-
公开(公告)号：CN118688807A
公开(公告)日：2024-09-24
申请号：CN202410706764.6
申请日：2024-06-03
Applicant: 中国矿业大学
IPC: G01S15/66
Abstract: 本发明公开了一种基于轴向注意力的UUV非合作目标跟踪方法。本发明针对前视声呐观测的不可靠性、目标运动的不可预测性，构建带有记忆的一阶马尔可夫状态空间模型描述声呐观测下UUV非合作目标跟踪机理，并提出一种基于轴向注意力Transformer的非合作目标状态多步预测网络，用于描述非线性观测下，非合作目标相对声呐的复杂运动过程。针对观测的不稳定性及后验分布的未知性，基于Monte Carlo近似推断原理，利用该多步预测网络将目标观测状态空间中的采样粒子映射到目标预测状态空间，构建基于轴向注意力的目标跟踪方法，提高UUV非合作目标跟踪对不确定输入的适应性和鲁棒性。
-
公开(公告)号：CN115906928A
公开(公告)日：2023-04-04
申请号：CN202211490758.9
申请日：2022-11-25
Applicant: 中国矿业大学
IPC: G06N3/0455 , G06N3/084 , G01S15/93
Abstract: 本发明公开了一种基于双通道自注意力的Transformer UUV三维自主避碰规划方法，设计了双通道自注意力模型并行捕捉双模态多传感器的观测特征；构建了基于Transformer的网络模型执行端到端的UUV三维自主避碰决策；利用编码器‑解码器的结构实现基于历史观测和时序决策的UUV避碰规划。与现有方法相比，本发明可以基于双模态多传感器观测进行端到端的UUV自主避碰规划，能够大幅度提高UUV避碰规划的快速性，摆脱UUV避碰规划对传感器高精度稳定观测的依赖，解决观测失效或目标丢失情况下的UUV自主避碰规划问题。
-
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。
-
公开(公告)号：CN119414717A
公开(公告)日：2025-02-11
申请号：CN202411549844.1
申请日：2024-11-01
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明提供一种具有分段不连续输出约束的非线性系统跟踪控制方法，以解决在系统开始运行的一段时间内，约束边界函数在某个时刻是不连续但有界的问题，并且解决系统输出在某个时刻不受约束限制的问题。不同于现有大多方法中要求约束边界函数及其高阶导数连续且有界，本发明仅需要转换后的约束边界函数及其一阶导数连续且有界，放宽对约束边界函数的要求，极大提高控制策略的实用性，以及降低控制器的复杂度和计算负担。此外，通过改变不连续的时刻，无需改变控制器结构和设计参数，所提出的控制策略也可以适用其他约束情形，如连续的约束条件、在特定时刻不连续的约束条件，以及在某个时刻系统输出不受约束限制，进一步增强控制策略的实用性。
-
公开(公告)号：CN117724336B
公开(公告)日：2024-06-11
申请号：CN202311736797.7
申请日：2023-12-18
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态和估计参数触发的机器人系统跟踪控制方法，如下：首先建立具有n关节的机器人系统动力学模型；然后构建由状态触发和估计参数触发共同构成的双事件触发机制；接着在未考虑任何事件触发机制的情况下设计常规的神经网络自适应控制器；随后基于该控制器结构设计基于双事件触发机制的神经网络自适应控制方案；最后建立关于所构建的双事件触发机制带来的误差的限制性条件，通过结合该限制性条件和李雅普诺夫稳定性理论分析出系统的稳定性。本发明的基于双事件触发机制的神经网络自适应控制方法不存在芝诺现象，不仅能够保证关节角位移紧密地跟踪期望轨迹，而且可以显著减少传感器到控制器之间的信号传送负担和计算负担。
-
Patent Agency Ranking
公开(公告)号：CN117724336A
公开(公告)日：2024-03-19
申请号：CN202311736797.7
申请日：2023-12-18
