-
公开(公告)号：CN119717863B
公开(公告)日：2025-05-06
申请号：CN202510228786.0
申请日：2025-02-28
Applicant: 南京信息工程大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种多无人机吊挂运输系统有限时间自抗扰控制方法，通过有限时间超螺旋滑模观测器对负载误差及其集总扰动进行观测补偿，构建有限时间滑模控制器，确定控制负载运动的总拉力，求解最优拉力分配方案；引入外部扰动，以负载为虚拟领导，构建领导跟随集群模型，设计有限时间降阶比例微分观测器和有限时间控制器，进行编队有限时间控制，确定每架无人机的期望轨迹；引入执行器故障模型和虚拟控制量，构建无人机动力学模型并引入集总扰动重构状态误差系统；设计有限时间降阶广义参数估计观测器和有限时间非奇异终端积分滑模容错控制器，进行无人机位置回路控制和姿态回路控制，实现多无人机吊挂运输系统有限时间自抗扰控制。
-
公开(公告)号：CN119717863A
公开(公告)日：2025-03-28
申请号：CN202510228786.0
申请日：2025-02-28
Applicant: 南京信息工程大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种多无人机吊挂运输系统有限时间自抗扰控制方法，通过有限时间超螺旋滑模观测器对负载误差及其集总扰动进行观测补偿，构建有限时间滑模控制器，确定控制负载运动的总拉力，求解最优拉力分配方案；引入外部扰动，以负载为虚拟领导，构建领导跟随集群模型，设计有限时间降阶比例微分观测器和有限时间控制器，进行编队有限时间控制，确定每架无人机的期望轨迹；引入执行器故障模型和虚拟控制量，构建无人机动力学模型并引入集总扰动重构状态误差系统；设计有限时间降阶广义参数估计观测器和有限时间非奇异终端积分滑模容错控制器，进行无人机位置回路控制和姿态回路控制，实现多无人机吊挂运输系统有限时间自抗扰控制。
-
公开(公告)号：CN119045518B
公开(公告)日：2025-01-28
申请号：CN202411556267.9
申请日：2024-11-04
Applicant: 南京信息工程大学 , 水利部南京水利水文自动化研究所
Abstract: 本发明公开了一种四旋翼飞行器有限时间自抗扰控制方法、装置及系统，涉及飞行器控制技术领域，首先，建立存在多源扰动的四旋翼飞行器的姿态动力学模型，其次，设计一种具有有限时间收敛特性的降阶广义参数估计观测器，基于参数估计方案，结合动态回归扩展与混合技术，将状态观测问题转化为参数估计问题，进而建立线性回归模型，设计梯度下降观测器在线估计不可测量状态和未知扰动；最后，将估计量引入到非奇异快速终端滑模控制律中，得到无速度传感的有限时间控制器。本发明在不需要速度传感器的情况下仍能保证输出状态准确地跟踪给定值，且能抑制多源扰动对于系统的影响，显著降低四旋翼无人机系统硬件成本和故障率，提高系统的容错性。
-
公开(公告)号：CN119045518A
公开(公告)日：2024-11-29
申请号：CN202411556267.9
申请日：2024-11-04
Applicant: 南京信息工程大学 , 水利部南京水利水文自动化研究所
Abstract: 本发明公开了一种四旋翼飞行器有限时间自抗扰控制方法、装置及系统，涉及飞行器控制技术领域，首先，建立存在多源扰动的四旋翼飞行器的姿态动力学模型，其次，设计一种具有有限时间收敛特性的降阶广义参数估计观测器，基于参数估计方案，结合动态回归扩展与混合技术，将状态观测问题转化为参数估计问题，进而建立线性回归模型，设计梯度下降观测器在线估计不可测量状态和未知扰动；最后，将估计量引入到非奇异快速终端滑模控制律中，得到无速度传感的有限时间控制器。本发明在不需要速度传感器的情况下仍能保证输出状态准确地跟踪给定值，且能抑制多源扰动对于系统的影响，显著降低四旋翼无人机系统硬件成本和故障率，提高系统的容错性。
-
公开(公告)号：CN118941977A
公开(公告)日：2024-11-12
申请号：CN202410944032.0
申请日：2024-07-15
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于多通道卫星数据的多时相云图预测方法及预测模型，具体为：步骤1：下载不同波段的卫星云图；步骤2：将不同波段的卫星云图进行拼接，构成多通道卫星云图；步骤3：计算每个卫星云图中每个像素的亮温值，从而将卫星云图映射至亮温值形式；步骤4：对每个卫星云图中的亮温值进行对数归一化处理；步骤5：构建多通道多时相云图预测网络，并将步骤4中归一化处理后的多通道卫星云图作为训练集训练多通道多时相云图预测网络，得到训练好的多通道多时相云图预测网络；步骤6：采用训练好的多通道多时相云图预测网络进行预测。本发明生成的卫星云图预测结果更加真实。
-
Patent Agency Ranking
公开(公告)号：CN118644796A
