈值Lis;将同一条车道内目标车辆之间的前后车距Li与判定距离Lis进行比较,并将前后车距Li不大于判定距离Lis的车辆的信息,输入到下一步的针对疑似异常车距的判定系统中作进一步异常判定;基于安全跟车距离阈值Lmax,对筛选出的疑似异常车距的目标车辆进行异常判定。
-
公开(公告)号:CN111612125A
公开(公告)日:2020-09-01
申请号:CN202010286624.X
申请日:2020-04-13
Applicant: 江苏大学
Abstract: 本发明公开了一种面向在线学习的新型HTM时间池方法及系统,利用空间池算法,获取表达当前输入的少量激活微柱;利用当前输入的位置信息,在激活微柱上生成学习细胞集和活跃细胞集;在学习细胞上对关联相邻输入的树突分支进行调整;利用缩小范围的活跃细胞集对下一次的输入进行预测。本发明利用当前输入的位置信息,在激活微柱上生成学习细胞集和活跃细胞集方式,能够针对当前序列进行学习,提高HTM学习准确性,并在在学习重复序列过程中,降低循环预测出现的可能性,提高HTM的学习效果;在学习细胞上对关联相邻输入的树突分支修改规则的调整,能够针对在线学习的特点,使得时间池算法通过一次训练,快速形成对序列的学习成果,提高HTM的学习效率。
-
-
-
-
-
-
-
-
-