-
公开(公告)号：CN102688513A
公开(公告)日：2012-09-26
申请号：CN201110072528.6
申请日：2011-03-24
IPC分类号： A61L9/00 , A61L9/014 , A61L9/20 , A61L101/02
摘要： 提供一种有害物质去除装置和使用该去除装置的空气净化装置。该装置有效地降低被处理空气中的有害气体成分，并且还能够抑制高挥发性有机物的再释放。有害物质去除装置(1)包括：前级处理部(2)，其配置在供含有有害气体成分的被处理空气流动的路径中；以及后级处理部(3)，其配置在前级处理部的下游侧，前级处理部包括：多孔质吸附剂(12)，其用于吸附被处理空气中的有害气体成分；光催化剂(13)；以及紫外线照射灯(8)，其向光催化剂照射紫外线，后级处理部包括：气液接触部件(16)，其使水与被前级处理部处理后的被处理空气接触；电解处理部件(17)，其具有电极(21)，该电极对在气液接触部与被处理空气接触的水进行电化学处理。
-
公开(公告)号：CN102688513B
公开(公告)日：2014-03-12
申请号：CN201110072528.6
申请日：2011-03-24
IPC分类号： A61L9/00 , A61L9/014 , A61L9/20 , A61L101/02
摘要： 提供一种有害物质去除装置和使用该去除装置的空气净化装置。该装置有效地降低被处理空气中的有害气体成分，并且还能够抑制高挥发性有机物的再释放。有害物质去除装置(1)包括：前级处理部(2)，其配置在供含有有害气体成分的被处理空气流动的路径中；以及后级处理部(3)，其配置在前级处理部的下游侧，前级处理部包括：多孔质吸附剂(12)，其用于吸附被处理空气中的有害气体成分；光催化剂(13)；以及紫外线照射灯(8)，其向光催化剂照射紫外线，后级处理部包括：气液接触部件(16)，其使水与被前级处理部处理后的被处理空气接触；电解处理部件(17)，其具有电极(21)，该电极对在气液接触部与被处理空气接触的水进行电化学处理。
-
公开(公告)号：CN117372990A
公开(公告)日：2024-01-09
申请号：CN202311181635.1
申请日：2023-09-13
申请人： 清华大学
IPC分类号： G06V20/58 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S17/89
摘要： 本发明提供一种点云异常检测方法、系统及自动驾驶车辆，该方法包括：获取激光雷达感知的车辆周围环境的点云数据；将车辆周围环境的点云数据，输入预先建立和训练好的点云异常检测网络模型，输出点云异常检测结果；点云异常检测网络模型，用于对融合感知数据进行分类识别，并通过预设损失函数进行监督学习训练；融合感知数据为激光雷达感知的已知场景和基于点云深度学习数据集生成的伪异常物体融合后的数据。本发明在应用在自动驾驶车辆上，可以实现对车辆周围进行环境感知，准确分类和识别未知异常物体，提高点云异常检测的泛化性能，进而提高点云异常检测的精准度。
-
公开(公告)号：CN111752754B
公开(公告)日：2022-10-18
申请号：CN202010506828.X
申请日：2020-06-05
申请人： 清华大学
摘要： 本发明涉及一种用于存储器中雷达图像数据恢复的方法，属于数据恢复领域。本发明首先采集雷达图像构建雷达图像矩阵，然后生成一个大小一样的噪声图像矩阵，将两个矩阵合成加噪声后的雷达图像矩阵；构建一个自编码‑解码神经网络，将加噪声后的雷达图像矩阵输入该神经网络，得到自编码‑解码后的雷达图像矩阵；利用损失函数最小化训练该神经网络，得到训练完毕的神经网络；将受损雷达图像输入该训练完毕的神经网络，即可得到恢复后的雷达图像。本发明可在基于神经网络算法的雷达应用中提高对雷达图像存储数据的容错率，降低雷达应用的成本和功耗，在可穿戴物联网场景具有广泛的应用前景。
-
公开(公告)号：CN114266702A
公开(公告)日：2022-04-01
申请号：CN202210191905.6
申请日：2022-03-01
