-
公开(公告)号：CN116796425B
公开(公告)日：2024-07-05
申请号：CN202310066347.5
申请日：2023-01-17
申请人： 南京林业大学
IPC分类号： G06F30/15 , G06F18/2415 , G06F30/17 , F02C9/00
摘要： 本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，包括以下步骤：对训练数据进行慢特征分析，提取缓慢变化特征，选取健康状态训练数据构建高斯混合模型，并得到模型的参数，利用GMM参数计算测试数据的BID值，描述航空发动机性能退化的过程，为了提高BID指标对航空发动机退化描述的敏感度，在BID的基础上加入EWMA[31]进行平滑，计算训练数据的控制限，对训练数据进行慢特征分析，提取缓慢变化特征，计算测试数据和健康状态GMM之间的BID距离，对BID数据进行滑窗处理，计算相邻窗口数据的最大信息系数。本发明提供的本发明提供一种基于SFA‑GMM‑BID的航空发动机动态健康监测方法，采用慢特征分析的方法提取反映气路状态缓慢变化的有效特征，提高了健康监测的有效性。
-
公开(公告)号：CN117289135A
公开(公告)日：2023-12-26
申请号：CN202311208215.8
申请日：2023-09-19
申请人： 南京林业大学
IPC分类号： G01R31/367 , G01R31/392 , G06F30/27 , G06N3/045 , G06N3/08 , G06F119/04
摘要： 本发明提供一种基于ACNN‑Mogrifier LSTM‑MMD的锂电池剩余使用寿命预测，包括以下步骤：S1、理论基础：鲸鱼优化算法‑变分模态分解、皮尔逊相关系数、CNN、注意力机制、Mogrifier LSTM和最大均值差异；S2、预测模型构建：实验数据集介绍和模型预测流程；所述实验数据集介绍包括以下步骤：基于单源域的锂电池RUL预测实验数据和基于多源域的锂电池RUL预测实验数据；S3、实验验证：WOA‑VMD、基于单源域电池RUL预测和基于多源域电池RUL预测。发明提供一种基于ACNN‑MogrifierLSTM‑MMD的锂电池剩余使用寿命预测，使用Mogrifier LSTM神经网络来估计源域和目标域的容量值，通过估计的容量值与实际的容量值计算出源域和目标域的损失函数。将损失函数与计算的MMD值相结合得到模型的综合损失函数。
-
公开(公告)号：CN116309019A
公开(公告)日：2023-06-23
申请号：CN202310164822.2
申请日：2023-02-26
申请人： 南京林业大学
IPC分类号： G06T3/00 , G06T7/33 , G06V10/75 , G06V10/762 , G06V10/46
摘要： 本发明公开了一种基于SURF算法的车载图像配准方法，包括：采用SURF算法提取待匹配两幅图像中的特征点；使用SCF算法对参考图像中的特征描述符进行子空间划分并且使用聚类方法对每个子空间进行聚类，每个参考特征点在各个子空间与待匹配特征点的距离由其在子空间中所属的组中心与待匹配特征点的距离代替，每个参考特征点与待匹配特征点的总距离为四个子空间距离之和；获取所有参考特征点与一个待匹配特征点之间的总距离后，获取匹配点对；使用FTEP算法对匹配点对提纯，得到正确匹配点对。本发明通过对特征描述符使用SCF算法进行降维处理，结合FTEP算法进行匹配特征点对提纯，在保证配准精度前提下，提高了图像配准速度。
-
公开(公告)号：CN115713854A
公开(公告)日：2023-02-24
申请号：CN202211099660.0
申请日：2022-09-09
申请人： 南京林业大学
IPC分类号： G08G1/01 , G08G1/0968 , G06N3/0464 , G06N3/092
摘要： 本发明公开了一种基于双学习网络的无信号灯交叉口自动驾驶车辆精细化路径调度方法。它以自动驾驶车辆为研究对象，对无信号交叉路口进行网格离散化处理，依据路径规划算法获取路径学习数据集。基于该数据集，通过CNN网络构建粗颗粒度的快速路径调度决策模型，对自动驾驶车辆在无信号交叉口的实时路径进行快速决策调度。为实现自动驾驶车辆的精细化路径调度，在粗颗粒度快度路径调度决策模型的基础上，增加了DQN强化学习网络来计算模型决策行为的评价值，构建了奖励函数以及使用自适应学习率来提高模型预测的准确率，平衡自动驾驶车辆在无信号交叉口中路径规划调度的实时性和精准性。本发明能够提升自动驾驶车辆在通过无信号灯交叉路口时的通行效率。
-
公开(公告)号：CN113316193B
公开(公告)日：2022-09-02
申请号：CN202110587830.9
申请日：2021-05-28
申请人： 南京林业大学
