-
公开(公告)号：CN119071761A
公开(公告)日：2024-12-03
申请号：CN202411054244.8
申请日：2024-08-02
Applicant: 河北省交通规划设计研究院有限公司 , 河北工业大学
Abstract: 本发明实施例公开了一种基于多节点协作的车辆任务卸载方法、设备及介质。其中，方法包括：获取一定路段的任务车和多个服务节点的信息，其中，服务节点包括边缘节点和云节点，所述边缘节点包括服务车、无线接入点和路侧单元；根据边缘节点的能力和任务特征，将所述任务车的任务分割为至少一个子任务；根据各子任务和服务节点的动态偏好，以及各服务节点的资源约束条件，为各子任务分配卸载的服务节点；利用遗传算法优化各边缘节点对卸载的各子任务的资源分配，使得在保证任务成功率的前提下，降低全局时延和成本。本实施例实现车联网场景下的任务卸载和资源分配。
-
公开(公告)号：CN119136254A
公开(公告)日：2024-12-13
申请号：CN202411066106.1
申请日：2024-08-05
Applicant: 河北省交通规划设计研究院有限公司 , 河北工业大学
Abstract: 本发明实施例公开了基于A2C的分布式车辆任务卸载方法和系统，涉及数据处理技术领域。其中，方法包括：获取车辆的当前任务信息和当前车辆信息；将历史任务信息、当前任务信息、当前车辆信息和历史卸载动作为状态变量，输入强化学习智能体，由所述智能体输出当前卸载动作，其中，卸载动作包括任务卸载节点、车载发送设备，以及在边缘服务器的卸载比例，卸载节点包括车辆本地和边缘服务器；根据所述当前卸载动作卸载当前任务，并根据总卸载时延和总能耗计算奖励，根据所述奖励更新所述智能体的网络参数，更新后的智能体用于输出下一任务的卸载动作。本实施例实现非完备信息条件下的分布式车辆任务卸载方法。
-
公开(公告)号：CN116663717A
公开(公告)日：2023-08-29
申请号：CN202310547059.1
申请日：2023-05-16
Applicant: 河北工业大学 , 河北省交通规划设计研究院有限公司
Abstract: 本发明实施例公开了一种车流量预测模型训练、车流量预测方法、装置及设备。该车流量预测模型训练方法包括：确定车流量预测模型中时空模块对应的模块输入数据；其中，所述时空模块的数量为至少两个；所述模块输入数据包括第一模块输入数据和第二模块输入数据；将所述模块输入数据输入至所述时空模块中，得到时空模块中间数据；根据各所述时空模块中间数据确定车流量预测结果，以根据所述车流量预测结果训练所述车流量预测模型。本发明实施例的技术方案能够准确的对车流量进行预测，从而及时分散路网中的车辆，提高路网的安全性。
-
公开(公告)号：CN116523780A
公开(公告)日：2023-08-01
申请号：CN202310456127.3
申请日：2023-04-25
Applicant: 河北省交通规划设计研究院有限公司 , 河北工业大学
IPC: G06T5/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/0455 , G06T5/10
Abstract: 本发明实施例公开了一种基于GAN的去除图像运动模糊的方法、设备及介质。其中，方法包括：获取由多幅模糊图像和对应的清晰图像组成的训练集，其中，所述多幅模糊图像包括不均匀运动模糊图像；基于所述训练集对GAN模型的生成器和判别器进行训练，使模糊图像经过所述生成器和判别器后得到的特征，与对应的清晰图像经过所述判别器后得到特征趋于一致；从训练完毕的GAN模型中提取训练完毕的生成器，利用所述训练完毕的生成器对需要去模糊的图像进行去模糊。本实施例去除图像中的不均匀运动模糊。
-
公开(公告)号：CN114138919B
公开(公告)日：2024-08-06
申请号：CN202111440070.5
申请日：2021-11-30
Applicant: 河北工业大学
IPC: G06F16/29 , G06N3/0464 , G06N3/08 , G06T17/05
Abstract: 本发明公开了一种基于非局部注意力卷积神经网络的地震数据重建方法。本发明通过非局部注意力机制建立长距离特征关系，通过计算不同局部特征之间的相关性权重，建立局部特征之间的依赖关系，使局部特征可以感知到全局信息，通过引入更多的全局信息加强局部特征的学习能力。因此，非局部注意力可以在不显著加大网络深度的同时建立长距离特征关系，有效融合局部特征和全局特征。本发明采用深度残差网络模块，该模块中包含的多个短跳跃连接和一个长跳跃连接，在有效防止过拟合的同时，还能允许大量的浅层特征向深层传递，方便了信息的流动，使主网络专注于重建缺失的地震数据。
-
Patent Agency Ranking
公开(公告)号：CN118418356A
公开(公告)日：2024-08-02
申请号：CN202410501184.3
申请日：2024-04-25
Applicant: 河北工业大学
