基于交通信息与深度强化学习的混合动力汽车能量管理方法

    公开(公告)号:CN114475569B

    公开(公告)日:2024-10-22

    申请号:CN202210305934.0

    申请日:2022-03-25

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于交通信息与深度强化学习的混合动力汽车能量管理方法,属于新能源汽车控制领域。该方法包括:S1:获取历史交通数据与实时道路交通信息;S2:考虑安全性与舒适性,采用深度强化学习算法规划自车实时最优车速;S3:采用深度强化学习算法求解混合动力汽车能量管理问题,以及求解包含燃油消耗与电池SOC维持的多目标优化问题。本发明结合交通信息,运用深度强化学习对混合动力汽车进行速度规划与能量管理,具有良好的实时性与最优性,实现了对驾驶安全性、舒适性与燃油经济性的优化,为混合动力汽车能量管理提供了新思路。

    一种基于博弈论的自动驾驶车辆人车交互决策规划方法

    公开(公告)号:CN114644018B

    公开(公告)日:2024-07-30

    申请号:CN202210486625.8

    申请日:2022-05-06

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于博弈论的自动驾驶车辆人车交互决策规划方法,属于自动驾驶汽车技术领域。该方法包括:S1:构建基于博弈论的人车交互模型,具体包括:构建车辆和行人的行为概率预测模型、车辆和行人成本矩阵;基于累积前景理论,根据车辆和行人的行为概率以及成本矩阵,计算车辆和行人行为的收益;引入协作系数,改进人车交互模型;基于改进的人车交互模型进行行人协作值推理;对人车交互模型进行验证;S2:结合实时交通信息的自动驾驶汽车协作控制。本发明能实现自动驾驶汽车针对不同合作程度行人的协作性控制,提高自动驾驶汽车的在无信号灯人行横道的通行效率与安全性。

    一种基于博弈论的自动驾驶车辆人车交互决策规划方法

    公开(公告)号:CN114644018A

    公开(公告)日:2022-06-21

    申请号:CN202210486625.8

    申请日:2022-05-06

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于博弈论的自动驾驶车辆人车交互决策规划方法,属于自动驾驶汽车技术领域。该方法包括:S1:构建基于博弈论的人车交互模型,具体包括:构建车辆和行人的行为概率预测模型、车辆和行人成本矩阵;基于累积前景理论,根据车辆和行人的行为概率以及成本矩阵,计算车辆和行人行为的收益;引入协作系数,改进人车交互模型;基于改进的人车交互模型进行行人协作值推理;对人车交互模型进行验证;S2:结合实时交通信息的自动驾驶汽车协作控制。本发明能实现自动驾驶汽车针对不同合作程度行人的协作性控制,提高自动驾驶汽车的在无信号灯人行横道的通行效率与安全性。

    基于交通信息与深度强化学习的混合动力汽车能量管理方法

    公开(公告)号:CN114475569A

    公开(公告)日:2022-05-13

    申请号:CN202210305934.0

    申请日:2022-03-25

    Applicant: 重庆大学

    Abstract: 本发明涉及一种基于交通信息与深度强化学习的混合动力汽车能量管理方法,属于新能源汽车控制领域。该方法包括:S1:获取历史交通数据与实时道路交通信息;S2:考虑安全性与舒适性,采用深度强化学习算法规划自车实时最优车速;S3:采用深度强化学习算法求解混合动力汽车能量管理问题,以及求解包含燃油消耗与电池SOC维持的多目标优化问题。本发明结合交通信息,运用深度强化学习对混合动力汽车进行速度规划与能量管理,具有良好的实时性与最优性,实现了对驾驶安全性、舒适性与燃油经济性的优化,为混合动力汽车能量管理提供了新思路。

    利用基因工程技术获得高抗病毒马铃薯植株的方法

    公开(公告)号:CN101717785A

    公开(公告)日:2010-06-02

    申请号:CN200910191952.5

    申请日:2009-12-16

    Applicant: 重庆大学

    Abstract: 本发明公开了一种利用基因工程技术获得高抗病毒马铃薯植株的方法,包括Tm-22基因的克隆及其超表达载体的构建、农杆菌的侵染转化、高抗病毒马铃薯植株的检测;本发明根据已知番茄抗病基因Tm-22抗病机理及其对病毒(如TMV、ToMV等)的高抗特性,利用番茄与马铃薯亲缘关系较近特点,采用基因工程技术将Tm-22基因转入马铃薯,并通过筛选、鉴定而获得已表达Tm-22基因的高抗病毒马铃薯植株,提高了马铃薯植株对常见病毒的抗性;本发明通过植物基因转化马铃薯,能够避免环境风险及食用安全风险,有助于把马铃薯抗病研究推向一个新的台阶,为实际应用于农业生产作出了积极探索。

