-
公开(公告)号：CN106413050A
公开(公告)日：2017-02-15
申请号：CN201610436853.9
申请日：2016-06-20
Applicant: 哈尔滨工业大学(威海)
CPC classification number: H04W48/20 , H04W24/08 , H04W64/003 , H04W64/006 , H04W84/12
Abstract: 一种nanoLOC无线通信距离估计及其在线评估方法，涉及无线定位环境中的精确通信距离估计技术。本发明是为了解决实际无线定位中由于噪声、测量误差和非视距的影响，导致通信距离估计误差较大的问题。本发明所述的一种无线通信距离估计及其在线评估方法，未知节点首先测量其与锚节点间的通信距离，采用滑动窗口处理策略，对通信距离测量值序列进行滑动滤波和统计计算，得到通信距离测量值的统计均值和统计标准差；然后将统计均值作为通信距离估计结果，将统计标准差作为通信距离估计的质量评估参数，实现通信距离估计及其质量评估，为后续定位计算提供重要的先验知识。本发明适用于基于测距的无线定位系统和基于声呐测距的水下定位系统中。
-
公开(公告)号：CN119197551A
公开(公告)日：2024-12-27
申请号：CN202411261199.3
申请日：2024-09-10
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/26 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F18/10
Abstract: 本发明提供一种基于深度学习的地磁道路定位方法及系统，属于地磁道路定位领域。为解决传统地磁定位精度在处理大规模数据和复杂环境时，定位精确度和鲁棒性不足问题。本发明通过增加输入维度，涵盖三轴磁场强度、磁场总量、磁场总梯度、航向信息和三轴地磁旋转矢量的9维数据，以全面捕捉地磁环境特征；引入小波变换技术对数据进行预处理，有效滤除地磁波形中的噪声与毛刺，提升数据质量；利用CNN提取地磁数据中的深层次特征，并通过Bi‑LSTM‑LSTM框架捕捉时序信息，实现高精度的经度与纬度定位。充分发挥了深度学习模型的学习优势，还通过大规模地磁数据的训练，显著增强了系统的鲁棒性和精确性。
-
公开(公告)号：CN117232541B
公开(公告)日：2024-11-15
申请号：CN202310661492.8
申请日：2023-06-02
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/34
Abstract: 改善搜索自由度的A‑star算法机器人路径规划方法及系统，涉及机器人路径规划技术领域。本发明为了解决现有的机器人路径规划没有考虑移动机器人完成任务所需的时间和电源电量，也没有综合考虑路径长度和速度等因素，采用传统的A‑star算法由于搜索策略带有许多路径拐点和大转弯角度的缺点导致产生的可行路径不是理论上的最佳路径等问题。技术要点：在传统的A‑star算法引入了描述当前点向周围扩展的方向数，并通过连接起点和终点得到一条直线段来寻找交接点。在与障碍物相交时，会得到一个交点，然后将该点设为圆心以R为半径绘制一个圆，求出障碍物边界点。接下来，将第一个交界点作为局部起点，最后一个障碍物边界点作为局部终点，带入改进的A‑star算法中得到局部路径，由直线连接的为其他局部路径。最后，将这些局部路径组合成全局路径。
-
公开(公告)号：CN116880473B
公开(公告)日：2024-10-25
申请号：CN202310792556.8
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种基于人工势场和A‑star融合的无人船路径规划方法及系统，属于无人船路径规划领域。为解决对于算力有限的无人船来说，传统A‑star算法路径规划的节点过多，计算量过大，未考虑运动学约束；传统人工势场法易陷入局部最优解，出现终点不可达以及未考虑运动学约束的问题。本发明以改进的A‑star算法进行整体路径规划，以嵌入的改进人工势场作为局部路径规划，在传统A‑star算法中使用最简OPEN列表，省去CLOSED列表，提高算法路径规划效率并降低硬件开销，增加无人船的运动学约束和震荡滤波程序，通过增加震荡滤波程序避免节点过多的问题；在人工势场法中通过改进斥力函数消除目标不可达和局部最优问题。
-
公开(公告)号：CN117824627B
公开(公告)日：2024-08-13
申请号：CN202311867591.8
申请日：2023-12-29
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种基于粒子滤波的差速机器人地磁辅助定位系统，涉及智能机器人自主导航领域，为解决现有的基于粒子滤波的地磁/里程计定位系统在连续工作时，因地磁数据噪声过大，可能会导致误匹配，甚至滤波发散的问题。包括：地磁场采集模块用于采集地磁场强度数据，并将采集的数据发送到定位模块；里程采集模块用于采集机器人驱动轮转过的角度和位移数据，并数据发送到定位模块；定位模块用于对地磁场强度数据和机器人驱动轮转过的角度和位移数据进行解算，以进行实时定位，将定位结果存储在存储模块并发送至上位机；存储模块用于存储地磁场强度数据和定位结果数据，并将地磁基准图发送至定位模块；上位机用于对定位结果进行实时监测。
-
