-
公开(公告)号：CN104787260B
公开(公告)日：2017-05-24
申请号：CN201510140991.8
申请日：2015-03-27
Applicant: 哈尔滨工程大学
Abstract: 本发明具体涉及一种通过测量系统得到船体部分纵向姿态信息(含测量噪声)的基于融合滤波器的水翼双体船纵向姿态估计方法。本发明包括：一船上测量系统测出船体部分纵向姿态信息，分别传递给第一滤波器和第二滤波器，同时作用在船上的控制量也分别传递给第一滤波器和第二滤波器；由第一滤波器和第二滤波器得到船体纵向姿态估计值k＝1,2,…；分别计算第一滤波器和第二滤波器的评价函数，通过评价函数准则，得到水翼双体船纵向姿态的融合估计本发明估计结果的统计特性达到很好估计精度，两个滤波器独立并行运算，不会增加运算时间，基于波浪有色干扰而没进行状态扩维，减少了滤波估计的计算量和复杂度，提高了运算速度。
-
公开(公告)号：CN102073785B
公开(公告)日：2013-02-27
申请号：CN201010561217.1
申请日：2010-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于广义动态模糊神经网络的燃气日负荷组合预报方法。(1)采集城市燃气历史记录数据作为历史时间序列数据；(2)对历史时间序列数据进行异常数据判断和处理；(3)利用广义回归神经网络，对历史负荷时间序列即样本数据进行差分处理再通过网络进行预测；(4)利用灰色神经网络，将输入历史负荷时间序列的一次累加生成数据作为网络的输入，输出对应预测日负荷的一次累加生成数据，训练网络，最后将输出值进行一次累减逆生成处理；(5)将步骤(3)、(4)得到的预测值作为广义动态模糊神经网络的输入，并对数据进行分组。本发明针对燃气日负荷的随机性，不稳定性，周期性等特点，采用了组合预报的方法，预测精度更高。
-
公开(公告)号：CN111144649B
公开(公告)日：2023-04-07
申请号：CN201911360951.9
申请日：2019-12-26
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明属于数据预测技术领域，具体涉及一种基于信息融合的城市燃气日负荷组合预测方法。本发明采用神经网络预测器GRNN、灰色‑GRNN和梯度‑GRNN进行预测，然后设计随机集组合预测器进行组合预测，基于改进羊群智能算法的参数寻优器对随机集组合预测器的参数寻优。本发明的神经网络预测器既可以去除可能存在的坏数据，又可以判别单一模型故障。本发明能够有效的剔除随机变量的随机性和不确定性，提高预测精度，尤其是某些预测模型发生故障时，可以通过异常数据检测器基于突变理论进行突变检测。
-
公开(公告)号：CN111144649A
公开(公告)日：2020-05-12
申请号：CN201911360951.9
申请日：2019-12-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据预测技术领域，具体涉及一种基于信息融合的组合预测方法。本发明采用神经网络预测器GRNN、灰色-GRNN和梯度-GRNN进行预测，然后设计随机集组合预测器进行组合预测，基于改进羊群智能算法的参数寻优器对随机集组合预测器的参数寻优。本发明的神经网络预测器既可以去除可能存在的坏数据，又可以判别单一模型故障。本发明能够有效的剔除随机变量的随机性和不确定性，提高预测精度，尤其是某些预测模型发生故障时，可以通过异常数据检测器基于突变理论进行突变检测。
-
公开(公告)号：CN104794697A
公开(公告)日：2015-07-22
申请号：CN201510224034.3
申请日：2015-05-05
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于暗原色先验的图像去雾方法。包括以下几个步骤：步骤一：基于经典聚类算法对图像I(x)进行分割获得候选天空区域It(x)；步骤二：对候选天空区域It(x)腐蚀处理得到天空亮度；步骤三：根据获得的天空亮度，对图像进行改进的最小值滤波，得到粗估计透射率图像；步骤四：通过导向滤波优化粗估计透射率图像，得到优化的透射率图像；步骤五：基于大气散射模型获得复原图像。本发明对大气光做了更合理的处理，减弱图像块效应，提高了图像的整体亮度，使图像更加自然。
-
Patent Agency Ranking
公开(公告)号：CN102073785A
公开(公告)日：2011-05-25
