-
公开(公告)号：CN116149178B
公开(公告)日：2023-09-26
申请号：CN202211582829.8
申请日：2022-12-08
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于放大‑转发中继器的网络化预测控制方法，所述方法包括如下步骤：步骤一、建立传输时延下的动态系统模型；步骤二、设计基于全维观测器的预测机制；步骤三、构造基于全维观测器的预测机制和放大‑转发中继器的预测控制器；步骤四、寻找确保动态系统在均方意义下输入‑状态稳定的准则；步骤五、求解全维观测器增益矩阵和预测控制器增益矩阵；步骤六、将全维观测器增益矩阵和预测控制器增益矩阵分别代入步骤二和步骤三中。该方法解决了现有控制方法不能应对通讯信道传输容量受限，信号难以实现远距离传输情形以及在传输过程中出现时延的网络化系统，导致信号传输的不真实、控制效果不理想甚至不稳定的问题。
-
公开(公告)号：CN116524026A
公开(公告)日：2023-08-01
申请号：CN202310505675.0
申请日：2023-05-08
Applicant: 哈尔滨理工大学
IPC: G06T7/73 , G06T7/579 , G06T7/254 , G06V10/26 , G06T7/246 , G06T7/33 , G06T7/37 , G06T7/13 , G01C21/20
Abstract: 本发明公开了一种基于频域和语义的动态SLAM方法，完成在高动态与复杂光照环境中的定位与建图任务。首先，为精确获得物体的运动区域，采用傅里叶梅林算法在频域对图像进行配准以补偿相机运动，随后应用帧间差分算法获得图像的运动掩膜。同时，图像通过短时密集连接(STDC)网络进行语义分割得到潜在运动物体掩膜。将运动掩膜与物体掩膜相结合，获得最终的物体运动区域，对落在该区域的特征点进行剔除。最后，依据稳定的静态特征点跟踪优化，提升位姿精度。在公开数据集与现实环境中的测试结果表明，本方法在复杂动态场景下具有良好的定位精度与鲁棒性，能够有效的降低运动模糊与光照变化对于运动检测的影响。
-
公开(公告)号：CN115268456A
公开(公告)日：2022-11-01
申请号：CN202210956559.6
申请日：2022-08-10
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于动态变策略informed‑RRT*的无人车路径规划方法。所述方法包括：首先，利用地图信息膨胀技术对障碍物进行膨胀，初始化地图信息，根据动态步长策略和变策略人工势场法相结合在传统RRT*方法的基础上在地图中进行采样，以获取初始路径；构建椭圆采样区间，随着搜索树在改进informed‑RRT*方法下不断剪枝优化，椭圆范围也在不断地缩小，采样时间也随之减少，最后进行6次B样条曲线拟合优化，仿真验证了所述方法的有效性。本发明能够降低传统informed‑RRT*的盲目性和随机性，减少路径搜索的时间，且规划的路径考虑了安全距离，路线更为平滑，符合无人车动力约束。
-
公开(公告)号：CN119022944A
公开(公告)日：2024-11-26
申请号：CN202411054469.3
申请日：2024-08-02
Applicant: 哈尔滨理工大学
IPC: G01C21/34
Abstract: 本发明涉及了一种基于PSO‑MPC融合的多智能体路径规划方法，涉及人工智能路径规划技术领域。对多智能体路径规划是一个具有挑战性的任务，涉及缩短路径长度、保持安全行驶距离。本文提出一种PSO与MPC融合的多智能体路径规划算法；在该算法中，首先，利用PSO算法规划全局路径，并引入多目标点的导向函数、权重因子自适应函数，来减少路径长度；其次，以全局路径作为MPC实时跟踪的参考轨迹，并引入安全的预测点、控制智能体函数的行驶速度，从而保持智能体行驶的安全性。最后，在仿真实验中与传统PSO、MOPSO以及蚁群等其他算法的对比实验表明，本文提出的算法形成的全局路径长度更短，收敛速度更快；智能体时刻位于安全区域中，且形成的路径更加光滑。
-
公开(公告)号：CN118114810A
公开(公告)日：2024-05-31
申请号：CN202410103830.0
申请日：2024-01-24
Applicant: 哈尔滨理工大学
IPC: G06Q10/04 , G06Q50/02 , G06Q30/0601 , G06N3/04 , G06N3/084 , G06F17/16 , G06F18/214 , G06F18/24
