-
公开(公告)号：CN115393577A
公开(公告)日：2022-11-25
申请号：CN202211073079.1
申请日：2022-09-02
申请人： 哈尔滨工程大学 , 青岛哈尔滨工程大学创新发展中心
IPC分类号： G06V10/25 , G06V10/762
摘要： 一种红外海上小目标抗干扰的检测方法，它属于海上目标检测技术领域。本发明解决了由于红外海面图像中存在干扰，导致的采用现有目标检测方法时存在检测率低、虚警率高的问题。本发明通过计算中心区域及其邻域灰度分布的相异性，实现对疑似目标的召回式检测。然后，进一步提取出疑似目标区域的特征。因为海上干扰存在的聚类特征，松弛互k近邻图被引入通过全局图聚类来区分真实目标，通过这种方法，能够检测出真实目标并将海上干扰滤除。本发明方法可以应用于海上小目标的检测。
-
公开(公告)号：CN118450095A
公开(公告)日：2024-08-06
申请号：CN202410700394.5
申请日：2024-05-31
申请人： 哈尔滨工程大学
摘要： 本发明提供了一种用于QDT综合驾控操作训练的过程监控系统及方法，属于驾控过程监控技术领域。为了解决现有的QDT驾控训练模拟器并不具有训练监控机复现功能，影响事后驾控训练模拟教学的问题。本发明通过训练过程监控系统完成实时监控模拟器关键设备运行情况、学员操艇动作与教练员评价、训练过程监控视频存储、训练监控视频复现、视频数据库检索与管理功能，通过粒子群优化算法优化检索结果，使得检索结果更为精确，便于后续复现，保证安全有效地开展QDT驾控训练，并可为事后驾控训练模拟教学提供必要的视频复现支持。
-
公开(公告)号：CN112150459B
公开(公告)日：2023-07-21
申请号：CN202011109658.8
申请日：2020-10-16
申请人： 哈尔滨工程大学
摘要： 本发明提供1、一种基于机器学习的多参数Tikhonov正则化方法，其特征是，包括如下步骤：S1、数据收集：确定研究对象并收集符合场景的图片；S2、图像预处理；S3、计算最优Tikhonov正则化参数；S4、图像恢复；S5、根据Tikhonov正则化参数和相对错误率，对结果进行分析。本发明针对满足同类周期边界条件的图像做出了针对性优化，通过预处理以及优化改进的机器学习算法，预先计算出了符合此类图像的最优Tikhonov正则化参数向量。当输入此类受损图像时，可以快速高效地对图像进行恢复，且较传统方案，提升了图像恢复质量。
-
公开(公告)号：CN110119705B
公开(公告)日：2023-04-18
申请号：CN201910384163.7
申请日：2019-05-09
申请人： 哈尔滨工程大学
摘要： 本发明属于数据关联领域，具体涉及一种机器人基于改进蚁群优化的线特征数据关联方法。包括以下步骤：构建全局坐标系和局部坐标系，设置传感器工作模式；建立线特征观测模型；采用改进分割‑聚合方法提取环境线特征；设计改进ICNN方法与改进蚁群优化方法相结合的线特征数据关联方法；将传感器获得的环境线特征信息以及移动机器人位姿信息输入至基于改进蚁群优化的线特征数据关联方法中，进行数据关联，得到一个关联对集合，对地图特征集进行更新。首先基于激光传感器数据提取环境线特征，再将改进ICNN算法与改进蚁群优化算法相结合，提高了数据关联算法的关联正确率，得到精确的环境地图。
-
公开(公告)号：CN115423324A
公开(公告)日：2022-12-02
申请号：CN202211078426.X
申请日：2022-09-05
申请人： 哈尔滨工程大学
摘要： 一种基于改进蚁群优化的UUV集群任务规划方法，属于无人水下航行器自主控制技术，解决水下无人航行器集群在有限续航力和负载约束条件下求解任务规划问题时常规算法存在收敛性差、解质量不高的不足的问题。初始化蚁群算法的各项参数，按照改进后的初始信息素分配方法对蚁群算法的初始信息素浓度进行不均等分配；根据禁忌表、UUV剩余负载量和剩余续航构建候选节点集，按改进后的状态转移规则计算节点间的转移概率，使用轮盘赌选择下一节点；更新禁忌表和UUV状态，记录蚂蚁的节点路径；判断此只蚂蚁是否已经遍历完所有任务点，是否满足UUV数量约束，记录蚂蚁的路径和路径距离，并对相关的参数进行更新；判断本次迭代是否完成，如已完成则按照改进的信息素更新规则对路径间的信息素进行全局更新；根据预设的最大迭代次数进行迭代求解得最优路径。对基本蚁群算法进行改进和优化，达到加快算法收敛速度和降低局部最优的效果。
-
公开(公告)号：CN111337931B
公开(公告)日：2022-11-15
申请号：CN202010195589.0
申请日：2020-03-19
