-
公开(公告)号：CN108647593A
公开(公告)日：2018-10-12
申请号：CN201810387699.X
申请日：2018-04-26
申请人： 东华大学
摘要： 本发明涉及一种基于图像处理和SVM的无人机路面破损分类检测方法，包括以下步骤：首先利用无人机群对路面进行图像拍摄，对采集到的图像进行去噪增强处理，之后再对预处理后的图像进行分割处理，对分割处理后的图像进行形态学处理和裂缝特征提取，最后使用支持向量机进行分类决策。本发明实现了可以多方位、实时性、远程操作的一种路面破损检测方法，并且人力成本较低，安全性相应提高。
-
公开(公告)号：CN109142946A
公开(公告)日：2019-01-04
申请号：CN201810693632.9
申请日：2018-06-29
申请人： 东华大学
CPC分类号： G01R31/027 , G06N3/006
摘要： 本发明涉及一种基于蚁群算法优化随机森林的变压器故障检测方法，包括以下步骤：首先对初始训练样本离散化处理并计算随机森林特征重要度得分，其次将重要度得分作为启发信息，并生成启发距离，接着初始化蚁群算法参数，包括每只蚂蚁的节点以及节点特征，然后计算蚂蚁在节点之间的转移概率并构建特征子集的解空间，并将随机森林分类精度作为评价标准，在更新信息素的同时进行特征选择得到最优或者近似最优特征子集，最后满足停止条件，输出最优特征解，进行故障诊断分类。本发明有利于提高决策树随机森林的分类精度。
-
公开(公告)号：CN108956153A
公开(公告)日：2018-12-07
申请号：CN201810393821.4
申请日：2018-04-27
申请人： 东华大学
IPC分类号： G01M17/007 , G06N3/04
CPC分类号： G01M17/007 , G06N3/0454
摘要： 本发明涉及一种基于RBF径向基神经网络的汽车防抱死检测方法，包括以下步骤：先是利用测速传感器对汽车四个车轮车速数据进行采集和处理，然后选择合适的径向基神经网络模型和参数对数据进行训练和学习。再用原先采集的部分有效数据进行验证，用来检验所建立的神经网络的合理性。最后用新数据进行故障预测。本发明能够快速准确的判断出是否需要启动防抱死系统，从而降低了事故发生率。
-
公开(公告)号：CN108717549A
公开(公告)日：2018-10-30
申请号：CN201810385838.5
申请日：2018-04-26
申请人： 东华大学
CPC分类号： G06K9/6269 , G06K9/0063 , G06K9/40
摘要： 本发明涉及一种基于无人机视觉以及支持向量机分类的人群密度分析方法，包括以下步骤：先使用的摄像机拍摄区域内的人群，获得到彩色图像，再对采集到的人群图像进行灰度化处理过程，之后再对图像进行噪声的消除，然后使用背景减运算得到人群前景图像，再运用基于灰度共生矩阵的纹理分析方法提取人群密度特征，并将其结果送入到支持向量机分类器中，从而得到人群密度。本发明实现了可以实时监测人群密度，并可将无人机释放在需要监测的位置，更进一步实现公共安全管理的方法。
-
公开(公告)号：CN108665095A
公开(公告)日：2018-10-16
申请号：CN201810393800.2
申请日：2018-04-27
申请人： 东华大学
摘要： 本发明涉及一种基于遗传算法优化Elman神经网络的短期功率预测方法，包括以下步骤：首先确定Elman神经网络拓扑结构，其中包括神经网络输入层节点个数、隐藏层节点个数、输出层节点个数、承接层节点个数等。然后初始化Elman神经网络权值阈值长度。再使用遗传算法对初始值进行编码并进行交叉变异等操作产生优化后的神经网络初始权值，最后对神经网络进行学习和训练并更新权值，得到预测结果。本发明使得预测准确率更高，速度更快，便于电网的调度运行。
-
公开(公告)号：CN109165767A
公开(公告)日：2019-01-08
申请号：CN201810693599.X
申请日：2018-06-29
申请人： 东华大学
摘要： 本发明涉及一种基于帝国竞争算法优化支持向量机的短期风速预测方法，包括以下步骤：首先对帝国集团初始化处理，选出势力较大的帝国主义国家和殖民地国家。接着进行帝国集团的同化，帝国主义国家对殖民地国家进行思想和行为上的同化。然后帝国集团之间进行竞争，适应度较大的帝国吞并适应度较小的帝国。再次帝国灭亡，在帝国吞并的过程中弱小国家的殖民地完全丢失后，帝国灭亡算法停止，取得最优参数。最后将取得的最优参数代入支持向量机模型训练并预测风速。本发明有利于提高风速预测的精度以及预测的速度。
-
公开(公告)号：CN108764778A
公开(公告)日：2018-11-06
申请号：CN201810386977.X
申请日：2018-04-26
申请人： 东华大学
CPC分类号： G06Q10/087 , G06T5/30 , G06T7/0004 , G06T7/13 , G06T2207/30242
摘要： 本发明涉及一种基于图像处理的仓库无人机补充货物方法，包括以下步骤：无人机群在巡检货柜时先扫描货柜下方的条形码，以获得对应货柜货物的类别以及最大数量，通过对仓库货柜的货物进行拍照，以对货物图像采集、灰度化以及二值化处理，通过滤波方法去除货物图像中的噪声，采用腐蚀方法对货物图像进行形态学处理，使用bwlable函数对被腐蚀的货物图像区域进行标记，统计货物数量，并和已获得的相应货柜的货物数量进行比较，若检测货物数量减少，则去对应补充货物地点，扫描货物上的条形码，对匹配的货物选取搬运至货柜上；若检测到货物数量没有减少，则无人机群继续巡检。本发明实现了仓库智能化管理以及具有实时性和低成本性，更加有效智能化管理仓库。
-
公开(公告)号：CN108921003A
公开(公告)日：2018-11-30
申请号：CN201810387696.6
申请日：2018-04-26
申请人： 东华大学
摘要： 本发明涉及一种基于卷积神经网络和图像形态学的无人机障碍物检测方法，包括：对拍摄到的前方图像进行预处理，然后通过简单的特征从图像中定位出无人机可能出现的位置，以提高系统的实时性。接着对图像进行形态学处理，去除图像图像中可能存在的噪声等影响。最后利用已经训练好的卷积神经网络来对前者所获取的无人机假设生成区域进行检验，将卷积神经网络判断为非目标的区域从假设产生区域的集合中去除，最后将判定为目标区域的图像进行标记，输出对应图像。本发明能够有效的提高检测的准确率和实时性，而且卷积神经网络具有从原始图片中自适应提取特征的优点，可以有效规避人工特征提取的局限性。
-
公开(公告)号：CN108665112A
公开(公告)日：2018-10-16
申请号：CN201810470634.1
申请日：2018-05-16
申请人： 东华大学
摘要： 本发明涉及一种基于改进粒子群优化Elman网络的光伏故障检测方法，其特征在于，包括以下步骤：(1)粒子群算法初始化；(2)构建Elman神经网络拓扑结构；(3)确定粒子评价函数，计算粒子适应度值；(4)更新粒子并引入变异算子，获得新的种群粒子：重新确定个体极值和全局极值，在达到设定精度或最大迭代次数时获得最优粒子；(5)根据步骤(4)中得到的最优粒子获得最优权值进行网络训练和结果预测。本发明在改进的粒子群算法下获取神经网络最优权值，克服了Elman神经网络陷于局部最优解的缺陷，使得预测效率更高，速度更快，便于光伏发电系统的维护与管理。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.026 秒)