-
公开(公告)号：CN103935284A
公开(公告)日：2014-07-23
申请号：CN201410165953.3
申请日：2014-04-24
Applicant: 湖南大学
IPC: B60P3/00
Abstract: 本发明公开了一种扩容式多功能教学移动终端，包括汽车底盘，底盘上设有车厢，所述车厢包括固定在底盘上的主体车厢和嵌套在主体车厢两侧内的左、右侧厢；所述左、右侧厢分别为内侧朝向主体车厢开口的封闭箱体；左、右侧厢的外侧底部分别设有液压支撑杆，内侧底部分别铰接有折叠地板，外侧箱璧上设有可上下翻转呈阶梯结构的侧门，外侧箱璧内设有壁挂式折叠椅；左、右侧厢的底部与主体车厢底部之间分别设有液压顶杆；所述主体车厢内安装电子显示屏，左、右侧厢内设有摄影装置、书架，主体车厢顶部安装有天线、空调系统和太阳能电池板。本发明的优点在于机动性强，适应性好，教学设施和功能齐全，使用方便。
-
公开(公告)号：CN114078243A
公开(公告)日：2022-02-22
申请号：CN202010802408.6
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明公开了一种基于循环图卷积网络的驾驶员驾驶行为识别方法及系统，考虑人体运动学的图卷积网络：利用骨架信息构建人体骨架结构图，建立含有采样机制和特定权值分配机制的图卷积操作，实现骨架结构图上的图卷积运算，提取骨架信息空间特征。将图卷积网络输出的骨架信息空间特征作为LSTM网络的输入，计算骨架信息在时间上的动态特征，由注意力机制融合各时刻的状态向量，最终获取有显著辨别性的时空特征，实现驾驶员驾驶行为的准确识别。本发明整体网络将图卷积网络和LSTM网络前后布置，各自运算过程影响较小，网络结构合理，并能有效提取骨架信息时空特征，提高驾驶员驾驶行为识别准确性。
-
公开(公告)号：CN114074680A
公开(公告)日：2022-02-22
申请号：CN202010801555.1
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度强化学习的车辆换道行为决策方法及系统，车端决策网络附加短时域决策安全评估纠错机制，在纯强化学习基础上引入先验驾驶知识，可以约束低效策略随机探索，提高策略探索效率；云端策略学习附加异常经历加强学习机制，可以加速策略优化。采用经历上传、策略下发机制，利用多车丰富的交互经历学习优化主动换道策略下发给各车端使用，有利于策略优化和鲁棒性提升；将算力需求大的策略学习集中在云端高性能计算机集群进行，能有效降低车端算力占用和电能消耗，有利于在车载嵌入式计算平台实施。
-
Patent Agency Ranking
公开(公告)号：CN114074680B
公开(公告)日：2023-08-22
申请号：CN202010801555.1
申请日：2020-08-11
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度强化学习的车辆换道行为决策方法及系统，车端决策网络附加短时域决策安全评估纠错机制，在纯强化学习基础上引入先验驾驶知识，可以约束低效策略随机探索，提高策略探索效率；云端策略学习附加异常经历加强学习机制，可以加速策略优化。采用经历上传、策略下发机制，利用多车丰富的交互经历学习优化主动换道策略下发给各车端使用，有利于策略优化和鲁棒性提升；将算力需求大的策略学习集中在云端高性能计算机集群进行，能有效降低车端算力占用和电能消耗，有利于在车载嵌入式计算平台实施。
-
公开(公告)号：CN119897854A
公开(公告)日：2025-04-29
申请号：CN202510086129.7
申请日：2025-01-20
Applicant: 湖南大学
IPC: B25J9/16 , G05B19/408
Abstract: 本发明提出了一种结合数据驱动与模型控制的机械臂轨迹跟踪控制方法及系统；首先，为机械臂建立了动态线性化模型(PFDL)，并设计了无模型自适应控制器(MFAC)；同时，基于轨迹跟踪误差，引入了滑模控制方法(SMC)以增强系统鲁棒性和控制性能；本发明创新性地融合了强化学习中的双延迟确定性策略梯度算法(TD3)，通过在线学习自适应调整控制器参数，使控制器能在结构固定下动态寻找最优参数组合，实现最佳控制效果；此方法打破了传统模型驱动对精确数学模型的依赖，能自适应多变环境和复杂轨迹，显著提升控制精度和误差收敛速度，为机械臂轨迹跟踪控制提供了新的解决方案。
-
公开(公告)号：CN119795149A
公开(公告)日：2025-04-11
申请号：CN202510092955.2
申请日：2025-01-21
Applicant: 湖南大学
Abstract: 本发明涉及核能工程装备技术领域，具体是一种应用于裂变堆特种箱室环境的耐复合式修复机器人；包括：履带小车；复合机械臂，所述复合机械臂包括三轴臂和六轴臂，所述三轴臂的一端与履带小车连接，另一端与六轴臂连接；机械手，所述机械手固定在六轴臂的末端，用于在裂变堆特种箱室内执行修复作业；本发明所述的裂变堆特种箱室耐复合式修复机器人，通过其独特的设计和创新的技术方案，显著提高了在极端环境下对工艺管道修复作业的安全性、效率、稳定性和实用性，具有重要的应用价值和社会意义。
-
公开(公告)号：CN119992055A
公开(公告)日：2025-05-13
申请号：CN202510086099.X
申请日：2025-01-20
Applicant: 湖南大学
Abstract: 本发明公开一种核工业弱光照环境下易反光目标物体的检测方法及系统，核心在于结合数据增强和多通道注意力机制的残差神经网络。方法包括：利用高斯分布生成过曝画布与目标图像像素叠加进行数据增强；通过残差神经网络提取复杂环境特征；采用空间与通道注意力模块并行处理，强化特征的相关性和关注度；利用多路径特征聚合金字塔网络生成融合特征；最终通过预测模块的全连接层和激活函数计算类别概率，实现精确识别。本发明通过解耦设计和分块搭建优化模型，显著提升了机器人在复杂核工业环境中的目标识别能力，增强了检修效率与安全性，降低了人工干预风险，确保了核设施的可靠安全运行。
-
公开(公告)号：CN119991956A
公开(公告)日：2025-05-13
申请号：CN202510086286.8
申请日：2025-01-20
Applicant: 湖南大学
IPC: G06T17/00 , G06V10/40 , G06V10/44 , G06V10/762 , G06V10/766 , G06V10/75
Abstract: 本发明公开了一种基于多传感器融合的核工业室内复杂环境点云重建方法及系统，融合了图像、激光雷达点云、IMU等多传感信息：在视觉惯性里程计(VIO，Visual核工业复杂环境多传感器融合点云重建方法及系统Inertial核工业复杂环境多传感器融合点云重建方法及系统Odometry)系统框架中引入线特征，输出VIO信息；使用激光雷达惯性里程计(LIO，Lidar核工业复杂环境多传感器融合点云重建方法及系统Inertial核工业复杂环境多传感器融合点云重建方法及系统Odometry)系统输出LIO信息；根据环境中里程计系统的失效情况调整VIO和LIO的分配权重，利用松耦合的图优化方法联合优化VIO和LIO加权策略，生成耦合位姿。选择符合关键帧条件的耦合位姿，并将与之对应的雷达点云转换到世界坐标系，形成全局点云地图，实现室内三维点云重建。本发明融合了相机、激光雷达和IMU传感器，能够应对单个传感器失效的情况，提升核工业室内复杂环境的点云重建精度，补充整个行业的应用前景。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
