“臧笛”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果34个，建议您升级VIP下载更多相关专利

[发明专利]用于道路持续监测并处理突发事件的双任务巡检方法-CN202310763095.1在审
发明人：张军旗;吴韵哲;王成;臧笛;尤鸣宇;张志明;刘春梅 -专利权人：同济大学
申请日： 2023-06-26 - 公布日： 2023-10-03 - 主分类号： G05D1/02 文献下载
摘要：本发明提出了一种用于道路持续监测并处理突发事件的双任务巡检方法。该方法解决了群体机器人在道路网络中无法同时监测环境并处理突发事件的问题，可应用于森林火灾、警务巡逻、环境治理等巡检场景。为了确保应用场景中的突发事件能够被优先处理，本发明创新性地构建了双任务优先级模型，群体机器人能够自适应地根据监测到的突发事件调整收益，快速响应处理突发事件。
用于道路持续监测处理突发事件任务巡检方法

[发明专利]一种基于机器人间无需通讯的粒子群搜索方法-CN202310404983.4在审
发明人：张军旗;黄旭瑞;王成;尤鸣宇;臧笛;刘春梅 -专利权人：同济大学
申请日： 2023-04-14 - 公布日： 2023-08-18 - 主分类号： G06N3/006 文献下载
摘要：本发明提出一种基于机器人间无需通讯的粒子群搜索方法，在二维或三维最优化搜索任务中，在搜索空间内分散布置有多个不具备相互通讯能力的机器人，将群体机器人视为粒子群，将各个机器人视为粒子，并将对应粒子群算法中SW粒子替换为SW机器人，SW粒子集替换为SW机器人集，进行环境建模，将机器人检测到的场源信号值作为粒子群算法的适应值指标。本发明通过对传统粒子群算法进行改进，利用了粒子的单向主动探测能力，粒子群不需要相互通讯分享适应值和位置信息，使得粒子群算法首次在无需通讯的情况下具备在最优化问题空间内的迭代搜索能力，并且将其应用到群体机器人搜索任务中，具备非常出色的搜索性能。
一种基于机器人间无需通讯粒子搜索方法

[发明专利]面向长时交通速度预测的几何代数深度神经网络模型方法-CN202010051123.3有效
发明人：臧笛;方杨;程久军;卫志华;张军旗 -专利权人：同济大学
申请日： 2020-01-17 - 公布日： 2023-06-06 - 主分类号： G06Q10/04 文献下载
摘要：一种长时交通速度预测的几何代数深度神经网络模型方法，具体方法包括如下步骤：原始数据采集及数据预处理，使用速度数据，由道路上的感应线圈检测器按时间间隔采集得到，采集得到数据后，对原始速度数据进行预处理以去除异常元素；(2)生成交通速度时空矩阵，将融合了历史速度时空矩阵用几何代数编码生成多重向量时空矩阵作为几何代数深度神经网络模型的输入；(3)构建几何代数深度神经网络模型，通过几何代数深度神经网络对历史速度参数进行多维度的深入挖掘以及时空特征的提取，实现对交通速度的长时预测；(4)通过反向传播算法对网络进行预测任务的训练优化以及测试，最后得到预测结果。提高对未来全天交通速度预测的准确性。
面向交通速度预测几何代数深度神经网络模型方法

[发明专利]基于特征融合与样本增强的三维人体姿态估计方法-CN202010158977.1有效
发明人：卫志华;崔啸萱;赵才荣;臧笛 -专利权人：同济大学
申请日： 2020-03-09 - 公布日： 2023-05-16 - 主分类号： G06V40/20 文献下载
摘要：本发明公开了一种基于特征融合与样本增强的三维人体姿态估计方法，涉及三维人体姿态估计与性能优化方法。首先，采用基于候选区域的全卷积网络，对图片中人体进行身体部位分类与像素点三维坐标回归；其次，采用辅助网络样本增强，对没有初始标注的样本位置进行信号补充；最后，将模型与现有效果良好的2D姿态识别模型进行特征融合，从全局姿态的角度与局部回归坐标发挥优势互补性。本发明通过特征融合技术构造基于多任务并行的人体姿态估计架构，为二维和三维姿态识别的优势互补提供有效的理论和方法；通过模拟半监督学习的方式，建立基于数据增强的辅助网络，为提升姿态识别模型泛化能力提供新的思路。
基于特征融合样本增强三维人体姿态估计方法

