-
公开(公告)号：CN114419341A
公开(公告)日：2022-04-29
申请号：CN202210067935.6
申请日：2022-01-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于迁移学习改进的卷积神经网络图像识别方法，包括构建原始图像集，利用显著性检测方法对原始图像集进行提取，获得显著区域图像集；利用显著区域图像集构造过滤器集；利用迁移学习方法构建卷积神经网络训练模型，并对卷积神经网络进行训练；利用训练后的卷积神经网络和过滤器集识别显著区域图像集，获得图像深度特征。本发明通过显著性检测，有效地去除图片背景的影响，抑制干扰区域的信息，并使用迁移学习方法，只需对原始训练模型的参数进行微调，即可应用于特定区域的图像识别，既可以减少训练所需的数据量，也消除了卷积神经网络在参数计算方面的不足，节省训练时间，提高了算法的图像识别性能。
-
公开(公告)号：CN114397821A
公开(公告)日：2022-04-26
申请号：CN202210060294.1
申请日：2022-01-19
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于预设性能的多水面船分布式编队的鲁棒控制方法，包括：S1：建立船舶编队系统中船舶的运动学模型和船舶的动力学模型；S2：建立三阶非线性状态扩张状态观测器；S3：建立基于有限时间控制方法的预设性能函数；S4：设计船舶编队系统的鲁棒控制律。本发明能够使系统能够在复杂海况的环境下保持良好的性能，摆脱了传统控制方法依赖于精确数学模型的局限性。同时本发明结合有限时间控制方法的特性设计一种新型的预设性能函数以约束系统误差，通过改变收敛时间的值可以减少船舶队形形成的时间，在一定程度上提高了系统的工作效率和动态性能。
-
公开(公告)号：CN112650257A
公开(公告)日：2021-04-13
申请号：CN202011613185.5
申请日：2020-12-30
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本申请公开了一种无人艇区域保持控制方法及装置，所述方法包括，先确定所述无人艇的虚拟控制律；再确定所述无人艇的速度跟踪的非线性滑模面；再结合所述虚拟控制律获得所述无人艇的鲁棒滑模控制器；最后根据预设的所述跟踪误差的阈值，设置所述鲁棒滑模控制器发出所述控制信号的事件触发条件，并当所述事件触发条件满足时，所述鲁棒滑模控制器发送所述控制信号给所述无人艇的推进器，实现所述无人艇的区域保持控制。本申请通过引入对称障碍李雅普诺夫函数将区域保持问题转化为具有输出状态变量约束系统的控制问题，简化了区域保持控制策略，并进一步通过设置事件触发机制，在完成区域保持的同时降低了推进器动作频率，延长了推进器使用寿命。
-
公开(公告)号：CN118393944A
公开(公告)日：2024-07-26
申请号：CN202410470936.4
申请日：2024-04-18
Applicant: 大连海事大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于事件触发环境最优艏向更新策略的欠驱动船控制方法，所述方法包括以下步骤：S1：根据欠驱动船的运动学模型，获取在环境干扰情况下欠驱动船的运动信息；S2：利用扩张状态观测器估计出欠驱动船当前所受环境干扰合力方向，以获取欠驱动船的当前环境最优期望艏向；S3：根据当前环境最优期望艏向与运动信息构建基于事件触发机制的环境最优艏向更新策略；S4：根据基于事件触发机制的环境最优艏向更新策略，设计欠驱动船的PID控制器，并根据欠驱动船的PID控制器实现欠驱动船的最优艏向定位控制。本发明解决了传统的环境最优位置控制方法虽然不需要任何环境力的测量装置就能够使船舶工作在最佳艏向角度，但是在外部干扰不断变化的海洋环境下，频繁的更新最优期望艏向角必然会导致舵机的磨损以及能源消耗的问题。
-
公开(公告)号：CN111736612A
公开(公告)日：2020-10-02
申请号：CN202010676277.1
申请日：2020-07-14
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于多项式模糊模型的USV航迹跟踪控制方法，包括以下步骤：将USV水平面运动模型中的非多项式转化为多项式，得到与所述USV水平面运动模型等效的多项式T-S模糊模型；以所述多项式T-S模糊模型为基础，设计一种多项式模糊动态输出反馈控制器来实现对USV速度和位置的控制；判断结合所述多项式模糊动态输出反馈控制器后的所述多项式T-S模糊模型的稳定性。本发明不依赖于USV模型的先验知识，引入多项式T-S模糊模型对非线性不确定USV系统等效建模，并在此基础上设计了多项式模糊动态输出反馈控制器，并给出了多项式模糊动态输出反馈控制器的渐近稳定性条件。
-
Patent Agency Ranking
公开(公告)号：CN118586844A
公开(公告)日：2024-09-03
申请号：CN202410586528.5
申请日：2024-05-13
Applicant: 大连海事大学
