-
公开(公告)号：CN119337281A
公开(公告)日：2025-01-21
申请号：CN202411488872.7
申请日：2024-10-24
Applicant: 重庆邮电大学
IPC: G06F18/2433 , G06F18/10 , G06F18/23213 , G06F18/27
Abstract: 本发明提供一种基于自适应K‑means分段和边界建模的风功率异常数据识别方法，包括：根据底部堆积型异常数据的功率值小于0的特征通过规则筛选的方式识别并滤除风功率数据集中的底部堆积型异常数据；利用CH指数和k‑means算法将规则筛选后的风功率数据集自适应地划分为K个不重叠的簇；将步骤S3得到的各个簇分别按功率值划分为L个区间，并计算每个功率区间对应的风速范围数据和风速均值数据；根据每个功率区间对应的风速范围数据和风速均值数据利用峰值修正结合边界建模识别出离散型异常数据和限功率型异常数据。本发明提高了风功率异常数据的识别准确率。
-
公开(公告)号：CN118818314A
公开(公告)日：2024-10-22
申请号：CN202410915751.X
申请日：2024-07-09
Applicant: 重庆邮电大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明涉及电动车电池寿命预测领域，特别涉及一种基于泛化系统在线参数辨识的固态电池寿命估算方法，包括通过参数估计的递推最小二乘法构建电池系统泛化离散数学模型；根据电池系统泛化离散数学模型计算系统参数值；根据得到的系统参数值与设定阈值之间的关系判断电池寿命。本发明通过参数估计的递推最小二乘法来构建关于电池系统泛化离散数学模型，根据构建的模型来确定随时间变化的系统参数，并根据系统参数值与设定阈值之间的关系来判断电动汽车的电池寿命，该方法计算速度快、占用内存少，能够在线辨识，实时获得系统参数。
-
公开(公告)号：CN116151472A
公开(公告)日：2023-05-23
申请号：CN202310239797.X
申请日：2023-03-13
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N3/08 , G06N3/0442
Abstract: 本发明属于电动汽车能源管理领域，涉及一种基于车联网数据挖掘的电动汽车短期能耗预测方法；所述方法包括从车联网数据平台中获取电动汽车的运行数据和工况数据；将运行数据按放电过程划分里程片段；从工况数据中按相关系数提取出与电动汽车能耗相关的特征变量；在划分好的里程片段内，对所选特征变量进行参数计算，构建出待测里程片段的输入变量；将待测里程片段的输入变量输入到训练后的集成学习模型中，得到待测里程片段的能耗调整因子预测值；利用待测里程片段的能耗调整因子预测值，计算电动汽车在待测里程片段的能耗预测值。本发明基于能耗调整因子设计的电动汽车能耗预测模型能够更加准确的预测电动汽车的能耗水平。
-
公开(公告)号：CN112290450B
公开(公告)日：2021-11-09
申请号：CN202011120172.4
申请日：2020-10-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向输电线路舞动状态的自驱动传感方法，属于智能电网技术领域。该方法包括：S1：搭建摆动式电磁振动能量采集器的测试系统，利用激振器模拟不同输电线路舞动状态，获得相应的输出电信号，以其作为系统自驱动传感特征参量；分析采集器的输出电信号与线路舞动状态参量间的变化规律，构建自驱动传感特征参量与线路舞动状态之间的定性关系，建立不同线路舞动状态的自驱动传感特征参量信息数据库；S2：搭建面向输电线路舞动状态监测的自驱动传感系统，采用聚类分析方法将采集的电信号与步骤S1建立的数据库中的自驱动传感特征参量信息进行对比与分析，判断线路舞动状态及程度，实现对输电线路舞动状态的智能感知。
-
公开(公告)号：CN112290450A
公开(公告)日：2021-01-29
申请号：CN202011120172.4
申请日：2020-10-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种面向输电线路舞动状态的自驱动传感方法，属于智能电网技术领域。该方法包括：S1：搭建摆动式电磁振动能量采集器的测试系统，利用激振器模拟不同输电线路舞动状态，获得相应的输出电信号，以其作为系统自驱动传感特征参量；分析采集器的输出电信号与线路舞动状态参量间的变化规律，构建自驱动传感特征参量与线路舞动状态之间的定性关系，建立不同线路舞动状态的自驱动传感特征参量信息数据库；S2：搭建面向输电线路舞动状态监测的自驱动传感系统，采用聚类分析方法将采集的电信号与步骤S1建立的数据库中的自驱动传感特征参量信息进行对比与分析，判断线路舞动状态及程度，实现对输电线路舞动状态的智能感知。
-
Patent Agency Ranking
公开(公告)号：CN112181015A
公开(公告)日：2021-01-05
申请号：CN202010910863.8
