-
公开(公告)号：CN117232545A
公开(公告)日：2023-12-15
申请号：CN202311166751.6
申请日：2023-09-11
Applicant: 重庆邮电大学
Abstract: 本发明属于路径规划技术领域，涉及一种基于深度学习道路环境感知的路径规划方法；该方法包括使用Frenet坐标系来描述车辆的运动状态，将路径规划问题转化为一种最优化问题，利用SSD模型实时检测道路车道线以及障碍物等，将车道线视为Frenet坐标系下的参考线，通过多项式拟合生成备选轨迹集合，再通过损失函数找到横、纵向轨迹并最终合成优化路径。本发明在常规Frenet坐标系下基于人工智能开展实时路径规划，有效避免了传统路径优化算法灵活性差、动态环境适应性差、对障碍物处理不充分等不足，发挥了深度网络对车道线、障碍物、指示标志等的良好识别能力，能够在复杂动态环境下生成高质量的路径规划方案。
-
公开(公告)号：CN116629363A
公开(公告)日：2023-08-22
申请号：CN202310585213.4
申请日：2023-05-23
Applicant: 重庆邮电大学
IPC: G06N5/04 , G06N3/084 , G06N3/045 , G06N3/0464
Abstract: 本发明属于机器学习技术领域，具体涉及一种基于深度网络的模型抽象推理泛化能力评价方法，包括：获取的抽象元素，设置预设规则；采用预设规则对抽象元素进行变换，得到少量样本；将少量样本输入到深度模型中生成大量样本；将大量样本输入到训练好的被测推理模型中进行测试，得到模型抽象推理泛化能力评价结果；本发明根据预设规则可以自动且灵活的构建出用于深度网络抽象推理能力评价所需的抽象推理数据集，并且可以在少量样本中通过样本中的基本元素构建出大量基于原始抽象元素的新样本作为测试集来评价深度网络的泛化能力，提高了模型抽象推理泛化能力评价的效率。
-
公开(公告)号：CN115983536A
公开(公告)日：2023-04-18
申请号：CN202210449727.2
申请日：2022-04-24
Applicant: 重庆邮电大学工业互联网研究院
IPC: G06Q10/0631 , G06Q10/067 , G06Q50/26
Abstract: 本发明属于公共安全管理技术领域，具体涉及一种基于数字孪生的应急警力调度方法及系统；该方法包括：边缘设备实时采集警情数据并构建物理空间和数字孪生空间；在数字孪生空间中部署预测算法模型和调度算法模型；根据物理空间分别执行调度算法模型和预测算法模型，得到调度方案和出警方案；对出警方案进行仿真验证，若验证通过，则根据调度方案进行警力调度，否则，重新执行调度算法模型，生成新的调度方案；对新的调度方案进行仿真验证，若验证通过，则保留新的调度方案，否则，重新执行调度算法模型，更新调度方案，再次进行仿真验证；本发明对真实物理环境进行模拟验证，为出警提供高效可靠的调度方案，具有良好的社会效益。
-
公开(公告)号：CN115541228A
公开(公告)日：2022-12-30
申请号：CN202211233497.2
申请日：2022-10-10
Applicant: 重庆邮电大学
IPC: G01M13/021 , G01M13/028 , G06N3/04 , G06N3/08
Abstract: 本发明涉及故障诊断领域，特别涉及一种风电机组齿轮箱的故障诊断方法包括：采集风电机组齿轮箱的振动信号，将采集到的振动信号按预设长度分割并归一化为故障样本；根据风电机组齿轮箱的历史故障报告对部分故障样本打上故障类别标签；将具有故障类别标签的故障样本划分为支持集、查询集、验证集，并将没有故障类别标签的故障样本作为无标签样本集；构建故障诊断模型，并通过支持集、查询集、验证集与无标签样本集对故障诊断模型进行训练；获取风电机组齿轮箱的目标振动信号，并将风电机组齿轮箱的目标振动信号归一化处理后输入训练好的故障诊断模型计算得到故障诊断结果，通过本发明的方法能够实时对风电机组齿轮箱故障进行诊断。
-
公开(公告)号：CN115047761A
公开(公告)日：2022-09-13
申请号：CN202210584213.8
申请日：2022-05-27
Applicant: 重庆邮电大学工业互联网研究院
IPC: G05B13/04
Abstract: 本发明属于机器人控制技术领域，特别涉及基于自适应滑模观测器的机械臂模型优化方法，包括根据机械臂的位置信号和未知外部干扰通过牛顿欧拉方法获得第一非线性机械臂模型，将第一非线性机械臂模型进行状态空间处理成模型确定部分和模型不确定部分；用径向基函数神经网络对模型不确定部分近似逼近，获得第二非线性机械臂模型；采用滑模控制方法和第二径向基函数神经网络构建所述第二非线性机械臂模型的自适应滑模观测器，并用所述自适应滑模观测器计算所述逼近结果的估计值；将所述逼近结果的估计值补偿到第一非线性机械臂模型中，消除未知外部干扰对机械臂的影响，优化第一非线性机械臂模型。
-
Patent Agency Ranking
公开(公告)号：CN112911625B
公开(公告)日：2022-06-03
申请号：CN202110155275.2
申请日：2021-02-04