Patent Agency Ranking
公开(公告)号：CN118310526A
公开(公告)日：2024-07-09
申请号：CN202410419204.2
申请日：2024-04-09
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/20 , G06F18/10 , G06F18/23213 , G06F18/2433 , H03H17/02
Abstract: 本发明提供了一种动态拓扑下基于因子图的多AUV量测滤波方法及系统，属于多AUV协同定位领域。为了解决现有的多AUV协同定位系统量测信息中会产生野值，降低系统的定位性能的问题。本发明在水下多AUV协同定位量测信息中存在野值的情况下，通过对动态拓扑下基于因子图的多AUV协同定位算法引入k‑means算法进行量测野值滤波，保障了水下协同定位在少量提高运行时间的情况下，大幅提升定位精度和鲁棒性，保障了水下作业时对于定位以及导航精度的需求；且通过仿真实验可知，本发明提升了64.54％的定位精度，面对量测野值也更加稳定。
-
公开(公告)号：CN117053788A
公开(公告)日：2023-11-14
申请号：CN202310794375.9
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明基于主无人机优选的分层式无人机群EKF协同定位方法及系统，涉及无人机定位技术领域，为解决现有技术中当主无人机层的主无人机数量过多时，会出现信息冗余，导致定位效率低，影响同步的问题。包括步骤：S1、构建目标从无人机i的运动方程、观测方程以及先验协方差表达式；S2、计算各个主无人机的选择因子，确定优选主无人机；S3、计算从无人机i与优选主无人机j的量测值，计算经一致性处理后的量测值uj和协方差矩阵Uj；S4、计算一致性处理的卡尔曼增益Mi；S5、计算目标从无人机i的量测增益矩阵Kti；S6、对状态估计值和协方差矩阵进行更新。本发明方法可提高无人机群的定位精度，保证无人机系统的稳定性。
-
公开(公告)号：CN116993073A
公开(公告)日：2023-11-03
申请号：CN202310791644.6
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/0631 , G06Q10/04 , G06Q30/08
Abstract: 本发明提供一种多无人船动态任务分配方法及系统，属于多无人船任务分配领域。为解决传统CBBA算法的代价函数仅包含时间代价的计算，在具有时间窗约束环境下时会得出不满足约束要求的任务分配方案，导致复杂时间窗约束下的动态任务重分配问题时航程长、任务完成度低的问题。通过建立任务初始分配模型，对新增任务进行处理，根据距离奖惩因子进行任务构建，根据时间窗约束对任务序列进行更新，而后进行冲突消解过程，最后判断无人船之间是否达成共识。以传统CBBA算法为基础引入优选任务集群、距离奖惩因子以及考虑时间窗约束的任务包更新过程，在处理多无人船动态任务重分配问题上更具优势，尤其是在较大规模环境下更具优势。
-
公开(公告)号：CN116909266A
公开(公告)日：2023-10-20
申请号：CN202310737569.5
申请日：2023-06-21
Applicant: 哈尔滨工业大学(威海)
IPC: G05D1/02 , G06Q10/047
Abstract: 本发明提供一种基于改进A‑Star算法与DWA算法的动态环境路径规划方法及系统，属于动态路径规划领域。为解决A‑Star算法无法躲避动态障碍物，DWA算法容易陷入局部最小值，会出现找不到路的情况，且缺乏二者有效融合的问题。本发明提出对机器人行驶路径长度和速度进行优化，对DWA算法先将路径点与改进A‑Star算法所规划路径的最小距离引入评价函数，再以预测轨迹末端距障碍物的最小距离来对评价函数中速度的系数进行选择，提高机器人在距障碍物较远时的行驶速度；使机器人在远离障碍物时以较快的速度运行，在靠近障碍物时，为保证行驶安全，以较缓慢的速度运行，这样既提高了整体的行驶速度，又保证了机器人的行走安全性。
-
公开(公告)号：CN116737336A
公开(公告)日：2023-09-12
申请号：CN202310660638.7
申请日：2023-06-02
Applicant: 哈尔滨工业大学(威海)
IPC: G06F9/48 , G06F9/50 , G06F18/23213 , G06N3/126
Abstract: 一种基于聚类遗传算法的多无人船任务分配方法及系统，属于无人船任务分配领域。本发明为了兼顾任务分配方案求解时的效率、所求解的优良性和稳定性，最终实现无人船系统以最少的资源消耗完成最多的任务。首先利用K‑means算法进行数据处理，编写了改进的遗传算法，以此来确定中等规模无人船集群静态任务分配的最佳或次佳分配方案。为了兼顾任务分配方案求解时的效率和所求解的优良性，本发明在传统遗传算法的基础上，参考自适应算法的理念，首先利用K‑means算法进行数据处理，编写了改进的遗传算法，以此来确定中等规模无人船集群静态任务分配的最佳或次佳分配方案。本发明方法兼顾了任务分配方案求解时的效率、所求解的优良性和稳定性，实现无人船系统以最少的资源消耗完成最多的任务。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.031 seconds)
