公开(公告)号：CN108021028B

公开(公告)日：2019-04-09

申请号：CN201711407168.4

申请日：2017-12-22

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  王欢 ,  李嫄源 ,  朱智勤 ,  张家昌

IPC: G05B13/04

Abstract: 本发明涉及一种基于相关冗余变换与增强学习的多维度智能房车协同控制方法，属于物联网领域。该方法围绕智能商务旅居房车统一设备连接协议、共享设备接口、提高系统集成度的自主协同控制需求，利用基于POMDP模型和深度增强学习的自主控制引导策略，采用多维度智能融合得到的控制状态作为计算机控制系统的输入，建立POMDP模型以感知、适应、追踪设备控制状态的变化，采用基于深度增强学习的策略优化方法来选择最佳行动策略，实现商务旅居房车的自主协同控制。本发明不仅有利于最终决策的有效性与实时性，同时提高了交互反馈的准确性与策略的学习优化程度，提升用户体验。

公开(公告)号：CN108021028A

公开(公告)日：2018-05-11

申请号：CN201711407168.4

申请日：2017-12-22

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  王欢 ,  李嫄源 ,  朱智勤 ,  张家昌

IPC: G05B13/04

CPC classification number: G05B13/042

Abstract: 本发明涉及一种基于相关冗余变换与增强学习的多维度智能房车协同控制方法，属于物联网领域。该方法围绕智能商务旅居房车统一设备连接协议、共享设备接口、提高系统集成度的自主协同控制需求，利用基于POMDP模型和深度增强学习的自主控制引导策略，采用多维度智能融合得到的控制状态作为计算机控制系统的输入，建立POMDP模型以感知、适应、追踪设备控制状态的变化，采用基于深度增强学习的策略优化方法来选择最佳行动策略，实现商务旅居房车的自主协同控制。本发明不仅有利于最终决策的有效性与实时性，同时提高了交互反馈的准确性与策略的学习优化程度，提升用户体验。

公开(公告)号：CN110824364B

公开(公告)日：2021-11-19

申请号：CN201911018344.4

申请日：2019-10-24

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  张家昌 ,  张子健 ,  柴毅 ,  熊庆宇 ,  丁宝苍 ,  魏善碧

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于AST‑LSTM神经网络的锂电池SOH估计与RUL预测方法，属于锂电池PHM领域。该方法包括：1)集多个电池充放电周期电压、电流、温度和对应的容量值；2)构建深度AST‑LASTM模型；3)基于AST‑LSTM神经网络模型的锂电池SOH估计和RUL预测。本发明仅需待测锂电池的电压、电流、温度和时间即可获得电池容量数据，从而估算出锂电池SOH和RUL，测量过程简单，误差小精度高。

公开(公告)号：CN108259136B

公开(公告)日：2020-10-16

申请号：CN201810030109.8

申请日：2018-01-12

Applicant: 重庆邮电大学

Inventor： 李嫄源 ,  张家昌 ,  李鹏华 ,  朱智勤 ,  米怡

IPC: H04L1/00 ,  H04L12/24 ,  H04L12/40 ,  G06N3/04

Abstract: 本发明涉及一种智能旅居商务房车的跨模态智能感知方法，该方法具体包含如下步骤：S1：基于总线结构对传感器信号进行数据采集传输；S2：通过深度自编码器提取所采集的数据中具有共性的感知数据，简化数据编码；S3：运用自编码器权值连接关系，优化连接网络结构。针对数据传输量负载大的问题，本专利采取了以深度自编码技术为核心的数据编码技术，在保障了数据传输质量的同时又降低了数据的维度保证了数据传输的负载的平衡。本专利方法提出了稀疏优化的神经网络剪枝技术，在衡量连接关系的权值大小后简化连接结构，提高数据输入输出效率和编码器的运转效率。

公开(公告)号：CN110824364A

公开(公告)日：2020-02-21

申请号：CN201911018344.4

申请日：2019-10-24

Applicant: 重庆邮电大学

Inventor： 李鹏华 ,  张家昌 ,  张子健 ,  柴毅 ,  熊庆宇 ,  丁宝苍 ,  魏善碧

IPC: G01R31/367 ,  G01R31/392 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于AST-LSTM神经网络的锂电池SOH估计与RUL预测方法，属于锂电池PHM领域。该方法包括：1)集多个电池充放电周期电压、电流、温度和对应的容量值；2)构建深度AST-LASTM模型；3)基于AST-LSTM神经网络模型的锂电池SOH估计和RUL预测。本发明仅需待测锂电池的电压、电流、温度和时间即可获得电池容量数据，从而估算出锂电池SOH和RUL，测量过程简单，误差小精度高。

公开(公告)号：CN108259136A

公开(公告)日：2018-07-06

申请号：CN201810030109.8

申请日：2018-01-12

Applicant: 重庆邮电大学

Inventor： 李嫄源 ,  张家昌 ,  李鹏华 ,  朱智勤 ,  米怡

IPC: H04L1/00 ,  H04L12/24 ,  H04L12/40 ,  G06N3/04

Abstract: 本发明涉及一种智能旅居商务房车的跨模态智能感知方法，该方法具体包含如下步骤：S1：基于总线结构对传感器信号进行数据采集传输；S2：通过深度自编码器提取所采集的数据中具有共性的感知数据，简化数据编码；S3：运用自编码器权值连接关系，优化连接网络结构。针对数据传输量负载大的问题，本发明采取了以深度自编码技术为核心的数据编码技术，在保障了数据传输质量的同时又降低了数据的维度保证了数据传输的负载的平衡。本发明方法提出了稀疏优化的神经网络剪枝技术，在衡量连接关系的权值大小后简化连接结构，提高数据输入输出效率和编码器的运转效率。