-
公开(公告)号：CN112034711B
公开(公告)日：2022-06-03
申请号：CN202010895943.0
申请日：2020-08-31
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本专利公开了一种基于深度强化学习的无人艇抗海浪干扰控制方法。本发明采用的技术方案是使用深度强化学习算法构建无人艇的控制器，利用深度神经网络将无人艇的运动状态和海浪特性映射到无人艇的推进器和方向舵的控制量，使用深度强化学习算法，根据历史实验数据对深度神经网络进行训练。首先在仿真环境中基于无人艇的简化模型和海浪干扰模型对控制器进行初步训练，然后在实际海域中进行实体无人艇的实验和训练，使控制器依据真实的无人艇和海浪动态特性进行在线学习，最终得到效果良好的无人艇抗海浪干扰控制器。
-
公开(公告)号：CN112966823B
公开(公告)日：2022-05-13
申请号：CN202011556111.2
申请日：2020-12-24
Applicant: 东南大学
IPC: G06F16/387
Abstract: 本发明公开了一种基于知识图谱推理的场所识别方法，在给出场所领域知识图谱构建方法的基础上，提出了一种基于知识图谱推理且可融合多种异类环境信息的一般化场所识别方法,步骤如下：(1)从各类异源信息中提取构成场所的主要物体、产生的事件、空间结构等主要线索，并将这些线索以自然语言文字进行描述；(2)利用自然语言处理方法对上述描述进行筛选，形成场所描述实体；(3)结合上述描述实体在实际环境中的发生频率，组建场所领域知识图谱；(4)运用深度神经网络实现基于知识图谱的推理分类，给出最终识别结果；本发明通过使用知识图谱推理方法，提升了场所识别准确率，并极大提升了场所识别过程中的语义可解释性。
-
公开(公告)号：CN113277042A
公开(公告)日：2021-08-20
申请号：CN202110769102.X
申请日：2021-07-07
Applicant: 东南大学
Abstract: 本发明涉及一种全向碟形水下机器人结构设计及其控制算法，属于水下潜航器领域与机器人控制领域。机械部分包含结构架双向水下推进器、水密舱、起落架等。控制部分使用陀螺仪，水压计等传感器计算机器人姿态。使用嵌入式控制器调节水下推进器推力实现对水下机器人姿态和速度的控制。本发明中机器人仅使用六个推进器即可实现全部六个自由度的独立控制，具有灵活，机动性高，成本低等优点。可用于水下巡检，水产捕捞，水质采样等多种用途。
-
公开(公告)号：CN108762091B
公开(公告)日：2021-06-22
申请号：CN201810660472.8
申请日：2018-06-25
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于未知控制方向的自适应编队控制算法。本发明包括如下步骤：步骤S1：一个多智能体系统包含N个智能体，对每个智能体进行参数设定及校验；步骤S2：对多智能体系统进行编队参数设定及校验；步骤S3：控制参数设定，并设定算法终止时间为t0，再进行控制算法可行性判断；步骤S4：按顺序求解控制参数；步骤S5：判断是否到达终止时间；步骤S6：多智能体系统的一致性判断。本发明解决了多智能体系统编队时在未知控制方向的情况下的控制问题，提高了多智能体系统的编队性能。
-
公开(公告)号：CN112507849A
公开(公告)日：2021-03-16
申请号：CN202011396405.3
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种基于条件生成对抗网络的动态到静态场景转换方法，该方法生成器为由粗到细的串级两阶段网络，判别器为PatchGAN与SN‑PatchGAN。本发明根据粗网络输出结果与动态场景的像素值差异推断动态区域二值掩膜，随后由细网络对动态区域进行静态恢复。本发明提取细网络编码区的深层与浅层特征后，分别采用上下文注意力机制来优化动态区域场景生成。本发明采用的判别器相较于传统判别器更能关注到图像细节且训练过程更为稳定。本发明相比于传统动态到静态场景转换方法，提取的动态目标区域更为准确，生成的动态场景图像纹理丰富、更接近真实情况。
-
Patent Agency Ranking
公开(公告)号：CN112506210A
公开(公告)日：2021-03-16
申请号：CN202011402067.X