摘要： 本发明提出了网络负载均衡度达到0.8以上的基于分布式合作的CAM消息均衡重构方法，其是将一个车队各车辆首尾对应相连，形成一个封闭虚拟逻辑环；将车队沿着虚拟逻辑环分割成若干个相互交叠的博弈小组，每个博弈小组包含三个车辆，按照顺时针方向分别定义为头车、中车和尾车；各博弈小组的中车首先在当前自身所在的博弈小组中与前车和后车进行策略信息的交互、协商，同时，前车和后车又分别作为前向和后向博弈小组中的中车与其他车辆进行信息交互，进而实现相邻博弈小组之间信息的交互、协商；每个车辆最终根据在虚拟逻辑环上交互的反馈信息，不断修正和更新自身的策略信息，直到所有博弈小组中的车辆均已达成一致。
-
公开(公告)号：CN110708134B
公开(公告)日：2021-03-16
申请号：CN201910946341.0
申请日：2019-10-04
申请人： 南京林业大学
摘要： 鉴于传统ATS算法在存在非对称通信延迟的网络中发散的特性，本专利提供一种四轮独立转向时间同步方法，它是一种改进的ATS算法，该算法能够使得节点在存在非对称通信延迟的网络中依旧达到时间同步，以满足四轮独立转向系统时间同步的需求。对此，本专利提出低通滤波器的权重参数ρα、ρη为基于时间同步轮数不断改变的权重参数:其中k为ATS算法时间同步的轮数。该方法为抑制车载CAN网络中四轮独立转向时间同步的发散性提出了思路。
-
公开(公告)号：CN110017981B
公开(公告)日：2020-12-18
申请号：CN201910439040.9
申请日：2019-05-24
申请人： 南京林业大学
IPC分类号： G01M13/00
摘要： 本发明公开了一种基于改进多轴疲劳模型的曲轴疲劳极限载荷预测方法，包括步骤：选取同种材料、不同圆角结构的两款曲轴，获取曲轴自身材料的抗拉强度，曲轴自身材料的剪切疲劳极限；两款曲轴分别为第一款曲轴和第二款曲轴；对第一款曲轴在疲劳极限载荷作用下的应力张量进行分析，确定临界平面以及临界平面内的剪切应力幅值和最大法向应力；确定改进多轴疲劳模型；计算得到第一款曲轴的等效极限应力值；确定第二款曲轴1000N·m载荷作用下的剪切应力和法向应力；得到第二款曲轴疲劳极限载荷的预测方程，对预测方程进行求解，求解得到第二款曲轴的疲劳极限载荷值。能够更为准确地预测同种材料、不同结构的曲轴的疲劳极限载荷。
-
公开(公告)号：CN117218389B
公开(公告)日：2024-10-25
申请号：CN202311202569.1
申请日：2023-09-17
申请人： 南京林业大学
摘要： 本发明公开了一种融合主成分分析与双堆过滤的降维并行图像特征匹配算法，包括：采用主成分分析法将原始空间中的图像中的参考特征点集合和另一幅图像中的查询特征点集合投影至低维PCA空间；在PCA空间中，将参考特征点集合R′划分为w个子集；采用双堆过滤算法分别对w个子集中的参考特征点进行过滤，生成每个子集的k最近邻结果；将每个子集的k最近邻结果依次添加至最大堆中，调整最大堆使得最大堆内生成k最近邻结果。本发明采用主成分分析法将特征点集投影至低维空间，并采用计算成本更低的平方欧氏距离进行排名估计；使用双堆过滤算法对特征点进行提纯，保证了特征匹配的精度；采用了并行结构，提高了图像特征点的匹配速度。
-
公开(公告)号：CN118665489A
公开(公告)日：2024-09-20
申请号：CN202410807788.0
申请日：2024-06-21
申请人： 南京林业大学
IPC分类号： B60W40/00 , B60W40/10 , B60W40/105 , B60W50/00
摘要： 本发明公开了一种动态交通环境下的电动汽车速度规划方法及系统，包括以下步骤：获取道路交通信息；静态速度规划，根据车辆位置和道路交通信息计算速度曲线；长期规划，将速度曲线从位置域转换为时间域，并将其作为下一个交通信号灯的目标绿灯相位的输入；目标绿灯相位自适应选择，对时间域的速度曲线进行积分，得到车辆到达下一个交通信号灯所需时间；动态速度规划；基于预设规则的短期规划；环境预测，计算前车的预测速度，生成解的空间，并基于此限制汽车位置。本发明的计算复杂性相比于二维离散动态规划低了几个数量级，通过引入短期规划，可以应用于动态交通场景，更加符合实际道路场景。
-
公开(公告)号：CN118394143A
公开(公告)日：2024-07-26
申请号：CN202410462905.4
申请日：2024-04-17
申请人： 南京林业大学
IPC分类号： G05D13/62
摘要： 本发明提出了一种高速转向智能车队运稳定性的控制方法，本发明选择智能车队中任意相邻的前、后两辆车，通过虚拟结构法构建的虚拟铰接模型，将前、后车辆连接成为一个系统，并利用第二类拉格朗日方程理论建立了考虑非线性轮胎和转向系统的十自由度智能车队系统模型。利用特征方程分析法定义了系统阻尼比，通过系统阻尼比与智能车队运动稳定性的关系，分析得到系统动态临界车速，并将其作为智能车队系统稳定性指标。利用灵敏度分析法、控制变量分析法和时域分析法，分析了智能车队结构特征和系统参数对系统动态临界车速的影响以及在侧向扰动下的系统运动稳定性，进而证明了所提出的控制策略的正确性，且容易推广使用。
-
-
-
-
-
-
-
-
-
搜索结果
105 条记录 (耗时 0.034 秒)
