-
公开(公告)号：CN108647812A
公开(公告)日：2018-10-12
申请号：CN201810399522.1
申请日：2018-04-28
Applicant: 东华大学
CPC classification number: G06Q10/04 , G06N3/0454 , G06N3/0481 , G06N3/084 , G06Q50/06
Abstract: 本发明涉及一种基于主成分自适应BP神经网络的短期电力负荷预测方法，包括：神经网络的输入量为历史数据的主成分，神经网络的输出量为预测日期的24小时负荷值；通过主成分分析生成历史数据的一组新的互不相关的新变量，并将其用于BP神经网络，以上构成了主成分自适应BP神经网络；利用主成分自适应BP神经网络进行短期电力负荷预测。主成分自适应BP神经网络兼具BP神经网络和主成分分析的优点，不仅具有较好的误差反馈修正的动态过程，而且有效的减少了输入数据，增强了数据的有效性。将其应用到短期电力负荷预测中，能够更好的拟合电力负荷系统的非线性、动态性和时变性的特点，预测精度高。
-
公开(公告)号：CN111666839A
公开(公告)日：2020-09-15
申请号：CN202010447134.3
申请日：2020-05-25
Applicant: 东华大学
Abstract: 本发明公开了一种基于改进Faster RCNN的道路行人检测系统，其特征在于：包括前端页面部分，作为整个系统的入口及检测效果展示部分，通过对路况进行实时监控，并采集图像或视频向后台算法部分发送，利用后台算法进行检测，再将行人检测结果返回到前端；后台算法部分，建立行人检测模型并进行训练，和前端页面部分进行交互，将训练完成的行人检测模型设计成接口提供给前端页面调用，完成预测并将预测结果返回到前端页面展示结果，进而反馈给驾驶人员。帮助驾驶人员判断路况，避免因走神、困倦等原因造成的反应不及时，增加驾驶人员的反应时间，提高交通安全，推进智能交通的发展。
-
公开(公告)号：CN109948568A
公开(公告)日：2019-06-28
申请号：CN201910232885.0
申请日：2019-03-26
Applicant: 东华大学
Abstract: 本发明涉及一种基于ARM微处理器和深度学习的嵌入式人脸识别系统，其中，上位机用于将驱动程序和预训练好的人脸识别程序移植到控制板上；控制板用于运行人脸识别程序并将识别的结果显示在显示器上；人脸识别程序包括：网络模型预训练，用于搭建Facenet的人脸识别神经网络并对其进行训练；人脸图像获取，通过所述控制板启动图像获取设备进行人脸照片的采集；人脸照片预处理，将所拍摄的人脸照片进行尺度变化，形成图片金字塔；人脸检测，将所述经过预处理的人脸照片送入到预训练好的深度CNN人脸检测神经网络中，得到人脸部分的图片；人脸匹配，将得到的人脸部分的图片送入预训练好的Facenet人脸识别神经网络中，得到匹配结果。
-
公开(公告)号：CN106971238A
公开(公告)日：2017-07-21
申请号：CN201710141487.9
申请日：2017-03-10
Applicant: 东华大学
Abstract: 本发明涉及一种基于T‑S模糊Elman神经网络的短期电力负荷预测方法，包括以下步骤：获取某地区的电力系统历史负荷数据，对历史负荷数据的异常数据进行处理；对影响电力负荷因素进行分析与量化，将修正后的数据进行归一化；确定神经网络的输入输出数据，在规则层引入延时单元，将规则层的输出即上一时刻所有规则的激活强度作为当前时刻输入的信息，从而建立基于T‑S模糊Elman神经网络，用训练好的T‑S模糊Elman神经网络进行预测，并将预测的数据反归一化从而得到最终的预测负荷值。本发明可以很好的拟合电力负荷系统的非线性、动态性和时变性的特点，预测精度较高，可广泛应用于电力系统短期负荷预测中。
-
公开(公告)号：CN119556458A
公开(公告)日：2025-03-04
申请号：CN202510114193.1