[发明专利]一种信号源搜索方法-CN202110195696.8有效
发明人：张军旗;刘欢;王成;臧笛;刘春梅;康琦 -专利权人：同济大学
申请日： 2021-02-20 - 公布日： 2023-04-18 - 主分类号： G06F18/21 文献下载
摘要：本发明提供一种信号源搜索方法，包括：获取各智能体于上一搜索阶段的运动状态信息和堆结构，根据堆结构确定各智能体对应的领导者智能体，以获取各领导者智能体于上一搜索阶段的位置信息；根据各智能体于上一搜索阶段的运动状态信息，和领导者智能体于上一搜索阶段的位置信息，获取各智能体于当前搜索阶段的运动状态信息，以使各智能体运动至新位置，并于新位置处获取当前信号强度；检测各所述当前信号强度是否存在满足信号强度预设条件，如是，则根据满足信号强度条件的智能体新位置信息，确定信号源的位置信息；如否，则执行堆化更新操作，获取新的堆结构；重复以上步骤；本方法能明显提高搜索精度和搜索性能。
一种信号源搜索方法

[发明专利]基于神经小波粗糙微分方程的时空数据预测方法-CN202211253795.8在审
发明人：臧笛;王增强;崔哲;程久军;张军旗 -专利权人：同济大学
申请日： 2022-10-13 - 公布日： 2023-04-04 - 主分类号： G06F17/13 文献下载
摘要：本发明基于神经小波粗糙微分方程的时空数据预测方法，包括4个步骤：小波分解获得多频交通数据，签名变换计算路径签名，神经受控微分方程的构建，神经受控微分方程的求解和输出映射，涉及常微分动力系统建模领域与粗糙路径理论。本发明继承了神经受控微分方程训练高效内存利用率、处理缺失观测值的鲁棒性，又展示了处理长时间突变抖动信号的特殊优势，对时序数据趋势特征尤为敏感，能够胜任于建模动态长时间交通流量数据预测。
基于神经粗糙微分方程时空数据预测方法

[发明专利]一种拒止环境下基于粒子群算法的群体机器人控制方法-CN202111301771.0有效
发明人：张军旗;刘欢;王成;臧笛;刘春梅;康琦 -专利权人：同济大学
申请日： 2021-11-04 - 公布日： 2023-03-31 - 主分类号： B25J9/16 文献下载
摘要：本发明涉及一种拒止环境下基于粒子群算法的群体机器人控制方法，包括：步骤1、建立拒止环境下的攻防对抗场景，并初始化粒子群算法的参数；步骤2、进攻机器人通过传感器探测周围环境信息，获取友方和敌方机器人的态势信息，并利用惯性导航技术实时计算敌方领土位置；步骤3、所述进攻机器人构建适应度函数；步骤4、利用粒子群算法优化适应度函数，得到进攻机器人的最优占位；步骤5、进攻机器人进行移动与攻击操作；步骤6、若任一进攻机器人进入敌方领土，则任务完成；否则判断是否达到最大运行时间，若是，则任务失败；否则转到步骤2进行下一时间片的迭代。与现有技术相比，本发明避免了全局定位，控制无需预训练，解决了维数灾难的问题。
一种环境基于粒子算法群体机器人控制方法

[发明专利]基于几何代数和超图的交通速度预测方法-CN202211370158.9在审
发明人：臧笛;雷俊涛;崔哲;程久军;张军旗 -专利权人：同济大学
申请日： 2022-11-03 - 公布日： 2023-03-07 - 主分类号： G08G1/052 文献下载
摘要：基于几何代数和超图的交通速度预测方法。步骤1.输入交通速度数据进入模型；结合整个训练集的预训练K‑means聚类结果以及交通路网图构建空间特征提取模块中的超图。步骤2.构建K层时空特征提取模块。步骤3.将交通数据属于每周的哪一天，以及属于每天的哪一个时刻的周期性信息通过两层线性层进行嵌入，结合每层模块的提取到的时空特征，再通过线性层从当前输入数据的时空特征中预测未来交通速度；步骤4.使用结合了两种常用损失函数的优化损失函数，通过反向传播与梯度下降不断优化网络参数，使得损失函数最小化，最终得到最优模型。本发明在实际场景中应用能够帮助交通管理部门更好地强化交通需求管理，加强城市交通拥堵综合治理，让城市交通更加顺畅。
基于几何代数和超图交通速度预测方法

