-
公开(公告)号：CN108226887B
公开(公告)日：2021-06-01
申请号：CN201810066318.8
申请日：2018-01-23
Applicant: 哈尔滨工程大学
IPC: G01S7/40
Abstract: 一种观测量短暂丢失情况下的水面目标救援状态估计方法，涉及水面目标救援跟踪技术领域。本发明的目的是为了提高观测量短暂丢失时的水面目标救援实时性和准确性。技术要点：建立基于历史量测的状态转移模型；设计历史测量数据量M的自适应调整策略；基于状态转移模型和M值自适应调整策略建立观测量短暂丢失情况下的目标状态估计系统模型；基于Chapman‑Kolmogorov方程的权值自适应更新策略设计改进高斯混合容积卡尔曼滤波，以克服常规高斯混合容积卡尔曼滤波器在观测量丢失时高斯分量权值保持不变的问题。在观测量正常时采用常规高斯混合容积卡尔曼滤波，当观测量短暂丢失时，加入高斯分量权值自适应调整策略，提高状态估计精度。
-
公开(公告)号：CN112150459A
公开(公告)日：2020-12-29
申请号：CN202011109658.8
申请日：2020-10-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供1、一种基于机器学习的多参数Tikhonov正则化方法，其特征是，包括如下步骤：S1、数据收集：确定研究对象并收集符合场景的图片；S2、图像预处理；S3、计算最优Tikhonov正则化参数；S4、图像恢复；S5、根据Tikhonov正则化参数和相对错误率，对结果进行分析。本发明针对满足同类周期边界条件的图像做出了针对性优化，通过预处理以及优化改进的机器学习算法，预先计算出了符合此类图像的最优Tikhonov正则化参数向量。当输入此类受损图像时，可以快速高效地对图像进行恢复，且较传统方案，提升了图像恢复质量。
-
公开(公告)号：CN108279692B
公开(公告)日：2020-12-22
申请号：CN201810043819.4
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。
-
公开(公告)号：CN111445498A
公开(公告)日：2020-07-24
申请号：CN202010196608.1
申请日：2020-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用Bi-LSTM神经网络的目标跟踪方法，目的是解决强机动目标运动过程复杂、运动模型难以建立且计算量大的问题，提高目标跟踪精度。技术方案是先建立目标跟踪系统，采集运动目标位置、速度数据，并进行数据预处理，获得目标运动训练集和测试集；然后设计适用于目标跟踪的Bi-LSTM神经网络，用训练集训练神经网络中的权重参数；最后用训练好的模型实现目标跟踪。本发明适用于处理时间序列上的连续数据，通过历史数据预测下一时刻目标运动状态，目标跟踪的精度较高。
-
公开(公告)号：CN111337931A
公开(公告)日：2020-06-26
申请号：CN202010195589.0
申请日：2020-03-19
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种AUV目标搜索方法，包括：1.声呐探测模型的建立；2.基于改进神经激励网络的多目标搜索算法；3.基于神经激励网络与人工势场法相结合的目标搜索算法。本发明对待搜索目标的搜索顺序进行规划，再使用神经激励网络进行每个目标的搜索路径决策，减少了多目标搜索过程中的路程长度，提高了整体的搜索效率。而且针对障碍物较少的栅格提出了新的神经元分类，在使用神经激励网络算法做出全局的搜索决策的基础上使用人工势场法针对障碍物较少的栅格以及目标所在的栅格进行局部的路径规划以及避障，增加了AUV在障碍物较少的区域中的搜索效率，并且提高了算法的合理性。
-
Patent Agency Ranking
公开(公告)号：CN110146110A
公开(公告)日：2019-08-20
申请号：CN201910418114.0
