-
公开(公告)号：CN118887172B
公开(公告)日：2025-05-06
申请号：CN202410907979.4
申请日：2024-07-08
Applicant: 大连理工大学 , 特变电工新疆电缆有限公司
IPC: G06T7/00 , G06T5/20 , G06T5/60 , G06T5/70 , G06T5/90 , G06N3/0464 , G06N3/086 , G06N3/126 , H04N23/60
Abstract: 本发明涉及一种面向移动视觉系统的成像参数优化方法，包括：获取影响图像质量的成像参数，并对所述成像参数进行约束获取图像数据；构建映射模型，基于所述映射模型获取符合预设图像质量评价值对应的若干组成像参数，其中，所述映射模型通过训练集训练获得，所述训练集包括所述图像数据对应的成像参数和图像质量评价结果，所述映射模型基于卷积神经网络构建；以图像质量评价值的最大期望值为目标，对所述若干组成像参数进行寻优，获取最优的图像成像系统参数组合。本发明结合深度学习的智能优化能力，自动调整成像参数，以适应不同场景和运动状态，从而提高移动机器视觉系统在各种环境下的成像效果和应用性能。
-
公开(公告)号：CN117993510A
公开(公告)日：2024-05-07
申请号：CN202410168472.1
申请日：2024-02-06
Applicant: 大连理工大学 , 中兵智能创新研究院有限公司
IPC: G06N5/04 , G06N5/025 , G06N5/02 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种图嵌入学习知识图谱的战场情境推理方法，包括：提取战场信息中的知识图谱三元组；对所述知识图谱三元组进行编码，获取嵌入向量；对所述嵌入向量计算得分，获取所述知识图谱三元组的分数，基于所述分数，获得战场情境推理的实体关系。本发明首先从战场信息中提取知识图谱三元组；将图注意力网络应用于知识图谱，对知识图谱三元组进行编码，获取嵌入向量，提出了一种新的实体与关系嵌入方式，建立了关系和相邻节点之间的注意力机制，再通过对所述嵌入向量计算得分，能有效预测实体之间的关系，提高了知识推理模型的准确率。
-
公开(公告)号：CN110210806B
公开(公告)日：2023-03-24
申请号：CN201910443425.2
申请日：2019-05-27
Applicant: 大连理工大学
IPC: G06Q10/083 , G06Q10/047 , G06Q10/063 , G06V20/58 , G08C17/02 , H04W4/44 , H04W4/46
Abstract: 本发明属于5G移动机器人领域，涉及一种5G边缘计算的云基无人车架构及其控制评价方法。所述的云基无人车架构包括设备层、边缘计算层和云计算层三层。设备层包含云基无人车、车间、路侧单元和5G基站。所述的边缘计算层包括边缘计算服务器和5G基站另外发出的5G核心网。每个子区域内设有一个边缘计算服务器，边缘计算服务器与设备层间通过5G核心网进行连接。所述的云计算层包括云服务器和控制中心，控制中心位于工厂内。本发明结合5G通信以及边缘计算技术设计了云基无人车架构，使得工厂中的多辆云基无人车可以实现感知周围环境、任务分配、规划路径、避碰等功能，提高了工厂中多辆云基无人车配送货物的效率。
-
公开(公告)号：CN110110903B
公开(公告)日：2022-09-30
申请号：CN201910307290.7
申请日：2019-04-17
Applicant: 大连理工大学
Abstract: 本发明属于物流调度领域，具体涉及一种基于神经进化的配送车辆路径规划方法，第一步建立模型，设公司有M量货车，在调度区域P和一天之内的时间范围L内，处理随时间到达的物流请求集合R，每一个请求r包括宣布时间、交取货地点和交取货地点时间窗。第二步，每辆货车请求处理哪一个任务取决于任务对应的优先级，优先级的计算需要神经网络，输入该货车对某一任务的信息，输出该任务对该货车的优先级，进而选择优先级高的任务请求处理。每个神经网络对应一个成本函数，通过神经进化算法对神经网络优化，得到成本函数最优的物流调度方案。本发明有助于减少物流公司的运输成本，并且在动态场景下允许离线转移大量的计算工作，降低硬件要求。
-
公开(公告)号：CN111785088B
公开(公告)日：2021-08-20
申请号：CN202010581563.X
申请日：2020-06-23
Applicant: 大连理工大学
IPC: G08G1/16 , G08G1/0967 , G08G1/01 , G06K9/62
Abstract: 本发明属于车联网体系下网联车辆的智能控制技术领域，具体涉及一种网联车辆匝道合并的双层协同优化方法。本发明考虑在计算负荷和最优性之间存在权衡，通过上层最优化模型和下层解析解的形式较大程度地提高了最优性和最大限度地降低了计算量；采用智能网联车辆匝道合并协同控制的上下两层调度优化模型，上层决定和分配每辆智能网联车进入合并区域的时间，下层确定每辆智能网联车的具体运动轨迹，有助于匝道合并的交通效率和能源利用率的提高，通过下层计算，满足不了最小时间间隔的智能网联车辆将重新返回上层调度进行调度计算，使系统具有鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN108738031B
