-
公开(公告)号：CN118605264A
公开(公告)日：2024-09-06
申请号：CN202410663463.X
申请日：2024-05-27
Applicant: 电子科技大学 , 电子科技大学广东电子信息工程研究院
IPC: G05B19/042
Abstract: 本发明属于机器人系统控制技术领域，具体为一种有限时间收敛的运动受限机器人系统跟踪控制方法，通过引入非线性双向映射函数将有运动约束的跟踪控制问题，转化成无约束的辅助误差跟踪系统的最优控制问题。通过引入动态事件触发机制，提出基于自适应动态规划的运动受限机器人系统跟踪控制方法，实现了最优控制问题的求解。在此基础上，通过设计使控制算法有限时间收敛的评价网络权重参数更新规则、以及给出有限时间收敛上限值，实现了机器人系统跟踪控制的响应速度提升。本发明兼顾机器人系统的稳定性和整体性能。
-
公开(公告)号：CN118578379A
公开(公告)日：2024-09-03
申请号：CN202410663444.7
申请日：2024-05-27
Applicant: 电子科技大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于机器人系统控制技术领域，具体为一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，该方法基于单点期望模型和单点交互环境动力学模型，设计针对多点人机交互阻抗指标函数和优化问题，求得外骨骼关节空间最优阻抗模型。通过引入过程变量，将原始阻抗控制问题转化为非线性系统最优控制问题。通过设计基于评价神经网络的智能学习控制方法，保证外骨骼系统的最优控制性能。通过设计基于动态回归扩展与混合技术的权重参数更新算法，提升了神经网络参数学习过程的瞬态性能，松弛了对传统持续激励条件的要求，最终实现人机交互过程中对穿戴者的适应性和柔顺性。
-
公开(公告)号：CN118578379B
公开(公告)日：2025-04-25
申请号：CN202410663444.7
申请日：2024-05-27
Applicant: 电子科技大学 , 电子科技大学广东电子信息工程研究院
Abstract: 本发明属于机器人系统控制技术领域，具体为一种基于多点人机交互参数优化的外骨骼自适应阻抗控制方法，该方法基于单点期望模型和单点交互环境动力学模型，设计针对多点人机交互阻抗指标函数和优化问题，求得外骨骼关节空间最优阻抗模型。通过引入过程变量，将原始阻抗控制问题转化为非线性系统最优控制问题。通过设计基于评价神经网络的智能学习控制方法，保证外骨骼系统的最优控制性能。通过设计基于动态回归扩展与混合技术的权重参数更新算法，提升了神经网络参数学习过程的瞬态性能，松弛了对传统持续激励条件的要求，最终实现人机交互过程中对穿戴者的适应性和柔顺性。
-
公开(公告)号：CN120067991A
公开(公告)日：2025-05-30
申请号：CN202510225621.8
申请日：2025-02-27
Applicant: 电子科技大学
Abstract: 本发明涉及传感器可信度估计领域，具体涉及一种燃油传感器可信度估计方法，该方法首先判断飞机燃油传感器的有效性，针对判定结果为有效的传感器通过设计传感器的时间维度信任度函数和空间维度信任度函数，计算传感器在时间维度上的可信度和空间维度上的可信度，然后使用改进的D‑S证据理论融合公式融合这两个维度的可信度，来完成对飞机燃油传感器可信度的评估。与现有技术相比，本发明解决了飞机燃油测量容易受飞行姿态、传感器失效等因素的影响而出现测量结果不准确、不稳定、不可靠的问题。
-
公开(公告)号：CN119831296A
公开(公告)日：2025-04-15
申请号：CN202510302195.3
申请日：2025-03-14
Applicant: 电子科技大学
IPC: G06Q10/0631 , G06Q10/04
Abstract: 本发明属于多机器人系统技术协同任务分配领域，具体为基于路网拓扑融合边点的多机器人任务分配图分割方法，包括基于边点信息构造路网拓扑图中的最小可分块并存入数据列表；由机器人数量和初始阈值因子生成均衡代价的上下阈值；按数据列表传入最小可分块并计算传入块所对应的路径代价，与阈值均衡代价比较判断是否结束该阶段任务分配或传入下一最小可分块，按设定规则选取下一最小可分块再计算对比，直到当前任务分配结束，以此循环往复；根据机器人数量将全局路网拓扑图划分为对应数量任务组，划分完毕后缩小设定均值代价阈值，通过迭代优化得到最终分割结果。本发明在提升多机器人在复杂城市环境路网遍历搜索的效率同时减小盲目性与冗余。
-
Patent Agency Ranking
公开(公告)号：CN119536365A
公开(公告)日：2025-02-28
申请号：CN202411672973.X
申请日：2024-11-21
