-
公开(公告)号：CN115291523A
公开(公告)日：2022-11-04
申请号：CN202211061382.X
申请日：2022-08-31
Applicant: 东南大学
IPC: G05B13/04
Abstract: 一种基于KLD重采样的抗差自适应UFastSLAM自主导航方法，包括步骤：1、在载体位姿估计阶段，融入抗差自适应因子，利用抗差自适应无迹粒子滤波算法(RAUPF)对载体位姿进行估计；2、在特征状态估计阶段，利用抗差自适应无迹滤波算法(RAUKF)对环境特征的位置信息进行估计更新；3、在粒子重采样阶段，采用基于KL散度的自适应粒子重采样方法在线实时调整所需的粒子数，在保证精度的情况下提高算法的实时性。该方法可以适用于量测噪声时变且量测信息中有异常干扰时的环境，改善因异常扰动和噪声统计特性不准确等因素而引起的载体定位精度下降及实时性不高的问题。
-
公开(公告)号：CN110362084B
公开(公告)日：2022-08-26
申请号：CN201910658937.0
申请日：2019-07-22
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于蚁群算法的车辆路径追踪控制方法，包括步骤：1、建立车辆的运动学模型；2、设计车辆模型预测控制器；3、获取当前时刻车辆的状态，利用蚁群算法求解使目标函数取最小值的控制量增量序列，其第一个元素为当前时刻的最优控制增量；4、根据当前时刻的最优控制增量控制轮胎转向角和车辆行驶速度，控制车辆运行，判断是否需要切换参考点后进入步骤2继续下一个时刻的控制。该方法计算速度快，能够提高车辆路径追踪的实时性。
-
公开(公告)号：CN114529817A
公开(公告)日：2022-05-24
申请号：CN202210156492.8
申请日：2022-02-21
Applicant: 东南大学
IPC: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/74 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/00
Abstract: 本发明是基于注意力神经网络的无人机光伏故障诊断及定位方法，包括步骤：1、获取巡检无人机航拍的光伏组件红外图片，读取无人机实时位置信息和姿态数据；2、基于注意力机制和FPN结构构造FPT结构；3、构建BP神经网络，采用FPT结构进行信息融合，航拍图片作为输入，缺陷所在光伏组件的像素坐标作为输出，训练所构建的神经网络，得到针对红外图像缺陷检测的神经网络；4、对原始图像进行分割得到光伏组件掩模，再根据目标检测网络的定位结果确定有故障的光伏组件，得到目标组件的角点像素坐标；5、根据无人机拍摄实时坐标和姿态角构造坐标转换模型，根据地空几何关系将神经网络输出的像素坐标转化为大地坐标下的位置坐标，得到缺陷所在光伏组件的位置信息。该方法适用于基于无人机巡检的光伏组件缺陷检测定位，可以实现组件缺陷的实时监测，提高缺陷检测精度。
-
公开(公告)号：CN109884900B
公开(公告)日：2022-04-12
申请号：CN201910266117.7
申请日：2019-04-03
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应模型预测控制的收获机路径跟踪控制器的设计方法，包括如下步骤：(1)建立收获机三自由度运动学模型；(2)以转向角为控制变量，设计模型预测控制算法；(3)采用改进粒子群算法对不同路径和速度情况下的预测时域进行参数整定；(4)根据路径和行驶速度选定工作模式进而得到相应的预测时域。本发明能够有效解决由于收获机滞后性大引起的延迟问题，改善预测时域的选取进而提高路径跟踪效果。
-
公开(公告)号：CN113190017A
公开(公告)日：2021-07-30
申请号：CN202110562995.0
申请日：2021-05-24
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于改进蚁群算法的收获机器人作业路径规划方法，包括步骤：1、建立不规则四边形农田的数学模型，以转弯次数最少、作业行与边界的垂直程度最大为条件确定最优作业方向；2、将农田全覆盖路径规划抽象为车辆路线问题(VRP)，并根据不同的卸粮位置分布，建立相应的VRP模型；3、根据收获机容量、总行驶距离、满载行驶距离和卸粮位置分布约束条件，采用改进的蚁群算法设计最优的作业行遍历顺序；4、根据作业行遍历顺序和农田模型，求解各个路径的表达式，生成农田全覆盖路径，为收获机的路径跟踪提供参考。该方法能够根据不同的卸粮位置分布情况设计满载行驶距离最小的农田全覆盖路径。
