基于深度学习的无人机多目标自动跟踪系统

为有效提高无人机目标像素水平,实现无人机对待测目标的准确跟踪,设计了基于深度学习的无人机多目标自动跟踪系统。设计核心管控电路,调节无人机操纵平台的作用能力,再利用目标节点处理模块,将其他应用元件结合起来,完成无人机多目标自动跟踪系统的硬件设计。构建深度学习网络,通过求取目标节点特征的方式,推导方向跟踪向量的具体数值,完成基于深度学习的无人机跟踪目标检索。对比实验结果,应用该研究方法无人机目标像素在水平、竖直方向上的数值都达到了200 pix以上,验证了该系统能够准确跟踪待测目标。

基于迭代式MapReducede的海量数据并行聚类算法研究

为解决传统K-means算法在处理海量数据时存在的不足,提出了1种适用于并行Canopy-Kmeans算法的迭代式MapReduce模型。通过Canopy算法对数据进行初始聚类,得到初始聚类中心,并按照初始聚类将数据存储于Mapper节点,减少Mapper和Reducer节点之间通信线路,减小运算量;在Mapper节点和Reducer节点之间建立互通信,将聚类中心作为迭代流通信息,减少信息流量;最终通过1次运算过程输出最终聚类结果。实验结果证明,改进的算法在时间、正确率和加速比性能方面,均优于传统的串行K-means算法,并在基于传统MapReduce模型的K-means算法基础上有所提高。

一种改进型SoC估值技术

本文首先介绍了SOC估值技术的概念,而后对开路电压法与电荷累积法两种SOC估值方法的优缺点进行了比较,并基于两种SOC估值方法的基础上提出了两种方法相结合的改进型SOC估值方法。

电池管理系统研究概述

在全社会倡导节能减排和绿色环保的号召下,电动汽车以其"零排放";的优点受到广泛的关注。电池管理系统作为电动汽车的核心部件有着不可替代的作用,本文就重点介绍了电池管理研究意义,国内外的发展现状,系统的组成及使用的关键技术。

车用动力电池管理系统改进均衡控制算法

为了提高车用动力电池管理系统的可靠性,延长电池的寿命并提高安全性,提出了一种基于改进电荷累积法的剩余电量(SOC)估计方法,在此基础上,进一步提出了一种控制电池单体SOC上限的均衡控制算法,并设计了相应的均衡电路,控制电池SOC工作区间,减少电池之间的不一致性,减缓电池劣化,提高电池的寿命。测试实验的结果显示:电池SOC值约呈线性下降,说明改进的SOC估计方法可行,电池充放电过程中SOC值都能维持在要求的范围内,达到了均衡充放电的目的。

基于MapReduce的并行LAD模型评论主题提取算法研究

针对传统的潜在狄利克雷分析(LDA)模型在提取评论主题时存在着计算时间长、计算效率低的问题,提出基于MapReduce架构的并行LAD模型建立方法.在文本预处理的基础上,得到文档-主题分布和主题-特征词分布,分别计算主题相似度和特征词权重,结合k-均值聚类算法,实现评论主题提取的并行化.通过Hadoop并行计算平台进行实验,结果表明,该方法在处理大规模文本时能获得接近线性的加速比,对主题模型的建立效果也有提高.