申请日：2020-09-02
Applicant: 重庆邮电大学
IPC: G05D23/20
Abstract: 本发明公开了一种微型快速温变系统，包括压缩机，压缩机的一端与温压传感器连接，温压传感器一段与外部冷凝器一端连接，外部冷凝器另一端与过滤器一端连接，过滤器另一端与第一电磁阀一端和第二电磁阀一端连接，第一电磁阀另一端和毛细管一端连接，第二电磁阀另一端和电子膨胀阀连接，电子膨胀阀和内部蒸发器一端连接，内部蒸发器另一端和毛细管另一端与温压传感器一端接通，温压传感器另一端和压缩机另一端接通，工作室内有一加热器。本发明的微型快速温变箱系统具有制热、制冷、工作室除湿功能，其采暖、制冷不间断，稳定性好，成本低，能耗少，由于该环境箱空间小，故升降温速率快，从而能检测出电子元器件对环境温度剧烈变化的适应性。
-
公开(公告)号：CN104618953A
公开(公告)日：2015-05-13
申请号：CN201510009065.7
申请日：2015-01-08
Applicant: 重庆邮电大学
IPC: H04W24/08
CPC classification number: H04W24/08
Abstract: 本发明请求保护一种基于IEEE802.15.4标准的2.4G无线通信技术的测试系统。该系统主要用于测试ISM频段16个信道的射频收发性能。本发明包括触摸屏手持设备和终端节点设备。终端节点设备采集数据发送给触摸屏手持设备，触摸屏手持设备将数据进行数据校验、数据解析，再通过数据显示模块直观的显示出来。通过对这些信息的分析，我们可以了解当前位置2.4G信道的射频性能状况。用户可通过手持设备下发测试指令，配置相关信息，大大增强了人机交互的便利性和效率。
-
公开(公告)号：CN114049334B
公开(公告)日：2024-07-23
申请号：CN202111363157.7
申请日：2021-11-17
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种以CT图像为输入的超分辨率MR成像方法，将医疗图像模态转换GAN模型和MR图像重构GAN模型两个模型集成，医疗图像模态转换GAN模型为输入CT图像输出MR图像的GAN网络模型，MR图像重构GAN模型为利用模态转换的MR图像与真实MR图像提取高频特征信息获取超分辨率MR图像的GAN网络模型。通过挖掘医疗图像模态转换与MR图像重构之间的内在联系，将两者集成为一个端到端的以CT图像为输入的超分辨率MR成像GAN模型，获得以CT图像为输入的超分辨率MR图像，提高计算机辅助诊断的效率，简化医务人员的操作流程。
-
公开(公告)号：CN116758501A
公开(公告)日：2023-09-15
申请号：CN202310704037.1
申请日：2023-06-14
Applicant: 重庆邮电大学
IPC: G06V20/56 , G06V20/58 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/044
Abstract: 本发明请求保护一种基于深度学习的道路目标检测系统、方法及存储介质，属于自动驾驶环境感知领域，该方法使用Faster R‑CNN神经网络结构，其中采用残差神经网络ResNet作为骨干网络(Backbone)，用于图像特征提取；采用特征金字塔网络FPN作为颈部网络(Neck)，用于特征增强以及连接骨干网络和头部网络；采用区域生成网路RPN作为头部网络(Head)，用于生成多个区域候选边框；采用感兴趣区域池化，输出相同尺寸的特征图，输入至全连接层；分类回归，通过Softmax对目标进行分类，通过边框回归器对目标边框预测和修正。对道路目标检测数据集迭代训练，优化损失，以生成较为理想的目标检测模型。本发明提出基于注意力机制的上采样方法替换最近邻插值法，可有效传递多尺度目标语义，提高小目标检测精度。
-
公开(公告)号：CN116738269A
公开(公告)日：2023-09-12
申请号：CN202310704902.2
申请日：2023-06-14
Applicant: 重庆邮电大学
IPC: G06F18/23213 , G06F18/10 , H02J3/00
Abstract: 本发明涉及基于自适应DBSCAN聚类的风功率无效数据识别方法、系统、电子设备和存储介质，包括：获取风电机组在正常运行状态下的原始风功率数据集；根据风速大小利用K‑means算法将原始风功率数据集划分为m个原始风功率数据子集；利用自适应DBSCAN算法分别对m个原始风功率数据子集进行聚类，将聚类后的噪音点数据作为风功率无效数据进行输出，得到原始风功率数据集中的所有风功率无效数据，通过k‑means聚类算法将原始风功率数据集划分为不同的类别，提高同一类内数据的相似性，并降低不同类别之间的相似性，通过自适应的选择DBSCAN算法的参数降低人为设置参数的主观因素影响，提高了识别结果的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.024 seconds)
