-
公开(公告)号：CN110555618A
公开(公告)日：2019-12-10
申请号：CN201910840599.2
申请日：2019-09-06
申请人： 东北大学
摘要： 本发明提供一种基于改进樽海鞘算法的网络化综合能源系统优化调度方法，涉及综合能源系统互补优化调度技术领域。该方法首先对各个综合能源系统内部区域的能源设备建模，并结合综合能源系统内部区域各设备间与各综合能源系统间的四种能源流动关系，得到网络化综合能源系统；然后建立各综合能源系统的优化调度模型及约束条件；引入线性加权和算法对网络化综合能源系统中多个能源系统进行优化调度，在基本樽海鞘算法的基础上，采用斐波那契数列的迭代因子更新种群位置，应用避劣算法以改进寻优能力，获得最优解，实现对综合能源系统的优化调度。该方法对多个综合能源系统建模，并对优化调度问题进行求解，有效降低成本，减少可再生能源的废弃。
-
公开(公告)号：CN106873566A
公开(公告)日：2017-06-20
申请号：CN201710146233.6
申请日：2017-03-14
申请人： 东北大学
IPC分类号： G05B19/425 , G05D1/02
CPC分类号： G05B19/425 , G05D1/0251 , G05D1/0255
摘要： 本发明涉及一种基于深度学习的无人驾驶物流车，包括物流车车体、超声波避障模块、双目立体视觉避障模块、电机驱动模块、嵌入式系统、电源模块和视觉导航处理系统；双目立体视觉避障模块用于检测道路场景中较远距离障碍物，超声波避障模块用于检测近距离障碍物，二者所获取障碍物的距离信息统称为避障信息；视觉导航处理系统采用由样本集训练的深度学习模型处理采集的道路图像数据，并输出控制指令信息；最后由决策模块综合控制指令信息和避障信息进行判断，来控制电机驱动模块，以实现物流车的无人驾驶功能。本发明不需要安装辅助设备，只需要深度学习模型通过学习样本集，即可对道路周围环境进行感知与理解，实现物流车的无人驾驶功能。
-
公开(公告)号：CN106873566B
公开(公告)日：2019-01-22
申请号：CN201710146233.6
申请日：2017-03-14
申请人： 东北大学
IPC分类号： G05B19/425 , G05D1/02
摘要： 本发明涉及一种基于深度学习的无人驾驶物流车，包括物流车车体、超声波避障模块、双目立体视觉避障模块、电机驱动模块、嵌入式系统、电源模块和视觉导航处理系统；双目立体视觉避障模块用于检测道路场景中较远距离障碍物，超声波避障模块用于检测近距离障碍物，二者所获取障碍物的距离信息统称为避障信息；视觉导航处理系统采用由样本集训练的深度学习模型处理采集的道路图像数据，并输出控制指令信息；最后由决策模块综合控制指令信息和避障信息进行判断，来控制电机驱动模块，以实现物流车的无人驾驶功能。本发明不需要安装辅助设备，只需要深度学习模型通过学习样本集，即可对道路周围环境进行感知与理解，实现物流车的无人驾驶功能。
-
公开(公告)号：CN108269244B
公开(公告)日：2021-07-06
申请号：CN201810070175.8
申请日：2018-01-24
申请人： 东北大学
摘要： 本发明涉及一种基于深度学习和先验约束的图像去雾系统，包括以下步骤：1)通过对无雾图和合成的雾化图所构成的图像样本进行视觉观察对比与均方误差统计，提出新的图像去雾先验约束；2)利用大气散射模型合成训练模型所需的HDF5数据格式的图像样本集；3)针对图像去雾，以先验约束为指导，设计端到端的多尺度深度卷积网络，并利用图像样本集，结合多尺度距离损失函数来优化模型的训练过程；4)利用上述训练所获得的多尺度深度卷积网络模型，实现对真实雾化图像的去雾操作。本发明提出了一种简单而有效的先验约束，可通过多尺度深度卷积网络模型，可恢复雾化图像的视觉对比度，增强其图像纹理，实现图像去雾功能。
-
公开(公告)号：CN108269244A
公开(公告)日：2018-07-10
申请号：CN201810070175.8
申请日：2018-01-24
申请人： 东北大学
摘要： 本发明涉及一种基于深度学习和先验约束的图像去雾系统，包括以下步骤：1)通过对无雾图和合成的雾化图所构成的图像样本进行视觉观察对比与均方误差统计，提出新的图像去雾先验约束；2)利用大气散射模型合成训练模型所需的HDF5数据格式的图像样本集；3)针对图像去雾，以先验约束为指导，设计端到端的多尺度深度卷积网络，并利用图像样本集，结合多尺度距离损失函数来优化模型的训练过程；4)利用上述训练所获得的多尺度深度卷积网络模型，实现对真实雾化图像的去雾操作。本发明提出了一种简单而有效的先验约束，可通过多尺度深度卷积网络模型，可恢复雾化图像的视觉对比度，增强其图像纹理，实现图像去雾功能。
-
公开(公告)号：CN106981063A
公开(公告)日：2017-07-25
申请号：CN201710143974.9
申请日：2017-03-14
申请人： 东北大学
CPC分类号： G06T7/0004 , G06K9/325 , G06K9/6268 , G06K2209/03 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30108 , H04N7/183
摘要： 一种基于深度学习的电网设备状态监测装置，该装置包括视频采集单元，电网设备检测单元，显示单元和储存单元。视频采集单元的工业相机将采集到的视频信息通过网线传输到视频解码器，同时经网线传输到储存单元进行数据备份。通过提取监测视频的视频帧，构建一个专门用于识别电网设备状态的图像库。电气设备检测单元将数据库模块中的电气设备状态数据传输到深度学习训练模块进行深度学习建模，深度学习识别模块利用深度学习训练模块建立的模型对电气设备状态进行判别分类，同时将判别分类结果进行显示和储存。本发明有效地缓解人力监测的压力，达到真正意义上的智能监测。
-
公开(公告)号：CN110555618B
公开(公告)日：2023-01-13
申请号：CN201910840599.2
申请日：2019-09-06
申请人： 东北大学(CN)
IPC分类号： G06Q10/06 , G06Q50/06 , G06N3/00 , G06F30/20 , G06F119/08
摘要： 本发明提供一种基于改进樽海鞘算法的网络化综合能源系统优化调度方法，涉及综合能源系统互补优化调度技术领域。该方法首先对各个综合能源系统内部区域的能源设备建模，并结合综合能源系统内部区域各设备间与各综合能源系统间的四种能源流动关系，得到网络化综合能源系统；然后建立各综合能源系统的优化调度模型及约束条件；引入线性加权和算法对网络化综合能源系统中多个能源系统进行优化调度，在基本樽海鞘算法的基础上，采用斐波那契数列的迭代因子更新种群位置，应用避劣算法以改进寻优能力，获得最优解，实现对综合能源系统的优化调度。该方法对多个综合能源系统建模，并对优化调度问题进行求解，有效降低成本，减少可再生能源的废弃。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.027 秒)
