-
公开(公告)号：CN102768539A
公开(公告)日：2012-11-07
申请号：CN201210211449.3
申请日：2012-06-26
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明提供的是一种基于迭代的自主水下航行器三维曲线路径跟踪控制方法。步骤1.初始化；步骤2.计算初始时刻AUV当前位置与期望路径上“虚拟向导”点在AUV载体坐标系下的相对跟踪误差；步骤3.计算期望路径上“虚拟向导”点的期望移动速度、AUV运动学跟踪控制律；步骤4.在运动学等价控制律的基础上，采用迭代，推导欠驱动自主水下航行器AUV的三维路径跟踪的动力学控制律；步骤5.计算当前AUV位置ηn＝(x,y,z)与标定的转向点WPk＝(xk,yk,zk)之间的距离 若小于设定的航迹切换半径R，则表示完成当前指定路径的跟踪任务停止航行或切换下一个期望航迹，否则继续步骤2。本发明能够提高AUV的路径跟踪精度。
-
公开(公告)号：CN119105495A
公开(公告)日：2024-12-10
申请号：CN202411219307.0
申请日：2024-09-02
Applicant: 哈尔滨工程大学
Abstract: 本发明一种水陆多栖无人平台自主目标搜探与导引规划方法，涉及水陆多栖无人平台导引规划技术领域，为解决现有技术中缺少高效的水陆多栖无人平台自主目标搜探与导引规划方法的问题。包括：步骤一、首先载入区域的信息，然后对区域进行分割，分割过程中使子区域的最长边尽可能长，最后对多栖无人平台区域进行分配；步骤二、以转弯次数最少和总路程最短为目标进行探测路径规划，水陆多栖无人平台根据探测路径进行区域目标探测，并记录探测到的疑似目标；初始化探查参数，确定考虑裕度值的探查约束范围，规划探查路径，水陆多栖无人平台根据探查路径进行区域目标探查，确定疑似目标的特征；步骤三、若未探查到目标，根据已有疑似目标记录进行二次确认。
-
公开(公告)号：CN119098954A
公开(公告)日：2024-12-10
申请号：CN202411218745.5
申请日：2024-09-02
Applicant: 哈尔滨工程大学
IPC: B25J9/16
Abstract: 本发明提供一种水陆多栖无人平台自主机械手智能作业轨迹优化方法及系统，属于机械臂轨迹规划领域。为解决机械手关节速度、加速度和加加速度连续性差，整体运行时间长，运动时的冲击强，能量消耗大，机械手工作效率低的问题。包括机械手运动学模型建立、机械手工作空间求解、基于3‑5‑3多项式插值的轨迹规划和基于改进粒子群算法的多目标轨迹规划。本发明考虑时间最优、冲击最优、能量最少的优化目标进行轨迹的最优化规划；对于时间优化问题，可最大化各个关节的运动速度，缩短整个运动时间，提高机器人工作效率；冲击最优规划可改善机械手运动的平顺性、减小其跟踪误差、减小运动时冲击、提高机械手运行的稳定性和使用寿命。
-
公开(公告)号：CN118865780A
公开(公告)日：2024-10-29
申请号：CN202410700334.3
申请日：2024-05-31
Applicant: 哈尔滨工程大学
IPC: G09B9/04 , G09B7/00 , G09B9/06 , G06Q50/20 , G06F16/901
Abstract: 一种QDT综合驾控操作训练科目管理系统，涉及驾控操作训练仿真模拟技术领域，为了解决现有的驾控操作训练系统无法满足多要素设置，人机交互操作体验不好，无法有效地提高题目生成效率和降低误操作风险，无法满足学员快速的掌握驾控技巧以应付各种可能出现的情况等问题而提出。系统包括树型结构训练科目管理模块、环境要素配置模块、训练题目生成模块、训练题目自动入库管理模块，所述的树形结构科目管理模块是说明了训练科目管理方式；所述的环境要素配置模块实现了科目要素的设置和发布；所述的训练题目生成模块是指完成环境要素配置后，由系统自主生成训练题目；训练题目自动入库管理模块是指训练题目信息存入数据库；本发明满足了QDT训练模拟器教练员科目设置及发布的全部功能，而且也可作为其他模拟器的科目发布系统，具有广泛应用前景。
-
公开(公告)号：CN118503490A
公开(公告)日：2024-08-16
申请号：CN202410700429.5
申请日：2024-05-31
Applicant: 哈尔滨工程大学
IPC: G06F16/901 , G06F16/903 , G06F16/9038 , G09B9/06