Abstract: 本发明公开了一种面向特种设备检验仪器的信息化管理及预算优化决策平台，通过信息电子档案单元获取检验仪器的基本信息电子档案；根据二维码标识单元对各特种设备检验仪器设置唯一固定资产的二维码标识；通过综合管理单元根据设置的二维码标识实现各特种设备检验仪器的功能业务，以获取全流程动态电子档案；通过预算优化决策平台构建预算决策优化模型，并通过改进的蜣螂优化算法对预算决策优化模型进行求解，以获取各特种设备检验仪器的最优购买与维修方案。解决了现有特种设备检验仪器设备人工管理效率低、登记纰漏、设备丢失或底数不清等问题，不仅能够为仪器设备的管理与调配提供便利，同时也能够为经费预算的使用提供更合理的优化方案，进而提升特种设备检验仪器的使用效益。
-
公开(公告)号：CN118192208A
公开(公告)日：2024-06-14
申请号：CN202410435571.1
申请日：2024-04-11
Applicant: 大连海事大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于改进黑蜘蛛优化算法的船舶动力定位PID控制方法，所述方法包括以下步骤：S1基于动力定位船舶的运动模型获取船舶的位置与艏向信息；S2根据船舶的位置与艏向信息构建船舶PID控制器；S3基于改进黑蜘蛛优化算法t‑GLDBWOA对船舶PID控制器的设计参数寻优，以获取优化船舶PID控制器；S4根据优化船舶PID控制器实现对动力定位船舶的运动控制。本发明解决了PID控制器作为一种基础级的控制方式时，PID控制的适用性有一定范围，使得对于被控对象难以控制的复杂系统以及控制精度要求特别高的系统只采用PID控制效果并不十分理想，且传统的黑蜘蛛优化算法(Black Widow Spider Optimization Algorithm，BWOA)存在全局勘探和局部开发难以协调、收敛速度慢、易陷入局部最优等问题，使得在与PID控制器结合实现船舶动力定位过程中，存在控制精度不高且定位不准确的问题。
-
公开(公告)号：CN118153774A
公开(公告)日：2024-06-07
申请号：CN202410429411.6
申请日：2024-04-10
Applicant: 大连海事大学
IPC: G06Q10/04 , G06F17/16 , G06F17/18 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F18/214 , G06F18/24
Abstract: 本发明公开了一种基于引力搜索优化的系泊缆张力长短期记忆网络预测方法，包括以下步骤：S1获取数据训练集、验证集以及测试集；S2基于LSTM网络模型对训练集进行训练获取当前系泊缆张力网络模型；S3通过验证集对当前系泊缆张力网络模型评估模型精度，将精度满足预设精度阈值的当前系泊缆张力网络模型作为优化系泊缆张力网络模型，执行S5；否则执行S4；S4对当前获取的系泊缆张力网络模型进行超参数寻优，重复执行S2至S3；S5通过所述数据测试集对优化系泊缆张力网络模型进行验证测试，并将验证测试通过的优化系泊缆张力网络模型作为最优系泊缆张力网络模型；S6根据获取的最优系泊缆张力网络模型实现系泊缆线张力的预测。本发明解决了传统的卷积神经网络训练会出现梯度爆炸或梯度消失的问题，且传统的全局优化算法需要通过环境因素来感知环境中的情况，不能有效获取网络超参数的问题。
-
公开(公告)号：CN114419341B
公开(公告)日：2024-04-26
申请号：CN202210067935.6
申请日：2022-01-20
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于迁移学习改进的卷积神经网络图像识别方法，包括构建原始图像集，利用显著性检测方法对原始图像集进行提取，获得显著区域图像集；利用显著区域图像集构造过滤器集；利用迁移学习方法构建卷积神经网络训练模型，并对卷积神经网络进行训练；利用训练后的卷积神经网络和过滤器集识别显著区域图像集，获得图像深度特征。本发明通过显著性检测，有效地去除图片背景的影响，抑制干扰区域的信息，并使用迁移学习方法，只需对原始训练模型的参数进行微调，即可应用于特定区域的图像识别，既可以减少训练所需的数据量，也消除了卷积神经网络在参数计算方面的不足，节省训练时间，提高了算法的图像识别性能。
-
公开(公告)号：CN116541951A
公开(公告)日：2023-08-04
申请号：CN202310292223.9
申请日：2023-03-23
Applicant: 大连海事大学
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/006 , G06F111/06 , G06F111/08 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于改进的鱼鹭算法的船舶推力分配方法，包括以下步骤：建立船舶的三自由度的数学模型与数学模型的干扰模型；根据三自由度的数学模型与数学模型的干扰模型，并结合螺旋桨的水动力特性分析获得船舶推进器的功率、转矩以及推力模型；根据推进器的能量消耗、推进器的磨损以及指令误差建立船舶推力目标分配函数；基于全局人工鱼群算法对推进器参数进行寻优，获取使船舶推力目标分配函数最小值的相对最优参数求解域；通过白鹭算法对相对最优参数求解域进行再次寻优，获取推进器参数的最终相对最优解。解决了现有的推力分配方法的选择在很大程度上影响船舶的控制精度，不能在保证控制精度的基础上有效地减小推进器的磨损以及能量消耗。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.025 seconds)