-
Patent Agency Ranking
公开(公告)号：CN108334822B
公开(公告)日：2021-07-27
申请号：CN201810052698.X
申请日：2018-01-19
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于电动汽车充电非线性负荷特征的卡尔曼和修正小波变换滤波方法，包括如下步骤：根据电动汽车充电非线性负荷中直流基波、非稳态波信号特征对传统小波变换算法的阈值参数、分层参数进行合理修正；利用修正小波变换滤除非稳态波和高次谐波；利用卡尔曼滤波算法滤除低次谐波；检测信号突变点；卡尔曼滤波算法信号突变点处的平滑；通过上一步检测到信号突变点处后，在其后的时间L采用修正小波变换分解替换卡尔曼滤波算法分解得到信号突变点处的基波信号。本发明能够提高卡尔曼滤波算法的识别准确度，避免了卡尔曼滤波算法在信号突变处的“爬坡延迟”现象。
-
公开(公告)号：CN109405846B
公开(公告)日：2021-02-26
申请号：CN201811168540.5
申请日：2018-10-08
Applicant: 东南大学
Abstract: 本发明公开了一种自适应调整前视距离与延迟参数的路径追踪方法，利用神经网络获取纯追踪算法中的前视距离参数以及利用神经网络获取延迟时间以算出这段时间内的航向角变化，以矫正期望转向角。具体包括以下步骤：(1)计算车辆当前运行的各项参数；(2)建立起一个BP神经网络模型，并进行神经网络的训练；(3)将车辆位置参数输入训练后的神经网络，得到前视距离和延迟时间，使用纯追踪算法计算出期望转向角并利用延迟时间进行纠正。本发明使用神经网络来动态确定前视距离和延迟时间，来获取更精确的期望转向角，能有效减小各种运行参数下尤其是高速运行中横向误差偏大的问题。
-
公开(公告)号：CN110163148B
公开(公告)日：2021-02-09
申请号：CN201910423161.4
申请日：2019-05-21
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种电动汽车直流充电畸变信号自适应识别方法，包括如下步骤：1、获取电动汽车充电的电信号f(t)，并进行等间隔采样，得到离散的电信号f(n)；2、根据电动汽车充电负荷特征，修正小波包变换的分层和阈值参数，对离散电信号f(n)进行小波包分解，获取小波包系数；3、根据分解后的小波包系数判断信号突变时刻，并对骤变信号和非稳态信号进行重构。4、对基波和纹波信号建立卡尔曼滤波矩阵模型，通过遗忘因子的引入、噪声协方差系数和步长的自适应选取来优化分解精度和收敛速度，对电动汽车直流充电信号的基波和各次纹波进行预测识别。该方法能够在电动汽车复杂的充电环境下同时精确检测各类畸变信号，具有较高的正确性与适用性，满足现实应用的需求。
-
公开(公告)号：CN107356254B
公开(公告)日：2021-01-12
申请号：CN201710421383.3
申请日：2017-06-07
Applicant: 东南大学
Abstract: 本发明公开一种适用于地磁辅助导航航迹规划的粒子群优化方法，包括如下步骤：步骤1，考虑水下环境约束条件在内，建立水下航行器路径规划评判模型；步骤2，根据模型中时间、函数关系、约束、目标条件和变量，将路径规划问题转化为航迹优化问题；步骤3，采用Dijkstra算法+粒子群优化算法的混合算法进行航迹规划，将粗选航迹作为最优解的一个初始估计输入，并对粒子群优化算法编码，将时间信息看作搜索空间中的“粒子”，改善算法的收敛性能。此种优化方法可提高地磁导航航迹规划的精确度和可靠性。
-
公开(公告)号：CN111060109A
公开(公告)日：2020-04-24
申请号：CN202010004408.1
申请日：2020-01-03
Applicant: 东南大学
Abstract: 本发明提供的是一种基于改进A星算法的无人艇全局路径规划方法，涉及路径规划领域。本发明改变传统A星算法邻点搜索策略，扩大搜索邻域，对传统启发式函数进行改进，结合分权策略，加入角度因素，使路径搜索时得到的结果偏向分布在起始点与目标点连线附近，提高搜索效率。本发明利用电子海图获取海洋地理信息，将改进A星算法与动态栅格法相结合，通过栅格动态细化构建网格地图模型，应用改进A星算法寻找路径，使路径精度逐步达到精度要求，再通过平滑路径处理，进一步减少多余的路径节点。
-
-
-
-
-
-
-
-
-
Search Results
193
records
(took 0.087 seconds)
