-
公开(公告)号：CN116131463A
公开(公告)日：2023-05-16
申请号：CN202310135843.1
申请日：2023-02-13
Abstract: 本发明提供了一种面向智能船艇的供储能系统及其控制方法，该系统主要有供储能模块、传感模块、岸基地面站模块、数据处理分析模块、协操控模块及执行模块，供储能模块为智能船艇供应并储存电能；传感模块获取供储能模块的电源数据及智能船艇的周围态势信息，将电源数据和周围态势信息上传至数据处理分析模块；岸基地面站模块获取智能船艇的作业任务，并将作业任务下发至数据处理分析模块；数据处理分析模块基于作业任务、电源数据和周围态势信息生成操控指令；协操控模块接收操控指令，将操控指令下发至执行模块，指示执行模块执行操控指令。本发明实现了串联决策层以及执行层的供储能系统，提高了节能减排效果，并提高了供储能系统的安全高效性。
-
公开(公告)号：CN115755603A
公开(公告)日：2023-03-07
申请号：CN202211398481.7
申请日：2022-11-09
Applicant: 武汉理工大学 , 武汉理工大学三亚科教创新园
IPC: G05B13/04 , G06F30/27 , G06N3/0464
Abstract: 本发明公开了一种船舶运动模型参数智能灰箱辨识方法、船舶运动控制方法，其中的辨识方法将建立的船舶操纵响应模型作为待辨识的生成器，其将随机变量输入生成器产生模拟数据；能够根据输入改变对应的船舶机理模型；一组服从高斯噪声分布的随机序列z经生成器后输出一组离散的模拟数据；判别器对模拟数据与真实数据进行判别训练，对生成器进行更新，达到参数辨识的目的。本发明中的一种船舶运动模型参数智能灰箱辨识方法，为船舶的非线性动力学模型辨识提供了有效的途径，辨识精度较高，收敛速度更快，且在较少的数据量情况下能达到更高的精度，为解决船舶这类非线性特性明显、运动状态复杂的运动辨识建模问题提供了一种有效智能新思路。
-
公开(公告)号：CN114455062A
公开(公告)日：2022-05-10
申请号：CN202210002598.2
申请日：2022-01-04
Applicant: 武汉理工大学 , 武汉理工大学三亚科教创新园
Abstract: 本发明提供了一种球形无人机、磁吸式自适应充电系统与方法，磁吸式自适应充电系统包括球形无人机和无人机充电舱；当无人机动力模块供电不足时，无人机主控模块通过无人机充电舱发送来的定位信息控制无人机自驾仪模块和无人机动力模块，以将无人机导航至无人机充电舱位置并将其停稳至圆形升降可扩展化底座上，当无人机充电舱感应到无人机降落在圆形升降可扩展化底座后，微控制器将控制底座下降到自镇定式无人机充电舱中的对应位置，随之舱盖关闭，随后圆形升降可扩展化底座的下降到磁吸式充电装置对应位置，此时磁吸式充电装置与磁吸式充电感应装置位置相互对应开始，本发明充电过程具有较高的抗干扰性和安全性，可以实现较高的充电效率。
-
公开(公告)号：CN114357872A
公开(公告)日：2022-04-15
申请号：CN202111594714.6
申请日：2021-12-24
Applicant: 武汉理工大学 , 武汉理工大学三亚科教创新园
Abstract: 本发明提供了一种基于stacking模型融合的船舶运动黑箱辨识建模与运动预测方法，其中的船舶运动黑箱辨识建模方法包括：S1通过传感器获取船舶的运动数据，S2：对获取的船舶的运动数据进行预处理，S3：使用K折交叉验证方法基于训练集生成训练好的基学习器，并将测试集输入训练好的基学习器，分别得到三个训练好的基学习器对测试集的预测结果；S4：将三个训练好的基学习器对测试集的预测结果作为下一层元学习器的特征值，将真实值作为标签，使用线性回归的方式构建元学习器，作为船舶运动黑箱辨识模型。本发明结合了几个基学习器的优点，其拟合能力强、泛化能力好，对于船舶运动姿态的预测精度和效率都得到了提高。
-
公开(公告)号：CN114455062B
公开(公告)日：2023-07-21
申请号：CN202210002598.2
申请日：2022-01-04
Applicant: 武汉理工大学 , 武汉理工大学三亚科教创新园
Abstract: 本发明提供了一种球形无人机、磁吸式自适应充电系统与方法，磁吸式自适应充电系统包括球形无人机和无人机充电舱；当无人机动力模块供电不足时，无人机主控模块通过无人机充电舱发送来的定位信息控制无人机自驾仪模块和无人机动力模块，以将无人机导航至无人机充电舱位置并将其停稳至圆形升降可扩展化底座上，当无人机充电舱感应到无人机降落在圆形升降可扩展化底座后，微控制器将控制底座下降到自镇定式无人机充电舱中的对应位置，随之舱盖关闭，随后圆形升降可扩展化底座的下降到磁吸式充电装置对应位置，此时磁吸式充电装置与磁吸式充电感应装置位置相互对应开始，本发明充电过程具有较高的抗干扰性和安全性，可以实现较高的充电效率。
-
Patent Agency Ranking
公开(公告)号：CN116011350A
公开(公告)日：2023-04-25
申请号：CN202310298470.X
申请日：2023-03-24