IPC: H04W24/04 , H04W84/18 , H04L41/142
Abstract: 本发明属于工业物联网领域，涉及一种确定性时隙通信传感节点的故障诊断方法；所述诊断方法包括无线传感节点基于确定性时隙周期性地向其他无线传感节点发送命令帧；若当前无线传感节点在一定周期内未接收到其邻居无线传感节点发送的命令帧；检测当前无线传感节点是否发生硬故障；若所述当前无线传感节点未发生硬故障时，则采用基于自回归模型的时间序列分析算法检测所述当前无线传感节点是否发生软故障；本发明能够针对工业现场的无线传感节点的状态进行实时监测，对于发生故障的无线传感节点，利用本发明中提出的针对硬故障与软故障的检测方法，可以及时发现故障无线传感节点并确定节点所发生的故障类型，从而保证了无线传感网络的可靠性。
-
公开(公告)号：CN112883994A
公开(公告)日：2021-06-01
申请号：CN202011578208.3
申请日：2020-12-28
Applicant: 重庆邮电大学 , 重庆工业大数据创新中心有限公司
Abstract: 本发明属于仿真分析技术领域，特别涉及一种均衡分布适配的旋转机械变工况故障诊断方法，包括获取旋转机械变工况故障数据，并根据不同工况，将故障数据划分为源域和目标域数据集；通过源域数据训练模型预测目标域样本伪标签，并采用类条件分布近似估计目标域的条件分布；利用核函数将源域与目标域特征集映射到潜在特征空间后，采用平衡因子调节源域、目标域条件分布与边缘分布权重，实现源域与目标域样本分布差异最小化；输出变工况下的故障诊断结果；本发明采用平衡因子权衡源域、目标域条件分布与边缘分布权重，最小化源域与目标域的样本分布差异，从而提高了旋转机械变工况的故障诊断效率和准确率。
-
公开(公告)号：CN120050619A
公开(公告)日：2025-05-27
申请号：CN202510229371.5
申请日：2025-02-28
Applicant: 重庆邮电大学
Abstract: 本发明属于机械振动无线传感器网络数据压缩重构领域，具体涉及一种基于边缘计算的多结构动态压缩感知机械振动信号重构方法。所述方法包括通过边缘计算节点采集原始机械振动信号；采用稀疏分解算法得到稀疏后的机械振动信号；基于初始压缩比对应的双结构测量矩阵得到压缩后的机械振动信号观测值；采用贪婪算法得到重构后的机械振动信号；判断重构后的机械振动信号与原始机械振动信号的误差是否符合设定阈值要求，进而动态调整压缩比；基于动态压缩比对应的双结构测量矩阵得到最佳的机械振动信号观测值；通过中心服务器对最佳的机械振动信号观测值采用贪婪算法进行重构，得到最终重构后的机械振动信号。本发明利用边缘计算技术对机械振动信号进行预处理，提高了状态监测的灵活性和效率；在边缘计算节点处对数据进行有效压缩测量，能够优化后续重构精度，显著提升信号恢复质量，同时也降低了中心服务器的计算压力。
-
公开(公告)号：CN114359654B
公开(公告)日：2025-04-25
申请号：CN202111478855.1
申请日：2021-12-06
Applicant: 重庆邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06T7/73 , G06V10/764 , G06N3/045
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于位置关联性特征融合的YOLOv4混凝土表观病害检测方法，包括将YOLOv4的路径聚合网络输出的三层特征分别进行多尺度融合，通过基于位置关联性注意力模块进行特征多尺度的自适应融合构建基于位置关联性特征融合的YOLOv4模型；将采集的病害图像使用标注工具对病害所在的位置与类别进行标注并利用病害图像和标记后得到的病害信息对模型进行训练；将实时检测混凝土表观病害图像输入训练好的模型，模型输出检测后标注病害类别以及位置的图像；本发明通过在原始的YOLOv4的路径聚合网络后面添加基于位置关联性的特征融合模块，增强YOLOv4特征融合的效果，提升目标的检测精度。
-
公开(公告)号：CN119484117A
公开(公告)日：2025-02-18
申请号：CN202411653412.5
申请日：2024-11-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的协议模糊测试优化方法，属于网络技术领域。该方法包括：采集没有优化之前，Boofuzz在模糊测试过程中采集的数据，并按照服务器响应类型将具有不同响应的报文数据进行分类；通过协议逆向模块初步识别协议的动态字段、静态字段以及长度字段，并在Boofuzz框架中通过识别出的信息构造请求，设置会话消息；使用Boofuzz框架中的变异规则，根据协议逆向模块推断出的字段生成测试用例；构建优选器模型，初始化模型参数；通过SSA算法调整优化模型超参数，然后基于最优超参数进行模型训练；对生成的测试用例进行特征提取，获取输入特征；使用所述优选器模型对测试用例进行有效性预测。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.024 seconds)
