-
公开(公告)号：CN118243106A
公开(公告)日：2024-06-25
申请号：CN202410384690.9
申请日：2024-04-01
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提供一种基于平方根分解的扩维容积ECKF算法的多AUV协同导航的滤波方法、系统及存储介质，涉及多AUV协同导航技术领域，为解决现有的ECKF算法在滤波过程中的矩阵求逆、矩阵开方等对数值计算时较为敏感,会引入较大计算误差；同时难以有效处理过程噪声的不可加性、量测噪声的未知时变性的问题。包括：S1、建立主从式多AUV协同导航系统的离散时间状态方程和量测方程；S2、采用基于平方根分解的扩维容积ECKF算法对从AUV进行状态预测和量测预测，过程中使用QR正交分解求解状态估计误差协方差矩阵的平方根，以提高滤波精度和数值计算的稳定性；S3、对状态估计值和误差协方差矩阵的平方根进行更新，实现多AUV协同导航的滤波。本发明用于多AUV的协同导航定位。
-
公开(公告)号：CN115077529B
公开(公告)日：2024-04-26
申请号：CN202210677851.4
申请日：2022-06-16
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出一种基于最优加权改进粒子滤波的多机器人协同定位方法及系统，涉及多机器人协同定位技术领域，用以解决现有的基于粒子滤波的多机器人协同定位精度较低的问题。本发明的技术要点包括：根据多机器人协同定位系统中不同机器人性能不同造成的观测信息可靠性不同，使用最优加权融合理论改进粒子滤波算法，求出使总体测距方差最小的多个观测值的权值，使得定位机器人对融合了系统中其他机器人观测信息计算出的定位结果有最优权值，从而计算出协同定位结果，进一步提高多机器人定位系统的定位精度和鲁棒性。本发明可应用于多机器人协同定位之中。
-
公开(公告)号：CN116911536A
公开(公告)日：2023-10-20
申请号：CN202310791879.5
申请日：2023-06-30
Applicant: 哈尔滨工业大学(威海)
IPC: G06Q10/0631 , G06Q10/04 , G06N3/126 , G06F18/23213
Abstract: 本发明提供了一种条件约束情况下的无人船任务分配方法及系统，属于无人船任务分配技术领域。为了解决无人船在现有算法中，时间代价、路径代价和代价函数相对较大，有效性较低的问题。设立三种优化目标，对应每个优化目标获取相应的代价函数，将三种代价函数按照优化目标的不同进行加权，得到目标函数，根据给定权值的代价函数进行任务片段分配，再对染色体进行遗传，按照交叉概率对适度函数进行交叉，最后进行随机变异，重复操作直至迭代次数上限。本方法在条件约束情况下的有效性远远高于其他四种算法，且可根据优化目标的不同而调整权重，目的性更强。
-
公开(公告)号：CN116700265A
公开(公告)日：2023-09-05
申请号：CN202310737162.2
申请日：2023-06-21
Applicant: 哈尔滨工业大学(威海)
IPC: G05D1/02
Abstract: 本发明提供一种基于改进CBS算法的多机器人路径规划方法及系统，属于多机器人路径规划领域。为解决现有多机器人路径算法的复杂度高，在路障密集的情况下，机器人间的相互影响导致性能下降，计算时间较长的问题。在无约束条件下利用改进的A‑star算法规划出每个机器人的路径，再利用改进后的代价函数计算路径代价；通过在A‑Star算法的评价函数中引入冲突惩罚因子和转向惩罚因子对底层搜索过程进行改进，通过对选择扩展节点方式的改进使高层次搜索过程选择节点的解决方案中路径总拐点数更少。在障碍物密集和适中的地图环境下，改进CBS算法所规划路径的平均总路径长度，总拐点数和所需计算时间都是最少的，性能最优。
-
公开(公告)号：CN107479026A
公开(公告)日：2017-12-15
申请号：CN201710732831.1
申请日：2017-08-24
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种基于最小误差传播的锚节点优化选择的加权质心定位方法，涉及锚节点优化选择的加权质心改进定位方法。本发明是为了有效解决通信距离估计误差导致定位精度较低的问题。本发明所述的一种基于最小误差传播的锚节点优化选择的加权质心定位方法，首先采用双边对等距离估计的方法获得未知节点到各个锚节点间距离估计的多个样本值，并统计分析，得到各个距离估计值的统计均值和统计标准差；然后采用动态滑动窗口和单遍扫描的方法获得距离估计统计均值及统计标准差乘积值最小的几个距离估计值，并选择对应的锚节点构造加权质心定位方程组；最后获得高精度的定位结果。
-
Patent Agency Ranking
公开(公告)号：CN107192979A
公开(公告)日：2017-09-22
申请号：CN201710365986.6
申请日：2017-05-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01S5/06
CPC classification number: G01S5/06
