-
公开(公告)号：CN118444159B
公开(公告)日：2025-04-15
申请号：CN202410444223.0
申请日：2024-04-15
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/382 , G01R31/396
Abstract: 本发明公开了一种Mamba架构驱动的电池包SOC与SOE估计方法，该方法首先电动汽车电池包原始数据采集和预处理，并将预处理后的电池数据制作为数据集。其次构建Mamba网络，所述Mamba网络模型包括全连接层、特征层正则化、门控单元及选择性状态空间模型SSM模块。最后搭建两个任务层，由Mamba网络的输出，分别实现电动汽车电池包SOC与SOE的估计。本发明同时估计电池包SOC与SOE，提高模型计算效率，减少计算与存储需求，测量过程简单，并能够及时、准确估算锂离子电池SOC与SOE。
-
公开(公告)号：CN117968703B
公开(公告)日：2025-01-03
申请号：CN202410202846.7
申请日：2024-02-23
Applicant: 杭州电子科技大学
IPC: G01C21/20 , G06N3/006 , G06N3/092 , G06N3/0895 , G06N3/0464 , G06N3/0495 , G01C21/34
Abstract: 本发明公开了基于鸟瞰视角时空对比强化学习的自主导航方法，该方法首先设定状态空间和动作空间、奖励函数。其次构建基于鸟瞰视角时空对比学习的鸟瞰视角导航网络模型，初始化各网络参数，将初始观测的三维点云输入到鸟瞰视角导航网络模型中，智能体随机采样数据并将得到的数据对存入经验池，对经验池进行初始化。最后循环导航事件，设置目标点和行人位置，根据经验池存储的数据更新鸟瞰视角导航网络模型，根据更新后的鸟瞰视角导航网络选择动作并不断更新智能体的状态，直到移动智能体到达目标位置。本发明显著提升了智能体在复杂和动态环境中的自主探索成功率和导航效率，具备重要的理论和实际应用价值。
-
公开(公告)号：CN118940163A
公开(公告)日：2024-11-12
申请号：CN202410985543.7
申请日：2024-07-23
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , G06F18/214 , G06N3/0442
Abstract: 本发明公开了一种无需先验知识的人体行为分割方法及设备，该方法首先采集包含人体行为的时间序列，根据重要性程度提取前dim维构建时间序列X。其次通过迭代时间序列X在时刻n时，模式为m且状态为s的概率，遍历检索概率最大值对应的模式与状态，若在时刻n发生模式转换，则保存该时刻为候选分割点，并进行分割。然后将分割后的时间序列按不同模式类型归类，并拟合出模式m的模型参数。最后基于模型参数，以代价函数为约束，循环迭代遍历检索模式m与状态s的最佳取值范围，获得人体行为最佳分割结果。本发明在进行人体行为分割时无需任何先验知识，实现低成本高精度的人体行为分割。
-
公开(公告)号：CN118311456A
公开(公告)日：2024-07-09
申请号：CN202410431892.4
申请日：2024-04-11
Applicant: 杭州电子科技大学
IPC: G01R31/389 , G01R31/396 , G01R31/367
Abstract: 本发明公开了一种多频率混合注入的高压电池包内阻测量方法，包括以下步骤：S1、输出叠加的混合电压信号，且逐个输出与合成前单一正弦波同频同相的方波信号。通过电压‑电流转换电路，产生混合的电流信号；S2、混合激励信号源进行高压耦合处理，并注入高压电池包内部；S3、使用放大电路对微弱信号进行放大，同步检波器提取噪底内的小信号，方波信号控制两个模拟开关。经低通滤波器后输出电压与电池纯内阻为正比例函数关系。S4、使用ADC采集输出直流信号,采集控制器与混合激励信号源中的FPGA进行同步，并将计算后的电池内阻发送到上位机。该方法测量电池内阻准确度高、效率高、安全可靠。
-
公开(公告)号：CN117974717A
公开(公告)日：2024-05-03
申请号：CN202410106171.6
申请日：2024-01-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种结合体素和鸟瞰网络的3D点云目标跟踪方法。将前一帧的目标位置作为坐标系原点，选取前一帧与当前帧点云的感兴趣区域子集，划分为规整的体素网格并编码；通过共享权重的体素网络提取编码后网格的三维空间特征，将其高度信息压缩至通道维度后得到鸟瞰特征，再通过鸟瞰网络输出多尺度的鸟瞰视角的特征图，对不同帧的鸟瞰特征进行时空特征融合后，得到蕴含了丰富目标运动信息的高维特征向量，通过多层感知机回归得到目标在帧间的相对运动，预测当前帧的目标位置。实验结果表明，本方法不仅在推理速度上达到领先水平，在跟踪精度上也远超现有的其他方法。
-
Patent Agency Ranking
公开(公告)号：CN112084890B
公开(公告)日：2024-03-22
申请号：CN202010847228.X
申请日：2020-08-21
Applicant: 杭州电子科技大学