Applicant: 电子科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明属于四旋翼无人机集群控制技术领域，具体为一种基于神经网络的人机协同无人机最优合围控制方法，通过建立带有指挥家控制输入的领导者动力学模型、四旋翼无人机跟随者的位置动力学模型、姿态动力学模型与无人集群有向图模型；并针对各模型分别设计了分布式跟随者观测器、基于评价神经网络的位置环智能学习控制器与基于评价神经网络的姿态环智能学习控制器，解决了指挥家命令下的多个领导者的最优合围控制问题，具有良好的鲁棒性与适应性。配合基于动态回归扩展与混合技术的权重参数更新算法，提升了姿态环评价神经网络参数学习过程的瞬态性能，并在弱持续激励条件下完成任务。
-
公开(公告)号：CN118427665B
公开(公告)日：2024-11-29
申请号：CN202410601298.5
申请日：2024-05-15
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/25 , G06F17/16 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于脑电的多图融合增强卷积网络运动意图识别方法，构建包括动态通道选择模块，融合增强图卷积模块，时频特征提取模块和意图识别模块的运动意图识别模型，动态通道选择模块选择和屏蔽损坏的脑电信号通道，融合增强图卷积模块融合各信道相关系数矩阵和信道空间距离矩阵构建邻接矩阵，时频特征提取模块提取时频特征输入意图识别模块进行运动意图识别，收集训练样本对运动意图识别模型进行训练，采用训练好的运动意图识别模型对待识别用户的脑电信号进行运动意图识别。本发明通过选择和屏蔽损坏的脑电信号通道，采用多图融合提取不同主体的个性化和共享的空间拓扑特征，提高运动意图识别的准确率。
-
公开(公告)号：CN117746204A
公开(公告)日：2024-03-22
申请号：CN202410184532.9
申请日：2024-02-19
Applicant: 电子科技大学
IPC: G06V10/80 , G06V10/82 , G06V10/766 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明属于自动驾驶领域，具体为一种基于图像和毫米波雷达融合的概率目标检测方法。该方法包括:分别对预处理后毫米波雷达数据和图像数据进行特征提取，得到第一特征图和第二特征图；对第一特征图和第二特征图进行拼接后，使用融合特征模块进行特征融合，得到第一融合特征图；将第一融合特征图输入到基于全局注意力的Transformer模块中获取二次提取的图像特征；将二次提取的图像特征输入至概率目标检测网络中，预测出2D目标物体所在位置、类别及类概率、目标所在位置预测的不确定性值、类别及类概率的不确定性值。本发明能够在提供检测性能的同时，实现了自然环境影响下神经网络输入数据的不确定性量化。
-
公开(公告)号：CN117274749B
公开(公告)日：2024-01-23
申请号：CN202311561947.5
申请日：2023-11-22
Applicant: 电子科技大学
IPC: G06V10/774 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明属于自动驾驶技术领域，具体为一种基于4D毫米波雷达和图像的融合3D目标检测方法。包括获取样本数据集，样本数据集包括4D毫米波雷达的点云和单目相机图像；基于样本数据集构建端到端3D目标检测网络，并进行训练；计算损失函数值，根据计算出的损失函数值反向传播更新端到端3D目标检测网络参数；利用更新好的端到端3D目标检测网络进行目标检测。本发明利用多模态数据之间的冗余性提升系统的鲁棒性，利用毫米雷达数据的高度稀疏性提升3D目标检测处理速率，并在此过程中，对4D毫米波雷达进行速度维度的特征工程处理，来保证自动驾驶场景下3D目标检测的精度。
-
公开(公告)号：CN117314823A
公开(公告)日：2023-12-29
申请号：CN202311048122.3
申请日：2023-08-21
Applicant: 电子科技大学
IPC: G06T7/00 , G06V10/44 , G06V10/86 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明属于人工智能在医学影像诊断中的应用领域，具体为一种基于注意力机制的膝关节MRI智能分析方法及装置。是预处理后的三平面MRI影像构建构建记忆矩阵引导下的注意力模型，并采用三阶段训练法训练模型，在训练过程中，先采用使用交叉注意力机制对平面特征图和序列层面特征图进行融合，得到记忆力矩阵；再以记忆矩阵为导向，结合自注意力机制融合平面特征图和序列层面特征图，得到三个平面各自对应的分析结果；然后采用线性回归法对三个平面各自对应的分析结果进行融合，得到MRI影像的最终分析结果。本发明充分利用了医学影像数据集序列层面特征，实现基于膝关节MRI影像分析精度的提升，并能对分析结果进行相应解释。
-
-
-
-
-
-
-
-
-
Search Results
358
records
(took 0.031 seconds)
