-
公开(公告)号：CN104018944B
公开(公告)日：2016-04-06
申请号：CN201410165505.3
申请日：2014-04-23
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于龙伯格滑模观测器的电子节气门自适应反步控制方法，涉及汽车电子控制技术领域。首先，针对电子节气门开度变化不可测量问题，该方法基于电子节气门状态方程，采用龙伯格滑模观测器对其进行估计；然后，利用RBF神经网络的逼近特性，对非线性未知量——齿轮间隙扭矩进行逼近；最后，在李雅普诺夫稳定性理论的基础上，结合非线性反步控制方法，分别设计了控制律、RBF网络权值更新律及扰动自适应律。本发明能够较好地克服电子节气门控制中存在的非线性因素以及一些参数容易时变的难题，进一步提高了控制效果和动态响应性能。
-
公开(公告)号：CN104656443A
公开(公告)日：2015-05-27
申请号：CN201410848404.6
申请日：2014-12-31
Applicant: 重庆邮电大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于BP神经网络的HCCI发动机点火正时自适应PID控制方法，涉及汽车电子控制技术领域。该方法通过控制排气门关闭角度θEVC和进气门开启角度θIVO来实现负阀重叠(NVO)，进而控制HCCI的点火正时，使其燃料燃烧50％时的曲轴转角θCA50在上止点前(bTDC)3°～8°。该控制器的结构采用PID形式，其中，PID的参数由BP神经网络进行自适应调节并提供。BP神经网络的输入为期望θCA50和实际θCA50的误差e和误差变化率输出为kp、ki和kd三个控制参数。通过调节控制参数，本发明所提方法能够很好地克服系统运行中出现的扰动、参数时变及其他不确定因素等问题，因此，具有更强的抗干扰能力和更好的鲁棒性，控制效果更佳。
-
公开(公告)号：CN103287411B
公开(公告)日：2015-02-25
申请号：CN201310230834.7
申请日：2013-06-09
Applicant: 重庆邮电大学
IPC: B60T8/1769
Abstract: 本发明请求保护一种无液压制动的四轮毂电机驱动电动汽车防抱死系统控制方法，涉及汽车电子控制领域。在各个控制阶段中涉及到车辆前后轴制动力分配以及轮毂电机的反接制动、再生制动、反接-再生协调制动和正向驱动。ABS控制采用了逻辑门限值控制方法，根据对滑移率（S）与设置的门限值进行对比，对电机的输入电压的大小和方向进行控制，以实现电机的正向驱动、反接制动和再生制动，从而防止车轮抱死，并将车轮的滑移率控制在理论值附近，最大限度利用地面附着系数，实现安全制动。
-
公开(公告)号：CN101311047A
公开(公告)日：2008-11-26
申请号：CN200810069618.8
申请日：2008-05-04
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于最小二乘支持向量机(LS－SVM)的汽车制动防抱死系统控制方法，涉及汽车电子控制技术领域，它利用4个车轮的轮速峰值估算车身减速度，根据车身减速度计算车身参考车速，然后计算得到车轮的参考滑移率；根据车轮的角速度计算车轮的角减速度。分别将每个车轮的角速度和参考滑移率作为输入构建最小二乘支持向量机控制器，计算每个车轮的期望制动压力，根据期望制动压力采用脉宽调制方法控制电磁阀通断时间，从而控制制动压力，实现安全制动。该方法适用于汽车制动防抱死系统(ABS)的控制。
-
公开(公告)号：CN114881155B
公开(公告)日：2024-11-29
申请号：CN202210524205.4
申请日：2022-05-13
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V20/68 , G06N3/0464 , G06N3/096 , G06N3/08 , G06V10/32 , G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明涉及一种基于深度迁移学习的水果图像分类方法，属于农业信息化领域。该算法通过冻结低层网络参数，使低层网络结构作为特征提取器，并修改高层网络参数和结构，提出新的迁移模型TL‑VGG16、TL‑InceptionV3和TL‑ResNet50。通过对三种迁移模型分别输入图像进行小样本训练，实现对不同水果图像的准确分类。最后对三种迁移模型分别使用加权平均法和相对多数投票法进行融合，输出新的预测概率。本发明解决了传统深度网络在识别图像时层数较深、训练耗时较长、模型收敛较慢和小数据集情况下过拟合情况较严重等问题，实现了深度网络的参数轻量级，降低了训练难度，并增加了深度网络在智能农业应用中的普遍性。
-