IPC: G06V20/00 , G06V10/82 , G06V10/762 , G06V10/774 , G06V10/80 , G06V20/58 , G06N3/0464 , G06T7/136
Abstract: 本发明公开了一种基于GMM和CQFL的多尺度识别交通信号标志的方法。本发明通过GMM聚类得到先验框尺寸作为网络的参数参与训练；将待训练图像输入神经网络中，网络会提取出输入图像不同尺度的特征图，并为五个不同尺度的特征图分配相应个数的先验框。再通过上采样和特征融合，最后输出五个不同尺度的预测结果。通过CQFL计算损失函数值后再进行迭代训练可以更新模型参数，得到最终模型；识别时将待识别图像输入最终模型，得到图像相应位置上的识别结果。通过GMM聚类提高了网络的识别速度和识别精度；通过CQFL解决了数据样本少导致识别效果差的问题；通过多尺度预测和先验框分配策略，解决了交通信号标志太小，难以检测的问题。
-
公开(公告)号：CN113393511B
公开(公告)日：2024-02-02
申请号：CN202110510868.6
申请日：2021-05-11
Applicant: 杭州电子科技大学
IPC: G06T7/55 , G06N3/0464 , G06N3/08 , G06T7/90
Abstract: 本发明涉及一种基于多阶段彩色图像引导的道路场景深度补全方法。激光雷达得到的道路场景深度图像非常稀疏，缺失的深度信息带来了极大的不确定性，仍难以满足实际应用的需求。因此如何发掘场景稠密彩色图像和稀疏深度图像的内在约束关系，完成稀疏深度图像的高质量补全是目前的研究热点。本发明多阶段彩色图像引导的深度图像补全网络由“彩色引导”和“精细化补全”两个阶段构成，将“彩色引导”阶段重建的特征融合到“精细化补全”阶段中实现了多阶段的特征引导，可以有效实现深度图像的高质量补全。高质量的道路场景深度感知对道路目标检测，自动驾驶智能汽车等应用都是至关重要的，因此本发明具有重要的理论价值和实际意义。
-
公开(公告)号：CN110930306B
公开(公告)日：2023-09-12
申请号：CN201911031488.3
申请日：2019-10-28
Applicant: 杭州电子科技大学
IPC: G06T3/40 , G06N3/0464
Abstract: 本发明公开一种基于非局部感知的深度图超分辨率重建网络构建方法，目前越来越多的场景应用需要高质量高分辨率的深度图片，传统的深度图像超分辨方法在效果和速度都不如基于卷积神经网络的方法。但由于卷积的特性，大部分的超分辨卷积神经网络框架都只能利用深度图像的局部信息，然而图像的非局部信息对图像的重建十分重要。本发明充分发掘了深度图像的局部和非局部信息，帮助深度图像进行超分辨率重建。并且利用递归学习和残差学习的思想，减轻了卷积神经网络的负担，控制了网络的参数，提升了深度图像的重建效果。
-
公开(公告)号：CN116467580A
公开(公告)日：2023-07-21
申请号：CN202310431133.3
申请日：2023-04-21
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/08 , H01M10/42 , H01M10/0525 , G06F119/04
Abstract: 本发明公开了一种基于TTSNet的锂离子电池SOH估算与RUL预测方法，包括如下步骤：S1、构建TTSNet网络模型；S2、通过时序transformer的特征提取网络分别通过相应的提取支路对预处理后的电池数据中电压、电流和温度数据进行特征提取，得到丰富的语义信息特征；S3、通过AGFF的特征融合网络，对提取的语义信息特征进行自适应融合，得到神经网络的预测输出；S4、基于TTSNet网络模型的SOH估算与RUL预测。该方法不仅可以自适应提取并交互锂离子电池输入时间序列中的有用信息，还考虑到长时间序列电压、电流、温度与容量之间的相关性，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力。最终得到实时、高精度的SOH估算与RUL预测结果。
-
公开(公告)号：CN116330284A
公开(公告)日：2023-06-27
申请号：CN202310305511.3
申请日：2023-03-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种适用于被遮挡物体抓取的机械臂自主控制方法，S1、初始化机械臂，采集RGB彩色图像数据和Depth深度图像数据；S2、对采集的当前场景进行观察识别；S3、利用矩阵形式的场景物体可见信息，判断i号目标物体是否可见；S4、根据待操作物体的重心坐标，网络输出一个机械臂推动物体的方向，同时根据奖励函数给出决策信息；S5、机械臂根据接收的待操作物的重心坐标信息执行抓取或推动动作；S6、机械臂执行推动动作，推开障碍物，寻找目标物体，直至目标物体可见且无遮挡；目标物体可见且无遮挡后，机械臂抓取目标物体，返回并放置于桌面上。该方法可以实现横向的被遮挡目标物体的抓取，可应用于无人商店，医院药房，仓库等多种场景。
-
-
-
-
-
-
-
-
-
Search Results
193
records
(took 0.036 seconds)
