-
公开(公告)号：CN118960780A
公开(公告)日：2024-11-15
申请号：CN202411028857.4
申请日：2024-07-30
Applicant: 湖南大学
IPC: G01C25/00 , G06F18/2415 , G06N5/048
Abstract: 本发明提供一种基于知识与数据驱动的惯性导航系统故障诊断方法及系统，属于惯性导航技术领域。本发明通过引入基于知识与数据驱动的故障诊断模型与自适应智能校正技术，提高故障诊断的准确性和系统的自适应能力，从而提升惯性导航的整体性能，解决传统惯性导航系统故障诊断精度低、抗干扰能力差的问题。
-
公开(公告)号：CN114967714B
公开(公告)日：2024-11-01
申请号：CN202210728589.1
申请日：2022-06-24
Applicant: 湖南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种自主式水下机器人抗扰运动控制方法，包括如下步骤：步骤1，建立自主式水下机器人动力学和运动学简化线性模型；步骤2，建立系统名义模型；步骤3，构造扰动观测器；步骤4，设计名义模型预测控制器；步骤5，设计辅助模型预测控制器；步骤6，测量下一时刻的系统状态，将该时刻作为新的当前时刻，返回步骤3。本发明的自主式水下机器人抗扰运动控制方法，建立双层模型预测控制框架，能够有效应对不确定性带来的影响并且跟踪参考值，具有更好的控制效果。
-
公开(公告)号：CN118864630A
公开(公告)日：2024-10-29
申请号：CN202410876040.6
申请日：2024-07-02
Applicant: 湖南大学
IPC: G06T11/00 , G06V20/70 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/80 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/0495 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种基于CycleGAN的晴雪天气图像数据风格迁移系统，包括：网络构建模块构建基于CycleGAN的晴雪天气图像数据风格迁移模型；掩码模块根据输入图像的图像注释信息创建掩码，掩码与输入图像叠加后输入教师网络与学生网络边缘检测；输入图像经第一生成器进行风格迁移得到生成图像，生成图像与掩码叠加后输入学生网络边缘检测；生成图像经第二生成器生成重建图像，重建图像与掩码叠加输入学生网络边缘检测；模型训练模块对构建的晴雪天气图像数据风格迁移模型进行训练；推理模块接收晴朗天气图像，生成对应的雪天图像。本发明能够解决现有风格迁移技术在晴雪天气图像数据风格迁移中存在的对象丢失的技术问题。
-
公开(公告)号：CN115115908B
公开(公告)日：2024-08-02
申请号：CN202210759090.7
申请日：2022-06-30
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/25 , G06V20/70 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种跨域目标检测模型训练方法、目标检测方法及存储介质，其中训练方法包括：获取源域带标签图像和目标域无标签图像，构建训练数据集，搭建包括基于对抗训练的跨域目标检测器、感兴趣区域特征提取模块、语义迁移损失计算模块的网络模型，以基于语义迁移损失和基于对抗训练的跨域目标检测损失得到的跨域目标检测总损失为优化目标，基于训练数据集，对构建的网络模型进行训练，得到跨域目标检测模型。本发明在一定程度上消除目标检测在分类边界的语义混淆噪声，有效降低感兴趣区域语义错误匹配的风险，避免某些类别因感兴趣区域数量不足而迁移失败的问题，增强具有相同语义的源域和目标域感兴趣区域特征向量的聚合程度。
-
公开(公告)号：CN118333299A
公开(公告)日：2024-07-12
申请号：CN202410349272.6
申请日：2024-03-26
Applicant: 湖南大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/40
Abstract: 本发明公开了一种面向无人驾驶公交的两阶段响应式调度方法和系统，其包括：步骤S1，结合静态需求及需求时间的先后顺序，获取控制站点；步骤S2，根据公交服务区域内控制站点，生成主基准路线，获取可选择站点；步骤S3，将满足第一预设标准的控制站点和可选择站点添加到当前的行车路线中，获得第一次基准路线；步骤S4，将满足第二预设标准的动态需求的控制站点和可选择站点插入到当前的行车路线中，获得第二次基准路线；步骤S5，在收到动态需求的情形下，将满足第三预设标准的动态需求添加到当前的行车路线中，获得第三次基准路线；步骤S6，使用可变邻域搜索算法，得到最优行车路线。本发明能够在一定程度上提高无人驾驶公交系统的运营效率。
-
Patent Agency Ranking
公开(公告)号：CN118254769A