Abstract: 本发明为一种针对曲面产品的模块化柔性模具及控制方法，包括可移动模块化结构框架、若干电动推杆成型单元以及成型柔性板；若干电动推杆成型单元阵列排布在可移动模块化结构框架内部，成型柔性板设在所有电动推杆成型单元的顶部；一个可移动模块化结构框架及连接的电动推杆成型单元、成型柔性板组成一个模具模块，若干数量的模具模块相互拼接在一起构成模块化柔性模具；电动推杆成型单元在进行高度伸缩的基础上能够改变支撑的局部平面的角度，在若干个电动推杆成型单元的共同作用下实现成型柔性板对目标形状的成型。能够根据不同的生产需求进行快速调整，适用曲面产品范围广。
-
公开(公告)号：CN118060368A
公开(公告)日：2024-05-24
申请号：CN202410239989.5
申请日：2024-03-04
Applicant: 河北工业大学
Abstract: 本发明为一种用于大型曲面产品成形的柔性模具，包括模具底座、顶升成形装置和柔性模面；顶升成形装置位于模具底座上，柔性模面位于顶升成形装置上；所述顶升成形装置包括多个设置在模具底座上的顶升成形模组，每个顶升成形模组均包括边缘可调框架、顶升成形单元和直线导轨；两个直线导轨为一组，每个直线导轨的两端分别安装有边缘可调框架，边缘可调框架在直线导轨上的位置可调且边缘可调框架的高度可调，柔性模面的两侧与边缘可调框架磁吸附连接；同组的两个直线导轨的中部分布有若干个顶升成形单元，每个顶升成形单元在直线导轨上的位置可调，柔性模面的中部与各顶升成形单元磁吸附连接。该柔性模具具有较高的可调性，能够在不更换模具的情况下生产制造不同外形、曲率、尺寸不同的曲面产品。
-
公开(公告)号：CN117937894A
公开(公告)日：2024-04-26
申请号：CN202410021744.5
申请日：2024-01-08
Applicant: 河北工业大学
Abstract: 本发明提供了基于动态滑模控制的降压型直流变换器快速电压调节方法，包括：步骤1：构建具有参数摄动的DC‑DC降压变换器模型；步骤2：建立跟踪误差系统，引入辅助变量得到新的待设计的控制输入；步骤3：根据跟踪误差系统构建干扰观测器的动态方程；步骤4：基于跟踪误差系统设计滑模面、动态滑模控制器以及估计参数的自适应律，实现快速电压调节。本发明设计了一种新的线性滑模面，实现了DC‑DC降压变换器系统电压和电流误差的快速收敛。根据观测器和滑模面的结构，利用指数加幂趋近律设计了一种新型自适应动态滑模控制器，抑制了由传统滑模控制器中切换函数引起的抖振现象，保证了负载电压的良好跟踪性能，实现了DC‑DC降压变换器快速精准的电压调节。
-
公开(公告)号：CN117935555A
公开(公告)日：2024-04-26
申请号：CN202410118360.5
申请日：2024-01-29
Applicant: 河北工业大学
IPC: G08G1/01 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/084
Abstract: 本发明公开一种基于双向GRU超图卷积模型的交通流量预测方法，该方法使用基于协方差的动态邻接矩阵替代实际情况下的节点之间的邻接矩阵，并且分别从路网动态邻接矩阵和其对应的超图这两个角度提取道路历史数据中节点的空间相关性和异构性，有效的提升模型的预测准确率。采用交通预测网络模型通过历史交通数据及其路网动态邻接矩阵和其对应的超图对目标路段的适配的网络参数进行训练，获取目标路段待预测时刻之前一定时长的交通数据，结合训练好的交通预测网络模型，得到目标路段目标时段的交通预测数据。本发明方法从全局角度捕捉功能空间相关性和从局部角度捕捉时变空间相关性，提高交通预测精度。
-
公开(公告)号：CN117874501A
公开(公告)日：2024-04-12
申请号：CN202410050318.4
申请日：2024-01-15
Applicant: 河北工业大学
IPC: G06F18/2131 , G08G1/01 , G08G1/065 , G06F18/15 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06Q50/40 , G06F123/02
Abstract: 本发明为一种基于图卷积循环神经网络的短时交通流预测方法，首先获取路网信息，将路网信息转换为路网图，路网图由多个道路节点以及连接道路节点的边组成；然后，构建短时交通流预测模型，短时交通流预测模型通过学习映射函数，根据路网图和多个历史时间片的交通流特征来预测未来多个时间片的交通流；短时交通流预测模型包括串行的空间特征提取模块、时间特征提取模块以及全卷积网络；其中，空间特征提取模块和时间特征提取模块分别通过时空混合归一层对输入特征进行归一化处理，时空混合归一化层包括时间归一化、空间归一化以及混合归一化三种操作；最后，利用历史交通流数据对短时交通流预测模型进行训练，将训练后的短时交通流预测模型用于预测交通流。该方法更充分挖掘交通流数据的时空相关性及依赖性，提高了预测准确性。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.061 seconds)
