-
公开(公告)号：CN116820100A
公开(公告)日：2023-09-29
申请号：CN202310748225.4
申请日：2023-06-25
Applicant: 中国矿业大学
IPC: G05D1/02
Abstract: 本发明公开了一种欺骗攻击下的无人车编队控制方法，包括以下步骤：(1)考虑将一个无人车作为一个通信节点，根据通信节点建立通信拓扑关系；(2)构建无人车的系统动态模型，包括领航者和跟随者系统动态模型；(3)考虑网络安全问题，建立欺骗攻击动态模型；(4)提出了一种基于脉冲攻击信号补偿器的时变编队控制协议，并建立相应的动态误差系统模型；(5)基于李亚普诺夫理论，给出误差系统稳定的充分条件，得到编队跟踪误差界。本发明的所提供的控制方法能够在保证一定精度下实现了时变输出编队，并且可以降低实际系统的通信量，同时有效地抵御欺骗攻击。
-
公开(公告)号：CN116208041A
公开(公告)日：2023-06-02
申请号：CN202310067097.7
申请日：2023-01-30
Applicant: 中国矿业大学
Abstract: 本发明公开了基于强化学习的电机系统H无穷降阶输出跟踪控制方法，可解决含有未建模动态和不完美数据的电机系统干扰抑制跟踪控制问题。具体包括：利用奇异摄动理论，将原始电机系统H无穷输出跟踪控制问题进行分解得到降阶系统问题；基于原系统的输出状态数据，提出虚拟子系统的状态重构机制解决虚拟子系统数据不可测的问题，进一步推导基于重构数据的强化学习H无穷输出跟踪迭代算法；引入执行‑评价‑扰动神经网络近似控制器、性能指标和扰动，基于最小二乘法迭代更新神经网络的权重，得到基于强化学习的降阶H无穷输出跟踪控制器。本发明避免了在强化学习框架下设计双时间尺度电机系统跟踪控制器时潜在的高维和病态数值问题。
-
-
公开(公告)号：CN115578621A
公开(公告)日：2023-01-06
申请号：CN202211355233.4
申请日：2022-11-01
Applicant: 中国矿业大学
IPC: G06V10/80
Abstract: 本发明公开了一种基于多源数据融合的图像识别方法，可以实现可见光、红外等多源图像融合并应用于图像识别任务。针对单模态数据无法为图像识别任务提供足够充分的信息，提出一种基于多源数据融合的图像识别方法，通过融合多源数据，以便图像识别任务有效进行。首先通过尺度分解，将可见光和红外图像分解，得到强化轮廓信息的基础图像；接着，分别对可见光和红外的图像进行子图划分；然后，分别将两张图像对应的子图进行加权融合，由融合完成的子图得到基础融合图像；为获取原始细节信息，将基础融合图像与原始图像进行加权融合以突出图像的显著性特征，得到最终融合图像；最后，将融合后的图像输入图像识别网络进行图像识别任务。
-
公开(公告)号：CN114662535A
公开(公告)日：2022-06-24
申请号：CN202210253692.5
申请日：2022-03-15
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于变分贝叶斯学习的井下传感器网络目标跟踪方法，采用椭球分布建模非高斯噪声，利用Inverse‑Wishart分布建模过程噪声和量测噪声的参数不确定性，通过变分贝叶斯学习方法得到目标状态和模型参数的后验分布，实现目标状态的在线估计和预测。本发明的特点：本发明在利用椭球分布建模非高斯噪声基础上，采用变分贝叶斯学习的方法，实现了复杂噪声环境下基于传感器网络的高精度目标跟踪，对于井下等复杂受限空间内的目标跟踪提供了计算简单、鲁棒性强的估计方法，高精度的目标跟踪结果对于保障人员和设备安全具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN119976260A
公开(公告)日：2025-05-13
申请号：CN202510416233.8
申请日：2025-04-03
Applicant: 中国矿业大学
Abstract: 本发明公开了一种带式输送机张紧装置控制方法，涉及张紧装置控制领域，所述带式输送机张紧装置包括控制系统以及张力传感器，所述带式输送机张紧装置控制方法包括：所述控制系统获取目标张力区间、目标张力值以及张力传感器测量的实时张力值，并将实时张力值与目标张力区间进行比较；在所述实时张力值超出目标张力区间时，所述控制系统根据目标张力值及实时张力值对带式输送机输送带的张力进行模糊PID控制，其中，所述目标张力区间由控制系统根据带式输送机的工作状态、运量状态或速度状态配置。该控制方法能够降低带式输送机的工作损耗、提升运输效率并增强工作的稳定性。
