-
公开(公告)号：CN113723517B
公开(公告)日：2024-11-22
申请号：CN202111013063.7
申请日：2021-08-31
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N20/00
Abstract: 本发明公开了一种基于状态转移极限学习机的图像分类方法，通过将传统极限学习机的网络结构与状态转移算法相结合，在求解输出权重矩阵的时候利用不同的状态变换算子进行状态更新，不断向优化目标靠近得到输出权重矩阵，在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，可在图像分类方面具有更好的训练精度，并且模型训练耗费时间更少，这为机器学习算法及图像分类的改进优化提供了新思路和新途径。
-
公开(公告)号：CN118502479A
公开(公告)日：2024-08-16
申请号：CN202410558948.2
申请日：2024-05-08
Applicant: 北京理工大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种基于分布式模型预测的多无人机不可达参考编队跟踪方法，属于飞行控制技术领域；本发明实现方法为：建立无人机运动学模型，设计评价编队跟踪控制器性能的指标，并定义最优公共可达轨迹；结合交替方向乘子法与人工参考变量，设计基于分布式模型预测方法的跟踪控制律，实现不可达参考下的编队跟踪控制；设计交替方向乘子法中的参数更新方法，保证在实现编队控制同时，改善跟踪性能。
-
公开(公告)号：CN114494771B
公开(公告)日：2024-06-07
申请号：CN202210036245.4
申请日：2022-01-10
Inventor： 翟弟华 , 王永康 , 夏元清 , 詹玉峰 , 邹伟东 , 刘坤 , 戴荔 , 吴楚格 , 郭泽华 , 李怡然 , 张元 , 张金会 , 闫莉萍 , 孙中奇 , 崔冰 , 高寒 , 杨辰 , 王力 , 史运涛 , 董哲
IPC: G06V10/764 , G06V10/74 , G06V10/762 , G06V10/77 , G06V10/82 , G06N3/098
Abstract: 本发明公开了一种可防御后门攻击的联邦学习图像分类方法，采用矩阵降维和聚类算法对Worker节点提交的梯度进行处理，最后选择正常的Worker节点提交的梯度参与聚合，从而完全避免了后门植入全局模型的可能性，此外，本发明所用的方法是一种无监督方法，适用于联邦学习场景，可广泛应用在联邦学习防御中，提高联邦学习的鲁棒性。
-
公开(公告)号：CN117470533A
公开(公告)日：2024-01-30
申请号：CN202311429919.8
申请日：2023-10-31
IPC: G01M13/021 , G01M13/028 , G01M17/007
Abstract: 本发明公开了一种电动汽车电驱动系统齿轮故障特征提取方法及系统，属于电动汽车故障诊断技术领域。方法包括以下步骤：S1、采集电驱动系统振动加速度信号，并基于所述振动加速度信号计算电机转子转速曲线；S2、基于所述电机转子转速曲线对所述振动加速度信号进行重采样，得到角域信号；S3、基于所述角域信号得到电驱动系统齿轮故障特征。本发明通过振动加速度信号中的逆变器开关频率成分计算了电机转子转频，避免了转速传感器的安装和转速、振动信息的融合，降低了成本。
-
公开(公告)号：CN114815601B
公开(公告)日：2023-11-07
申请号：CN202210317746.X
申请日：2022-03-29
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明提供了一种减少主动悬挂系统时延误差的修正自抗扰控制方法，能够削弱输入延迟，实现了无时滞的主动悬挂减振作用。本发明在传统自抗扰控制的基础上，先对有延迟的控制输入做时间为τ的预估，基于泰勒级数近似及Smith预估器的思想，利用跟踪微分器得到新的相位超前后的实际控制量输入主动悬挂系统；然后在新控制量与ESO之间加入τ0的延迟模块，使得整个闭环都是对当前时刻的控制效果，通过调整两个延迟模块大小，弥补延迟时间预估误差的影响，在不断循环作用下，提高系统减振效果和鲁棒性，致力于削弱时滞影响，提高整体性能。
-
Patent Agency Ranking
公开(公告)号：CN111861960B
公开(公告)日：2023-09-29
申请号：CN202010694381.3
申请日：2020-07-17
Applicant: 北京理工大学
Abstract: 本发明提出了一种红外和可见光图像融合方法，基于变分法与局部梯度相似性，能够生成保留更多像素梯度和强度信息的融合图像。以已配准的红外和可见光图像为背景，以获取信息更为丰富的融合图像为目标，研究图像融合问题。首先采用结构张量计算得到源图像的融合梯度，利用局部梯度相似性使融合梯度方向更加精确；其次，根据像素强度的比较，将源图像重构为显著图和非显著图，并计算用于甄别和保留非显著图有效细节的权重图；再者，基于源图像的梯度特征和像素强度信息，建立图像融合模型；最后，采用变分法求解优化模型以得到融合图像。本发明所提出的方法在许多应用领域具有潜在的价值，如目标检测、跟踪等计算机视觉方面。
-
-
公开(公告)号：CN113110068B
公开(公告)日：2023-03-10
申请号：CN202110561327.6
申请日：2021-05-22
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明涉及一种子空间系统辨识方法系统，该方法包括：初始化四组输入输出数据矩阵，将第一输入数据矩阵和第一输出数据矩阵合并得第一中间变量矩阵；将第三输入数据矩阵和第三输出数据矩阵合并得第二中间变量矩阵；获得第二输出数据矩阵的行空间沿着第二输入数据矩阵的行空间投向第一中间变量矩阵的行空间的第一投影；获得第四输出数据矩阵的行空间沿着第四输入数据矩阵的行空间投向第二中间变量矩阵的行空间的第二投影；将第一投影划分列块并进行奇异值分解；将第一奇异值分解结果进行聚合；对聚合结果进行奇异值分解获得第二奇异值分解结果；对第二奇异值分解结果、第一投影和第二投影进行聚合获得系统状态空间模型。本发明提高了处理速度。
-
公开(公告)号：CN113408610B
公开(公告)日：2022-10-25
申请号：CN202110675498.1
申请日：2021-06-18
Applicant: 北京理工大学
IPC: G06V10/764 , G06N20/00 , G06F17/16
Abstract: 本发明公开了一种基于自适应矩阵迭代极限学习机的图像识别方法，将传统极限学习机的网络结构与自适应的矩阵迭代方式相结合，在求解输出权重矩阵的时候利用收敛因子自适应的矩阵迭代方式收敛得到输出权重矩阵，因此在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，在图像识别方面具有更好的训练精度，且占用计算资源和耗费时间更少，这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
-
公开(公告)号：CN112614158B
公开(公告)日：2022-08-26
申请号：CN202011500416.1
申请日：2020-12-18
Applicant: 北京理工大学
IPC: G06T7/246 , G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明提出了一种采样框自适应的多特征融合在线目标跟踪方法，能够使用多种特征的不同信息进行稳定跟踪，并对给定目标矩形框自适应变形提高相关滤波器的分类准确性。本发明的采样框自适应的多特征融合的在线目标跟踪方法，采用跟踪特征融合和跟踪质量预测策略，与传统的核化相关滤波器相比，能够使用多种特征的不同信息进行稳定跟踪，并对给定目标矩形框自适应变形提高相关滤波器的分类准确性。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.037 seconds)