申请日：2020-12-04
Applicant: 东南大学
Abstract: 本发明涉及一种用于自主目标跟踪的无人机控制方法，经过神经网络输出四维的动作后经过PID控制器转化成低级电机的动作，让无人机更稳定的飞行，后期改进可以将PID控制器改成其他更优化的控制方法。分层控制系统更容易将模拟环境中的训练策略轻松的转移到现实环境中运行。具有很好的泛化能力。在模拟环境中对采集上来的图像先进行CNN预训练，得到无人机和目标对象的相对距离，包括x，y，h三个维度的，本发明先保证无人机的飞行高度不变，后期可以增加空间障碍物，再考虑h。再将无人机的姿态考虑进来，选择策略，输出四维动作，通过PID输出给无人机的低级电机，通过DDPG的强化学习方法，获得Reward，更新策略，进行学习并训练。
-
公开(公告)号：CN112506049A
公开(公告)日：2021-03-16
申请号：CN202011202252.4
申请日：2020-11-02
Applicant: 江阴市智行工控科技有限公司 , 南京云牛智能科技有限公司 , 东南大学
IPC: G05B13/04
Abstract: 本发明公开了基于干扰观测器和广义负载位置追踪的防摇定位控制方法，属于工业级行车技术领域，该控制方法将干扰观测器构成的前馈补偿器和广义负载位置追踪的反馈控制器相结合，根据补偿器和反馈控制器的输出共同计算下一时刻行车的加速度。本发明提供的广义负载位置追踪控制器方法对行车进行防摇定位，同时使用干扰观测器对行车轨道的局部磨损和绳长测量误差等外界干扰以及模型参数不匹配等内部干扰进行有效估计，方法简单易行，且对参数未知或不确定的情形具有良好的鲁棒性，从而更好地提升防摇效果，提高工业生产中吊车调运物品的安全性、可靠性及工作效率。
-
公开(公告)号：CN112488006A
公开(公告)日：2021-03-12
申请号：CN202011406565.1
申请日：2020-12-05
Applicant: 东南大学
Abstract: 本发明涉及一种基于小麦图像的目标检测算法，所述检测算法包括以下步骤：步骤1：第一阶段为算法的训练阶段，步骤2：第二阶段为算法的实时推理阶段。针对小麦数据集优化后的YOLOv5算法具有较高的精度和较高的推理速度，可以实现实时推理，其线下训练也可在单块GPU上完成(例如GTX1080ti或者RTX2080Ti等)，极大的降低了对硬件的要求。
-
公开(公告)号：CN112148025A
公开(公告)日：2020-12-29
申请号：CN202011014279.0
申请日：2020-09-24
Applicant: 东南大学
Abstract: 本发明公开了一种基于积分补偿强化学习的无人飞行器稳定控制算法，通过模型参数设定、期望速度设定、初始化、策略网络，最终查看是否收敛，通过离线仿真阶段和在线实际飞行阶段的学习训练，策略不断迭代更新，最终通过对飞行器的速度实时跟踪实现精确稳定的飞行控制策略的构建。本发明实现了无人飞行系统稳定安全的飞行控制策略，并且针对速度跟踪上存在稳态误差问题，通过提出状态积分补偿器处理状态向量里的速度误差分量，来降低速度跟踪的稳态误差，具有创新性，并且该算法适应的范围较广，在无人飞行系统的姿态控制存在稳态误差问题上同样适用，有良好的经济效益和社会效益，适合推广使用。
-
公开(公告)号：CN112099510A
公开(公告)日：2020-12-18
申请号：CN202011021858.8
申请日：2020-09-25
Applicant: 东南大学
IPC: G05D1/02
Abstract: 一种基于端边云协同的智能体控制方法。首先分别建立智能体本地端感知模块、边缘端的感知模块，并将感知信息发送到云端。本地端对周边智能体行为意图和轨迹进行预判，边缘端根据本地端感知信息的特征提取和边缘端感知信息进行实时学习和训练，云端基于历史数据进行离线的路径规划和控制。在运行过程中，本地端的控制调度器根据实时的多个智能体位置，调度本地端/边缘端/云端接管控制。本方法具有良好的场景适应能力，在应用过程中可以方便的切换本地端、边缘端和云端的控制，使得消耗最小的计算资源获得有效的控制效果。由于该方法将一部分具有共性的计算任务迁移到路边边缘服务器和云服务器中，该方法的使用还可以降低目前单台智能体造价。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.045 seconds)
