-
-
公开(公告)号：CN119002289A
公开(公告)日：2024-11-22
申请号：CN202411475752.3
申请日：2024-10-22
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了弱信息交互下异构无人集群系统自适应协同控制方法，涉及无人集群系统技术领域。预先建立包括领导者和若干跟随者各自的动力学模型的异构无人集群系统模型，并基于跟随者状态和局部误差设计协同控制方法；针对每一跟随者，在非触发时段，通过开环估计器估计跟随者状态，得到状态估计误差和局部估计误差，在状态估计误差和局部估计误差满足事件触发条件时，触发数据传输；基于跟随者状态、局部跟踪误差、局部估计误差设计自适应律，根据自适应律动态调整控制器的反馈增益和耦合增益。本发明通过事件触发机制实现协同控制和离散通信，并且采用自适应控制方法在线调整反馈和耦合增益，有效应对系统参数的实时变化。
-
公开(公告)号：CN118672180A
公开(公告)日：2024-09-20
申请号：CN202410713993.0
申请日：2024-06-04
Applicant: 北京理工大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于采样数据学习的智能无人系统控制方法。本发明通过积分器将智能无人系统模型转换成一个等价的数据模型，进而利用智能无人系统的状态x(t)以及控制输入u(t)的采样数据设计智能无人系统控制器，实现智能无人系统的镇定控制。本发明可以在智能无人系统数学模型未知的情况下，仅使用智能无人系统的采样数据信息来学习一个控制输入，无需占用大量额外的存储资源去存储历史数据；同时，本发明也不需要数据矩阵列满秩和持续激励的限制条件，计算量小且快速收敛，易于实现。
-
公开(公告)号：CN118133936A
公开(公告)日：2024-06-04
申请号：CN202410149842.7
申请日：2024-02-02
Applicant: 北京理工大学
Abstract: 本发明公开了基于光滑化和动量技术的分布式随机非光滑优化方法，能够解决分布式环境下具有约束和随机因素的复合非光滑优化问题，该方法应具有更快的收敛速率、更低的计算复杂度、更小的存储开销。具体包括：使用基于光滑化和动量技术的分布式非光滑迭代算法对所有智能体进行循环处理，并给出迭代算法的初始状态设置、步长设置、光滑化参数的建议范围等；给定算法的效能衡量标准，在迭代变量优化完成后根据衡量标准绘制聚类对比结果。本发明的算法适用于具有非光滑项的组合优化问题，包括但不限于机器学习中的聚类问题、LASSO回归问题以及传感器网络的压缩感知问题等，适用于实际的具有高维复杂约束的大规模分布式非光滑优化应用场景。
-
公开(公告)号：CN118068698A
公开(公告)日：2024-05-24
申请号：CN202410031096.1
申请日：2024-01-09
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了人在回路的强化学习集群无人系统协同跟踪控制方法，该方法涉及集群无人系统技术领域，方法能够实现异构多无人系统的编队控制目标，本发明的技术方案为：步骤一：在同构集群无人系统中，构建无人系统的动力学模型。步骤二：设计强化学习的控制器以及对应的代价函数，用于实现最优轨迹跟踪。步骤三：在无模型强化学习算法下，设计无需初始镇定学习策略寻找最优控制策略实现最优协同跟踪控制。本发明所提出的无模型控制方法可以克服系统模型不确定、无需初始镇定控制策略以及实现最优协同跟踪的需求。
-
Patent Agency Ranking
公开(公告)号：CN117519233A
公开(公告)日：2024-02-06
申请号：CN202311506674.4
申请日：2023-11-13
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明属于无人机路径规划领域，具体涉及一种基于粒子群算法的城市多障碍物环境下无人机路径规划方法，用于实现在充满障碍物的城市环境中为无人机规划一条满足曲率约束的可执行飞行路径。本发明提供了一种基于粒子群算法的城市多障碍物环境下无人机路径规划方法，解决了无人机在多障碍物环境中满足曲率约束的路径规划问题；本发明对城市环境进行了预处理，先将城市环境中的障碍物进行外接圆处理得到圆形障碍物，再对圆形障碍物进行膨胀处理得到最终的障碍物，膨胀的宽度为无人机的安全飞行距离。
