基于动态事件触发机制的车辆悬挂系统故障容错控制方法

    公开(公告)号:CN118386759A

    公开(公告)日:2024-07-26

    申请号:CN202410522133.9

    申请日:2024-04-28

    Applicant: 东北大学

    Abstract: 本发明提供一种基于动态事件触发机制的车辆悬挂系统故障容错控制方法,首先针对车辆的四个悬挂系统,提出了一种基于多智能体的车辆悬挂系统模型。为了提高车辆减振性能,在车辆悬挂系统的中心设计了一个虚拟领导者。将存储在云服务器中的道路信息作为虚拟领导者的输入,通过控制四个悬挂系统,优化实际车辆的驾驶性能。考虑到可能存在的执行器故障,提出了故障容错控制方案,建立增广系统,消除了故障对于系统性能的影响。同时,为了节省悬挂系统间的通信资源,建立动态事件触发机制,利用Lyapunov‑Krasovskill泛函方法,获取控制器增益矩阵,控制车辆悬挂系统,主动缓冲由不平路面传给车身的冲击力,保证汽车平顺地行驶。

    基于云数据库和改进集成学习的手杖运动分析方法

    公开(公告)号:CN113095390B

    公开(公告)日:2024-06-04

    申请号:CN202110359489.1

    申请日:2021-04-02

    Applicant: 东北大学

    Abstract: 本发明的基于云数据库和改进集成学习的手杖运动分析系统及方法,根据手杖采集的数据集训练LightBE模型,将训练好的模型移植到Raspberry Pi zero w系统板。再通过姿态传感器实时采集加速度、角速度数据,经过窗口矩阵处理后输入系统板中进行实时分类,将分类后的运动状态和时间信息上传云数据库,供远程智能终端获取。本发明的方法能克服分类过程中相似类别分类准确率低和噪声影响的问题,实现了对运动状态的高精度分类,物联网技术的应用使得看护者可在任何地点实时监测使用者的运动状态,也可实现一段时间的运动分析和历史记录查询。对运动行为的分析也为进一步的看护和照顾提供了方便。

    一种螳螂仿生的水下抓取机构
    13.
    发明公开

    公开(公告)号:CN119795227A

    公开(公告)日:2025-04-11

    申请号:CN202510053134.8

    申请日:2025-01-14

    Applicant: 东北大学

    Abstract: 本申请提供了一种螳螂仿生的水下抓取机构,包括:机械臂,所述机械臂第一端上设置有驱动部;夹爪组件,所述夹爪组件包括第一夹爪及第二夹爪,所述第一夹爪及所述第二夹爪均设置于所述机械臂第一端上且与所述驱动部相连接,所述驱动部用于带动所述第一夹爪与所述第二夹爪开合;所述第一夹爪及所述第二夹爪均包括夹持本体及设置于所述夹持本体底部的底托;本申请有益效果是通过在第一夹爪及第二夹爪的底托上设置有S型结构的柔性段,使其在使用时能够适应不同规则物品周部曲率,通过在与物品接触面发生的柔性变形,保证大多数柔性段能够与海产品的壁面形成有效接触,通过这样的设置能够有效的抓取形态各异、质地不同的海产品。

    一种用于目标探测跟踪的分布式异构多水下无人航行器协同控制模块

    公开(公告)号:CN119690088A

    公开(公告)日:2025-03-25

    申请号:CN202510174368.8

    申请日:2025-02-18

    Applicant: 东北大学

    Abstract: 本发明公开一种用于目标探测跟踪的分布式异构多水下无人航行器协同控制模块,是搭载于UUV内部,由UUV供电并与UUV及岸基平台通信的控制单元,软件涵盖通信、使命解析、感知信息处理、行为决策、协同算法、故障检测和数据记录等子模块,通信子模块提供标准接口协议实现信息交换与异构化支持;使命解析子模块解析静态或动态任务指令;感知信息处理子模块处理声纳数据并传输给行为决策子模块规划行为,经协同算法子模块输出指令,故障检测子模块判断故障并给出处理指令,数据记录子模块存储关键数据,本发明提供统一标准接口与指令集,基于声纳设计处理及决策方法并封装成模块,提升异构UUV协同任务效率,完成目标探测与跟踪任务,增强多UUV协同作业能力。

    一种基于多尺度特征并行融合的水下实时图像增强网络

    公开(公告)号:CN117392021A

    公开(公告)日:2024-01-12

    申请号:CN202311474152.0

    申请日:2023-11-08

    Applicant: 东北大学

    Abstract: 本发明的一种基于多尺度特征并行融合的水下实时图像增强网络,包括四个多尺度特征提取模块,多尺度特征提取模块包括感受野增强模块、细节优化模块和CBAM模块,感受野增强模块和细节优化模块的并行输出相加再通过CBAM模块处理后作为多尺度特征提取模块的输出;图像经过卷积处理后输入第一个多尺度特征提取模块,当前多尺度特征提取模块的输出与原图及之前所有阶段多尺度特征提取模块的输出进行通道维度上的堆叠作为下一个阶段的输入,网络模型形成稠密连接;图像经过多尺度特征提取模块进行特征提取后,输出到主任务头和辅助任务头,实现不同尺度上的监督。该水下实时图像增强网络利用极少的参数量就能够良好地满足实时性的需求。