Abstract: 一种最大似然定位计算中的不确定性分析方法，涉及最大似然定位计算过程中的不确定性分析。本发明是为了有效解决最大似然定位计算过程中的不确定性敏感性分析和综合问题。本发明所述的一种最大似然定位计算的不确定性敏感分析方法，首先构建定位网络，测量最大似然定位计算中各个距离估计的不确定性；然后采用偏微分的方法计算各个不确定性因素的敏感因子，评估各个不确定性因素的不确定性对定位结果的影响程度，为改善最大似然定位精度的方法提供支持；最后对不确定性进行综合，获得最大似然定位计算结果的不确定度，以此评估定位计算结果的质量，也为导航等后续处理方法提供参考和决策信息。
-
公开(公告)号：CN107124700A
公开(公告)日：2017-09-01
申请号：CN201710368739.1
申请日：2017-05-23
Applicant: 哈尔滨工业大学(威海)
CPC classification number: H04W4/023 , G01S5/0257 , G01S5/14 , G01S5/30 , H04W4/025 , H04W64/003
Abstract: 一种基于TDOA通信距离估计的不确定性分析方法，涉及基于TDOA无线通信距离估计过程中的不确定性分析。本发明是为了有效解决基于TDOA通信距离估计过程中的不确定性敏感性分析和传播问题。本发明所述的一种基于TDOA通信距离估计的不确定性分析方法，首先分析距离估计过程中的不确定性因素，采用偏微分的方法获得不确定性因素的敏感因子；然后测量基于TDOA通信距离估计中传输时间差测量的不确定性，从而评估传输时间测量不确定度对距离估计结果的影响程度，为改善通信距离估计精度方法提供支持；最后，计算传输时间差测量值的不确定性传播到距离估计结果的影响，并以此来评估通信距离估计的质量，也为后续处理方法提供质量评估参考。
-
公开(公告)号：CN106412821A
公开(公告)日：2017-02-15
申请号：CN201610436855.8
申请日：2016-06-20
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种基于通信距离估计质量在线评估的最小二乘定位方法，涉及精确无线定位技术。本发明是为了解决无线定位环境中，由于噪声和测量误差的影响，引起通信距离估计误差较大，导致定位精度低的问题。本发明所述一种基于通信距离估计质量在线评估的最小二乘定位方法，首先未知节点采用基于nanoLOC的测距方法，获得到各锚节点间的通信距离测量值，并分别对通信距离测量值进行在线滑动平均处理和统计计算，获得各个通信距离估计结果，及其质量评估值；然后在最小二乘定位过程中，选取估计质量较高的几个通信距离估计结果以及它们对应锚节点的位置信息，构建最小二乘定位方程组并解算，实现精确定位；本发明适用于无线和水下环境高精度距离估计。
-
公开(公告)号：CN118310526B
公开(公告)日：2025-01-24
申请号：CN202410419204.2
申请日：2024-04-09
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/20 , G06F18/10 , G06F18/23213 , G06F18/2433 , H03H17/02
Abstract: 本发明提供了一种动态拓扑下基于因子图的多AUV量测滤波方法及系统，属于多AUV协同定位领域。为了解决现有的多AUV协同定位系统量测信息中会产生野值，降低系统的定位性能的问题。本发明在水下多AUV协同定位量测信息中存在野值的情况下，通过对动态拓扑下基于因子图的多AUV协同定位算法引入k‑means算法进行量测野值滤波，保障了水下协同定位在少量提高运行时间的情况下，大幅提升定位精度和鲁棒性，保障了水下作业时对于定位以及导航精度的需求；且通过仿真实验可知，本发明提升了64.54％的定位精度，面对量测野值也更加稳定。
-
公开(公告)号：CN118329014B
公开(公告)日：2024-11-15
申请号：CN202410488155.8
申请日：2024-04-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01C21/08 , G06F18/243 , G06N3/045 , G01C21/20 , G01C21/34
Abstract: 本发明提供一种粗精匹配结合的地磁道路定位方法、系统及存储介质，涉及智能驾驶领域，为解决现有方法计算量大，地磁数据特征维度少，导致算法易受测量噪声影响的问题。包括：步骤一、获取沿路径的地磁标量、三轴地磁矢量、车辆三轴姿态角信息，建立空间序列地磁基准库；步骤二、对基准库进行采样，获取训练集一对预构建的随机森林分类器进行训练，得到粗匹配模型；步骤三、获取训练集二对预构建的多尺度孪生神经网络进行训练，得到精匹配模型；步骤四、获取车辆行驶时地磁强度与姿态角的空间序列；步骤五、使用粗匹配模型确定当前车辆所在道路，使用精匹配模型确定当前车辆所在道路中的位置；步骤六、重复执行步骤四至步骤五，至定位结束。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.043 seconds)