-
公开(公告)号：CN117454965A
公开(公告)日：2024-01-26
申请号：CN202311173801.3
申请日：2023-09-12
Applicant: 北京理工大学
IPC: G06N3/092 , G06N3/0455 , G06N3/0499
Abstract: 本发明公开了基于随机Transformer模型的有模型深度强化学习方法，涉及强化学习技术领域。首先，首先使用分类分布的变分自动编码器将高维的环境数据编码为低维隐空间上的随机变量。其次，利用Transformer作为世界模型在低维的隐变量空间上实现对环境变化规律的建模，该世界模型具有仿真原始环境的能力，可以通过自回归的方式生成观察以及奖励。最后利用策略梯度算法在世界模型上进行智能体的训练。最终得到智能体性能、计算效率等方面均表现出色的有模型强化学习算法，对强化学习在现实环境中的高效部署具有非常重要的意义。
-
公开(公告)号：CN117253056A
公开(公告)日：2023-12-19
申请号：CN202311091496.3
申请日：2023-08-28
Applicant: 北京理工大学
IPC: G06V10/62 , G06V10/46 , G06V10/50 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明涉及一种基于对比学习的无监督目标跟踪器预训练方法，属于计算机视觉技术领域，适用于目标跟踪模型在数据无标注情况下的预训练，可广泛应用于视频监控、人机交互、医学诊断等领域。该方法能够为目标跟踪器充分挖掘鲁棒的视觉表征，以激活外观变化适应能力与时序信息挖掘间的正反馈循环，提高无监督跟踪器的性能。整个预训练方法包括：联合个体判别与定位的代理任务，充分考虑了迁移至目标跟踪任务时的特征泛化性；正负样本构建，为对比学习提供了具有准确语义的训练数据；对比学习训练，帮助跟踪模型提取到丰富的特征。最终，得益于此种预训练方法，无监督跟踪器取得了相比其他方法更强的性能表现。
-
公开(公告)号：CN117252771A
公开(公告)日：2023-12-19
申请号：CN202311081677.8
申请日：2023-08-25
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于帧对齐和注意力机制的深度学习视频去雾方法，属于图像处理领域；所述方法包括：首先，利用大气散射模型和深度视频，构造合成视频去雾数据集；其次，基于可变形卷积和时间注意力机制，构造前后两个子网络；最后，将预训练的单幅图像去雾网络与子网络串联，并在合成视频数据集上训练得到端到端的视频去雾网络；本发明提出的方法可以抑制单幅图像去雾网络直接应用于视频去雾时产生的闪烁和色差现象，提升去雾视频的观感；同时利用预训练的单幅去雾网络，可以使用较小的视频数据集完成训练。
-
公开(公告)号：CN116996880A
公开(公告)日：2023-11-03
申请号：CN202310866441.9
申请日：2023-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了拒绝服务攻击下无人系统的自适应事件触发协同控制方法，涉及无人集群系统技术领域，首先，建立无人集群系统模型，所述无人集群系统由1个领航者和N个跟随者组成，假设他们之间通过有向生成树图通信，领航者作为根节点，从根节点出发可以到达图中的任意一个节点，即，每个跟随者都可以直接或间接收到领航者的信息。然后基于已有边拒绝服务攻击模型，设计事件触发机制，构造本地事件触发领导者观测器。接着，基于领导者观测器，设计容错控制器。最后基于现有的李雅普诺夫稳定性理论，得到稳定性的充分条件。本发明提供的控制器设计方法保证存在资源受限与拒绝服务攻击的通信网络中，无人集群系统可以实现安全稳定性。
-
-
-
-
-
-
-
-
-
Search Results
214
records
(took 0.036 seconds)