[发明专利]全天高架交通拥堵情况分级的多特征学习网络模型方法-CN201910445174.1有效
发明人：臧笛;凌嘉炜;程久军;卫志华;张军旗 -专利权人：同济大学
申请日： 2019-05-27 - 公布日： 2022-12-20 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种全天高架交通拥堵情况分级的多特征学习网络模型方法。在本发明中，先将全天的交通车速数据根据数据的时间属性和空间属性重新组织成为速度时空矩阵，同时保留交通数据的时空特征；再根据速度时空矩阵以及道路拥堵速度分级定义，构造拥堵时空矩阵；然后根据拥堵时空矩阵，针对道路的各个路段构建拥堵时长占比向量；最后基于速度时空矩阵，拥堵时空矩阵和拥堵时长占比向量，用三个不同的神经网络分支对数据提取特征，并进行分类。与现有技术相比，本发明针对完整的全天数据，多特征学习网络模型能够较好提取不同类型的数据特征，针对全天交通数据，进行较为有效的数据分类，能够高效率自动化的全天交通拥堵情况分级的问题。
全天交通拥堵情况分级特征学习网络模型方法

[发明专利]基于精英子集引导向量烟花算法的多智能体搜索方法-CN202110151033.6有效
发明人：张军旗;洪鹏程;王成;康琦;臧笛;刘春梅 -专利权人：同济大学
申请日： 2021-02-03 - 公布日： 2022-09-13 - 主分类号： G06N3/00 文献下载
摘要：本发明提出了一种基于精英子集引导向量烟花算法的多智能体搜索方法。该方法包括以下步骤：初始化N个智能体的位置，利用烟花爆炸机制在智能体感知范围内模拟生成爆炸火花，通过路径规划方法指导智能体移动到爆炸火花和精英引导火花位置并感知其目标源信号强度；从每个智能体移动的所有位置中选择最好的位置作为该智能体的下一代移动位置。重复上述智能体搜索和移动过程，直到搜索到目标源或者达到最大迭代次数结束。将以上方法应用到气体泄漏源定位问题，智能体群按照烟花爆炸过程搜索目标源。本发明提供的这种精英子集引导向量烟花算法通过对原始引导烟花算法进行改进，极大地提高智能体的搜索能力，能够迅速有效地定位到目标源。
基于精英子集引导向量烟花算法智能搜索方法

[发明专利]一种基于粒子群算法的无人机群协同目标搜索方法-CN202210393920.9在审
发明人：张军旗;卢烨昊;王成;臧笛;康琦;刘春梅 -专利权人：同济大学
申请日： 2022-04-14 - 公布日： 2022-08-16 - 主分类号： G06N3/00 文献下载
摘要：本发明公开了一种基于粒子群算法的无人机群协同目标搜索方法，其包括分布设置多架无人机视为粒子群，通过无人机进行初始位置的环境反馈建模，将当前环境反馈值作为适应度值；初始化设置无人机粒子群的算法参数，并随机初始化无人机的自身参数；令无人机移动至对应位置并计算每架无人机当前位置的环境反馈值F(xi)作为该位置的适应度值，无人机运动速度记为V；以及，通过粒子群算法更新粒子的速度和位置；本发明适用于存在源信号的环境，尤其适用于大范围广域环境下稀疏信号源的定位任务，例如灾难现场救援、有害气体泄露源定位等。本发明设计合理，显著提高目标搜索的精度与效率。
一种基于粒子算法无人机群协同目标搜索方法