Applicant: 武汉理工大学三亚科教创新园 , 武汉理工大学
Abstract: 本发明适用于船舶运动建模及船舶模型参数辨识技术领域，提供了面向模块船运动特性分析的深度强化学习黑箱辨识方法，包括以下步骤：确定六自由度模块船运动模型；获得用以描述模块船运动特性的平面三自由度运动模型；模拟模块船操纵运动，选取深度强化算法为辨识方法；对模块化船舶运动的模型进行辨识，得到辨识结果；从辨识结果中选择准确率最高的黑箱模型作为目标三自由度模块船运动特性分析模型。本发明复杂度低、精度高，对描述多模块船的运动具有良好的适用性，成本低，对船舶建模效率高；能够有效应对船舶在受到外界干扰时运动模型产生的变化，确保辨识结果的最优性和准确性；能够灵活应对因模块船运动模型改变而产生的不同状态。
-
公开(公告)号：CN114357872B
公开(公告)日：2024-10-22
申请号：CN202111594714.6
申请日：2021-12-24
Applicant: 武汉理工大学 , 武汉理工大学三亚科教创新园
IPC: G06F30/27 , G06N20/20 , G06N20/10 , G06N5/01 , G06N3/0442 , G06F18/25 , G06F18/27 , G06F18/214 , G06F18/21 , G06N3/048
Abstract: 本发明提供了一种基于stacking模型融合的船舶运动黑箱辨识建模与运动预测方法，其中的船舶运动黑箱辨识建模方法包括：S1通过传感器获取船舶的运动数据，S2：对获取的船舶的运动数据进行预处理，S3：使用K折交叉验证方法基于训练集生成训练好的基学习器，并将测试集输入训练好的基学习器，分别得到三个训练好的基学习器对测试集的预测结果；S4：将三个训练好的基学习器对测试集的预测结果作为下一层元学习器的特征值，将真实值作为标签，使用线性回归的方式构建元学习器，作为船舶运动黑箱辨识模型。本发明结合了几个基学习器的优点，其拟合能力强、泛化能力好，对于船舶运动姿态的预测精度和效率都得到了提高。
-
公开(公告)号：CN116011350B
公开(公告)日：2023-08-11
申请号：CN202310298470.X
申请日：2023-03-24
Applicant: 武汉理工大学三亚科教创新园 , 武汉理工大学
Abstract: 本发明适用于船舶运动建模及船舶模型参数辨识技术领域，提供了面向模块船运动特性分析的深度强化学习黑箱辨识方法，包括以下步骤：确定六自由度模块船运动模型；获得用以描述模块船运动特性的平面三自由度运动模型；模拟模块船操纵运动，选取深度强化算法为辨识方法；对模块化船舶运动的模型进行辨识，得到辨识结果；从辨识结果中选择准确率最高的黑箱模型作为目标三自由度模块船运动特性分析模型。本发明复杂度低、精度高，对描述多模块船的运动具有良好的适用性，成本低，对船舶建模效率高；能够有效应对船舶在受到外界干扰时运动模型产生的变化，确保辨识结果的最优性和准确性；能够灵活应对因模块船运动模型改变而产生的不同状态。
-
公开(公告)号：CN119885911A
公开(公告)日：2025-04-25
申请号：CN202510366499.6
申请日：2025-03-26
Applicant: 武汉理工大学
IPC: G06F30/27 , G06F18/2321 , G06N3/006 , G06F111/06
Abstract: 本发明公开了一种船舶运力结构优化方法和装置，属于水运管理与调度优化技术领域，其方法包括：获取船舶运力结构的可行配置方案集，并根据高斯卷积聚类模型对可行配置方案集进行聚类，得到可行解集；构建运力结构优化模型，结合鲸鱼优化算法迭代搜索可行解集，确定最优配置方案。通过构建运力结构优化模型对船舶运力结构的可行配置方案集进行筛选，获取符合需要的配置方案，保证了运力结构的合理性；通过鲸鱼优化算法对配置方案进行迭代搜索，以闸室利用率最大为导向，通过仿真方式进行优中选优，实现了获取运力结构的最优配置方案，大大减少了资源浪费。
-
公开(公告)号：CN119002478A
公开(公告)日：2024-11-22
申请号：CN202411049958.X
申请日：2024-08-01
Applicant: 浙江省交通运输科学研究院 , 武汉理工大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种无人船控制策略的生成模型构建及生成方法及电子设备，属于智能航行技术领域，其中，无人船控制策略的生成模型构建方法包括：设置DDPG算法流程以及主网络和目标网络的参数；基于对抗网络分别在不同的干扰环境下生成对预设的无人船模型执行的攻击策略，不同的干扰环境包括：只有风的环境、只有浪的环境、只有流的环境以及风浪流混合干扰的环境；基于攻击策略对包括DDPG算法的智能体进行训练，得到若干个控制策略样本；将控制策略样本输入至元学习型模型进行训练，得到无人船控制策略生成模型。本发明有效地解决了现有技术因难以适应具有随机性和不确定性的风浪流扰动而导致无人船运动控制困难的问题。
-
-
-
-
-
-
-
-
-
Search Results
233
records
(took 0.041 seconds)