申请日：2019-05-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据关联领域，具体涉及一种室内环境机器人线特征ICNN数据关联的误匹配判定方法。本发明提供一种基于线段位置关系的误匹配及防止误匹配的判定规则的改进ICNN数据关联方法。首先基于激光传感器数据提取环境线特征，重新选取线特征参数，并将同一二维平面上的线段位置关系进行总结，针对线段平行或共线时容易造成误匹配的问题，分别给出误匹配评判模型，在此基础上提出一种改进ICNN算法。改进的算法用与标准算法相近的计算时间得到了更高的关联正确率。
-
公开(公告)号：CN109740742A
公开(公告)日：2019-05-10
申请号：CN201910041887.1
申请日：2019-01-14
Applicant: 哈尔滨工程大学
Abstract: 一种基于LSTM神经网络的目标跟踪方法，属于目标跟踪技术领域。本发明利用长短时记忆模型(LSTM)对复杂、非线性运动的目标跟踪，解决目标跟踪困难、目标模型难以建立和跟踪精度低的问题；首先采集目标的经纬度信息和速度信息，将采集的数据进行数据处理；然后设计用于单目标跟踪的LSTM神经网络结构；最后调节LSTM神经网络参数以实现目标跟踪。本发明有效的简化了非线性滤波过程并能对复杂的非线性目标进行有效跟踪；不需要建立目标运动模型和利用传统的滤波算法；利用历史的目标运动信息来预估下一时刻的目标运动状态；利用反向传播算法调节神经网络的内部参数；学习率衰减的方法减小计算量并提高精度。
-
公开(公告)号：CN109582027A
公开(公告)日：2019-04-05
申请号：CN201910032577.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人水面艇避障领域，具体涉及一种基于改进粒子群优化算法的USV集群避碰规划方法。本发明主要包括以下步骤：根据导航雷达和光电传感器的参数特性建立USV综合视域模型；构建坐标系；构建环境模型；设计用于USV集群避碰规划的滚动优化策略和改进粒子群优化算法；将综合传感器探测到的信息及目标点的信息输入到改进粒子群优化算法中，获得USV下一时刻的航行和航速的调整指令。本发明不仅克服了标准粒子群优化算法易于陷入局部最优的缺点，而且结合了USV当前环境信息，提高了USV避碰规划的实时性，在适应度函数中加入了USV的转角优化，在获得最优路径的同时也提高了路径的平滑性。
-
公开(公告)号：CN108549394A
公开(公告)日：2018-09-18
申请号：CN201810507374.0
申请日：2018-05-24
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于船舶运动控制领域，具体涉及一种基于领航者和虚拟领航者的多AUV直线编队控制方法。本发明包括如下步骤：(1)根据使命任务，实现多AUV的路径规划，获得领航者需跟随的路径(2)建立参考坐标系(3)建立如下AUV动力学模型(4)构建固定坐标系下的跟随者AUV的误差模型(5)设计AUV运动控制器。本发明提出了领航-跟随法和虚拟领航-跟随法相结合的编队控制策略，在多AUV组成的群体中，指定某个AUV为领航者，剩余的AUV作为它的跟随者，跟随者以期望的距离间隔跟随领航者的位置。通过反步法实现AUV路径跟踪控制，跟随者实时接收且只需接收领航者的纵向位姿信息，减少AUV在多种信息通讯时出现的混乱现象，增强了编队控制的稳定可靠性。
-
公开(公告)号：CN105607646B
公开(公告)日：2018-06-26
申请号：CN201610082314.X
申请日：2016-02-05
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 一种障碍环境下有必经点的UUV航路规划方法，属于UUV控制技术领域。为了使UUV从布放点出发遍历完必经点后回到回收点，且路径长度最短。计算在障碍环境下UUV布放点和回收点以及所有必经点的两两间航路估计距离；以布放点为起点、回收点为终点，使用TSP算法规划出UUV所有必经点的遍历顺序，使UUV从布放点出发、遍历完所有必经点后回到回收点的航路估计距离总和最短；经优化得出从布放点出发经过所有必经点最终到达回收点且能避开所有障碍的航路。仅使用几何判断估算两两必经点间的路径代价，然后使用蚁群算法基于估算代价规划出一个TSP方案，即必经点遍历顺序，最后再使用可变子目标点的蚁群算法规划出最终能避开障碍物的航路。
-
-
-
-
-
-
-
-
-
Search Results
152
records
(took 0.028 seconds)