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种AUV目标搜索方法，包括：1.声呐探测模型的建立；2.基于改进神经激励网络的多目标搜索算法；3.基于神经激励网络与人工势场法相结合的目标搜索算法。本发明对待搜索目标的搜索顺序进行规划，再使用神经激励网络进行每个目标的搜索路径决策，减少了多目标搜索过程中的路程长度，提高了整体的搜索效率。而且针对障碍物较少的栅格提出了新的神经元分类，在使用神经激励网络算法做出全局的搜索决策的基础上使用人工势场法针对障碍物较少的栅格以及目标所在的栅格进行局部的路径规划以及避障，增加了AUV在障碍物较少的区域中的搜索效率，并且提高了算法的合理性。
-
公开(公告)号：CN109685286B
公开(公告)日：2022-08-02
申请号：CN201910032579.2
申请日：2019-01-14
申请人： 哈尔滨工程大学
摘要： 未知静态障碍环境下USV基于改进蚁群优化的避碰规划方法，属于水面无人艇避碰规划技术领域。本发明首先构建全局坐标系和局部坐标系，建立导航雷达仿真模型；设计用于实时避碰规划的滚动优化窗口；然后采用可视图法构建环境模型；设计用于实时避碰规划的改进蚁群优化方法；最后将导航雷达探测信息及目标点信息输入至基于改进蚁群优化方法的USV静态避碰规划器，获得USV下一时刻的转艏及速度的调整指令。本发明将滚动优化窗口法与改进蚁群优化方法相结合，提高了USV在线规划的实时性；针对于蚁群优化方法收敛速度慢，提出了改进的伪随机比例规则对蚂蚁状态转移进行选择；借鉴狼群分配原则和最大最小蚂蚁系统对全局信息素进行更新，避免搜索陷入局部最优。
-
公开(公告)号：CN109711087B
公开(公告)日：2022-06-21
申请号：CN201910033312.5
申请日：2019-01-14
申请人： 哈尔滨工程大学
摘要： 本发明属于UUV自主控制技术领域，具体涉及一种UUV动态威胁态势评估方法。本发明能够有效的解决UUV在水下的动态威胁态势评估问题，准确地评估当前时刻以及一段连续时间内的威胁态势，并能通过灵敏度分析得到当前各种威胁的威胁度排序。本发明不单纯使用静态贝叶斯网络或动态贝叶斯网络进行评估，而是将两者结合使用，使用了环境、平台、任务三级评估网络，便于评估方了解当前UUV系统各部分的状况，同时可以推理出各威胁的威胁方式；最后从整体出发，再使用静态网络对整个网络进行灵敏度分析，针对现场感知的环境类、平台健康类、任务类威胁给出在线定量定性的评估结果，为UUV后续的自主控制提供输入信息，决定当前最亟待解决的威胁问题。
-
公开(公告)号：CN108319293B
公开(公告)日：2021-01-12
申请号：CN201810043820.7
申请日：2018-01-17
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种基于LSTM网络的UUV实时避碰规划方法属于神经网络技术领域和实时避障技术领域。包括步骤：构建全局坐标系和局部坐标系，建立声纳仿真模型；设计用于实时避碰规划的LSTM网络；构建数据集；利用训练集中数据训练LSTM网络，得到基于LSTM网络的实时避碰规划器；将声纳探测信息及目标点信息输入至基于LSTM网络的避碰规划器，获得UUV下一时刻的转艏及速度的调整指令。本发明设计的用于UUV实时避碰规划的LSTM网络，不仅有强大的学习能力，同时还具有非常强的泛化能力，这使得所实现的实时避碰规划器适用于各种复杂的环境；同时，该避碰规划器满足实时性的要求，并且所规划的路径满足UUV运动特性的要求。
-
公开(公告)号：CN110781924A
公开(公告)日：2020-02-11
申请号：CN201910932848.0
申请日：2019-09-29
申请人： 哈尔滨工程大学
摘要： 本发明提供一种基于全卷积神经网络的侧扫声纳图像特征提取方法，利用原有的声纳图像进行数据增广，获得模型训练和测试所需的样本集；对样本集中的每幅图像的海底地形的边缘区域进行人工标注，区分目标和背景，获得模型训练和测试标签图；构建FCNs模型；将海底地形图像及对应的标签图输入网络，采用带动量项的小批量梯度下降法训练网络，保存最优网络模型；对比随机梯度下降法与小批量梯度下降法下网络的收敛性、稳定性；对地形边缘轮廓特征提取并输出特征提取结果，对结果进行定性评价。本发明方法无需复杂的预处理，声纳特征特征提取方法速度快、效率高，具有较强的抗散斑噪声的能力；提高了网络的性能，确保了FCNs各个网络模型的收敛性和稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
140 条记录 (耗时 0.037 秒)