公开(公告)日：2024-06-28
申请号：CN202410504584.X
申请日：2024-04-25
Applicant: 湖南大学
IPC: B60W30/02 , B60W40/09 , B60W50/00 , G06F18/2135 , G06F18/23213 , G06F18/24
Abstract: 本申请公开了一种具有驾驶风格适应性的车辆操纵稳定性介入方法及系统，属于车辆操纵控制技术领域。该方法基于车辆动力学模型和线性/非线性临界侧向加速度、路面附着极限约束构建“车辆前轮转角‑纵向速度”稳态可达域；基于采集的驾驶数据对车辆侧向响应风格进行分类，并提取分类后的不同风格的特征侧向加速度最大值；将得到的反应不同驾驶风格的特征侧向加速度作为构建的稳态可达域的约束条件，求解修正后的稳态可达域模型，获得个性化稳态可达域；采用K‑means法构建驾驶风格识别模型，基于实时的驾驶数据选择对应驾驶风格的稳态可达域，在线判别此驾驶风格下车辆的稳定性，从而可以直观且快速的在输入端判断车辆稳定性。
-
公开(公告)号：CN112488441B
公开(公告)日：2024-05-14
申请号：CN202011142353.7
申请日：2020-10-23
Applicant: 湖南大学
IPC: G06Q10/0631 , G06Q10/047 , G06Q50/40
Abstract: 本发明公开了一种露天矿卡车智能调度方法及系统。其中露天矿卡车智能调度方法包括一种重车调度方法和一种空车调度方法。重车调度方法包括以下步骤：构建等待时间迭代预测框架，根据路网数据、任务中矿卡状态数据以及目的节点设备工作状态数据预测待调度矿卡的等待时间，作为子目标a、子目标c；由上层车流规划结果获取矿山区域每条道路的目标流率，作为子目标b；将电铲目标产量完成度作为子目标d；分别对子目标a、子目标b和子目标c、子目标d进行归一化及加权处理，构建重车调度和空车调度任务匹配模型，求解生成调度指令。本发明所提出的露天矿卡车智能调度方法及系统可以提高矿山运输系统的工作效率，同时节省矿山设备能耗，有助于推进智慧矿山建设。
-
公开(公告)号：CN113807420B
公开(公告)日：2024-03-19
申请号：CN202111036092.5
申请日：2021-09-06
Applicant: 湖南大学
IPC: G06V10/774 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种考虑类别语义匹配的域自适应目标检测方法及系统。该方法包括：步骤1，获取源域带标签图像和目标域无标签图像；步骤2，使用源域带标签图像训练得到经过预训练的基础目标检测器；步骤3，在经过预训练的基础目标检测器上增加域自适应组件，使用源域带标签图像和目标域无标签图像训练得到经过训练的域自适应目标检测模型；步骤4，移除增加的域自适应组件，使用经过训练的域自适应目标检测模型对目标域场景进行目标检测。本发明考虑了跨域目标检测中两域特定类别语义匹配的问题，避免源域和目标域的目标类别在共享类别空间中出现错误对齐的问题，从而促使目标检测模型在目标域上的检测性能得到进一步提高。
-
公开(公告)号：CN116991065A
公开(公告)日：2023-11-03
申请号：CN202310885406.1
申请日：2023-07-19
Applicant: 湖南大学
IPC: G05B13/04
Abstract: 本申请公开了一种考虑约束及扰动的自适应动态规划最优控制方法及系统，该方法可实现随机干扰下的状态及动作量约束；通过引入评价‑执行‑扰动的训练框架，安全约束总会被考虑到扰动策略和控制策略博弈的过程中，即在搜寻最优控制策略时，导致控制对象偏离安全区域的干扰过程将会受到限制。扰动策略与性能代价函数的更新过程在策略评估过程中交替进行，且数据收集过程始终嵌入于策略评估过程中以缓解累积效用函数欠估计，可基于模型和不基于模型实行，此外，在不基于模型和基于模型的方案中，均引入了双评价网络来缓解终端性能代价函数的欠估计。
-
公开(公告)号：CN116880200A
公开(公告)日：2023-10-13
申请号：CN202310944854.4
申请日：2023-07-31
Applicant: 湖南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于混合策略提升的自适应动态规划最优控制方法，包括以下步骤：步骤1，构建系统的状态变量、期望轨迹、控制变量、动力学模型以及代价函数；步骤2，构建基于混合策略提升的自适应动态规划的执行网络、扰动网络以及评价网络；步骤3，采用基于动力学模型给定的控制律以及执行网络收集数据集；步骤4，评估基于混合策略提升的自适应动态规划策略；步骤5，改进基于混合策略提升的自适应动态规划策略；步骤6，重复步骤4‑5直至循环迭代次数大于规定次数或相邻两次迭代之后的代价函数差值小于设定值。本发明通过结合实际采样数据和先验动力学知识，提高了最优策略的学习速度和跟踪控制精度。
-
-
-
-
-
-
-
-
-
Search Results
375
records
(took 0.025 seconds)
