公开(公告)号：CN119313003A

公开(公告)日：2025-01-14

申请号：CN202411434953.9

申请日：2024-10-15

Applicant: 南京林业大学

Inventor： 张天慈 ,  丛玮 ,  陈俊 ,  王崴崴 ,  孙嵩松 ,  郑燕萍 ,  田杰 ,  徐晓美 ,  万茂松

IPC: G06Q10/047 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/048

Abstract: 本发明公开一种知识与数据协同驱动的轨迹规划冲突规避方法、介质及产品，方法包括基于多个移动目标的帕累托最优规划轨迹，通过笛卡尔积生成多组联合轨迹；利用OPEN列表存储为每组联合轨迹初始化的根节点并创建二叉树；重复以下步骤：利用节点排序的神经网络模型选择节点：当联合轨迹不存在轨迹冲突时：将所选择的节点加入可行解集；当联合轨迹存在轨迹冲突时：基于所选择的节点以及产生冲突的至少两个移动目标，进行冲突规避，生成至少两个包含新的联合轨迹的子节点加入OPEN列表；从可行解集中选择总代价最小的节点，为各个移动目标分配无冲突的规划轨迹。本发明实现了有效构建二叉树模型以及合理选择节点进行轨迹规划冲突规避。

公开(公告)号：CN117074957B

公开(公告)日：2024-05-24

申请号：CN202311045089.9

申请日：2023-08-18

Applicant: 南京林业大学 ,  上海空间电源研究所

Inventor： 郑燕萍 ,  周文璐 ,  陈俊 ,  杨丞 ,  晏莉琴

IPC: G01R31/367 ,  G01R31/392 ,  G06F18/25 ,  G06F18/2135 ,  G06N3/006 ,  G06N20/00

Abstract: 本发明公开了一种基于数‑模融合的锂离子电池剩余使用寿命预测方法，本方法为了兼顾电池剩余使用寿命预测的准确性和不确定性表达，基于多个间接健康指标融合得到的融合健康指标，提出了一种基于粒子群算法优化极限学习机和随机扰动无迹粒子滤波算法结合的数‑模融合电池剩余使用寿命预测方法。该数‑模融合方法将构建的具有更高拟合精度的电池经验衰退模型作为状态方程，PSO‑ELM预测模型作为观测方程，并通过RP‑UPF算法获得模型后验参数并不断逼近电池的真实衰退曲线，继而预测电池剩余使用寿命。

公开(公告)号：CN117074957A

公开(公告)日：2023-11-17

申请号：CN202311045089.9

申请日：2023-08-18

Applicant: 南京林业大学 ,  上海空间电源研究所

Inventor： 郑燕萍 ,  周文璐 ,  陈俊 ,  杨丞 ,  晏莉琴

IPC: G01R31/367 ,  G01R31/392 ,  G06F18/25 ,  G06F18/2135 ,  G06N3/006 ,  G06N20/00

Abstract: 本发明公开了一种基于数‑模融合的锂离子电池剩余使用寿命预测方法，本方法为了兼顾电池剩余使用寿命预测的准确性和不确定性表达，基于多个间接健康指标融合得到的融合健康指标，提出了一种基于粒子群算法优化极限学习机和随机扰动无迹粒子滤波算法结合的数‑模融合电池剩余使用寿命预测方法。该数‑模融合方法将构建的具有更高拟合精度的电池经验衰退模型作为状态方程，PSO‑ELM预测模型作为观测方程，并通过RP‑UPF算法获得模型后验参数并不断逼近电池的真实衰退曲线，继而预测电池剩余使用寿命。

公开(公告)号：CN119378366A

公开(公告)日：2025-01-28

申请号：CN202411357943.X

申请日：2024-09-27

Applicant: 南京林业大学

Inventor： 张天慈 ,  陈俊 ,  丛玮 ,  王崴崴 ,  徐晓美 ,  万茂松 ,  赵奉奎

IPC: G06F30/27 ,  G06N3/0442 ,  G06N3/048

Abstract: 本发明公开一种交通与人工智能交叉技术领域的基于深度神经网络的轨迹跟踪误差不确定性量化方法，包括获取待跟踪物体运行路径上的理想速度曲线；按固定间隔将待跟踪物体运行路径离散化表示为路径中线参考点序列；根据理想速度曲线和路径中线参考点序列，基于预先训练的参考轨迹生成网络依次生成N个轨迹位置点序列，得到参考轨迹；将参考轨迹输入预先训练好的不确定性量化网络，对轨迹跟踪误差的不确定性进行量化，输出待跟踪物体相对于参考轨迹运动的轨迹误差概率分布。本发明实现了对轨迹跟踪误差不确定性的精确量化，解决了现有技术操作复杂、计算量大、未能充分利用已记录的大量运行数据包含的轨迹分布信息来量化轨迹跟踪误差不确定性的问题。

公开(公告)号：CN119204374A

公开(公告)日：2024-12-27

申请号：CN202411434951.X

申请日：2024-10-15

Applicant: 南京林业大学

Inventor： 张天慈 ,  吴秀萍 ,  陈俊 ,  刘嵩威 ,  王崴崴 ,  徐晓美 ,  赵奉奎 ,  万茂松

IPC: G06Q10/047 ,  G06Q10/101 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开一种基于神经网络增强的路径与轨迹协同优化方法、装置、介质及产品，方法包括获取移动目标的起止节点和待求解问题的图结构，基于协同优化模型得到待求解问题的鲁棒帕累托前沿；包括训练变分自编码网络模型生成候选路径集；基于候选路径集获取理想速度曲线，利用轨迹生成模型生成轨迹集；包括对变分自编码网络模型的隐空间特征向量进行变异得到新的隐空间特征向量；根据新的隐空间特征向量生成新的候选路径集；获取新的候选路径集中每条候选路径的理想速度曲线生成新的轨迹集；根据轨迹集和新的轨迹集进行筛选得到鲁棒有效轨迹集合作为鲁棒帕累托前沿。本发明有效解决了目前路径与轨迹多目标鲁棒协同优化的不足。