-
公开(公告)号：CN116136692A
公开(公告)日：2023-05-19
申请号：CN202111363141.6
申请日：2021-11-17
申请人： 南京理工大学
IPC分类号： G05D1/08
摘要： 本发明公开了一种受基底神经节启发的双层级中枢模式发生器(CPG)的四足机器人步态控制方法，包括：利用正向运动学以及逆向运动学分别对四足机器人的单腿进行建模；对于每条腿，都使用一个双层级中枢模式发生器，由节奏生成部分和模式形成部分组成，节奏生成部分主要负责相变，而模式形成部分主要负责各个关节的协同；确定CPG网络的层级结构和耦合拓扑；并引入了基底神经节的行为选择模型，针对不同的环境，可利用其选择出最优步态，提高环境适应能力。与传统控制方法相比，使用本发明对四足机器人进行控制，具备高度的生物合理性，对外界的干扰具有更强的鲁棒性，对地形的适应能力好，可灵活地控制四足机器人的各种运动方式。
-
公开(公告)号：CN115880324A
公开(公告)日：2023-03-31
申请号：CN202111139663.8
申请日：2021-09-28
申请人： 南京理工大学
IPC分类号： G06T7/136 , G06T9/00 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/06 , G06Q10/0637
摘要： 本发明公开了一种基于脉冲卷积神经网络的战场目标图像阈值分割方法，包括：利用多重卷积模板提取战场目标图像基本特征；建立IF神经元模型；通过初始化神经元模型参数、采用首脉冲触发方法对战场目标图像基本特征进行编码，搭建“输入层—中间层—输出层”的脉冲神经网络拓扑结构；利用感受野整合输入层脉冲序列，计算得到中间层每一个神经元与输入层神经元之间的连接权值，同时基于IF神经元模型计算中间层神经元的瞬时膜电位；基于阈值分割原理完成战场目标图像分割；采用二维熵来评价分割结果。与传统方法相比，使用本发明提出的战场目标图像分割方法网络训练功耗更低，具有高度生物可解释性，对噪声有更强的鲁棒性，分割战场目标效果更好。
-
公开(公告)号：CN112491314B
公开(公告)日：2022-09-20
申请号：CN202011576505.4
申请日：2020-12-28
申请人： 南京理工大学
IPC分类号： H02P21/05 , H02P21/14 , H02P21/18 , H02P5/46 , H02P25/022
摘要： 本发明公开了一种基于特征模型的伺服系统离散自适应鲁棒滑模控制方法。该方法为：建立四电机伺服系统动力学模型；根据特征建模理论，建立含测量噪声的四电机伺服系统特征模型，并利用递推最小二乘法对特征模型参数进行辨识；构建STF滤波器对测量噪声进行滤波，抑制测量噪声对实际系统控制性能的影响；采用基于特征模型的离散自适应鲁棒滑模控制器作为四电机伺服系统的位置控制器。本发明提高了多电机伺服系统的跟踪精度和动态性能，改善了系统的控制效果。
-
公开(公告)号：CN112491314A
公开(公告)日：2021-03-12
申请号：CN202011576505.4
申请日：2020-12-28
申请人： 南京理工大学
摘要： 本发明公开了一种基于特征模型的伺服系统离散自适应鲁棒滑模控制方法。该方法为：建立四电机伺服系统动力学模型；根据特征建模理论，建立含测量噪声的四电机伺服系统特征模型，并利用递推最小二乘法对特征模型参数进行辨识；构建STF滤波器对测量噪声进行滤波，抑制测量噪声对实际系统控制性能的影响；采用基于特征模型的离散自适应鲁棒滑模控制器作为四电机伺服系统的位置控制器。本发明提高了多电机伺服系统的跟踪精度和动态性能，改善了系统的控制效果。
-
公开(公告)号：CN116205273A
公开(公告)日：2023-06-02
申请号：CN202111440668.4
申请日：2021-11-30
申请人： 南京理工大学
摘要： 本发明公开了一种优化经验存储与经验再利用的多智能体强化学习方法，包括：构建了基于LRU(Least recently used,最近最少使用)机制进行经验存储的经验缓冲池；设计基于网络权值共享的多智能体经验收集方法；采用一种基于经验优先级的混合采样方法来为较高优先级数据提供较高的检索率，并采用B+树数据结构对标记好优先级的经验进行存储。与传统方法相比，本发明提出的方法在充分降低样本数据关联度的基础上进一步丰富了样本种类，同时具有高效的经验样本检索率和良好的生物可解释性，对样本噪声有更强的鲁棒性，智能体面对复杂的环境和任务时表现更好。
-
公开(公告)号：CN116151333A
公开(公告)日：2023-05-23
申请号：CN202111371998.2
申请日：2021-11-18
申请人： 南京理工大学
IPC分类号： G06N3/049 , G06N3/0442 , G06N3/08
摘要： 本发明公开了一种自适应脉冲神经网络结构，包括输入层、激励层、抑制层和输出层。激励层为三层网络结构，其第一层与输入层形成全连接结构，其第三层与输出层形成全连接结构；抑制层为三层网络结构，其到激励层的连接为一对一连接，而抑制层到激励层的连接为一对多连接；具体地，抑制层的输入端与激励层的每层脉冲神经元一对一连接，输出端与对应激励层的其他神经元进行全连接，形成环形连接。本发明构建的脉冲神经网络具备自组织、自适应能力，能根据输入的数据自适应的调节网络结构。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.051 秒)
