-
公开(公告)号：CN116681159A
公开(公告)日：2023-09-01
申请号：CN202310565369.6
申请日：2023-05-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于鲸鱼优化算法和DRESN的短期电力负荷预测方法，首先使用变分模态分解(Variational mode decomposition，VMD)对负荷序列进行平稳化处理，并计算各分量样本熵值(Sample Entropy，SE)，将样本熵值相似的分量进行合并重构。然后采用偏自相关函数(Partial Auto Correlation Function，PACF)计算滞后阶数，确定最佳的输入变量序列。最后，将结合气象特征因素的重构模态分量输入至预测模型，采用泛化能力和鲁棒性更强的双存储池回声状态网络模型(Double Reservoir Echo State Network，DRESN)进行短期电力负荷数据的预测，并采用鲸鱼优化算法(Whale Optimization Algorithm，WOA)对模型进行参数寻优。本发明相比于传统预测方法，有更高的精确性。
-
公开(公告)号：CN120037067A
公开(公告)日：2025-05-27
申请号：CN202510249401.9
申请日：2025-03-04
Applicant: 重庆邮电大学
IPC: A61H1/02 , A61B3/113 , A61B5/389 , A61B5/22 , G06F3/01 , G06V40/18 , G06F18/2411 , G06F18/214 , G06F18/25
Abstract: 本发明公开了一种基于眼动追踪的智能交互与肌力康复系统。首先对采集到的实时眼动数据预处理；然后，让屏幕中的注视圈可以跟踪用患者的视线，实现眼动追踪；再实现患者通过眼动与UI界面的交互，该界面包括多种功能；接着，采用电机驱动气动系统控制康复手套，患者可以眼动控制康复手套；最后，对肌电数据预处理后，在在线实验中通过可扩展时间窗口法对数据进行特征提取，输入到模型中得到患者的肌力强度，并在UI界面可视化，方便患者控制康复手套。本发明能够让脑卒中等患者在康复中主动、充分地表达自己的需求和意愿，提升与他人沟通的效率；并且通过控制康复手套进行运动和训练，增强神经网络之间的联系，激活和调动大脑中控制运动的区域。
-
公开(公告)号：CN119884813A
公开(公告)日：2025-04-25
申请号：CN202411838484.7
申请日：2024-12-13
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/15 , G06F18/27 , G06F18/213 , G06N3/0442 , G01W1/02 , G16C20/20 , G16C20/70 , G06F123/02
Abstract: 本发明涉及一种基于SARIMA‑LSTM组合模型的空气质量指数预测方法，属于空气质量预报技术领域。首先，获取空气质量历史数据，包括AQI数据、污染物浓度数据、气象因素数据；其次，建立SARIMA模型，对AQI进行预测；再次，建立LSTM模型，对AQI进行预测；最后，基于时变权重法建立SARIMA‑LSTM组合模型，得到更准确的AQI预测值。相比于传统的预测方法，本发明在处理时间序列数据、捕捉非线性关系、提高鲁棒性和泛化能力、实现实时预测等方面具有显著优势。这些优点使得本发明在实际应用中具有更高的实用价值和预测精度。
-
公开(公告)号：CN118280391A
公开(公告)日：2024-07-02
申请号：CN202410427787.3
申请日：2024-04-10
Applicant: 重庆邮电大学
IPC: G10L25/51 , B62D57/032 , B60R11/02 , G10L25/24 , G10L25/30 , G10L21/0208 , G10L25/45
Abstract: 本发明涉及一种用于足式机器人的地面类型识别装置及方法，属于机器人环境感知领域。该装置包括机器人本体、安装于机器人本体的足部的录音模块以及搭载已训练的轻量化识别模型的微型计算机，其中，录音模块包括定向麦克风，若干采用减震结构安装于机器人本体的若干足部并形成麦克风阵列。该方法基于该装置采集机器人在室内外地面环境下的足端触地的音频信号；再采用改进的音频信号处理方法得到MFCC特征，并且在处理过程中使用谱减法消除机器人运行时产生的噪音干扰；将改进后的MFCC特征作为卷积神经网络的输入，训练得到轻量化识别模型。在识别时同样提取MFCC特征输入训练好的轻量化识别模型中得到识别结果。
-
公开(公告)号：CN115221969A
公开(公告)日：2022-10-21
申请号：CN202210898574.X
申请日：2022-07-28
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于EMD数据增强和并行时空卷积网络(SCN)的运动想象脑电信号识别方法，该方法包括步骤：先对原始脑电信号进行预处理，将预处理的脑电信号采用EMD分解得到本征模态，本征模态按照时间维度分段，并与另一相同标签样本不重复的本征模态段进行组合，进而生成更多符合原始脑电信号特征的人造数据，以解决脑电信号样本量少的问题。接着设计了一种并行时空卷积网络，第一层在时间上做卷积，第二层在通道上做卷积，可充分提取脑电信号的时空特征，并考虑运动想象的节律主要分布在μ和β节律，所以分别将脑电信号的μ和β频段作为并行时空卷积网络的输入，以提取脑电信号时、空、频域的特征并分类。本发明可以有效克服因脑电信号数据量少导致的识别准确率低的问题。
