-
公开(公告)号：CN108833507A
公开(公告)日：2018-11-16
申请号：CN201810549634.0
申请日：2018-05-31
Applicant: 长安大学
CPC classification number: H04L67/32 , H04L9/3213 , H04L63/0428 , H04L63/08 , H04L63/0807
Abstract: 本发明公开了一种共享产品的授权认证系统及方法，该系统包括客户端与服务器，客户端由申请模块和授权模块两部分组成；其中，客户端分别安装于申请使用方与被申请者的手机客户端，服务器用于两方通信和传送关键的数据(如产品激活码)，共享产品的授权服务器用于检验授权申请是否合理，资源服务器则包含将要申请的共享服务，是整个授权过程索要获得的最终结果，本发明中申请者通过通讯平台向好友发送申请通过服务器验证后进行授权获取激活码，授权过程主要集中于被申请者的手机客户端中，授权过程使用Oauth2.0的认证机制，获取激活码后通过RSA加密的手段向申请者返回执行结果，申请者的客户端解密后将会获得授权得到的共享产品密码。
-
公开(公告)号：CN113485124B
公开(公告)日：2024-02-02
申请号：CN202110920053.5
申请日：2021-08-11
Applicant: 长安大学
IPC: G05B13/04
Abstract: 本发明公开了一种考虑通信时滞的异构车辆队列稳定性控制方法及系统，通过建立异构车辆队列控制系统的车辆纵向动力学模型、固定间距策略和通信拓扑，通过将车辆队列的闭环系统特征方程等价分解为若干个子系统特征方程，将整个车辆队列控制系统的稳定性控制问题转化为若干个子系统的稳定性控制问题，极大地降低了车辆队列稳定性控制与分析的计算量。通过建立子系统的辅助特征方程，将无限的系统特征根求解问题转化为有限的纯虚根求解问题，避免了对系统特征方程直接求根，本发明可计算出车辆队列的准确时滞边界，能够保证车辆队列在所给出的时滞边界内稳定行驶，且得到的稳定性条件为充分必要条件。
-
公开(公告)号：CN110598613B
公开(公告)日：2022-10-25
申请号：CN201910828720.X
申请日：2019-09-03
Applicant: 长安大学
Abstract: 本发明公开了一种高速公路团雾监测方法，根据公路沿线的监控视频建立基于自适应阈值的背景提取方法，以消除视频流中动态车辆和其它的干扰信息，然后基于背景图像构建高斯金字塔和拉普拉斯金字塔的结合和逆向重构，兼顾全局整体和局部细节增强，实现对背景图像的增强；接着对增强后的背景图像进行超像素分割建立背景图像的多维特征向量；建立多维高斯分布函数，分别计算待检测图像与正负样本库之间的标准化欧式距离，以两种标准化欧式距离之比作为团雾检测的衡量指标。有效解决了现有团雾检测方法对人工参照物和摄像机标定的依赖，同时避免了在高速公路搭建能见度检测仪和相关团雾监测装置成本过高，检测范围小的问题。
-
公开(公告)号：CN109241674B
公开(公告)日：2022-10-25
申请号：CN201811204184.8
申请日：2018-10-16
Applicant: 长安大学
IPC: G06F30/20 , G06F17/12 , G06F119/02
Abstract: 本发明公开了一种智能网联车辆编队的多时延稳定性分析方法,首先利用含多时延的分布式控制器，建立车辆编队的闭环动力学模型，并对其进行解耦，得到若干小型子系统，极大地降低了后续稳定性分析的计算量，对子系统特征方程中任意两个含时延的指数项使用半角正切代换，将多时延稳定性分析简化为求解任意双时延域截面，并且固定第三个时延项，将无穷根求解问题转化为有限根求解问题，以获取双时延截面；使用两次Dixon结式，求解纯虚特征根的频率，并寻找频率集合的上界、下界；最后，对频率集合进行频率扫描，得到双时延截面，即子系统的精准时延稳定边界；综合考虑所有子系统，求解它们稳定区域的交集，得到整个车队完整、精确的时延稳定边界。
-
公开(公告)号：CN113485124A
公开(公告)日：2021-10-08
申请号：CN202110920053.5
申请日：2021-08-11
Applicant: 长安大学
IPC: G05B13/04
Abstract: 本发明公开了一种考虑通信时滞的异构车辆队列稳定性控制方法及系统，通过建立异构车辆队列控制系统的车辆纵向动力学模型、固定间距策略和通信拓扑，通过将车辆队列的闭环系统特征方程等价分解为若干个子系统特征方程，将整个车辆队列控制系统的稳定性控制问题转化为若干个子系统的稳定性控制问题，极大地降低了车辆队列稳定性控制与分析的计算量。通过建立子系统的辅助特征方程，将无限的系统特征根求解问题转化为有限的纯虚根求解问题，避免了对系统特征方程直接求根，本发明可计算出车辆队列的准确时滞边界，能够保证车辆队列在所给出的时滞边界内稳定行驶，且得到的稳定性条件为充分必要条件。
-
Patent Agency Ranking
