-
公开(公告)号：CN105205230A
公开(公告)日：2015-12-30
申请号：CN201510559470.6
申请日：2015-09-06
Applicant: 重庆邮电大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于扩展卡尔曼滤波(EKF)算法的均质充气压缩点燃式(HCCI)发动机进气门关闭时刻混合气温度(Tivc)的类龙伯格(Luenberger)高阶递归神经网络(RHONN)状态观测方法，涉及汽车电子控制技术领域。该方法采用添加Luenberger项的RHONN形式，其中，RHONN的权重系数由EKF算法进行训练调节并提供，进而估计得到HCCI进气门关闭时刻的混合气温度。EKF训练算法的输入为发动机热力学状态模型输出的估计值与实际值的误差和神经网络输出值对权重的导数，输出则为观测方法的权重参数w。通过选取最优的RHONN权重参数和增加的Luenberger项，本发明所提出的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，并且加快了跟踪速度。因此，该方法具有较强的抗干扰能力，能够获得精确的Tivc估计值。
-
公开(公告)号：CN119623573A
公开(公告)日：2025-03-14
申请号：CN202411662093.4
申请日：2024-11-20
Applicant: 重庆邮电大学
IPC: G06N3/096 , G06N3/0895 , G06N3/0455 , G06N3/0475 , G06N3/042 , G06F18/213 , G06F18/15 , G06F18/22
Abstract: 本发明公开了一种基于对比重建的时空车辆轨迹表征学习方法，能够实现车辆轨迹的表征学习以服务于不同智能交通的应用场景。本发明以公开车辆轨迹数据集为输入数据。首先，该方法通过生成式自监督学习方法分别构建生成式教师模型和局部学生模型通过重构目标函数，完成生成式教师和学生编码器的训练。接着，引入交叉注意力机制，完成生成式局部学生编码器和全局学生解码器特征的交互；最后，基于全局学生解码器和对比学习教师编码器的全局特征，利用对比学习，完成轨迹编码器的学习。还提出了一种编码器‑解码器风格的RECON模块，通过交叉注意力和停止梯度来传递知识，从而避免预训练过拟合和模式差异问题，进而能够获得鲁棒且泛化性强的车辆轨迹表征。
-
公开(公告)号：CN105221282B
公开(公告)日：2018-06-26
申请号：CN201510529105.0
申请日：2015-08-25
Applicant: 重庆邮电大学
IPC: F02D45/00
Abstract: 本发明请求保护一种基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法。根据离散非线性模型选择多元线性回归方法对状态方程的各个参数进行拟合，得到线性离散系统的状态方程。利用BP神经网络设计了黑箱模型对线性后的模型进行误差的修正。黑箱模型以HCCI发动机线性模型预测得到的燃烧正时进气歧管温度Tman、进气歧管压力Pman和燃油当量比φ为输入，修正后的燃烧正时θCA50为输出。利用该黑箱模型和实际HCCI发动机的理想燃烧正时信号通过二分查找方法查找得到对应线性模型的理想燃烧正时信号并利用该理想燃烧正时信号以及线性化后的模型，设计了带卡尔曼滤波器的离散滑模控制器。本发明保证线性模型预测燃烧正时的精度和燃烧正时跟踪理想输入的快速准确性。
-
公开(公告)号：CN104696080B
公开(公告)日：2017-01-25
申请号：CN201410603657.7
申请日：2014-10-31
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于观测器的电子节气门智能双积分滑模控制方法，采用扩张状态观测器，根据节气门的实际开度θ(x1)对节气门开度变化量x2进行估计，得到节气门开度变化量的估计值 通过李雅普洛夫稳定性定理结合滑模控制和BP神经网络得到智能双积分滑模控制律及扰动自适应律，对电子节气门开度进行控制并对扰动进行补偿；通过BP神经网络对智能双积分滑模控制器参数进行自适应设计，BP神经网络的输入为节气门实际开度与期望开度的误差e和误差变化 BP神经网络的输出分别作为控制增益kd，kp，ki；通过智能双积分滑模控制器输出控制输入电压u控制电子节气门的直流电机对电子节气门的开度进行控制。本发明确保了电子节气门跟踪期望输入的精度。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN104656443B
公开(公告)日：2017-05-24