[发明专利]一种基于兽群觅食行为的群体机器人双环境区域覆盖方法-CN202210275504.9在审
发明人：张军旗;祖鹏;王成;康琦;臧笛;刘春梅 -专利权人：同济大学
申请日： 2022-03-21 - 公布日： 2022-07-12 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种基于兽群觅食行为的群体机器人双环境区域覆盖方法，包括：建立区域覆盖场景，初始化算法参数；初始化其记录的待覆盖区域信息，更新待覆盖区域信息，获得候选点集合；若候选点集合不为空，则为每个候选点计算奖励函数，选择具有最大奖励的目标点为下一步目标位置并转至目标点判断步骤，若候选点集合为空则转到路径生成步骤；生成一条到距离最近的未覆盖目标点的路径，选择路径中的下一个目标点作为下一步目标位置；判断是否达到最大运行时间或已覆盖所有目标点，若是，则任务完成，否则在到达下一步目标位置后转到扫描环境步骤。本发明可同时应用于有边界环境与无边界环境的覆盖任务，突破了现有技术仅适用于单一环境的限制。
一种基于兽群觅食行为群体机器人环境区域覆盖方法

[发明专利]一种基于粒子群算法的多智能体协同目标搜索方法-CN202110145980.4有效
发明人：张军旗;卢烨昊;王成;臧笛;刘春梅;康琦 -专利权人：同济大学
申请日： 2021-02-02 - 公布日： 2022-06-07 - 主分类号： G06N3/00 文献下载
摘要：本发明提出了一种基于粒子群算法的多智能体协同目标搜索方法，该方法引入粒子群算法进行虚拟领航，使用具有一定通信与感知能力的实体智能体代替粒子群算法中的虚拟粒子实现源定位搜索。首次在粒子群算法中考虑了粒子的移动距离与搜索时间，以此建立权重代价函数，根据粒子群每代产生的目标位置，通过局部搜索策略，为智能体规划代价最小的路径。据此，多智能体系统能够在不影响目标搜索精度的前提下，大幅降低能耗、增强续航、提升搜索效率。本发明是一个具有通用性的多智能体目标搜索方法，所基于的粒子群算法可以是任意的粒子群变体。
一种基于粒子算法智能体协目标搜索方法

[发明专利]一种基于禁忌搜索与粒子群算法的目标源定位与避障方法-CN202111526695.3在审
发明人：张军旗;吴韵哲;王成;臧笛;康琦 -专利权人：同济大学
申请日： 2021-12-14 - 公布日： 2022-04-22 - 主分类号： G06N3/00 文献下载
摘要：本发明涉及一种基于禁忌搜索和粒子群算法的目标源定位与避障方法，该方法包括：建立表征目标源信号强度的适应度函数模型，将智能体视作粒子，初始化粒子群算法参数并清空禁忌列表；依据粒子的加权平均速度判断是否更新禁忌列表，结合禁忌搜索进行移动和避障；更新适应度值和全局、局部最优位置，并执行速度和位置更新策略；重复迭代直至智能体定位到目标源或满足迭代终止条件，最终智能体定位到最优目标源。与现有技术相比，本发明解决了智能体在没有环境先验知识的条件下，陷入障碍物中无法脱离的问题。
一种基于禁忌搜索粒子算法目标定位方法

[发明专利]一种双环境粒子群优化方法和系统-CN202110008263.7在审
发明人：张军旗;刘欢;卢烨昊;王成;康琦;臧笛;刘春梅 -专利权人：同济大学
申请日： 2021-01-05 - 公布日： 2021-05-07 - 主分类号： G06N3/00 文献下载
摘要：本发明涉及一种双环境粒子群优化方法，具体为：S1、获取环境适应值，建立粒子优化模型；S2、初始化粒子群算法的预设参数，并随机初始化每个粒子的粒子初始参数；S3、计算当前迭代次数，获取每个粒子所处位置的适应值并排序，根据排序结果组成精英子群；S4、计算精英子群中个体的权重，根据得到的权重计算精英子群搜索中心；S5、通过粒子群算法更新每个粒子的速度和位置；S6、检测当前迭代次数大于预设参数中的最大迭代次数，若是则将当前粒子分布作为粒子优化模型的最优解决方案进行输出，同时输出粒子优化模型的信号源位置，若否则转至S3。与现有技术相比，本发明具有无需人工干预、搜索精细、自适应抗噪能力强、高鲁棒性等优点。
一种环境粒子优化方法系统

1
2
3
下一页»
尾页
共 34 条