Abstract: 本发明提供了一种用于QDT综合驾控操作训练的数据库管理系统及方法，属于数据管理领域。为了解决QDT模拟器数据管理时存在数据间关联性较差、人机交互性差，且无法根据已存储数据复现相应训练过程的问题。本发明可动态实现QDT模拟器系统数据的管理，同时降低计算机资源的开销；对数据进行有效的关联，减小存储的错误率和后期的数据分析难度，提高了管理效率；具有较好的人机交互性，使教练员能够实时、准确地掌握学员的训练状况，方便对学员训练效果的综合评价；可满足QDT模拟器的大量、多种类数据的管理需求，提高整体品质，且可使用在其他类型模拟器中，具有广泛的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117807890A
公开(公告)日：2024-04-02
申请号：CN202410067852.6
申请日：2024-01-17
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F18/241 , G06N3/0464 , G06F18/213
Abstract: 本发明公开了基于神经网络的水下无人航行器舵面故障诊断方法，包括：获取待诊断舵面数据；将所述待诊断舵面数据输入到神经网络模型，获取输出结果，完成所述水下无人航行器舵面故障诊断，所述神经网络模型通过训练集进行训练，所述训练集为预设个故障特征明显的内禀模式函数分量。本发明通过对水下无人航行器舵面的结构形式进行分析，构建出舵面的仿真模型；在对常见的舵面故障数学分析的基础上，获取相应的响应信号；将采集到的正常及故障状态下的舵面响应信号进行经验模态优化分解；选取优化分解后IMF分量，创建并合理划分数据集；进一步地进行卷积网络的结构设计、训练与优化，极大提高了该网络的故障分类测试精度，增加了系统鲁棒性。
-
公开(公告)号：CN110716574B
公开(公告)日：2023-05-02
申请号：CN201910934428.6
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于UUV控制技术领域，具体涉及一种基于深度Q网络的UUV实时避碰规划方法。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，不对输入的声呐数据进行人工提取特征和特征匹配，直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，无需像深度学习那样进行大规模的采样和做标签，也不像传统的方法需建立环境和UUV本身的数学模型，无需环境的模型，采用强化学习不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
-
公开(公告)号：CN110781924B
公开(公告)日：2023-02-14
申请号：CN201910932848.0
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于全卷积神经网络的侧扫声纳图像特征提取方法，利用原有的声纳图像进行数据增广，获得模型训练和测试所需的样本集；对样本集中的每幅图像的海底地形的边缘区域进行人工标注，区分目标和背景，获得模型训练和测试标签图；构建FCNs模型；将海底地形图像及对应的标签图输入网络，采用带动量项的小批量梯度下降法训练网络，保存最优网络模型；对比随机梯度下降法与小批量梯度下降法下网络的收敛性、稳定性；对地形边缘轮廓特征提取并输出特征提取结果，对结果进行定性评价。本发明方法无需复杂的预处理，声纳特征特征提取方法速度快、效率高，具有较强的抗散斑噪声的能力；提高了网络的性能，确保了FCNs各个网络模型的收敛性和稳定性。
-
公开(公告)号：CN110706239B
公开(公告)日：2022-11-11
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：CN109765929B
公开(公告)日：2022-04-05
申请号：CN201910033349.8
申请日：2019-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人水下航行领域，具体涉及一种基于改进RNN的UUV实时避障规划方法。本发明提供了一种基于改进RNN的UUV实时避碰规划方法，该方法采用卷积连接方式代替原RNN网络中的全连接，减少了网络参数，降低了算法学习时间，提高了算法信息处理能力。本发明设计的用于UUV实时避碰规划的改进RNN算法，在复杂的不确定环境中有较强的适应性；有较强的学习能力、泛化能力及抗噪声干扰能力。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.026 seconds)