公开(公告)号：CN107885116B
公开(公告)日：2021-03-30
申请号：CN201711093588.X
申请日：2017-11-08
Applicant: 长安大学
IPC: G05B19/042 , G08C17/02
Abstract: 一种智能开关系统及其控制方法，开关系统包括分别设置于用户操作端以及执行机构端的无线交互模块，执行机构端的无线交互模块连接单片机；执行机构端还包括开关执行机构、单开双控开关以及受单开双控开关控制的各种控制对象；所述的单片机通过开关执行机构能够向单开双控开关发送控制信号，单片机还连接声音检测模块与光线检测模块；开关执行机构连接家用交流电源，家用交流电源经过电源转换模块分别连接单片机与执行机构端的无线交互模块。控制方法结合了模糊控制过程，能够根据控制对象所处外部环境的声音和光线特征，实现智能的自适应调节。本发明利用了无线技术使开关的控制范围和延伸功能得到极大的提升，且使用简单，操作方便，成本低。
-
公开(公告)号：CN109886126A
公开(公告)日：2019-06-14
申请号：CN201910064378.0
申请日：2019-01-23
Applicant: 长安大学
Abstract: 本发明公开了一种基于动态采样机制与RBF神经网络的区域车辆密度估计方法，根据目标区域内车辆密度的采样信息，初步构建车辆密度数据库；对比多次车辆密度的估计值，以存储的采样数据作为RBF神经网络的输入变量，定义一组激活函数并建立基于RBF神经网络的估计模型；将卡尔曼滤波算法应用到基于RBF神经网络估计算法中；根据各个神经元网络的权重系数以及目标区域内车辆密度的相关度函数，估计目标区域内任意一点的车辆密度；最后通过判断估计结果是否满足任务需求，实现对目标区域内车辆密度的动态估计。本发明具有较快的估计效率、较低的运算负荷以及较高的估计精度，能够实时有效地估计目标区域内的时变车辆密度，具有广泛的应用空间与实用范围。
-
公开(公告)号：CN109445484A
公开(公告)日：2019-03-08
申请号：CN201811482290.2
申请日：2018-12-05
Applicant: 长安大学
CPC classification number: G05D23/19 , G05B13/0275 , G05B13/042
Abstract: 本发明公开了一种基于猫群优化和免疫模糊PID的孵化室温度控制方法，首先，以孵化室温度为被控对象，采用传递函数建立孵化室温度物理模型，设计模糊ID控制器算法的控制规则表、模糊论域、模糊语言值、隶属度函数，实现积分系数、微分系数的整定；之后使用模糊推理来逼近免疫算法中抑制细胞的抑制量，确定免疫控制规则，并设计免疫P控制器算法的免疫控制规则、模糊论域、模糊语言值、隶属度函数，实现比例系数的整定；利用猫群优化算法对免疫P控制器算法的量化因子和比例因子的取值进行智能寻优，确定量化因子、比例因子的最优值，能够对孵化室温度的精确控制，具有良好的动态和静态性能，超调量小，调节时间快，高效地实现了PID参数的自整定。
-
公开(公告)号：CN109376642A
公开(公告)日：2019-02-22
申请号：CN201811203402.6
申请日：2018-10-16
Applicant: 长安大学
Abstract: 本发明公开了一种基于驾驶员行为的运动车辆状态预测方法，为提高运动车辆状态预测的准确性和鲁棒性，考虑了驾驶员的避免超速和与前车防追尾行为，使预测过程更贴近于交通实际；利用人工势场法中的斥力场对上述两种驾驶员行为进行分析，首先考虑避免超速这一驾驶员行为，设计由速度上限产生的斥力场，对其求梯度得到由速度上限产生的虚拟力；根据车辆与前车的最小安全距离，设计防追尾斥力场，将驾驶员行为融入自适应无迹卡尔曼滤波中，并采用斥力场对上述这两种驾驶员行为进行分析，分别对斥力场求梯度，得到虚拟力，随后建立融合驾驶员行为的自适应无迹卡尔曼滤波方程，提高车辆状态预测的准确性和鲁棒性。
-
公开(公告)号：CN109376641A
公开(公告)日：2019-02-22
申请号：CN201811203391.1
申请日：2018-10-16
Applicant: 长安大学
Abstract: 本发明公开了一种基于无人机航拍视频的运动车辆检测方法，首先采用SURF算法对图像进行特征点匹配及异常点剔除，利用联合全局和局部单应性矩阵的无人机图像配准算法以获取转换矩阵，补偿机载相机运动产生的不利影响，随后，采用2帧差法减小待检测区域，再根据超像素的中心遍历待检测区域，进一步提高运动车辆检测的效率，然后，利用多通道HOG特征算法提取车辆的低阶特征，引入车辆的上下文信息获取车辆的高阶特征，并融合这两种特征以得到目标车辆的多阶特征，最后，结合多阶特征和字典学习算法，实现运动车辆检测。本方法能够抑制无人机机载相机运动带来的影响，处理图像中车辆形变和背景干扰，可提高运动车辆检测的鲁棒性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.089 seconds)