Abstract: 本发明属于数字农业领域，公开了一种基于神经网络和卡尔曼滤波的大豆单产预测方法，其中包括：采集种植地区大豆历史单产数据，采集该种植地区大豆单产影响因素历史数据；对采集到的大豆单产数据和单产影响因素数据进行清洗和归一化；构建神经网络‑卡尔曼滤波预测矫正模型，训练神经网络，利用训练好的神经网络，预测大豆单产；使用卡尔曼滤波校正模块，实时更新和修正神经网络预测结果。使用验证集验证预测效果，选择调整模型结构及参数，优化得到最终预测结果。该发明结合了神经网络和卡尔曼滤波算法，实现对大豆单产的准确预测和实时校正。
-
Patent Agency Ranking
公开(公告)号：CN117168483A
公开(公告)日：2023-12-05
申请号：CN202311127747.9
申请日：2023-09-01
Applicant: 哈尔滨理工大学
IPC: G01C21/34
Abstract: 本发明涉及一种考虑地图复杂度的无人车路径规划方法，旨在解决传统方法在路径搜索中存在搜索效率低、节点冗余以及目标点附近碎片化路径过多等问题。本方法包括：在栅格地图中进行随机撒点，获取全地图有效节点的个数，计算地图复杂度；在以最近节点为圆心的一定范围内进行随机撒点，得到区域复杂度，通过区域复杂度选择节点产生方式，解决传统方法在搜索中易陷入僵化的问题，提高搜索效率；引入目标距离和目标迭代次数，进行新节点与目标节点的无碰撞检测和距离判断，减少了节点的数量和碎片化路径；最后对路径进行逆向寻优和B样条曲线拟合，使得路径平滑。仿真结果表明，本发明在障碍物较多的情况下表现良好，且路径平滑。
-
公开(公告)号：CN117036408A
公开(公告)日：2023-11-10
申请号：CN202311054988.5
申请日：2023-08-22
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种动态环境下联合多目标跟踪的物体SLAM方法，完成在动态环境中对动态与静态对象的定位与建图任务。首先，为精确获得物体的运动区域，通过短时密集连接(STDC)网络进行语义分割得到运动物体掩膜，依据运动物体掩膜对特征点进行区分得到静态特征点与动态特征点。同时，将图像输入到单目3D目标检测(SMOKE)网络进行三维目标检测，并将检测结果输入到数据关联模块进行多目标跟踪。利用动静态特征点与数据关联后的目标位姿共同估计相机与动静态物体位姿。最后，依据动静态特征点、相机与动静态物体位姿进行跟踪优化，提升定位与建图精度。本方法与传统SLAM方法相比，有效提升了SLAM系统的鲁棒性，建立的地图语义明确、可解释性好。
-
-
公开(公告)号：CN116149178A
公开(公告)日：2023-05-23
申请号：CN202211582829.8
申请日：2022-12-08
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于放大‑转发中继器的网络化预测控制方法，所述方法包括如下步骤：步骤一、建立传输时延下的动态系统模型；步骤二、设计基于全维观测器的预测机制；步骤三、构造基于全维观测器的预测机制和放大‑转发中继器的预测控制器；步骤四、寻找确保动态系统在均方意义下输入‑状态稳定的准则；步骤五、求解全维观测器增益矩阵和预测控制器增益矩阵；步骤六、将全维观测器增益矩阵和预测控制器增益矩阵分别代入步骤二和步骤三中。该方法解决了现有控制方法不能应对通讯信道传输容量受限，信号难以实现远距离传输情形以及在传输过程中出现时延的网络化系统，导致信号传输的不真实、控制效果不理想甚至不稳定的问题。
-
公开(公告)号：CN115562291A
公开(公告)日：2023-01-03
申请号：CN202211289994.4
申请日：2022-10-19
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供一种改进的人工势场法改进势场动力系数的路径规划方法，能解决陆地智能车在局部路径规划中陷入局部最优解及目标不可达的改进算法。人工势场法利用环境产生虚拟势场的作用，使得智能车进行路径规划运动。目前人工势场法存在当目标点的周围存在障碍物时，就会使得智能车停在某点或发生振荡，从而无法抵达目标点的问题。本文提出的改进人工势场法存在两个创新点，其一是设置动力系数α，通过改变受力的大小，使智能车摆脱不动点；其二是设定临界阈值β，限制动力系数α过大导致智能体在运动过程碰撞障碍物，确保行进的安全；最后通过B样条曲线拟合进行路径平滑的仿真处理。该方法能够较好解决局部最优解和目标不可达问题。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.189 seconds)