-
Patent Agency Ranking
公开(公告)号：CN119439733A
公开(公告)日：2025-02-14
申请号：CN202411565927.X
申请日：2024-11-05
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于干扰观测器的四足机器人单腿滑模控制方法，属于机器人控制技术领域。首先，建立四足机器人单腿在摆动阶段的足端轨迹；然后，建立四足机器人单腿的运动学模型，以实现足端目标位置与对应关节角度的转换；在此基础上，设计非奇异终端滑模控制器，以应对无干扰情况下的动力学控制；最后，结合滑模控制器与干扰估计，设计最终的复合控制策略，实现对机器人关节角度的稳定跟踪，从而提高单腿系统的抗扰性能。本发明利用有限时间干扰观测器与非奇异终端滑模控制器的结合，设计出一种复合控制器，以提高四足机器人的足端轨迹跟踪精度与系统鲁棒性，消除机器人所受外部扰动以及建模误差导致的不确定性。
-
公开(公告)号：CN118348851A
公开(公告)日：2024-07-16
申请号：CN202410427791.X
申请日：2024-04-10
Applicant: 重庆邮电大学
IPC: G05B19/042
Abstract: 本发明涉及一种用于电子节气门系统的终端滑模复合抗干扰控制系统及方法，属于电子节气门系统控制领域。该系统至少包括复合控制器，复合控制器包括终端滑模控制器和干扰观测器。复合控制器根据目标开度和实际开度计算出所需脉宽调制信号输送给驱动电路，驱动电路通过直流电机使节气门阀片运动，并且在节气门阀片运动过程中，节气门节流阀中的位置传感器持续将节气门阀片的实际开度返回至复合控制器，形成闭环控制。该方法通过对集总干扰的准确估计，并将干扰估计信息与非奇异快速终端滑模控制方法相结合，设计了前述的复合控制器以实现节气门阀片的开度控制，能有效抑制电子节气门系统中的非线性、参数不确定性、外部扰动以及系统故障带来的影响。
-
公开(公告)号：CN116758632A
公开(公告)日：2023-09-15
申请号：CN202310704051.1
申请日：2023-06-14
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于区域扩增和位置信息交互的视频行人重识别方法，属于图像检索方法。包括以下步骤：数据切片及预处理；然后使用通道注意模块进行通道权值重建；接着提取前帧的显著特征，进一步将后帧的关注区域从显著到全面进行过渡；然后利用位置信息交互(LII)模块促进位置信息跨所有帧交互，以实现帧之间的相互增强；最后根据模型设计损失函数并进行训练，值得注意的是，在测试阶段，去除LII模块以提升推理速度。本发明提出了轻量化的视频行人重识别模型，在多个公共基准上展现了强大的性能和泛化能力。
-
公开(公告)号：CN116250849A
公开(公告)日：2023-06-13
申请号：CN202211559232.1
申请日：2022-12-06
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/00 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明请求保护一种基于信息分离器和区域卷积网络的脑电信号识别方法，包括：采集脑电数据，并对脑电数据进行滤波、小波包分解和数据标准化等预处理；根据电极安装位置构建拓扑图，再将经过预处理的脑电数据嵌入图中；使用所构建的图创建信息分离器获取每个节点独立的源信息，然后使用聚焦区域特征并且关注的区域范围依次递增的区域卷积网络提取脑电信号特征，区域卷积网络包含三个卷积层，分别为提取节点自身特征的节点卷积层、提取以节点为中心的领域特征的领域卷积层和提取全局特征的全局卷积层；最后由全连接层完成分类识别。本发明可显著降低电极之间的信息冗余度并有效提高脑电信号的识别准确率。
-
公开(公告)号：CN119760220A
公开(公告)日：2025-04-04
申请号：CN202411724586.6
申请日：2024-11-28
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06N3/0895 , G06N20/00 , G06F16/901 , G06N3/042 , G06N3/0464 , G06N3/08 , G16H20/90 , G16H20/10
Abstract: 本发明请求保护一种基于自监督对比学习和语义增强的草药推荐方法。首先使用Word2vec单词嵌入算法，结合症状和草药的语义信息，训练症状和草药的特征表示。然后，构建症状‑草药二部图、症状‑症状协同图和草药‑草药协同图结构，以捕捉症状和草药之间不同类型的关系。利用残差图卷积神经网络聚合邻居节点的特征来更新当前节点的表示，并通过对协同图和二部图进行节点或边的随机丢弃，生成增强的子图。对这些子图进行编码后，采用自监督对比学习方法计算节点之间的对比损失。接着，融合来自不同图的信息，计算草药对症状集合的治疗评分。最后，结合交叉熵损失、Topk损失和对比损失，使用自适应优化算法调整模型的梯度，提高了草药推荐的准确性和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
