-
公开(公告)号：CN110706239A
公开(公告)日：2020-01-17
申请号：CN201910914699.5
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于深度学习及机器视觉领域，具体涉及一种融合全卷积神经网络与改进ASPP模块的场景分割方法。本发明采用图像预处理操作能够防止模型过拟合，同时提高模型的适应能力；针对池化和下采样的重复组合的操作引起特征分辨率下降的问题，采用全卷积神经网络；在第五层卷积层后面加入改进的ASPP模块，融入图像级别的特征来捕获远距离信息，增加模型本身的适应能力；采用反卷积进行上采样，优势是可以自己学习参数；针对网络层数加深，边缘细节信息损失严重的问题，保留二倍下采样信息并与四倍上采样信息进行融合。
-
公开(公告)号：CN110632931A
公开(公告)日：2019-12-31
申请号：CN201910953396.4
申请日：2019-10-09
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明公开一种动态环境下基于深度强化学习的移动机器人避碰规划方法，属于移动机器人导航技术领域。本发明通过激光测距仪采集原始数据，将原始数据处理后作为神经网络的输入，建立LSTM神经网络，通过A3C算法，神经网络输出相应参数，经过处理获得机器人每一步的动作。本发明无需对环境进行建模，更加适用于未知障碍物环境，采用actor-critic框架与时间差分算法，实现低方差的同时更适用于连续动作空间，实现边训练边学习的效果。设计具有艏向转角限制的连续动作空间，且采用4个线程并行学习训练，与一般深度强化学习方法相比，大大提高学习训练时间，减少样本相关性，保障探索空间的高利用性与探索策略的多样性，从而提升算法收敛性、稳定性以及避障成功率。
-
公开(公告)号：CN110163519A
公开(公告)日：2019-08-23
申请号：CN201910454595.0
申请日：2019-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种面向基地攻防任务的UUV红蓝方威胁评估方法，步骤一、红蓝方威胁态势评估要素分析；步骤二、通过对红蓝方威胁态势要素的分析，建立红蓝方态势威胁评估贝叶斯网络,贝叶斯网络的根节点为威胁评估的结果为威胁等级，子节点为相应威胁要素；步骤三、建立红蓝方态势威胁评估贝叶斯网络条件概率表；步骤四、依据当前红蓝方态势判断各个贝叶斯网络节点状态并将其作为贝叶斯网络的输入得到根节点的概率，得到威胁评估的结果。本发明提供一种面向基地攻防任务的UUV红蓝方威胁评估方法，通过不同的仿真案例展现出对UUV威胁评估的有效性。
-
公开(公告)号：CN108334677A
公开(公告)日：2018-07-27
申请号：CN201810052628.4
申请日：2018-01-17
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于GRU网络的UUV实时避碰规划方法，属于水下航行器避障领域。本发明包括：将UUV布放在起始位置；仿真声纳开始获取UUV当前位置的环境信息；将仿真声纳获取的环境信息输入到GRU网络，获得下一时刻UUV转艏及速度的调整指令；UUV执行运动指令，到达下一路径点；判断UUV是否到达目标点，若是则避碰规划器停止工作。本发明利用GRU强大的拟合长时间序列的能力，解决了UUV实时避碰规划的问题，克服了现有的实时避碰规划方法存在环境模型的精度与规划的实时性之间的矛盾，实现了一个简单、高效、易于实现的端到端的实时避碰规划器。
-
公开(公告)号：CN108279692A
公开(公告)日：2018-07-13
申请号：CN201810043819.4
申请日：2018-01-17
Applicant: 哈尔滨工程大学
CPC classification number: G05D1/0692 , G06N3/006 , G06N3/0454 , G06N3/049 , G06N3/08
Abstract: 本发明公开了一种基于LSTM-RNN的UUV动态规划方法，属于无人潜航器领域，包括如下步骤：步骤(1)：选择几何模型构建障碍环境模型；步骤(2)：利用蚁群算法建立用于获取数据集的UUV动态规划器；步骤(3)：设计用于动态规划的LSTM-RNN网络模型；步骤(4)：获取数据集：步骤(5)：利用数据集中训练集的数据训练LSTM-RNN网络，得到基于LSTM-RNN网络的动态规划器；步骤(6)：将声纳探测信息及目标点信息输入至基于LSTM-RNN网络的运动规划器，获得UUV下一时刻的航向及航速。本方法具有强大的学习能力，同时还具有非常强的泛化能力，这使得所实现的动态规划器适用于复杂的环境。同时满足实时性的要求，并且所规划的路径符合UUV的运动特性。