    马尔可夫跳变通信拓扑的水下机器人协同控制器设计方法

    公开(公告)号:CN116339354A

    公开(公告)日:2023-06-27

    申请号:CN202310125556.2

    申请日:2023-02-16

    Applicant: 东北大学

    Abstract: 本发明公开了一种马尔可夫跳变通信拓扑的水下机器人协同控制器设计方法,包括:设计多水下机器人系统,设计基于通信时滞及马尔可夫跳变通信拓扑结构的协同追踪控制器,设计包含水下机器人状态信息的李雅普诺夫函数及协同追踪控制器稳定性约束条件;基于李雅普诺夫函数的弱无穷小算子验证协同追踪控制器的稳定性,并计算协同追踪控制器的增益参数。本发明的控制器可使通信拓扑结构在发生马尔可夫跳变的情况下依然稳定协同追踪目标点,达到多水下机器人状态信息的一致性,同时可求解出控制器所需的必要参数。

    一种基于计算机视觉的群养生猪身份识别与健康监测方法

    公开(公告)号:CN114255357B

    公开(公告)日:2024-12-10

    申请号:CN202111588174.0

    申请日:2021-12-23

    Applicant: 东北大学

    Abstract: 本发明公开一种基于计算机视觉的群养生猪身份识别与健康监测方法,包括截取采集的视频,获得图像,利用结构相似性指数来度量图像间的相似度,去除极度相似图像,得到猪脸识别数据集和生猪健康监测数据集;将猪脸识别数据集送入卷积神经网络,进行猪脸识别,将生猪健康监测数据集输入目标检测算法,进行健康监测;猪脸识别任务和生猪健康监测任务存在很强的相关性,共享特征提取层,训练时对两个任务进行联合优化,实现猪脸识别精度和生猪健康监测准确率的同步提高。本方法通过无接触的摄像头数据判断猪的身份和健康状态,操作简单,方便快捷,节省了通过人工方式监测健康状态的时间,为养殖场的养殖人员提供参考依据,具有极大的应用价值。

    基于在线建模和模型预测控制的水下机器人轨迹跟踪方法

    公开(公告)号:CN118625841A

    公开(公告)日:2024-09-10

    申请号:CN202410872182.5

    申请日:2024-07-01

    Applicant: 东北大学

    Abstract: 本发明提供基于在线建模和模型预测控制的水下机器人轨迹跟踪方法,属于水下机器人控制的技术领域。本发明方法包括离线部分和在线部分。离线部分先通过模糊c‑均聚类算法对水下机器人水平运动的离线数据进行聚类,并记录每一簇的中心。然后根据所推导的偏航模型非参数形式通过最小二乘支持向量建立每一类的离线非参模型。在线部分中通过设计了一种数据选择窗结构,对水下机器人的偏航模型进行在线更新,这样做提高了对于数据的利用率,并降低了切换模型预测时产生的误差,进而通过引入模型预测控制方法解决轨迹跟踪问题,其中模型预测控制所用的预测模型即为在线建立的AUV偏航模型。

    一种基于计算机视觉的群养生猪身份识别与健康监测方法

    公开(公告)号:CN114255357A

    公开(公告)日:2022-03-29

    申请号:CN202111588174.0

    申请日:2021-12-23

    Applicant: 东北大学

    Abstract: 本发明公开一种基于计算机视觉的群养生猪身份识别与健康监测方法,包括截取采集的视频,获得图像,利用结构相似性指数来度量图像间的相似度,去除极度相似图像,得到猪脸识别数据集和生猪健康监测数据集;将猪脸识别数据集送入卷积神经网络,进行猪脸识别,将生猪健康监测数据集输入目标检测算法,进行健康监测;猪脸识别任务和生猪健康监测任务存在很强的相关性,共享特征提取层,训练时对两个任务进行联合优化,实现猪脸识别精度和生猪健康监测准确率的同步提高。本方法通过无接触的摄像头数据判断猪的身份和健康状态,操作简单,方便快捷,节省了通过人工方式监测健康状态的时间,为养殖场的养殖人员提供参考依据,具有极大的应用价值。

    基于云数据库和改进集成学习的手杖运动分析系统及方法

    公开(公告)号:CN113095390A

    公开(公告)日:2021-07-09

    申请号:CN202110359489.1

    申请日:2021-04-02

    Applicant: 东北大学

    Abstract: 本发明的基于云数据库和改进集成学习的手杖运动分析系统及方法,根据手杖采集的数据集训练LightBE模型,将训练好的模型移植到Raspberry Pi zero w系统板。再通过姿态传感器实时采集加速度、角速度数据,经过窗口矩阵处理后输入系统板中进行实时分类,将分类后的运动状态和时间信息上传云数据库,供远程智能终端获取。本发明的方法能克服分类过程中相似类别分类准确率低和噪声影响的问题,实现了对运动状态的高精度分类,物联网技术的应用使得看护者可在任何地点实时监测使用者的运动状态,也可实现一段时间的运动分析和历史记录查询。对运动行为的分析也为进一步的看护和照顾提供了方便。

Patent Agency Ranking