申请日：2025-01-24
Applicant: 中国科学院上海光学精密机械研究所 , 东华大学
Abstract: 一种高功率激光系统的光束指向稳定性控制系统，通过激光发射器、透镜、位置灵敏探测器（PSD）、微机电系统快速反射镜（MEMS快反镜）及数据处理单元，确保激光光束在面临环境震动等外部干扰时仍能保持稳定指向；利用PSD捕捉激光光斑位置信息，经数据处理单元内的FPGA芯片执行PID控制算法，计算出MEMS快反镜所需转动角度，并通过驱动模块实现光路调整。本发明具有高精度与快速响应、低成本与小型化、实时监控与反馈等优势，能有效矫正激光发射器平移导致的光路误差，确保光束指向稳定性，集成了高精度检测、快速调整与先进控制算法，为激光光束稳定指向提供有力支持。
-
Patent Agency Ranking
-
公开(公告)号：CN107730041A
公开(公告)日：2018-02-23
申请号：CN201710951859.4
申请日：2017-10-12
Applicant: 东华大学
Abstract: 本发明提供了一种基于改进的遗传小波神经网络的短期电力负荷预测方法，神经网络的输入量为预测时刻对应的前多个小时的负荷值，神经网络的输出量为预测时刻的负荷值；利用遗传算法选出小波神经网络最优的初始权值，并将其用于小波神经网络；同时在小波神经网络权值修正的过程中增加动量项，避免陷入局部最优；从而构成改进的遗传小波神经网络；利用改进的遗传小波神经网络进行短期电力负荷预测。改进的遗传小波神经网络兼具小波神经网络和遗传算法的优点，不仅具有较好的误差反馈修正的动态过程，而且拥有很强的动态非线性拟合能力。将其应用到短期电力负荷预测中，能够更好的拟合电力负荷系统的非线性、动态性和时变性的特点，预测精度高。
-
公开(公告)号：CN110247436A
公开(公告)日：2019-09-17
申请号：CN201910484106.6
申请日：2019-06-05
Applicant: 东华大学
IPC: H02J3/48
Abstract: 本发明涉及一种基于改进蚁狮优化算法的电力系统经济负荷分配方法，其属于电力系统技术领域。本发明的步骤如下：依据实际中对于电力系统经济负荷分配问题的要求建立相应的约束条件表达式；根据约束条件建立电力系统经济负荷分配问题的目标函数，将实际应用问题转换为数学上的非线性规划问题；利用改进蚁狮优化算法对电力系统经济负荷分配问题进行优化求解。本发明解决了在一定约束条件下电力系统经济负荷分配问题的求解，利用改进蚁狮优化算法对电力系统经济符合分配问题进行优化求解，所得到的解，精度较高，收敛速度较快，节约了总费用。
-
公开(公告)号：CN108681736A
公开(公告)日：2018-10-19
申请号：CN201810331361.2
申请日：2018-04-13
Applicant: 东华大学
CPC classification number: G06K9/342 , G06K9/00791 , G06K9/3275 , G06K9/6256 , G06K9/6269 , G06K2209/15
Abstract: 本发明涉及一种基于ARM微处理器的嵌入式车牌识别系统，包括上位机和集成有ARM微处理器的控制板，所述上位机将编译成功的车牌识别程序移植到控制板；所述集成有ARM微处理器的控制板用于运行车牌识别程序，将采集到的车牌图像处理后，识别出车牌号码；所述车牌识别程序包括：车牌定位，利用HSV颜色定位方法进行一次定位，得到候选车牌区域；车牌判断，利用SVM支持向量机车牌判断模型判断出真实车牌，并判断是否需要对真实车牌进行二次定位；字符分割，利用垂直投影法对统一尺寸后的车牌进行分割，得到车牌字符；字符识别，利用Softmax多元逻辑回归分类器对字符进行识别，得到最终识别的车牌号码。本发明具有体积小、成本低，识别快速的特点。
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.011 seconds)
