-
公开(公告)号：CN116009416A
公开(公告)日：2023-04-25
申请号：CN202211519251.1
申请日：2022-11-30
Applicant: 湖南大学
IPC: G05B17/02
Abstract: 本发明公开了一种工程作业机器人臂架电液驱动控制系统的半实物仿真方法，包括以下步骤：建立臂架电液驱动系统的阀控液压缸数学模型及位置跟踪控制算法模型；建立半实物仿真硬件平台，平台包括：上位机、目标机控制器、传感器及实际阀控液压缸试验台；通过开环辨识实验将试验台传感器数据经数据采集卡采集并发送至上位机处理，利用参数辨识方法得到阀控非对称缸数学模型实际参数，在此基础上设计位置跟踪控制器并生成控制器代码；将控制器代码下载至目标机控制器中进行半实物仿真实验，分析实际控制效果。本发明可以实现工程作业机器人臂架电液驱动系统控制算法的快速验证，缩短控制器开发周期，降低开发成本。
-
公开(公告)号：CN111993427B
公开(公告)日：2022-02-11
申请号：CN202010916332.X
申请日：2020-09-03
Applicant: 湖南大学 , 湖南爱米家智能科技有限公司
IPC: B25J9/16
Abstract: 本发明公开了一种空中作业机器人的自增稳控制方法、装置、终端、系统及可读存储介质，所述方法包括：获取空中作业机器人的姿态信息；并基于姿态信息计算出位置补偿向量；基于逆运动学利用所述位置补偿向量进行姿态扰动补偿控制。本发明基于空中作业机器人在姿态变换过程中作业平台与末端作业工具之间的位置向量关系推导出位置补偿向量公式，进而在实际控制过程中，监测空中作业机器人的飞行平台姿态变化并对应计算出位置补偿向量，再控制机器人的关节完成补偿控制，解决了由飞行平台姿态变动而导致末端作业工具扰动的问题，使末端作业工具达到自稳的效果，保证空中作业机器人不受飞行平台姿态扰动的影响。
-
公开(公告)号：CN112817320A
公开(公告)日：2021-05-18
申请号：CN202110417475.0
申请日：2021-04-19
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种用于地空协同侦查的异构机器人系统，包括移动机器人、空中机器人、起降平台、设备支架和控制器：空中机器人与移动机器人无线通信连接；起降平台上侧面设有超声波传感器、第一活动夹紧组件和第二活动夹紧组件，其下侧面设有与第一活动夹紧组件连接的第一滑动组件和与第二活动夹紧组件连接的第二滑动组件，第一滑动组件与第一驱动电机连接，第二滑动组件与第二驱动电机连接；控制器分别与第一驱动电机、第二驱动电机和超声波传感器连接。本发明通过第一活动夹紧组件和第二活动夹紧组件实现对空中机器人的固定或释放，侦查范围广，侦查效率高。
-
公开(公告)号：CN111522362B
公开(公告)日：2021-05-07
申请号：CN202010541469.1
申请日：2020-06-15
Applicant: 湖南大学
IPC: G05D1/10
Abstract: 本发明公开了一种无线速度反馈的四旋翼无人机分布式编队控制方法，首先构建一个在三维空间运动的若干四旋翼无人机组成的多机器人系统，并根据牛顿‑欧拉方程建立每个四旋翼无人机的动力学模型；其次，采用旋转矩阵表示四旋翼无人机的姿态，并将每个四旋翼无人机的动力学模型转换为新形式；接着，导出一个中间控制信号实现编队控制目标的同时，引入辅助系统以避免进行线速度测量；最后，将中间控制信号解码为推力和期望角速度后，设计每个四旋翼无人机的转矩输入以实现角速度跟踪；与现有技术相比，本发明所涉及的控制律(推力和转矩)均不取决于线速度矢量，即本发明所提出的分布式编队控制方法是实现无线速度的，无需线速度反馈。
-
公开(公告)号：CN111552293A
公开(公告)日：2020-08-18
申请号：CN202010400932.0
申请日：2020-05-13
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明公开了一种视野约束下基于图像的移动机器人编队控制方法，包括以下步骤：S1、建立领航者-跟随者系统框架，并利用领航者-跟随者系统框架对领航者和跟随者之间的相对运动学建模，得到在归一化图像空间中领航者和跟随者的相对视觉运动学；S2、定义基于归一化图像空间的具有预定性能规范以及视野约束的误差变换；S3、设计一种参数自适应估计律用于在线估计跟随者机载单目相机光学中心与领航者身上单个特征点之间的相对高度倒数；S4、解算出跟随者所需要的角速度和线速度，进而完成跟随者对领航者的跟踪。通过参数自适应估计律和具有预定性能规范以及视野约束的性能函数定义误差变换，具有计算简便、视场约束有效和瞬态、稳态性能良好的优点。
-
Patent Agency Ranking
公开(公告)号：CN103978474A
公开(公告)日：2014-08-13
申请号：CN201410202320.5
申请日：2014-05-14
Applicant: 湖南大学