-
Patent Agency Ranking
公开(公告)号：CN105629975B
公开(公告)日：2018-04-03
申请号：CN201610082311.6
申请日：2016-02-05
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种基于虚拟膨化的UUV航行过程中的运动障碍的规避方法，本发明涉及UUV航行过程中的运动障碍的规避方法。本发明是为了解决目前采用的运动障碍规避方法难以准确预测随机运动障碍的运动状态的问题。本发明首先确定UUV与运动障碍相向航行或UUV与运动障碍同向航行，相向航行时采用膨化和矩形虚拟障碍调整UUV的艏向，规避运动障碍；同向航行时分为UUV追击运动障碍和运动障碍追击UUV，UUV追击运动障碍时，采用膨化和矩形虚拟障碍调整UUV的艏向，规避运动障碍；运动障碍追击UUV时，UUV不断调整自身运动速度，采用膨化和矩形虚拟障碍调整UUV的艏向，规避运动障碍。本发明应用于UUV的运动障碍规避领域。
-
公开(公告)号：CN104076800B
公开(公告)日：2017-04-12
申请号：CN201410326343.7
申请日：2014-07-10
Applicant: 哈尔滨工程大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明公开了一种无人水下航行器群体任务协调系统及方法。包括传感器模块、全局状态模块、任务协调模块和UUV执行器，传感器模块用于采集环境信息、UUV自身状态信息并接收其他UUV发送的信息；全局状态模块包括更新单元、UUV描述单元、任务描述单元，UUV描述单元进行UUV状态的更新，任务描述单元进行任务状态的更新；任务协调模块包括不可预见情况和冲突单元、动态任务规划单元、任务分配单元、组合体维护单元、执行单元，用于任务的协调与分配。本发明是一个分布式、高效、稳定的多无人水下航行器任务协调系统与方法。
-
公开(公告)号：CN103217175B
公开(公告)日：2015-09-30
申请号：CN201310122150.5
申请日：2013-04-10
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及的是一种自适应容积卡尔曼滤波方法，特别是涉及一种带渐消记忆时变噪声统计估值器的自适应容积卡尔曼滤波方法。本发明包括下列步骤：（1）设定初始参数；（2）时间更新；（3）量测更新；（4）构造渐消记忆时变噪声统计估值器；（5）实时估计和修正噪声。相比于标准容积卡尔曼滤波方法，该方法不要求精确已知噪声的先验统计特性，具有应对噪声变化的自适应能力，且噪声统计估值器递推公式简单，更容易实现，且对噪声统计的估计是无偏的。
-
公开(公告)号：CN102980579B
公开(公告)日：2015-04-08
申请号：CN201210460353.0
申请日：2012-11-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明涉及的是一种自主水下航行器自主导航定位方法，特别是涉及一种基于强跟踪容积卡尔曼滤波的自主水下航行器自主导航定位方法。本发明包括如下步骤：选取自主水下航行器运动模型；选取自主水下航行器测量模型；通过自主水下航行器运动模型和测量模型构建动态系统；滤波器参数初始化；选取渐消因子；更新滤波器时间；更新滤波器量测数据；由当前时刻更新到下一时刻，重复执行步骤(5)至步骤(7)，直到到达终止时刻，结束计算，输出结果。通过引入渐消因子实时调整滤波增益矩阵，强迫输出残差序列保持相互正交，以此来减小老数据的权值，相对地增加新数据的权值，提高了滤波器的估计精度和稳定性。
-
公开(公告)号：CN103576693A
公开(公告)日：2014-02-12
申请号：CN201310553699.X
申请日：2013-11-11
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明提供的是一种基于二阶滤波器的水下机器人三维路径跟踪控制方法，利用滤波反步法进行水下机器人三维路径跟踪控制，通过引入两个基于水下机器人三维路径跟踪运动学误差模型建立的二阶滤波器，获取姿态、速度、角速度的虚拟控制量及其导数，再结合水下机器人动力学模型获取路径跟踪控制器的控制输入，作用于机器人推进器与舵机，进而实现对三维路径的跟踪；并依据李雅普诺夫能量函数对位置、姿态控制回路设计滤波反馈补偿项，对速度控制回路引入积分环节，构成系统误差补偿回路，提升跟踪系统的精度。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.054 seconds)
