基于非线性一维海面分形模型的电磁散射系数估计方法

    公开(公告)号:CN102306217A

    公开(公告)日:2012-01-04

    申请号:CN201110230957.1

    申请日:2011-08-12

    IPC分类号: G06F17/50

    摘要: 本发明公开了基于非线性一维海面分形模型的电磁散射系数估计方法,属于海面电磁散射系数估计的研究领域,首先建立新的非线性海面分形模型,这种海面模型以水波的二阶解为基础,新的海面模型可反映出波浪的波峰波谷不对称的非线性特征,然后基于此非线性模型利用Kirchhoff近似方法计算海面的电磁散射系数,最终得到较线性模型更为准确的海面散射系数估计值,更加灵活的反映了不同海况的散射结果,具有估计准确,运算量小的特点。

    基于FPGA的电磁阀驱动模块

    公开(公告)号:CN101975301B

    公开(公告)日:2011-11-30

    申请号:CN201010503376.6

    申请日:2010-09-30

    IPC分类号: F16K31/06

    摘要: 本发明公开一种基于FPGA的电磁阀驱动模块,包括高端开关、FPGA单元、低端驱动单元以及电源;低端驱动单元包括多个低端开关、采样电阻以及电压比较器;多个电磁阀为驱动对象;高端开关与各个电磁阀分别相连,每个电磁阀分别连接一个低端开关,各个低端开关通过同一采样电阻接地,电压比较器与采样电阻和FPGA单元分别相连。根据驱动阀的类型对FPGA进行参数设置,使FPGA输出响应控制驱动阀的PWM信号来控制峰值电流和波谷电流的大小以及持续时间,使其适用于多种类型的电磁阀。采用电压比较器实时地采集采样电阻上的电压,并根据事先设置的参数对比判断,当判定为短路或断路时关闭高端开关,实现对驱动模块的保护。

    基于空间域凸优化的燃料电池汽车节能驾驶方法及装置

    公开(公告)号:CN115114732A

    公开(公告)日:2022-09-27

    申请号:CN202210856318.4

    申请日:2022-07-14

    摘要: 本发明公开了基于空间域凸优化的燃料电池汽车节能驾驶方法及装置,包括以下步骤:S1.在空间域内建立燃料电池汽车动力传动系统模型,包括车辆纵向动力学模型、电机模型、燃料电池系统模型和动力电池模型;S2.在空间域内建立多交叉口通行环境模型,包括信号灯约束、道路坡度干扰和道路限速;S3.在空间域内建立燃料电池汽车多交叉口节能驾驶问题;S4.利用凸近似和凸松弛技术对燃料电池汽车多交叉口节能驾驶问题进行凸化;S5.采用凸优化工具进行求解,得到最优决策。本发明能够以高效的计算效率实现全局最优的能耗经济性,具备实时应用潜力。

    一种基于混合滤波的UWB定位系统与方法

    公开(公告)号:CN110225458B

    公开(公告)日:2020-10-09

    申请号:CN201910380579.1

    申请日:2019-05-08

    摘要: 本发明涉及一种基于混合滤波的UWB定位系统与方法,属于短距离定位技术领域。通过远端数据处理中心进行信号处理和运算,用户控制小型智能设备的运动并发射UWB信号,通过固定位置的定位基站上安装的不同位置的接收阵列天线接收信号,再对接收信号混合滤波,再根据信号的到达时间差来计算信号源的坐标,最后通过对测量结果进行N次时间平均来输出小型智能设备的精确位置。所述系统中,小型智能设备仅作为信号源,运算任务由远端数据处理中心完成,因此不但可以减小小型智能设备负荷,还可通过体积和功率不受限的远端数据处理中心对大量数据进行综合处理,可减小误差,得到更高的测量精度。

    一种基于神经网络打靶的燃料电池汽车能量管理方法

    公开(公告)号:CN114987292A

    公开(公告)日:2022-09-02

    申请号:CN202210822589.8

    申请日:2022-07-12

    摘要: 本发明公开了一种基于神经网络打靶的燃料电池汽车能量管理方法,包括以下步骤:S1.建立燃料电池汽车动力传动系统模型,包括车辆纵向动力学模型、电机模型和能量源功率平衡模型;S2.利用动态规划求解燃料电池汽车最优能量管理问题,根据求解结果建立最优数据集;S3.基于最优数据集训练神经网络;S4.基于在神经网络能量管理策略下动力电池荷电状态SoC最终值和目标值的单调关系,在测试工况下利用二分法对最终SoC进行打靶,直至其达到期望值。本发明能够精确控制神经网络能量管理策略下的动力电池最终荷电状态,并以高效的计算效率实现近似最优的能耗经济性。

    一种面向非独立同分布数据的联邦互学习模型训练方法

    公开(公告)号:CN114091667A

    公开(公告)日:2022-02-25

    申请号:CN202111386087.7

    申请日:2021-11-22

    发明人: 李侃 李洋

    IPC分类号: G06N3/08 G06N20/00 G06N3/04

    摘要: 本发明提供了一种面向非独立同分布数据的联邦互学习模型训练方法,包括:S1、将初始全局模型参数发送至中间客户端,中间客户端生成中间客户端模型参数,S2、边缘客户端利用本地数据集生成边缘客户端模型参数;S3、中间客户端和边缘客户端利用互学习方法更新参数;S4、将中间客户端模型输出的概率预测值上传至服务器,服务器利用蒸馏技术更新全局模型和中间客户端模型;S5、执行步骤S3~S4,直到模型满足收敛条件,得到最终的中间客户端模型、边缘客户端模型和全局模型,然后服务器将最终的全局模型广播到所有边缘客户端。在本发明中,通过分组互学习和知识蒸馏方法解决非独立同分布数据的联邦学习通信带宽限制和模型生成的问题。