Abstract: 本发明公开了一种面向极端环境的特种作业机器人，包括带有主控单元的主控仓体，主控仓体上装设有底盘行走单元和折叠伸展式臂架单元，底盘行走单元中设有供电模块，折叠伸展式臂架单元包括支撑臂基座和多级连接支撑臂架，支撑臂基座装设于主控仓体上，第一级连接支撑臂架与支撑臂基座铰接、最末级连接支撑臂架设有安装座，支撑臂基座上铰接有第一直线驱动机构，第一直线驱动机构的第一驱动杆与第一级连接支撑臂架铰接连接，相邻的连接支撑臂架之间铰接有连臂扣件，连臂扣件通过第二直线驱动机构与一个连接支撑臂架铰接，第一直线驱动机构、第二直线驱动机构、供电模块分别与主控单元相连。本发明具有作业范围大、空间占用小、应用范围广的优点。
-
公开(公告)号：CN101833333A
公开(公告)日：2010-09-15
申请号：CN200910226707.3
申请日：2009-12-23
Applicant: 湖南大学
IPC: G05D1/02
Abstract: 本发明提供了一种水下清洗作业机器人未知环境路径规划方法，该方法为一种未知环境下轨迹规划的自适应学习模糊控制方法。其特征在于模拟人的路径规划思维、避障思维、以及快速规划优先还是避障优先的智能决策思维，对应的提出三种不同的子模糊控制器用于处理三类问题，同时通过对被控机器人运动结果性能的评估，相应的修改模糊控制器的规则库，使之能够应对更复杂的外界扰动和有效地解决U型障碍和对称障碍的问题，使机器人在更复杂环境下也可以完成规划任务到达目的地。本发明能够克服水下复杂环境因素对机器人路径规划的不确定性影响，提高机器人的运动安全性，使机器人能够更好的适应水下复杂的工业环境。
-
公开(公告)号：CN114821014B
公开(公告)日：2024-06-21
申请号：CN202210534762.4
申请日：2022-05-17
Applicant: 湖南大学
IPC: G06V10/25 , G06V10/32 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/56 , G06N3/0464 , G06N3/08 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于多模态多任务对抗学习的目标检测识别方法及装置，该方法将整个模型分成了特征提取阶段、区域提案阶段和多任务目标检测阶段三个部分。在特征提取阶段，采用多模态特征融合的方法，对输入数据的RGB图像和语义图像进行特征提取，使模型对于图像中目标的位置信息更加敏感，同时还增强了目标语义信息的提取；区域提案阶段用以生成随机窗口和提案框作为下阶段的输入；在多任务目标检测阶段中，采用多任务学习的方法，通过联合训练三个辅助任务来提高主任务的检测精度。对于目标检测网络，引入了对抗学习的思想，加入两个对抗式生成网络，用来生成多样式样本，提高模型的鲁棒性。
-
公开(公告)号：CN114878576A
公开(公告)日：2022-08-09
申请号：CN202210383239.6
申请日：2022-04-13
Applicant: 云南武易高速公路有限公司 , 同济大学 , 云南楚姚高速公路有限公司 , 湖南大学 , 重庆交通大学
Abstract: 本发明的一种公路隧道病害集成检测车，其通过设置前检测部和后检测部，使得该检测车能够通过剪叉机构实现在隧道内的行进，而且由于在前检测部和后检测部上均设置了不相互重叠的检测组件，使得本检测车的检测更加全面，同时，检测组件由于设置了软笔头和硬笔头从而使得该检测组件能够同时检测出裂缝和凸起并且做出不同的记录，更进一步的，在检测出裂缝后还可以通过浆液修补组件进行裂缝修补，进一步提高了设备的智能化，同时，在检测车上设置了扫描仪结构，将纸质的记录纸转换为可远程发送和电脑操作的数据格式，进一步提高了检测车的智能性。
-
公开(公告)号：CN114821014A
公开(公告)日：2022-07-29
申请号：CN202210534762.4
申请日：2022-05-17
Applicant: 湖南大学
IPC: G06V10/10 , G06V10/32 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/56 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于多模态多任务对抗学习的目标检测识别方法及装置，该方法将整个模型分成了特征提取阶段、区域提案阶段和多任务目标检测阶段三个部分。在特征提取阶段，采用多模态特征融合的方法，对输入数据的RGB图像和语义图像进行特征提取，使模型对于图像中目标的位置信息更加敏感，同时还增强了目标语义信息的提取；区域提案阶段用以生成随机窗口和提案框作为下阶段的输入；在多任务目标检测阶段中，采用多任务学习的方法，通过联合训练三个辅助任务来提高主任务的检测精度。对于目标检测网络，引入了对抗学习的思想，加入两个对抗式生成网络，用来生成多样式样本，提高模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.028 seconds)