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态和估计参数触发的机器人系统跟踪控制方法，如下：首先建立具有n关节的机器人系统动力学模型；然后构建由状态触发和估计参数触发共同构成的双事件触发机制；接着在未考虑任何事件触发机制的情况下设计常规的神经网络自适应控制器；随后基于该控制器结构设计基于双事件触发机制的神经网络自适应控制方案；最后建立关于所构建的双事件触发机制带来的误差的限制性条件，通过结合该限制性条件和李雅普诺夫稳定性理论分析出系统的稳定性。本发明的基于双事件触发机制的神经网络自适应控制方法不存在芝诺现象，不仅能够保证关节角位移紧密地跟踪期望轨迹，而且可以显著减少传感器到控制器之间的信号传送负担和计算负担。
-
公开(公告)号：CN115906928B
公开(公告)日：2023-05-16
申请号：CN202211490758.9
申请日：2022-11-25
Applicant: 中国矿业大学
IPC: G06N3/0455 , G06N3/084 , G01S15/93
Abstract: 本发明公开了一种基于双通道自注意力的Transformer UUV三维自主避碰规划方法，设计了双通道自注意力模型并行捕捉双模态多传感器的观测特征；构建了基于Transformer的网络模型执行端到端的UUV三维自主避碰决策；利用编码器‑解码器的结构实现基于历史观测和时序决策的UUV避碰规划。与现有方法相比，本发明可以基于双模态多传感器观测进行端到端的UUV自主避碰规划，能够大幅度提高UUV避碰规划的快速性，摆脱UUV避碰规划对传感器高精度稳定观测的依赖，解决观测失效或目标丢失情况下的UUV自主避碰规划问题。
-
公开(公告)号：CN113989327B
公开(公告)日：2023-04-07
申请号：CN202111251248.1
申请日：2021-10-27
Applicant: 中国矿业大学
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , G01S15/66
Abstract: 本发明公开了一种基于卷积神经网络粒子滤波算法的单UUV目标状态估计方法，对一段时域内目标观测状态进行采样，利用采样粒子拟合非高斯观测噪声的分布；建立基于卷积神经网络的预测网络描述非线性的声呐观测模型以及目标相对UUV的运动模型，对目标运动状态进行预测；利用卷积层和池化层的组合赋予预测网络一定的不变性，提高预测网络对不确定观测的适应能力。与现有方法相比，本发明可解决非线性非高斯强机动的UUV目标状态估计问题，克服由非高斯观测噪声导致的目标状态估计精度低和稳定性差等问题，摆脱了目标状态估计方法对目标观测时序性的依赖，使得本发明具有根据时序紊乱的目标观测，以高精度和强稳定性估计目标运动状态的能力。
-
公开(公告)号：CN114063458B
公开(公告)日：2022-05-20
申请号：CN202111374061.0
申请日：2021-11-19
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种非三角结构系统不依赖初始条件的预设性能控制方法，具体思路如下：首先建立非三角结构非线性系统的动力学模型；然后利用神经网络与变量分离技术构建一种结构简单的状态观测器；接着构造具有特定性质的转移转换函数对跟踪误差作非线性变换；最后利用受限李雅普诺夫函数理论设计基于输出反馈且不依赖于初始条件的预设性能控制器。本发明的预设性能控制方法能够保证跟踪误差从任意有界初值以给定的速度在给定的时间内收敛到给定的精度范围内，不仅消除了常规预设性能控制方法必须满足的初始条件约束，而且实现了跟踪误差收敛到给定的精度范围内的时间的可预先设定，提高了预设性能控制方法的实用性。
-
公开(公告)号：CN113989327A
公开(公告)日：2022-01-28
申请号：CN202111251248.1
申请日：2021-10-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于卷积神经网络粒子滤波算法的单UUV目标状态估计方法，对一段时域内目标观测状态进行采样，利用采样粒子拟合非高斯观测噪声的分布；建立基于卷积神经网络的预测网络描述非线性的声呐观测模型以及目标相对UUV的运动模型，对目标运动状态进行预测；利用卷积层和池化层的组合赋予预测网络一定的不变性，提高预测网络对不确定观测的适应能力。与现有方法相比，本发明可解决非线性非高斯强机动的UUV目标状态估计问题，克服由非高斯观测噪声导致的目标状态估计精度低和稳定性差等问题，摆脱了目标状态估计方法对目标观测时序性的依赖，使得本发明具有根据时序紊乱的目标观测，以高精度和强稳定性估计目标运动状态的能力。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.02 seconds)