公开(公告)日：2021-07-16
申请号：CN201810375918.2
申请日：2018-04-16
Applicant: 大连理工大学
Abstract: 本发明属于多传感器协同控制领域，具体涉及一种面向协同感知的多传感器联合部署模型构建及优化仿真方法，第一步：数学模型的构建，将待测区域定义为矩形区域，用网格分割成m行n列，Xm×n表示相应的区域探测矩阵；第二步：将问题转化为无约束问题；第三步：求解多传感器联合部署问题，基于蚁群算法求解多传感器联合部署问题。本发明基于蚁群算法求解多传感器联合部署问题，该算法具有良好的鲁棒性，正反馈机制和分布式计算的优点，在解决复杂的组合优化问题方面具有很大的优势。
-
公开(公告)号：CN111884850A
公开(公告)日：2020-11-03
申请号：CN202010719390.3
申请日：2020-07-23
Applicant: 大连理工大学
Abstract: 本发明属于车联网和智能交通领域，涉及一种车路协同环境下非信控交叉路口控制方法。本发明中解决由网络往返延迟和交叉路口管理器处理时间不确定性而引起的交通事故问题，在非信控交叉路口管理方法中，智能网联汽车行为将是确定性的，并且IM的调度也是安全的。对于未知的RTD，本发明避免考虑额外的安全缓冲区，因此可以实现更高的吞吐量。本发明考虑了控制器的参数，使CAV的行为更加精确。鉴于一些突发紧急状况，本发明所提出的紧急故障模型以及紧急故障恢复机制，提高了系统的安全性。实验结果表明，与传统技术相比，本方法可以将位置不确定性降低15％，并使吞吐量提高多达36％，可减少发生在交叉路口的故障及拥堵现象。
-
公开(公告)号：CN110275535A
公开(公告)日：2019-09-24
申请号：CN201910566130.4
申请日：2019-06-27
Applicant: 大连理工大学
IPC: G05D1/02
Abstract: 本发明属于仓储物流路径规划领域，涉及一种基于改进A星算法的多状态车辆路径规划方法。所述方法步骤如下：将搜索区域划分为二维数组，数组每个元素对应一个搜索区域的节点，共有n个节点。构建开放列表与关闭列表；Open list中存放在路径规划中待检测的节点，closelist中存放已检测过的节点。构造单一状态下车的节点权重。将m种状态的车分别构造节点权重。根据启发式函数计算节点的代价以搜索车的最优路径；H为节点j到目标节点的代价，G为起始节点到节点j的代价。本发明针对多状态车辆路径规划时，考虑到了不同节点的繁忙程度。通过利用节点可通过车辆状态的种类，能加快多车路径规划的求解速度。
-
公开(公告)号：CN110110903A
公开(公告)日：2019-08-09
申请号：CN201910307290.7
申请日：2019-04-17
Applicant: 大连理工大学
Abstract: 本发明属于物流调度领域，具体涉及一种基于神经进化的配送车辆路径规划方法，第一步建立模型，设公司有M量货车，在调度区域P和一天之内的时间范围L内，处理随时间到达的物流请求集合R，每一个请求r包括宣布时间、交取货地点和交取货地点时间窗。第二步，每辆货车请求处理哪一个任务取决于任务对应的优先级，优先级的计算需要神经网络，输入该货车对某一任务的信息，输出该任务对该货车的优先级，进而选择优先级高的任务请求处理。每个神经网络对应一个成本函数，通过神经进化算法对神经网络优化，得到成本函数最优的物流调度方案。本发明有助于减少物流公司的运输成本，并且在动态场景下允许离线转移大量的计算工作，降低硬件要求。
-
公开(公告)号：CN109993362A
公开(公告)日：2019-07-09
申请号：CN201910255414.1
申请日：2019-04-01
Applicant: 大连理工大学
Abstract: 一种基于最小成本流网络模型的物流配送方法。本发明属于物流配送领域，具体涉及一种从多个供应点经过转运点并到达多个需求点的考虑时间和成本的路径规划方法。所述的物流配送方法步骤如下：第一步：构建用于物流配送的最小成本流网络模型。第二步：使用改进的网络单纯形法进行求解，对于MCF‑LD模型，需要一种求解方法才能对模型进行优化。本发明采用了改进的网络单纯形法，对于每一个连接的网络图都有一个生成树，网络单纯形法在每次迭代过程中都保持一个可行的生成树并成功地逼近最优条件，直至达到最优。本发明所使用的网络单纯形法的定价方案不仅考虑了单位流量的成本，也考虑了时间成本。并且网络单纯形法是在图形模型发生变化时，通过一定的策略对其生成树进行动态更新和修复。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.027 seconds)
