-
公开(公告)号：CN104698843B
公开(公告)日：2017-07-11
申请号：CN201510064079.9
申请日：2015-02-06
Applicant: 同济大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于模型预测控制的数据中心节能控制方法，包括以下步骤：1)基于数据中心的内部分布，采用计算流体动力学仿真实验，获得数据中心的快速温度估计模型；2)基于服务器及空调的功率模型，出口温度变化模型及快速温度估计模型，建立数据中心的状态空间模型；3)基于状态空间模型，提出适用于数据中心的模型预测控制方案；4)运用AR模型预测数据中心任务量，用于预测数据中心未来的计算负荷；结合预测的任务量，运用模型预测控制MPC方案对数据中心的各设备进行优化控制。与现有技术相比，本发明具有可以快速、准确的估算出数据中心关键组件出入口空气温度、易于验证和使用、实用性好等优点。
-
公开(公告)号：CN104698843A
公开(公告)日：2015-06-10
申请号：CN201510064079.9
申请日：2015-02-06
Applicant: 同济大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于模型预测控制的数据中心节能控制方法，包括以下步骤：1)基于数据中心的内部分布，采用计算流体动力学仿真实验，获得数据中心的快速温度估计模型；2)基于服务器及空调的功率模型，出口温度变化模型及快速温度估计模型，建立数据中心的状态空间模型；3)基于状态空间模型，提出适用于数据中心的模型预测控制方案；4)运用AR模型预测数据中心任务量，用于预测数据中心未来的计算负荷；结合预测的任务量，运用模型预测控制MPC方案对数据中心的各设备进行优化控制。与现有技术相比，本发明具有可以快速、准确的估算出数据中心关键组件出入口空气温度、易于验证和使用、实用性好等优点。
-
公开(公告)号：CN107045639B
公开(公告)日：2020-06-02
申请号：CN201710158942.6
申请日：2017-03-13
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于时间自动机的跟车行为生成方法，包括以下步骤：S1，从交通数据集中提取跟车数据，将后车速度、后车与前车的相对距离和相对速度作为跟车模型的输入参数，将输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类，用于表示跟车子行为；S4，分别对各跟车子行为建立Helly跟车模型，对各模型进行参数标定，得到对应子行为下的后车加速度，从而获得跟车轨迹。与现有技术相比，本发明通过自动机对符号进行学习，获得隐藏状态，并进行聚类，更好的体现跟车的子行为，精确的表示人类跟车行为轨迹，提高了无人车的智能化水平。
-
公开(公告)号：CN106873595B
公开(公告)日：2019-09-27
申请号：CN201710146212.4
申请日：2017-03-13
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于时间自动机的跟车行为识别方法，包括以下步骤：S1，从交通数据集中提取原始跟车数据，将跟车模型的输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类；S4，将概率低于设定值的子状态去除，然后归并成多个类别，每个类别对应一种跟车子行为；S5，获取实际跟车数据作为输入，通过跟车模型自动机获得跟车子行为。与现有技术相比，本发明将多维连续时间序列符号化并学习生成一个具有很强的可解释性的跟车行为模型，通过自动机对符号进行学习，获得隐藏状态，并进行聚类，能更好的体现跟车的子行为。
-
Patent Agency Ranking
公开(公告)号：CN106908775A
公开(公告)日：2017-06-30
申请号：CN201710134286.6
申请日：2017-03-08
Applicant: 同济大学
IPC: G01S7/48
Abstract: 本发明涉及一种基于激光反射强度的无人车实时定位方法，包括以下步骤：S1，车载的激光雷达对城市道路两侧进行拍摄，获取多帧点云数据，并进行路沿点提取，将路沿点转换到当前车辆坐标系下；S2，选取z轴坐标值位于设定范围内的路沿点获取其在GPS坐标系下的坐标，以无人车当前的GPS坐标点为原点，划分坐标空间得到栅格图；S3，将栅格化的高精度地图与步骤S2得到的栅格图进行匹配，获得无人车在高精度地图上的位置；S4，利用卡尔曼滤波器预测车辆位姿。与现有技术相比，本发明可以在复杂环境下实现实时精确定位，能够有效提高无人车行驶的安全性。
-
公开(公告)号：CN106908775B
公开(公告)日：2019-10-18
申请号：CN201710134286.6
申请日：2017-03-08
Applicant: 同济大学
IPC: G01S7/48
Abstract: 本发明涉及一种基于激光反射强度的无人车实时定位方法，包括以下步骤：S1，车载的激光雷达对城市道路两侧进行拍摄，获取多帧点云数据，并进行路沿点提取，将路沿点转换到当前车辆坐标系下；S2，选取z轴坐标值位于设定范围内的路沿点获取其在GPS坐标系下的坐标，以无人车当前的GPS坐标点为原点，划分坐标空间得到栅格图；S3，将栅格化的高精度地图与步骤S2得到的栅格图进行匹配，获得无人车在高精度地图上的位置；S4，利用卡尔曼滤波器预测车辆位姿。与现有技术相比，本发明可以在复杂环境下实现实时精确定位，能够有效提高无人车行驶的安全性。
-
公开(公告)号：CN107045639A
公开(公告)日：2017-08-15
申请号：CN201710158942.6
申请日：2017-03-13
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于时间自动机的跟车行为生成方法，包括以下步骤：S1，从交通数据集中提取跟车数据，将后车速度、后车与前车的相对距离和相对速度作为跟车模型的输入参数，将输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类，用于表示跟车子行为；S4，分别对各跟车子行为建立Helly跟车模型，对各模型进行参数标定，得到对应子行为下的后车加速度，从而获得跟车轨迹。与现有技术相比，本发明通过自动机对符号进行学习，获得隐藏状态，并进行聚类，更好的体现跟车的子行为，精确的表示人类跟车行为轨迹，提高了无人车的智能化水平。
-
公开(公告)号：CN106896353A
公开(公告)日：2017-06-27
申请号：CN201710168696.2
申请日：2017-03-21
Applicant: 同济大学
IPC: G01S7/48
CPC classification number: G01S7/4802
Abstract: 本发明涉及一种基于三维激光雷达的无人车路口检测方法，通过在无人车行驶过程中，激光雷达采集周围环境数据将数据输入支持向量机回归机，得到前方路口分支信息，支持向量机回归机的训练过程包括：S1，激光雷达安装误差矫正；S2，无人车沿道路行驶，激光雷达对周围环境进行数据采集，得到点云数据，查找到无人车前方的交叉路口节点；S3，对各分支的感兴趣区域进行栅格划分，获取多帧高度信息图；S4，将高度信息图中的像素点序列作为特征向量，将分支的特征作为输出，训练支持向量机回归机。与现有技术相比，本发明设计对不同类型路口的建模方法，能够有效地检测不同种类的路口，适用于不同种类的激光雷达，能够达到相同的检测效果。
-
公开(公告)号：CN106873595A
公开(公告)日：2017-06-20
申请号：CN201710146212.4
申请日：2017-03-13
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于时间自动机的跟车行为识别方法，包括以下步骤：S1，从交通数据集中提取原始跟车数据，将跟车模型的输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类；S4，将概率低于设定值的子状态去除，然后归并成多个类别，每个类别对应一种跟车子行为；S5，获取实际跟车数据作为输入，通过跟车模型自动机获得跟车子行为。与现有技术相比，本发明将多维连续时间序列符号化并学习生成一个具有很强的可解释性的跟车行为模型，通过自动机对符号进行学习，获得隐藏状态，并进行聚类，能更好的体现跟车的子行为。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