申请号：CN201010561217.1
申请日：2010-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于广义动态模糊神经网络的燃气日负荷组合预报方法。(1)采集城市燃气历史记录数据作为历史时间序列数据；(2)对历史时间序列数据进行异常数据判断和处理；(3)利用广义回归神经网络，对历史负荷时间序列即样本数据进行差分处理再通过网络进行预测；(4)利用灰色神经网络，将输入历史负荷时间序列的一次累加生成数据作为网络的输入，输出对应预测日负荷的一次累加生成数据，训练网络，最后将输出值进行一次累减逆生成处理；(5)将步骤(3)、(4)得到的预测值作为广义动态模糊神经网络的输入，并对数据进行分组。本发明针对燃气日负荷的随机性，不稳定性，周期性等特点，采用了组合预报的方法，预测精度更高。
-
公开(公告)号：CN101825871A
公开(公告)日：2010-09-08
申请号：CN201010142184.7
申请日：2010-04-09
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明提供的是一种船舶斜舵减垂荡和纵摇装置(斜舵船舶垂荡与纵摇装置)智能自适应控制方法。利用测量系统测出斜舵船舶垂荡与纵摇装置的状态参数信息；换成数字信号经过滤波器后，送给控制器；控制器选择最优的斜舵船舶垂荡和纵摇装置智能自适应系统的控制输入；控制器所产生的控制信号经过数字/模拟转换器产生模拟信号并经过信号放大器增强后输出给执行机构；执行机构按指令执行，将整个系统变化到指定的工况下。本发明的优点在于适用于斜舵船舶垂荡和纵摇装置这样具有严重的非线性、耦合性、时变性的系统，控制精度高，鲁棒性好。
-
公开(公告)号：CN110083057A
公开(公告)日：2019-08-02
申请号：CN201910503634.1
申请日：2019-06-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于水翼运动姿态的PID控制方法，控制器提供的控制量是水翼产生的升力。控制量由四部分组成：第一部分是输出达到期望加速度所必须提供的；第二部分是补偿非线性项，由智能自适应估计器提供；第三部分是补偿海浪扰动，由海浪扰动估计器提供；第四部分是PID控制器，其比例系数、积分时间常数和微分时间常数由动态补偿器提供；通过理论推导将基于反步法的滑模控制器与基于扰动补偿PID控制器联系起来，并得到切换控制等价于比例积分控制，切换控制可以用于实现不确定项和扰动补偿的结论。本发明方法适用于多种海况尤其是动态条件下的非线性船体运动姿态控制。
-
公开(公告)号：CN103963938B
公开(公告)日：2017-01-04
申请号：CN201410201295.9
申请日：2014-05-14
Applicant: 哈尔滨工程大学
IPC: B63B39/00
Abstract: 本发明涉及的是一种斜舵船舶减纵摇装置控制方法。基于斜舵船舶减纵摇装置智能自适应预测控制系统，包括垂荡和纵摇参考信息生成器、输入参考轨迹生成器、信息约束系统、控制量融合信息生成器、控制量估计器、协状态的融合信息生成器、协状态序列估计器、协状态融合信息量逆时间序列初值估计器、协状态逆时间序列初值估计器、传感器系统、控制器。本发明适用于斜舵船舶减纵摇装置这样具有非线性、耦合性、时变性的系统，控制精度高，鲁棒性好。
-
公开(公告)号：CN105005679A
公开(公告)日：2015-10-28
申请号：CN201510253262.3
申请日：2015-05-18
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明属于船舶参数辨识领域，具体的说是一种能够用于船舶时域状态空间模型中未知参数的估计的基于粒子滤波的船舶参数辨识方法。本发明利用船舶自身的推进器、舵等执行机构对船舶施加力和力矩，使船舶做特定运动；利用测量系统测出地坐标系下，船舶在每个离散采样时刻的位移和姿态角信息，其为船舶的输出观测值；利用船舶参数估计器，根据船舶的状态估计值及输出观测值辨识船舶得到每个时刻的船舶参数估计值；利用粒子滤波器，根据每个时刻的受力信息和前一时刻辨识的参数值，估计船舶的状态值，即船舶在体坐标系下的角速度和线速度值。本发明无需对观测数据进行批处理，无需进行大量迭代，具有很高的滤波精度；计算简单，执行效率高。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.021 seconds)
