-
公开(公告)号：CN111459161B
公开(公告)日：2021-07-06
申请号：CN202010257562.X
申请日：2020-04-03
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人系统人为干预控制方法，运动干预意图场网络可以快速传播操作员的干预意图，加快多机器人系统对操作员输入的响应速度；通过选取不同的意图场参数，控制操作员对多机器人系统的输入影响范围；利用分组控制意图场网络，操作员可以自由改变多机器人系统的编队分组，而且这一过程是完全分布式的，这是本方法相比现有方法的优势；利用意图场网络，每个机器人都可以获知与其对应的人为干预意控制量，并通过非线性权重函数，机器人可以动态计算编队控制与人为干预的加权系数，实现编队控制和人为干预之间的动态权衡。
-
公开(公告)号：CN112817442A
公开(公告)日：2021-05-18
申请号：CN202110076085.1
申请日：2021-01-20
Applicant: 北京理工大学
IPC: G06F3/01 , G06F16/9535 , G06F17/18
Abstract: 本发明公开了一种基于FFM的多任务情况下态势信息分类推荐系统及方法。本发明建立基于Pew的任务处理模型，解析当前任务状态信息，根据不同任务对不同态势信息的关注度不同，同时考虑操作员状态属性，利用FFM模型计算出不同态势信息推荐策略下的任务完成概率，得出该态势信息推荐策略的推荐概率值；从而推选出推荐概率值最高的态势信息推荐策略作为操作员完成任务的信息组，在交互界面上智能显示，提高人机交互系统的智能性、交互性、用户满意度。
-
公开(公告)号：CN111026110B
公开(公告)日：2021-04-30
申请号：CN201911144064.8
申请日：2019-11-20
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种面向含软、硬约束线性时序逻辑的不确定动作规划方法，求解满足成本最优的控制策略，硬约束部分任务全过程无风险，软约束部分任务允许存在风险。首先建立双层自动机任务模型，该模型中，每层的任务状态是硬约束任务模型和软约束任务模型中任务状态经任意组合形成的状态集；初始状态位于第一层；硬约束任务的常返态被放置在第一层，软约束任务的常返态被放置在第二层，非常返态同时放置在第一层和第二层；通过状态转移关系的设置使得双层间的转换条件为只有当所在层级对应的任务完成时可转换至另一层；然后面向软约束任务修改任务模型；最后，将双层自动机模型、智能体模型结合，设计优化问题，获得最优控制策略。
-
公开(公告)号：CN112148021A
公开(公告)日：2020-12-29
申请号：CN202010947339.8
申请日：2020-09-10
Applicant: 北京理工大学
IPC: G05D1/06
Abstract: 本发明提供一种基于二叉树拓扑结构和特定规则的多智能体编队变换方法，以领航—跟随法为基础，通过对智能体自带传感器量测信息的解算得到领航者的绝对位置和速度，进而设计智能体的分布式控制律；同时，本发明应用二叉树拓扑结构设计可行编队队形的拓扑结构，包括V型、人字型、一字型以及十字型，使多智能体排布尽量稀疏的同时保证量测范围约束，并根据对拓扑结构的分析设计了四类队形之间的可直接变换关系，针对可直接变换的两类队形设计变换规则，为多智能体的编队队形变换提供指导；由此可见，本发明提供的是一种不依赖通信条件、仅依赖传感器量测的队形变换方法，适用于不同规模的多智能体群体，尤其适用于无人潜航器(UUV)。
-
公开(公告)号：CN112130582A
公开(公告)日：2020-12-25
申请号：CN202010947337.9
申请日：2020-09-10
Applicant: 北京理工大学
IPC: G05D1/10
Abstract: 本发明提供一种多智能体编队形成方法，在期望队形形成时依赖于初始建立的通信链路进行目标点分配和路径规划，并通过各智能体的初始状态信息解算出期望路径；其次，仅用Dubins路径上的关键路径点表征期望路径，大大简化了智能体从初始位置到达目标点的路径规划过程；再者，在执行位置变换操作的过程中，智能体仅通过自带的传感器和短距通信模块进行量测，根据量测结果判断自身是否同时满足设定避让条件，是否需要对交点附近的路段进行二次采样，从而降低自身速度，避免与其他智能体发生碰撞；由此可见，本发明不依赖通信条件，在前进过程中依靠传感器量测信息即可迅速形成期望队形，具有一定的可扩展性，尤其适用于无人潜航器(UUV)。
