-
公开(公告)号：CN118514073A
公开(公告)日：2024-08-20
申请号：CN202410655026.3
申请日：2024-05-24
Applicant: 广州大学
Abstract: 本申请涉及一种应用于单连杆机械手非一致区间的基于蚁群算法的高阶迭代学习控制方法、装置及计算机设备，其方法包括采用蚁群算法对预构建的目标单连杆机械手模型进行优化，得到最优控制增益；设计目标单连杆机械手系统的采样误差函数；基于采样误差函数和最优控制增益，设计目标单连杆机械手模型的迭代学习控制律；控制目标单连杆机械手模型进行高阶迭代学习，并利用迭代学习控制律更新目标单连杆机械手模型的下一次迭代的控制信号，直至采样误差函数收敛时停止迭代，得到目标单连杆机械手系统的当前的控制信号。本申请具有收敛速度更快，控制精度更高的效果。
-
公开(公告)号：CN116912879A
公开(公告)日：2023-10-20
申请号：CN202310655206.7
申请日：2023-06-02
Applicant: 广州大学
IPC: G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于迁移学习的刷耳身份识别方法，提出了一种基于迁移学习的刷耳身份识别方法，通过对数据集图片进行预处理，并将预处理后的图片按照等比例划分后，抽取部分分别用于验证集、神经网络学习人耳特征、评估神经网络学习效果和评估已经完成训练的神经网络模型，通过预训练模型从新的样本中提取出特征，然后将这些特征输入到一个新的分类器，从头开始训练，选择冻结预训练权重，只对新的分类器权重进行训练，最后对预训练权重进行微调使模型更适应于人耳图像分类任务。
-
公开(公告)号：CN116317810A
公开(公告)日：2023-06-23
申请号：CN202310133585.3
申请日：2023-02-16
Applicant: 广州大学
IPC: H02P25/06 , H02P25/064 , H02P23/00 , H02P7/02
Abstract: 本发明涉及电动机控制领域，且公开了针对永磁直线电机的变输入长度开闭环迭代学习控制算法，设置永磁直线电机的采样周期；对永磁直线电机期望的输出轨迹进行离散化采样；对永磁直线电机初始的控制输入电压进行离散化采样；得到真正的控制输入电压，并将其作用于永磁直线电机，从而获得永磁直线电机的实际转子速度yk(t)，得到采样输出序列计算永磁直线电机系统输出的转子速度与期望输出速度的误差采样序列。最后，计算迭代学习控制器的增益；计算得到永磁直线电机下一次迭代所需要的输入电压，将得到的输入电压作用于永磁直线电机，重复执行步骤47。
-
公开(公告)号：CN115437249A
公开(公告)日：2022-12-06
申请号：CN202210991178.1
申请日：2022-08-18
Applicant: 广州大学
IPC: G05B13/04
Abstract: 本发明涉及机械臂控制技术领域，公开了针对单连杆机械臂非一致区间反馈高阶迭代学习控制方法，包括以下步骤：将机械臂模型建模为离散系统；设置被控系统的采样序列周期；设置期望轨迹yd(t)，利用采样时间对其进行离散化，得到期望输出序列；yd(nTS)定义该序列为对初始控制信号u1(t),u2(t)...uN(t)进行离散化操作；将信号u1(t),u2(t)...uN(t)输入至实际被控系统，得到实际的输出轨迹yk(t),通过采样周期Ts对yk(t)进行采样得到yk(nTS)、定义该序列为通过采样的期望输出序列和实际输出序列得到跟踪误差序列；通过引入反馈高阶迭代学习控制律，最后一次试验中原始缺失的控制信息将被之前的运行周期的信息补偿，能够快速跟踪到期望轨迹并收敛，比传统P型迭代学习控制律和高阶迭代学习控制律收敛更快。
-
公开(公告)号：CN115100635A
公开(公告)日：2022-09-23
申请号：CN202210654780.6
申请日：2022-06-10
Applicant: 广州大学
Abstract: 本发明涉及疲劳驾驶人脸识别技术领域，公开了一种融合口罩佩戴的疲劳驾驶人脸识别方法，包括以下步骤：S1、调用摄像头获取视频流，获取图像信息；该步骤通过OpenCV库完成；S2、进行人脸检测并标出人脸特征点；该步骤通过训练RetinaFaceMobileNet模型完成；S3、识别人脸口罩佩戴情况，该步骤通过卷积神经网络实现；S4、眼睛嘴部区域定位，若上一步识别到佩戴口罩，则只定位眼睛区域。本发明通过人脸关键点和人脸部器官分布规律，加入口罩识别模块使系统不需要手动设置驾驶员是否配戴了口罩，在不佩戴口罩情况下系统可以同时提取眼部和嘴部信息，有效地解决了因公共交通司机佩戴口罩而造成误判的问题。
-
Patent Agency Ranking