    蜂毒肽基因裂殖酵母工程菌及其构建方法和应用

    公开(公告)号:CN101591622A

    公开(公告)日:2009-12-02

    申请号:CN200910104221.2

    申请日:2009-06-30

    Applicant: 重庆大学

    Abstract: 本发明公开了一种蜂毒肽基因裂殖酵母工程菌及其构建方法和应用,该工程菌是由蜂毒肽基因裂殖酵母重组表达载体转化的裂殖酵母;其构建方法包括构建蜂毒肽基因裂殖酵母重组表达载体、用蜂毒肽基因裂殖酵母重组表达载体转化裂殖酵母共2个步骤;应用该工程菌生产蜂毒肽的方法包括蜂毒肽的表达、蜂毒肽的分离纯化共2个步骤;操作简便易行,蜂毒肽表达水平高、易于分离纯化、活性强,生产周期短,成本低,弥补了现有蜂毒肽制备方法以及原核表达系统和其它酵母表达系统的不足,可以在降低蜂毒肽对宿主细胞致死性的同时保证蜂毒肽的天然构象和活性,解决蜂毒肽提取纯化困难、合成成本过高等问题,从而为蜂毒肽的基础研究和生产应用提供有力的工具。

    基于渐进多尺度网络模型的肺结节检测方法

    公开(公告)号:CN118823547A

    公开(公告)日:2024-10-22

    申请号:CN202410896836.8

    申请日:2024-07-05

    Applicant: 重庆大学

    Abstract: 本发明公开了基于渐进多尺度网络模型的肺结节检测方法,包括如下步骤:构建YOLOX为主干网络的渐进多尺度网络模型PMSN‑YOLOX;使用现有公开数据集对PMSN‑YOLOX进行自监督预训练,将自监督预训练后得到的参数作为主干网络的初始化参数,然后再采用具有标记的训练集对PMSN‑YOLOX进行有监督的训练,其中训练集中有若干有标记的肺结节医学影像图片;有监督的训练过程中,当损失函数不再变化则得到最优PMSN‑YOLOX。将一张肺部新医学影像图片输入最优PMSN‑YOLOX,输出为是否患有肺结节的概率值与肺结节的包围框坐标。本发明方法在特征提取方面具有更加出色的能力,这使得模型能够对不同尺寸的肺结节展现出更高的灵敏度。

    一种基于深度学习的肺结节检测与剔除方法

    公开(公告)号:CN116228685A

    公开(公告)日:2023-06-06

    申请号:CN202310075484.5

    申请日:2023-02-07

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于深度学习的肺结节检测与剔除方法,该方法在网络生成结果之前进行融合,对每一个模型的预测结果保留相同权重,使用加权框融合的后处理方法的到最终结果。提出了一种根据连续图片交并比值来判断结节连续性的方法,能够快速实现结节从二维转为三维,并且能够有效的减少误判。本发明基于二维目标检测模型检测肺结节,更加节省算力,且在检测完毕后结合了三维重构技术,实现了更快速,更精确的肺结节检测,除此之外,提出了Sa‑Yolo模型,通过引入分割注意力机制,从而加强了模型对于小结节的检测效果,并且在与Yolov7融合之后,能够获得更精准的结节边界框,能够更精准、快速地检测肺结节。

    一种基于深度学习的自适应假阳性肺结节剔除方法

    公开(公告)号:CN116012355A

    公开(公告)日:2023-04-25

    申请号:CN202310075453.X

    申请日:2023-02-07

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于深度学习的自适应假阳性肺结节剔除方法,该方法的实现主体是一种基于3DCNN的自适应假阳性剔除网络,能够对不同大小的肺结节候选快进行分类,剔除假阳性肺结节;此外,根据肺结节的直径自动调整自适应率。本发明将待检测结节采样至22*22*20和32*32*24两种尺寸,之后分别放入两个独立的三维残差卷积神经网络中进行训练分类,借助自适应率对两个独立三维残差卷积神经网络的输出进行融合,能够对不同大小的结节候选快进行分类,剔除假阳性结节;本方法充分考虑了结节的直径,解决了其它系统泛化能力差的问题,从实际应用的过程中最大程度的利用了多尺寸肺结节的特征进行预测,保持了非常高的准确率。

    考虑空调系统的燃料电池汽车学习型协同能量管理方法

    公开(公告)号:CN115503559A

    公开(公告)日:2022-12-23

    申请号:CN202211385462.0

    申请日:2022-11-07

    Applicant: 重庆大学

    Abstract: 本发明涉及一种考虑空调系统的燃料电池汽车学习型协同能量管理方法,属于新能源汽车领域。该方法包括:S1:获取燃料电池汽车的车辆状态参数信息、燃料电池参数信息、动力电池参数信息以及空调系统参数信息;S2:建立燃料电池汽车协同能量管理模型;S3:建立考虑空调系统的燃料电池汽车协同能量管理优化控制策略,并结合SAC算法求解包含燃氢经济性和舱室温度舒适性的多目标优化问题,在进行能量流优化控制的同时,控制空调制冷/制热容量的变化以维持舱室温度处于舒适区间。本发明能有效解决氢能消耗和舱室温度舒适性之间的折中问题,优化燃料电池汽车的燃氢经济性以及舱室温度舒适性。

Patent Agency Ranking