-
公开(公告)号：CN108388899B
公开(公告)日：2022-03-01
申请号：CN201810082525.2
申请日：2018-01-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于纹理特征与形状特征相融合的水声图像特征提取方法，主要步骤包括图像分割，边界提取，生成基元阵，计算灰度‑基元共生矩阵，获取五项个特征量等几个关键步骤。本发明着手于海底底质水声图像的图形学特征，利用海底底质水声图像的边界形状特征及其灰度相关性，应用并结合边界提取与灰度‑基元共生矩阵法，实现海底底质的水声图像特征提取。本发明不仅能够保证平移、旋转和缩放不变性，并且对噪声不敏感，既可以描述闭合区域，对于非闭合区域也能很好的完成特征提取，实现了基于海底底质水声图像图形学特征的间接识别及提取。
-
公开(公告)号：CN109284671B
公开(公告)日：2022-02-22
申请号：CN201810869587.8
申请日：2018-08-02
Applicant: 哈尔滨工程大学
Abstract: 本发明为一种基于ASMP阈值最优和低通滤波的海水温度场重构算法，在观测区域内进行随机采样，得到采样值后，将温度数据转化为一维列信号的形式，并对温度场进行重构，过程如下：首先进行ASMP算法的初始化并运行ASMP算法，确定细化阈值搜索步骤中的起始阈值，在细化阈值搜索步骤中，运行ASMP算法确定最优输入阈值，将得到的最优阈值作为ASMP算法的输入量，再次运行ASMP算法得到稀疏估计，对稀疏估计进行低通滤波处理，并将一维温度信号还原为二维分布的形式，即可得到温度场的二维分布。本发明改进了ASMP重构算法，通过搜索最优输入阈值，使温度场信号稀疏度的估计更精确；根据温度场信号的特性，对稀疏估计进行低通滤波处理，进一步提高了海洋温度场的重构精度。
-
公开(公告)号：CN113175943A
公开(公告)日：2021-07-27
申请号：CN202110428787.1
申请日：2021-04-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用多重低通滤波单元的捷联惯导升沉测量方法，首先系统采集陀螺和加速度计数据，利用初始对准得到运载体的姿态信息，再由姿态信息得到载体坐标系和导航坐标系之间的姿态矩阵；再根据地理位置得到导航坐标系和半固定坐标系之间的方向余弦矩阵，利用方向余弦矩阵、加速度计的输出信息和重力信息得到一个粗略的垂向加速度；然后经过二重滤波单元和一次积分环节滤除低频信号得到较为精确的速度信号；同时将垂向加速度经过三重滤波单元和两次积分得到精确的升沉位移。该方法避免了传统加入高通滤波器引起的相位超前问题，可以为舰船减荡操作、舰载体升降机、舰载武器发射和各种海上平台升沉补偿提供参考。
-
公开(公告)号：CN113065584A
公开(公告)日：2021-07-02
申请号：CN202110300837.8
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于信息技术领域，具体涉及一种基于区间数相似性差异构造基本概率赋值的目标分类方法。本发明克服了现有基于区间数模型方法中差异性度量不合理及对已有信息利用率低的问题。本发明采用改进的区间数相似性度量来计算待分类目标与模型之间的差异性，得到比现有方法更合理的差异性度量结果。本发明采用均值与标准差线性组合的建模策略，改善了传统区间数建模数据利用率低的不足的问题，充分利用了数据信息，提高了模型的鲁棒性。本发明方法简单易行，便于操作，降低了复杂度，可广泛应用于工业自动化等领域。
-
公开(公告)号：CN113052372A
公开(公告)日：2021-06-29
申请号：CN202110283966.0
申请日：2021-03-17
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度强化学习的动态AUV追踪路径规划方法，通过引入深度强化学习算法，运用航路模型来处理AUV的路径追踪问题。首先对目标和AUV状态分析，判断并选择采用哪种航路进行追踪，建立三种航路模型，用训练好的模型对AUV下一状态进行预测。采用纯方位最小二乘估计法对检测到的目标信号进行运动要素解算，获得目标信息。将目标和AUV运动情况作为状态输入，AUV下一状态的动作和航向作为输出，建立状态——动作映射策略。根据任务要求，选择奖赏函数，AUV每段时间所采取的决策都会获得相应评价。本发明结合深度学习和强化学习的优点，将深度强化学习算法用在AUV路径追踪上，实现了对动态AUV的追踪路径规划。