公开(公告)日：2024-09-13
申请号：CN202411089708.9
申请日：2024-08-09
Applicant: 南京信息工程大学
IPC: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种面向无人机航拍图像目标检测方法，包括以下步骤：（1）获取准备无人机小目标数据集并进行预处理；（2）引入C3CBAM注意力模块，将yolov5s的Backbone特征提取网络中的C3模块全部替换为C3CBAM模块；（3）将yolov5s的Backbone特征提取网络中第四层增加FEM模块；（4）将yolov5s的head层中引入SCAM模块增加23、24、25三个特征处理层；（5）将yolov5s的Detect检测层引入ASFF模块；（6）用改进的yolov5s模型进行训练与验证，对改进的模型进行评估；本发明增强小目标检测的性能。
-
公开(公告)号：CN118570740A
公开(公告)日：2024-08-30
申请号：CN202411056896.5
申请日：2024-08-02
Applicant: 南京信息工程大学
IPC: G06V20/52 , G06V10/82 , G06N3/045 , G06N3/0464 , G06V10/764 , G06V10/776 , G06V20/40 , G06V40/10
Abstract: 本发明公开了一种基于改进YOLOV5的公交站台场景车辆行人检测方法，包括以下步骤：（1）在公交站台安装摄像头，采集视频数据，构建数据集；（2）基于YOLOV5框架，重构网络得到轻量化网络模型；（3）采用改进距离交并比非极大值抑制算法TDIOU‑NMS来优化冗余候选预测框；（4）训练构建的改进YOLOV5的公交站台场景车辆行人检测模型；（5）将训练好的改进YOLOV5的公交站台场景车辆行人检测模型对验证集进行目标识别，并对模型的检测效果进行评价；本发明优化后的神经网络模型具有更高的置信度和检测速度，能将摄像头视频捕捉的车辆行人实时准确的进行识别，并且精度高、速度快，满足实时检测需求。
-
公开(公告)号：CN118444685A
公开(公告)日：2024-08-06
申请号：CN202410903534.9
申请日：2024-07-08
Applicant: 南京信息工程大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种基于角度约束的多无人艇协同拦截方法，包括以下步骤：（1）基于预设的无人艇运动学模型和动力学模型得到各艘无人艇的控制信号并进行编队；（2）在编队阶段，确定领航无人艇和跟随无人艇，基于一致性构建无人艇编队。判断预设范围内是否存在来袭无人艇;（3）将任务环境简化为二维平面，同时获取当前时刻无人艇编队中每艘无人艇的任务环境信息，并将任务划分为跟踪阶段和拦截阶段；（4）跟踪阶段，无人艇以领航‑跟随编队的策略向来袭无人艇移动；拦截阶段，所有无人艇以动态包围策略拦截目标；本发明有助于保持不同模式之间的稳态特性。
-
公开(公告)号：CN118279753A
公开(公告)日：2024-07-02
申请号：CN202410703162.5
申请日：2024-06-03
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种动态场景下视觉SLAM方法，包括以下步骤：（1）对原始RGB图片进行实例分割；（2）利用改进后图像金字塔的LK光流法进行特征点跟踪，判断平行动态特征点；（3）计算相邻两帧的图像的基础矩阵，同时采用改进的融合动态概率的多视图几何方法对未被检测出的动态特征点进行进一步的筛查；（4）合成没有动态物体的图片；（5）利用估计的相机位姿三角化得到三维地图点，并通过视觉重投影误差优化相机位姿；（6）优化相机位姿和地图点；（7）进行回环检测和回环优化；本发明提高视觉SLAM系统在动态场景下的精度和鲁棒性。
-
公开(公告)号：CN118244799A
公开(公告)日：2024-06-25
申请号：CN202410686445.3
申请日：2024-05-30
Applicant: 南京信息工程大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机编队协调控制方法，包括以下步骤：（1）根据运动学和动力学原理建立单一无人机的飞行模型；（2）构建虚拟领航法无人机集群编队相对运动模型；（3）根据无人机的动力学模型和编队运动模型设计滑模控制器对无人机进行控制；（4）设计马尔科夫决策过程，设计滑模控制器的状态空间，动作空间和奖励函数；（5）构建多智能体的表演家‑评论家网络结构；（6）运用多智能体强化学习算法对所述多智能体的表演家‑评论家网络结构进行集中式训练和分布式执行策略；（7）保存训练好的深度强化学习智能体，对无人机对应飞控进行控制来完成编队；本发明对于复杂任务和多变环境具有更好的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.054 seconds)