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：CN105221282A
公开(公告)日：2016-01-06
申请号：CN201510529105.0
申请日：2015-08-25
Applicant: 重庆邮电大学
IPC: F02D45/00
Abstract: 本发明请求保护一种基于线性模型和滑模控制器的HCCI发动机燃烧正时控制方法。根据离散非线性模型选择多元线性回归方法对状态方程的各个参数进行拟合，得到线性离散系统的状态方程。利用BP神经网络设计了黑箱模型对线性后的模型进行误差的修正。黑箱模型以HCCI发动机线性模型预测得到的燃烧正时、进气歧管温度Tman、进气歧管压力Pman和燃油当量比φ为输入，修正后的燃烧正时θCA50为输出。利用该黑箱模型和实际HCCI发动机的理想燃烧正时信号，通过二分查找方法查找得到对应线性模型的理想燃烧正时信号。并利用该理想燃烧正时信号以及线性化后的模型，设计了带卡尔曼滤波器的离散滑模控制器。本发明保证线性模型预测燃烧正时的精度和燃烧正时跟踪理想输入的快速准确性。
-
公开(公告)号：CN119648852A
公开(公告)日：2025-03-18
申请号：CN202411662094.9
申请日：2024-11-20
Applicant: 重庆邮电大学
IPC: G06T11/60 , G06N3/0455 , G06N3/0475 , G06N3/084 , G06F18/25 , G06F18/2431 , G06Q10/30
Abstract: 本发明公开了一种建筑废弃材料资源艺术化再利用和再设计的方法，该方法基于视觉与语言相结合的建筑废弃物多模态数据集，构建了一个用于艺术化再设计的扩散生成模型。该模型主要包括图像文本编码模块、扩散生成模块，以及请求编码模块。通过将建筑废弃材料作为元素输入，将多模态数据与艺术设计风格及设计要求相结合，利用扩散生成模型提供一种全新的建筑废弃物艺术作品生成方式。仿真实验结果表明，生成式人工智能技术能够灵活运用不同类型的建筑废弃材料，并结合多样的艺术设计风格与设计需求，生成对应的艺术作品。这一创新方法不仅为艺术创作提供了新的思路与工具，还为建筑废弃材料的回收管理和可持续利用提供了有效的技术支持，有助于进一步推动资源的循环利用与生态可持续发展。
-
公开(公告)号：CN105205230B
公开(公告)日：2018-08-28
申请号：CN201510559470.6
申请日：2015-09-06
Applicant: 重庆邮电大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于扩展卡尔曼滤波(EKF)算法的均质充气压缩点燃式(HCCI)发动机进气门关闭时刻混合气温度(Tivc)的类龙伯格(Luenberger)高阶递归神经网络(RHONN)状态观测方法，涉及汽车电子控制技术领域。该方法采用添加Luenberger项的RHONN形式，其中，RHONN的权重系数由EKF算法进行训练调节并提供，进而估计得到HCCI进气门关闭时刻的混合气温度。EKF训练算法的输入为发动机热力学状态模型输出的估计值与实际值的误差和神经网络输出值对权重的导数，输出则为观测方法的权重参数w。通过选取最优的RHONN权重参数和增加的Luenberger项，本发明所提出的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，并且加快了跟踪速度。因此，该方法具有较强的抗干扰能力，能够获得精确的Tivc估计值。
-
公开(公告)号：CN104696080A
公开(公告)日：2015-06-10
申请号：CN201410603657.7
申请日：2014-10-31
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于观测器的电子节气门智能双积分滑模控制方法，采用扩张状态观测器，根据节气门的实际开度θ(x1)对节气门开度变化进行量x2估计，得到节气门开度变化量的估计值通过李雅普洛夫稳定性定理结合滑模控制和神经网络得到智能双积分滑模控制律及扰动自适应律，对电子节气门开度进行控制和对扰动进行补偿；通过BP神经网络对智能双积分滑模控制器参数进行自适应设计，BP神经网络的输入为节气门实际开度与期望开度的误差e和误差变化BP神经网络的输出分别作为控制增益kd，kp，ki；通过智能双积分滑模控制器输出控制输入电压u控制电子节气门的直流电机对电子节气门的开度进行控制。本发明确保了电子节气门跟踪期望输入的精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