公开(公告)号：CN114791311A
公开(公告)日：2022-07-26
申请号：CN202210233850.0
申请日：2022-03-09
Applicant: 广州大学
IPC: G01F22/02 , G01G17/04 , G05B19/042
Abstract: 本发明公开了基于Arduino单片机的饮水数据检测方法及装置，方法包括：S1获取水杯的倾角和水杯的侧壁压力；S2，判断侧壁压力和倾角是否同时为0且稳定T秒，若是，获取第一重力；S3，获取水杯的第二重力；S4，计算水杯的变化水量；S5，判断本次水杯重力的变化是否由饮水动作引起，若是，则将变化水量作为饮水量，若否，则将变化水量作为倒水量。本发明通过所提出的判断因子ρ可以区分倒水量和饮水量，即有效地降低了倒水量对计算用户实际的饮水量的影响。本专利提出的算法大大提高了计算用户实际饮水量的精确度，并将其应用于基于Arduino单片机饮水数据检测装置中。
-
公开(公告)号：CN108729862B
公开(公告)日：2020-01-21
申请号：CN201810670547.0
申请日：2018-06-26
Applicant: 广州大学
Abstract: 本发明公开了针对海洋柔性立管系统的鲁棒自适应三维振动抑制方法，该方法包括：建立海洋柔性立管系统的三维动力学模型；根据三维动力学模型，设计鲁棒自适应边界控制器；获得海洋柔性立管系统的实时参数；根据鲁棒自适应边界控制器和实时参数，向驱动装置发送控制命令，以使驱动装置对柔性立管施加作用力，以抑制立管振动。采用本发明技术方案能在外界存在变化干扰时，实现对柔性海洋立管系统的三维振动抑制。
-
公开(公告)号：CN110503606A
公开(公告)日：2019-11-26
申请号：CN201910805700.0
申请日：2019-08-29
Applicant: 广州大学
Abstract: 本发明涉及图像处理领域，为提高人脸清晰度的方法，将高分辨率人脸分解为高分辨率基本人脸和增强人脸，并分别降采样为低分辨率基本人脸、增强人脸，构造低分辨率基本人脸训练集、低分辨率增强人脸训练集；基于PCA的基本人脸推理模型、低分辨率基本人脸训练集的平均值，重构超分辨率基本人脸；基于SRSP或VDSR的增强人脸推理模型重建得到超分辨率增强人脸；将超分辨率基本人脸和增强人脸融合得到清晰的超分辨率人脸。本发明提出基于清晰度可分级推理的超分辨率技术，能有效估计真实低分辨率人脸的结构和高频纹理信息，将重建后获得的高分辨率基本人脸和增强人脸进行融合，得到清晰的超分辨率人脸。
-
公开(公告)号：CN108648158A
公开(公告)日：2018-10-12
申请号：CN201810433806.8
申请日：2018-05-08
Applicant: 广州大学
Abstract: 本发明涉及一种基于遗传算法的小波图像去噪方法和装置，其方法包括以下步骤：获取待处理图像和图像去噪模型，图像去噪模型为基于改进的小波阈值去噪算法对训练集中的噪音图像进行学习训练而得到的；其中改进的小波阈值去噪算法为采用遗传算法来确定小波阈值得到的；根据图像去噪模型对待处理图像进行去噪处理。上述的基于遗传算法的小波图像去噪方法中在得到图像去噪模型时，有效地将小波去噪算法与遗传算法有效结合起来，得到最优的小波阈值(其中小波阈值是小波阈值去噪方法的关键)，在使用图像去噪模型对待处理图像进行去噪时大大提高了去噪率。
-
公开(公告)号：CN115437249B
公开(公告)日：2024-09-24
申请号：CN202210991178.1
申请日：2022-08-18
Applicant: 广州大学
IPC: G05B13/04
Abstract: 本发明涉及机械臂控制技术领域，公开了针对单连杆机械臂非一致区间反馈高阶迭代学习控制方法，包括以下步骤：将机械臂模型建模为离散系统；设置被控系统的采样序列周期；设置期望轨迹yd(t)，利用采样时间对其进行离散化，得到期望输出序列；yd(nTS)#imgabs0#定义该序列为#imgabs1#对初始控制信号u1(t),u2(t)...uN(t)进行离散化操作；将信号u1(t),u2(t)...uN(t)输入至实际被控系统，得到实际的输出轨迹yk(t),通过采样周期Ts对yk(t)进行采样得到yk(nTS)、#imgabs2#定义该序列为#imgabs3#通过采样的期望输出序列和实际输出序列#imgabs4#得到跟踪误差序列；通过引入反馈高阶迭代学习控制律，最后一次试验中原始缺失的控制信息将被之前的运行周期的信息补偿，能够快速跟踪到期望轨迹并收敛，比传统P型迭代学习控制律和高阶迭代学习控制律收敛更快。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.022 seconds)
