-
公开(公告)号：CN106611169A
公开(公告)日：2017-05-03
申请号：CN201611267904.6
申请日：2016-12-31
申请人： 中国科学技术大学
CPC分类号： G06K9/00845 , G06K9/6256 , G06K9/627 , G06N3/0454 , G06N3/08
摘要： 本发明提出一种基于深度学习的危险驾驶行为实时检测方法，搭建前车图像采集系统，收集训练样本并进行人工标注，建立危险驾驶行为数据集；基于深度学习的方法，根据危险驾驶行为数据集的特点，提出空间金字塔池化的卷积深度置信归一化分类网络(SPP‑CDBRNet)模型；对建立的数据集进行预处理，采用带动量的随机梯度下降方法，利用预处理后的数据集对SPP‑CDBRNet模型进行训练，得到能够精确识别是否具有危险驾驶行为(驾驶途中使用手持电话和抽烟)的SPP‑CDBRNet；利用确定的SPP‑CDBRNet模型，对前车图像进行检测，实现对危险驾驶行为的实时检测。本发明能够有效地提高危险驾驶行为检测的精度，并有具有良好的实时性和迁移性，具有广阔的应用前景。
-
公开(公告)号：CN111580560B
公开(公告)日：2022-05-13
申请号：CN202010477408.3
申请日：2020-05-29
申请人： 中国科学技术大学
IPC分类号： G05D1/10
摘要： 本发明公开了一种基于深度模仿学习的无人直升机自主特技飞行方法，包括获取直升机飞行数据构建无人直升机的系统模型并确认系统模型数据；利用系统模型数据构建数据缓存器；通过直升机特定和飞行数据构建无人直升机自主特技飞行的深度模拟学习网络模型；对飞行数据进行处理后对深度模拟学习网络模型进行训练，得到无人直升机自主特技飞行的控制量深度模拟学习网络模型；将数据缓存器、控制量深度模拟学习网络模型、无人直升机进行连接。本发明方法能够实现真正的无人直升机自主特技飞行，且控制精度高、稳定性好。
-
公开(公告)号：CN106650826A
公开(公告)日：2017-05-10
申请号：CN201611267902.7
申请日：2016-12-31
申请人： 中国科学技术大学
CPC分类号： G06K9/6218 , G06K9/6256 , G06N3/02
摘要： 本发明公开了一种多车道水平式尾气遥测设备数据处理方法，该方法主要包括以下步骤：利用尾气遥测设备对机动车尾气排放数据进行远程采集，同时采集其他影响因素，包括：机动车的车型、速度与加速度，以及当前时间、天气、温度、湿度、压强，风向与风速，并对远程采集到的机动车尾气排放数据分别进行预处理；将所测尾气排放浓度数据分为十个等级，取每个等级范围的中值作为该等级的尾气排放浓度，利用深度神经网络对所得样本数据进行训练，得到训练模型；当出现机动车并排行驶的情况时，根据所测机动车的车型、速度与加速度，以及当前时间、天气、温度、湿度、压强，风向与风速，通过所建立的模型得到该机动车的排放浓度。
-
公开(公告)号：CN106599520A
公开(公告)日：2017-04-26
申请号：CN201611267916.9
申请日：2016-12-31
申请人： 中国科学技术大学
CPC分类号： G06F17/5009 , G06Q10/04
摘要： 本发明涉及一种基于LSTM‑RNN(Long Short‑Term Memory)模型的空气污染物浓度预报方法，监测收集较长一段时间内的空气污染物浓度数据；对历史数据进行预处理来构造待训练LSTM‑RNN模型的训练、验证、测试样本数据；通过训练样本数据得到预先训练的LSTM‑RNN模型，然后通过构造的验证和测试样本数据微调训练得到LSTM‑RNN模型参数，通过进一步修正模型参数来提高模型精度，将该修正后的LSTM‑RNN模型作为空气污染物浓度预报模型；最终将预处理后的目标城市较长时间内的空气污染物浓度数据作为LSTM‑RNN模型的输入数据，模型输出得到当前或未来某一时刻的空气污染物浓度的预报结果。
-
公开(公告)号：CN111736465A
公开(公告)日：2020-10-02
申请号：CN202010477398.3
申请日：2020-05-29
申请人： 中国科学技术大学
IPC分类号： G05B13/04
摘要： 本发明的一种无线云控制系统调度方法及系统，包括根据实际的各个被控对象，分别建立系统模型；进行云计算平台的配置，确定模型预测控制方法的预测时域、控制器以及传感器的成功传输概率需求；调整所有传感器的发送概率；根据各个传感器的发送概率，确定发送门槛；根据是否成功收到各自的传感器数据来计算最优控制序列，并准备通过控制信道发送给各自的执行器；中心调度器选择一个控制器来接入控制信道；各个执行器根据是否成功收到控制序列来更新缓冲器内容，并从中选择控制量进行执行。本发明能够使得所有传感器的发送概率达到高效的纳什均衡点，节约传感器的发送功耗，避免控制信号在控制信道之间的碰撞，并且确保所有控制系统的稳定性。