Patent Agency Ranking
公开(公告)号：CN114802895B
公开(公告)日：2024-03-29
申请号：CN202210405986.5
申请日：2022-04-18
Applicant: 重庆邮电大学
Abstract: 本发明属于贴膜技术领域，涉及一种真空式取膜、贴膜装置，包括取膜、贴膜结构以及与取膜、贴膜结构连通的气动驱动系统；取膜、贴膜结构包括中间段以及分别设置在中间段两边的左臂、右臂，左臂与右臂为中空密闭腔体以容纳气体并与中间段连通后接入气动驱动系统。本发明用真空吸盘安装在机械结构上，再将机械结构与真空发生器相连，用真空发生器控制取膜和贴膜两个部分，并且该装置通用性较强，针对不同宽度的窄膜，只需更换真空吸盘的型号，使得吸盘直径与膜的宽度适配即可。整个过程大大改善了现阶段主要由人工进行四周贴膜的现状，降低了人为工作量，节约了人力资源，同时整个装置运用气动控制，减少了污染，在操作上也更加精确快捷。
-
公开(公告)号：CN109490890B
公开(公告)日：2023-06-02
申请号：CN201811444277.8
申请日：2018-11-29
Applicant: 重庆邮电大学
IPC: G01S13/931 , G01S13/86
Abstract: 本发明请求保护一种面向智能车的毫米波雷达与单目相机信息融合方法，主要包括三个阶段：第一阶段，首先在智能车上安装并调整相机与毫米波雷达位置，然后用张正友标定法获取相机内部参数，最后将相机成像平面投影到俯视图，以满足两个传感器识别的目标信息在同一车辆坐标系下；第二阶段，在线下用深度学习方法训练基于图像的多目标识别模型，线上在智能车行驶的过程中雷达与相机实时采集数据，把识别的目标信息转化到统一的车辆坐标系下并排除无效目标；第三阶段，用全局最近邻匹配算法判断目标是否一致，通过扩展卡尔曼滤波跟踪匹配目标和未匹配目标，实现多目标识别。本发明目标识别率高，安全性可靠，可有效提高智能汽车对环境感知的实用性。
-
公开(公告)号：CN112963256B
公开(公告)日：2022-09-30
申请号：CN202110317167.0
申请日：2021-03-22
Applicant: 重庆邮电大学
IPC: F02D43/02
Abstract: 本发明涉及一种HCCI/SI燃烧模式切换过程控制方法，属于发动机控制技术领域，以转速、燃烧模式、空燃比、喷油量、进气门开启正时、排气门关闭正时、SI燃烧模式下的点火提前角建立切换后燃烧模式LSTM神经网络黑箱模型预测时间序列上下一时刻切换后燃烧模式输出的IMEP预测值；设计BP神经网络控制器，输入变量为转速、下一时刻燃烧模式以及IMEP期望值，通过训练神经网络得到使预测值与期望值之间误差小于误差阈值的空燃比、喷油量、进气门开启正时、排气门关闭正时、点火提前角，此时，将发动机相关参数修改至训练得到的控制变量值即可实现发动机燃烧模式平稳切换。
-
公开(公告)号：CN114663791A
公开(公告)日：2022-06-24
申请号：CN202210409662.9
申请日：2022-04-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种非结构化环境下面向剪枝机器人的枝条识别方法，属于智能农业领域。首先采集自然环境下树枝图像，人工标注树枝类型以及修剪方式，然后图像预处理，再对不同尺寸的图像特征进行编码和注意力加权，将原图的果实和树枝进行分割，使得图像中只剩下树枝。最后对二值化图像进行边缘提取，使用SVM分类器得到树枝的类别和修剪方法。本发明解决了在非结构化环境下传统的目标检测易受复杂背景的影响、还要避免在剪枝的过程中果实遮挡以及树枝重叠的问题，还克服了一般深度学习神经网络模型需要大量训练集、计算量大、计算时间长、对计算机硬件要求高，识别精度不够高等缺点，使用轻量化网络结构，大大减少了模型训练的参数量。
-
公开(公告)号：CN110552804B
公开(公告)日：2021-12-14
申请号：CN201910839035.7
申请日：2019-09-05
Applicant: 重庆邮电大学
IPC: F02D41/14
Abstract: 本发明涉及基于LSTM的混合燃料HCCI发动机燃烧正时估计方法，属于HCCI发动机燃烧正时估计领域。先对所需要的相关变量进行采样，包括：HCCI发动机在运行过程当中的进排气门关闭正时、进气歧管温度和压力、混合燃料中正庚烷及异辛烷的质量、混合燃料在气缸中燃烧所释放的热量、空燃比以及发动机转速。其次对输入数据集进行Z‑score标准化、PCA降维处理以及数据分割，得到最终输入数据集。然后将数据集输入训练好的LSTM黑箱模型当中，得到模型输出。最后将其反标准化得到最终的HCCI燃烧正时估计结果。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.029 seconds)
