-
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：CN116092329B
公开(公告)日：2024-12-10
申请号：CN202310120848.7
申请日：2023-02-13
Applicant: 武汉理工大学 , 浙江省交通运输科学研究院
Abstract: 本发明公开了一种基于滑动时间窗口的内河船舶停泊行为检测方法及装置，该方法包括：初始化滑动窗口，窗口起始点设置为起始轨迹点；计算滑动窗口中当前轨迹点和当前滑动窗口起始轨迹点的距离；如果该距离值小于停留距离阈值，则将当前轨迹点添加到停留轨迹点集合中去；如果该距离值大于或等于停留距离阈值，则将该轨迹点上一个点作为滑动窗口结束点；基于维扩展9交集模型DE‑9IM，判断轨迹点是否位于泊位区域内；去除停留轨迹点集合中位于泊位区域以外的轨迹点，得到船舶停泊行为。本发明在轨迹驱动的基础上，通过与环境交互，能够向港口水上交通监管人员提供语义层次的船舶行为在线识别，具有较高准确率，大大提高港口水上交通监管效率。
-
公开(公告)号：CN118551190B
公开(公告)日：2024-11-22
申请号：CN202411016735.3
申请日：2024-07-29
Applicant: 武汉理工大学三亚科教创新园
Abstract: 本发明公开了基于改进深度强化学习的智能船舶操纵双驱动建模方法，涉及智能船舶操纵运动建模及辨识技术领域，包括：根据六自由度智能船舶运动模型和运动特性，获得用以描述智能船舶运动特性的平面三自由度运动模型；根据平面三自由度运动模型，模拟智能船舶操纵运动，并结合不确定性干扰下智能船舶运动变化特点，设计机理驱动模型和数据驱动模型结合的混合驱动模型；本发明以深度强化学习算法为基础辨识方法，对深度强化学习辨识建模方法进行改进，将具有机理支撑和可解释性的机理驱动模型与具有可操作性和灵活性的数据驱动模型混合，避免了因使用单一驱动方法所产生的缺点在保证模型机理的同时具有极强的准确性和适用性。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.073 seconds)