-
公开(公告)号：CN106650825B
公开(公告)日：2020-05-12
申请号：CN201611267878.7
申请日：2016-12-31
申请人： 中国科学技术大学
摘要： 本发明公开了一种机动车尾气排放数据融合系统，包括道边空气污染物浓度估计模块、道边空气污染物浓度预报模块、城市全局大气环境预测模块、机动车尾气排放因子估计模块与机动车尾气排放特征分析模块；五个模块分别实现不同的数据分析功能，选择不同的模块即可实现不同的功能；可以单独使用，也可两个或两个以上组合作用，实现对机动车尾气遥测数据及机动车属性、行驶工况、检测时间、气象条件数据的存储、分析与融合，结合车载诊断系统数据库、便携式排放测试系统数据库、车检所离线数据库、交通信息数据库与地理信息数据库，对机动车尾气遥测数据进行分析处理，获取最具辨识力的关键性指标和统计数据，从而为政府部门制定相关决策提供有效支撑。
-
公开(公告)号：CN106611090B
公开(公告)日：2018-04-10
申请号：CN201611267909.9
申请日：2016-12-31
申请人： 中国科学技术大学
IPC分类号： G06F17/50
摘要： 本发明涉及一种基于重构深度学习的道边空气污染物浓度预测方法，基于重构深度学习方法，根据道边空气污染物的时空分布特点，提出深度重构Elman模型；根据限制玻耳兹曼机的特点，利用道边空气污染物浓度数据集的部分输入数据，完成深度重构Elman模型的初始化；采用梯度下降算法，对深度重构Elman模型进行训练，通过模型的特征映射功能，得到基于路网信息、气象信息、交通信息等因素的道边空气污染物浓度实时预测方法。
-
公开(公告)号：CN106680281A
公开(公告)日：2017-05-17
申请号：CN201611270457.X
申请日：2016-12-31
申请人： 中国科学技术大学
CPC分类号： G01N21/85 , G01N2021/1765 , G01N2021/8578 , G06K9/6256 , G06N3/08
摘要： 本发明提出一种基于深度残差学习网络的柴油车尾气烟度检测方法，包括以下步骤：利用安装在道边的摄像机获取柴油车尾气图像；通过汽柴一体化机动车尾气遥测装置获取深度残差学习网络的标签值；搭建深度残差学习网络；对获取的柴油车尾气图像进行预处理，并对构造的深度残差学习网络训练、验证和测试，将得到的深度残差学习网络应用于柴油车尾气烟度的实时在线检测。相比于已有的方法，本发明的优点在于：深度残差网络可以在保证网络性能的前提下加深网络的深度，使系统具有更高的准确率和更强的泛化能力，从而提升柴油车尾气烟度检测的精确度。
-
公开(公告)号：CN106611090A
公开(公告)日：2017-05-03
申请号：CN201611267909.9
申请日：2016-12-31
申请人： 中国科学技术大学
IPC分类号： G06F17/50
CPC分类号： G06F17/5036
摘要： 本发明涉及一种基于重构深度学习的道边空气污染物浓度预测方法，基于重构深度学习方法，根据道边空气污染物的时空分布特点，提出深度重构Elman模型；根据限制玻耳兹曼机的特点，利用道边空气污染物浓度数据集的部分输入数据，完成深度重构Elman模型的初始化；采用梯度下降算法，对深度重构Elman模型进行训练，通过模型的特征映射功能，得到基于路网信息、气象信息、交通信息等因素的道边空气污染物浓度实时预测方法。
-
公开(公告)号：CN111830826B
公开(公告)日：2022-09-06
申请号：CN202010479297.X
申请日：2020-05-29
申请人： 中国科学技术大学
IPC分类号： G05B13/04
摘要： 本发明的一种网络化双模自适应时域模型控制方法及系统，可解决现有模型预测控制器在指定的时间间隔内在线求解非线性规划问题时，计算过程将消耗大量的计算资源的技术问题。基于计算机设备，执行以下步骤：建立具有有界扰动的约束非线性被控对象的控制模型；设计通信网络，并设置网络特性；设计远程自适应时域模型预测控制器；设计局部控制器，并选择控制输入；设计判决器，用以决定采用局部控制器，还是采用远端控制器；针对真实的控制输入量，实现双模自适应时域模型预测控制。本发明将优化问题的计算从局部控制器转移到的远端，放宽了对计算资源的需求，使得平均计算时间变小，同时基于序列的传输能够补偿可能的网络丢包问题。
-
-
-
-
-
-
-
-
-
搜索结果
21 条记录 (耗时 0.029 秒)