-
公开(公告)号：CN119704183A
公开(公告)日：2025-03-28
申请号：CN202411849168.X
申请日：2024-12-16
Applicant: 中国矿业大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于强化学习协同控制器的移动机械臂抓取系统及其实现方法，本发明的系统通过强化学习协同控制器，根据工件的目标位置同步生成移动底盘和机械臂的控制指令，实现二者的同步运动；利用激光SLAM技术对工厂环境进行高精度建图和定位，通过Auwoware模块使得移动底盘在移动过程中能够自动调整姿态进行避障和导航；结合OpenCV视觉识别定位模块进行工件的精准识别与定位，通过Moveit模块对机械臂进行控制，最终实现高效的工件自动抓取与放置任务。本发明中的机械臂能够在长距离运输过程中灵活应对不同位置的工件，能够动态调整抓取姿态，避免由于工件超出机械臂运动范围而导致的多次调整，提升整体作业效率。
-
公开(公告)号：CN118587613B
公开(公告)日：2024-11-29
申请号：CN202410364371.1
申请日：2024-03-28
Applicant: 中国矿业大学
IPC: G06V20/17 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/0499
Abstract: 本发明公开了一种基于跨模态瓶颈适配网络的机载多模态目标检测方法，首先，为了解决模态异质性挑战，引入了全局互信息适配机制和结构互信息适配机制。这些机制有助于增加模态之间的共享信息量，推动跨模态知识的更好共享；然后，构建了变分信息瓶颈，通过多模态分布融合、先验分布约束和任务约束，模型能够更加高效地处理多模态数据，从而更关注于多模态数据中任务相关的关键信息来应对模态冗余挑战。
-
公开(公告)号：CN118171076B
公开(公告)日：2024-09-06
申请号：CN202410591472.2
申请日：2024-05-14
Applicant: 中国矿业大学
IPC: G06F18/21 , G06F18/2321 , G06N3/0499 , G06N20/00 , G06F21/62
Abstract: 本发明公开了一种数据特征提取方法、系统及计算机设备，涉及特征提取技术领域。本发明的方法包括如下步骤：获取多个客户端的隐私样本数据集；将多个隐私样本数据集分别输入深度神经网络中进行特征提取，得到多个特征数据集；根据多个特征数据集的特征点建立第一距离矩阵，对第一距离矩阵进行聚类，得到每个客户端的隐私样本数据集的聚类中心；将多个客户端的聚类中心发送至模型构建端，根据多个客户端的聚类中心构建第二距离矩阵，并对第二距离矩阵进行再聚类，得到隐私数据特征。本发明能够在客户端隐私保护的前提下刻画隐私数据的统计特性，改善联邦学习对异构数据的训练效果；且实现多领域、多模态的知识共享，提高了模型性能。
-
公开(公告)号：CN118493388A
公开(公告)日：2024-08-16
申请号：CN202410677163.7
申请日：2024-05-29
Applicant: 中国矿业大学
IPC: B25J9/16
Abstract: 本发明公开了一种面向稀疏奖励的深度强化学习机械臂抓取方法，包括首先分析机械臂抓取任务特点，将其建模为马尔可夫决策问题，设计二元稀疏奖励，减少奖励函数设计的复杂度，降低设计成本；其次，以DDPG算法为主体深度强化学习训练算法框架，搭建Actor‑Critic结构网络，对连续状态动作空间进行处理；然后，设计事后经验回放机制，使用G‑HGG算法进行辅助目标生成，使用预训练动作网络进行动作筛选并加入探索噪声与能量函数对累积经验池进行处理，增强经验利用率，提高训练效率与抓取成功率；最后，搭建机械臂模型与场景信息，利用交互数据进行优化训练，实现机械臂目标抓取，本方法能够解决稀疏奖励下机械臂的抓取学习问题。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.022 seconds)