申请人： 清华大学
摘要： 本申请公开了一种基于压缩感知和深度光学的高速超分辨成像方法及装置，其中，方法包括：基于衍射光学和压缩感知理论，建立衍射光学元件和视频单帧压缩共同作用的成像模型，并利用深度学习框架端到端优化点扩散函数和重构网络，进而对三维视觉信号在空域进行编码，生成第一编码信息，并采用随机采样矩阵对三维视觉信号在时域进行编码，生成第二编码信息，并通过重构网络对时域和空域压缩采集的单帧低分辨观测图像进行重建，生成成像结果。由此，解决了相关技术采用分布式方法解决高速成像和超分辨成像问题，导致无法同时考虑时间与空间两个维度，视觉信息采集的效率和通量较低，无法有效满足成像需求的技术的问题。
-
公开(公告)号：CN113837944A
公开(公告)日：2021-12-24
申请号：CN202111152642.X
申请日：2021-09-29
申请人： 清华大学
摘要： 本说明书实施例提供了一种基于残差网络的DEM超分辨率方法和装置。该方法的一具体实施方式包括：首先，获取待处理DEM数据；然后，将上述待处理DEM数据输入预先训练的超分辨率模型，得到分辨率提高预设倍数的DEM数据，其中，上述超分辨率模型用于将输入的DEM数据的分辨率提升上述预设倍数，其中，上述超分辨率模型包括残差网络。
-
公开(公告)号：CN111444820B
公开(公告)日：2021-06-04
申请号：CN202010215230.5
申请日：2020-03-24
申请人： 清华大学
摘要： 本发明涉及一种基于成像雷达的手势识别方法。属于人机交互领域。本发明方法使用成像雷达作为硬件载体，结合自编码技术和循环神经网络实现了对用户动态手势的高准确率识别。本方法对不同的成像雷达都能应用。相对于基于摄像头设备实现的手势识别方法，本方法实现的模组更加轻便，识别环境中的手势时同时不受光线强弱的影响，因为不需要摄像头拍摄录像，这个方法不会泄露用户隐私，可以在很多比如智能家电控制、智能汽车驾驶室控制等场景中应用。
-
公开(公告)号：CN111915890A
公开(公告)日：2020-11-10
申请号：CN202010720893.2
申请日：2020-07-24
申请人： 清华大学 , 北京嘀嘀无限科技发展有限公司
摘要： 本发明涉及一种干道交通信号的网联优化控制方法，属于智能交通流控制技术领域。本方法包括将网联控制问题建模，通过引入一致性变量将问题解耦构建为一致性优化问题，利用交替方向乘子法实现并行计算，并行更新原始变量、一致性变量和对偶变量，直至满足设定的终止条件，将计算所得的信号灯控制量发送给各个信号灯进行执行。本方法的每一步计算都可以分别在各自信号灯的计算节点上进行，实现了问题求解的并行化。本方法有效地提高了计算求解效率，计算复杂度与路口数量无关，从而更适合大规模干道交通信号的协同控制。本发明的干道交通信号的网联优化控制方法，提升了控制效率，实现实时控制，缓解了交通拥堵等问题，有助于提高交通效率。
-
-
公开(公告)号：CN105024390A
公开(公告)日：2015-11-04
申请号：CN201510432371.1
申请日：2015-07-21
申请人： 清华大学 , 国网青海省电力公司 , 国网青海省电力公司经济技术研究院
CPC分类号： Y02E40/10
摘要： 本发明提供一种基于BP神经网络的微网电池储能系统调频控制方法，包括：测量微网电池储能系统的实时频率值；获取实时频率值与微网电池储能系统的额定频率值之间的频率差值，并将频率差值输入BP神经网络中进行智能推理，以得到当前最优的PI控制器的参数；根据当前最优的PI控制器的参数对PI控制器进行参数整定，并利用参数整定后的PI控制器根据频率差值，得到微网电池储能系统的逆变器控制有功功率差额参考值；根据有功功率差额参考值得到有功功率参考值，采取PQ逆变控制以使微网电池储能系统进行系统调频。该方法可以有效提高微网电池储能系统有功功率控制中的精度以及微网频率稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
74 条记录 (耗时 0.085 秒)