-
Patent Agency Ranking
公开(公告)号：CN109634798B
公开(公告)日：2020-12-15
申请号：CN201910137717.3
申请日：2019-02-25
Applicant: 北京理工大学
Abstract: 本发明公开一种领航‑跟随多智能体分布式系统的故障估计器设计方法，针对节点只能获取与邻居相对状态信息条件下，设计基于中间变量的故障估计器，并且根据连续系统的有界实引理，结合线性矩阵不等式得到故障估计器的参数设计方法，利用矩阵的特征值分解以及线性矩阵不等式的性质，将求解N个线性矩阵不等式简化为求解2个线性矩阵不等式，再通过分布式估计拓扑图对应矩阵的最大和最小特征值将该设计方案完全分布化，最终得到故障估计器的参数，完成故障估计器的设计，本发明能够在多智能体系统不满足观测器匹配的条件下，得到分布式故障估计器，从而估计出每个节点的故障。
-
公开(公告)号：CN112053096A
公开(公告)日：2020-12-08
申请号：CN202011063542.5
申请日：2020-09-30
Applicant: 北京理工大学
Abstract: 本发明公开了一种采用市场机制的分布式多异构无人平台编组方法。该方法采用了市场机制，即拍卖算法，每个平台有独立决策能力，某一平台发现任务后成为任务拍卖者，发布任务拍卖信息，收到任务信息的平台通过计算完成任务的净利益决定是否参与竞拍以及竞拍的出价，任务拍卖者根据收到的出价决定获得任务的多个平台。本发明能够减少无人平台间冲突调解的计算量，避免产生冲突的编组方案，且能够快速、有效地根据给定的各种任务约束进行编组，最大化完成任务的利益，可广泛用于实现海、陆、空不同情形多约束条件下无人平台的编组。
-
公开(公告)号：CN111459161A
公开(公告)日：2020-07-28
申请号：CN202010257562.X
申请日：2020-04-03
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人系统人为干预控制方法，运动干预意图场网络可以快速传播操作员的干预意图，加快多机器人系统对操作员输入的响应速度；通过选取不同的意图场参数，控制操作员对多机器人系统的输入影响范围；利用分组控制意图场网络，操作员可以自由改变多机器人系统的编队分组，而且这一过程是完全分布式的，这是本方法相比现有方法的优势；利用意图场网络，每个机器人都可以获知与其对应的人为干预意控制量，并通过非线性权重函数，机器人可以动态计算编队控制与人为干预的加权系数，实现编队控制和人为干预之间的动态权衡。
-
公开(公告)号：CN111026110A
公开(公告)日：2020-04-17
申请号：CN201911144064.8
申请日：2019-11-20
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种面向含软、硬约束线性时序逻辑的不确定动作规划方法，求解满足成本最优的控制策略，硬约束部分任务全过程无风险，软约束部分任务允许存在风险。首先建立双层自动机任务模型，该模型中，每层的任务状态 是硬约束任务模型和软约束任务模型中任务状态经任意组合形成的状态集；初始状态位于第一层；硬约束任务的常返态被放置在第一层，软约束任务的常返态被放置在第二层，非常返态同时放置在第一层和第二层；通过状态转移关系的设置使得双层间的转换条件为只有当所在层级对应的任务完成时可转换至另一层；然后面向软约束任务修改任务模型；最后，将双层自动机模型、智能体模型结合，设计优化问题，获得最优控制策略。
-
公开(公告)号：CN104951898B
公开(公告)日：2017-02-22
申请号：CN201510381498.5
申请日：2015-07-02
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种面向任务的协同多智能体联盟形成方法，包括如下步骤：首先确定需要执行的任务，以智能体的多个能力项作为任务特征向量的基，依据需要执行的任务的侧重点，建立各能力项的权值对比较表，利用AHP方法构建任务特征向量；然后结合需要执行的任务，建立各能力项的影响因素模型，并通过AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量；将所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值；最后从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.028 seconds)