-
Patent Agency Ranking
公开(公告)号：CN108563119B
公开(公告)日：2021-06-15
申请号：CN201810254250.6
申请日：2018-03-26
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于模糊支持向量机算法的无人艇运动控制方法，属于运动控制技术领域，首先采集无人艇航行的数据和外部环境数据，划分为训练数据和测试数据进行预处理，对预处理结果查找分隔阈值。然后判断训练数据量是否大于等于阈值，如果是，对训练数据采用粒子群算法，否则采用网格搜索算法，得到最优配置参数进行验证和简化。输入预处理后的测试数据，若其线性可分，带入模糊支持向量机得到最优决策面；若线性不可分，将数据映射到高维空间，然后训练得到最优决策面。将船体的环境干扰力数据划分为训练数据和测试数据，得到最优模糊支持向量机的输出补偿到运动环境中。本发明提高无人艇运动效果，有效减少由于环境干扰所产生的偏差。
-
公开(公告)号：CN112945274A
公开(公告)日：2021-06-11
申请号：CN202110161311.6
申请日：2021-02-05
Applicant: 哈尔滨工程大学
IPC: G01C25/00
Abstract: 本发明公开了一种舰船捷联惯导系统航行间粗对准方法，通过四元数更新法计算载体系随时间变化的姿态矩阵列写捷联惯导比力方程，两边同时左乘捷联矩阵后，两边再同时求两重积分；根据GPS实时获取的舰船位置信息，计算上式中各参数值；利用捷联惯导系统比力方程和已求得的参数，分别列写两个时间段内的比力方程，根据链式乘法准则，得出和的关系，利用双矢量定姿求出捷联矩阵本发明方法利用二重积分求取各个参数，误差更小，操作更简单、造价成本更低，更具有普适性。
-
公开(公告)号：CN112945224A
公开(公告)日：2021-06-11
申请号：CN202110161315.4
申请日：2021-02-05
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用因子图和和积算法的多AUV协同导航方法，首先，建立描述AUV导航系统的状态方程和量测方程；其次，根据AUV的状态方程和量测方程建立相应的多AUV协同导航系统因子图模型，该因子图模型含有环结构。为了获得系统的精确解，该含环因子图被等价的转换成含有一个聚合节点的无环因子图模型。最后，根据系统状态方程进行AUV位置和方位角的一步预测更新，然后根据系统获得的AUV之间的观测量结合量测方程估计AUV位置和方位角。本发明采用基于图论的估计方法，方法新颖。另外，能满足实际工程定位精度的同时，计算量更小，该方法展示了更好地系统可扩展性，在实际工程应用中应用性更强。
-
公开(公告)号：CN112611382A
公开(公告)日：2021-04-06
申请号：CN202011358976.8
申请日：2020-11-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种带有相位补偿的捷联惯导系统升沉测量方法，首先对天向加速度计实时测量的信号先进行快速傅里叶变换获取对应海浪的运动频率完成升沉频率估计，然后对测量信号实现升沉滤波，再对升沉滤波器引起的相位超前误差进行补偿实现精确的实时升沉信息输出。本发明相对于现有技术考虑了升沉高通滤波器引起的相位超前误差以及实际应用中动态海况条件，有效解决了现有技术中升沉测量误差大和实时性差的缺点。
-
公开(公告)号：CN108388250B
公开(公告)日：2021-03-05
申请号：CN201810292118.4
申请日：2018-03-30
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法，属于水面无人艇路径规划技术领域。首先构建USV规划路径，初始化参数；每个鸟窝位置在自由栅格中开始迭代，选出初始全局最优鸟窝位置。对其余鸟窝逐个进行更新，得到新的一组鸟窝位置，用评价函数逐个测试每个鸟窝的路径长度，分别计算各鸟窝的当代布谷鸟的鸟蛋被巢主鸟发现概率；然后逐个选取鸟窝位置，随机产生一个服从均匀分布的随机数，若小于发现概率，保留当前鸟窝为当代的最终鸟窝位置，与初始全局最优鸟窝位置组合，重新选出第t+1代全局最优鸟窝位置。重复迭代，直至输出最优路径。本发明保持很强的局部精细搜索能力，改善了收敛速度慢的问题，满足USV作业过程中的需求。
-
-
-
-
-
-
-
-
-
Search Results
279
records
(took 0.052 seconds)
