-
公开(公告)号：CN103067940A
公开(公告)日：2013-04-24
申请号：CN201210560371.6
申请日：2012-12-20
Applicant: 华南理工大学
Abstract: 本发明提供了基于无线传感器网络的协同信息估计方法，包括以下步骤：步骤1、初始化传感器节点的滤波器参数；步骤2、为当前传感器节点构建邻居表，所述邻居表中包括当前传感器节点的所有邻居节点；步骤3、当前传感器节点与邻居节点交换测量信息；步骤4、计算滤波器增益；步骤5、如果当前传感器节点的邻居表发生变化，为下一时刻更新邻居表，然后转入到步骤3继续执行程序；如果当前传感器节点的邻居表没有发生变化，则直接转向步骤3继续执行程序。本方面是一种全分布式最优的协同信息估计方法，具有估计精度高且误差扰动小，鲁棒性好，不需要设计复杂的路由协议来转发信息，非常适合变化的网络拓扑结构和大规模的无线传感器网络等优点。
-
公开(公告)号：CN118363393A
公开(公告)日：2024-07-19
申请号：CN202410285084.1
申请日：2024-03-13
Applicant: 华南理工大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明公开了一种微小无人潜器集群系统的驱驰方法、系统、装置及介质，属于多智能体系统运动控制领域。其中方法包括：S1、获取若干个微小无人潜器个体作为驱弛者，驱弛者个体依照集群在指定平面上的投影来找到负责的部分微小无人潜器集群；S2、驱弛者个体判断当前所处的状态，并根据状态完成运动决策；其中运动决策包括三种运动策略；S3、判断是否将集群驱赶至目的地，若是，完成驱驰；反之，返回执行步骤S1。本发明提出了一种新颖可行的三维空间集群运动控制策略，相较于主流的集群运动控制策略，本发明能够应对不同规模的集群，并且能够更加灵活的应对环境中的突发状况，且能够保持高成功率以及低时间消耗。
-
公开(公告)号：CN118095481A
公开(公告)日：2024-05-28
申请号：CN202410113506.7
申请日：2024-01-26
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于克隆学习的多智能体强化学习训练方法，包括以下步骤：根据任务场景，基于Unity的多智能体强化学习仿真环境；集成并配置Unity的ML‑Agents框架，为智能体定义行为模型和与任务相关的观察与行动空间，并设置奖惩机制并初始化模型；采用多智能体后期信用分配算法训练智能体，在训练的初期阶段，采用克隆训练方法，直至达到设定的训练步数或智能体性能满足预定条件后，保存训练完成的智能体模型。本发明使智能体不断对抗并学习自己的先前策略，从而在多变环境中持续优化和调整策略，提高策略的稳定性，增强其在新环境和未知挑战中的适用性，智能体能够有效应对多种复杂场景，展现出更好的灵活性和适应性。
-
公开(公告)号：CN116778526A
公开(公告)日：2023-09-19
申请号：CN202310585743.9
申请日：2023-05-23
Applicant: 华南理工大学
IPC: G06V40/10 , A61H39/02 , A61H39/06 , G06V10/28 , G06V10/30 , G06V10/34 , G06V10/44 , G06V10/48 , G06T7/73
Abstract: 本发明提供的一种面向香灸仪器的背部穴位识别方法，包括如下步骤：S1：读取用户人体背部原始图像，对图像进行预处理；S2：输入标定穴位图，建立穴位坐标数据集合；S3：输入待测背部图像，检测并输出待测背部穴位坐标；S4：建立图像坐标与实际坐标映射关系，保存穴位信息。通过图像处理技术进行识别和定位，具有较快的检测速度，兼顾定位准确率。
-
公开(公告)号：CN111679668B
公开(公告)日：2021-09-21
申请号：CN202010481016.4
申请日：2020-05-30
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于新的时距策略的网络化自主车队的跟随控制方法。该方法包括：S1、对车辆进行力学分析以建立线性化的车辆纵向动态学模型；S2、建立新的时距策略，S3、设计动态控制器u̇_i，使其通过接收第i‑1辆车即前车的状态信息后，结合本车状态信息，给出第i辆车即跟随车控制信号的变化率，第i辆车将根据所得控制信号的变化率调整自身的控制输出量，实现自身状态对前车状态的跟随性；S4、考虑前车的加减速过程并基于新的时距策略和控制策略，建立跟随车辆的状态空间模型。本发明提高了网络化自主车队中跟随车辆速度同步前车速度的快速性，有效改善了在前车加减速过程中后车的跟随性。
-
Patent Agency Ranking
公开(公告)号：CN110703761A
公开(公告)日：2020-01-17
申请号：CN201911046770.9
申请日：2019-10-30
Applicant: 华南理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于事件触发的网络化自主车队调度与协同控制方法。所述方法包括：自主车队中的车辆控制器接收经无线网络传输的领头车及前车的相关状态信息以产生控制信号；对车辆进行力学分析以建立车辆纵向动态学模型；考虑领头车加速度扰动并基于领头车-前车跟随策略以建立初步的车队纵向结构模型；考虑车辆发动机参数不确定性并进行离散化，建立最终的车队纵向结构模型；引入事件触发机制，建立控制器结构模型并求解车辆控制器增益；根据车辆的控制器增益和接收的状态信息以求解该的车任一时刻的加速度，进而控制整个纵向车队。本发明提高了网络化自主车队的鲁棒性，有效抑制车辆的频繁加减速以增加乘客舒适度并减少油耗。
-
公开(公告)号：CN104391445A
公开(公告)日：2015-03-04
申请号：CN201410383803.X
申请日：2014-08-06
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的车队协同自主控制方法，包括以下步骤：步骤1：初始化滤波器参数；步骤2：读取传感器的测量信息；步骤3：运用渐消记忆的卡尔曼滤波算法进行状态估计；步骤4：邻居车辆之间进行信息交换；步骤5：输出控制信号，发出控制指令。本发明通过渐消记忆的卡尔曼滤波算法，利用可获得的测量信号，得到间隔误差及其导数的估计值，解决了间隔误差不可测的问题和滤波发散的问题，并利用无线网络进行通信，邻居车辆之间实现信息交换和共享，根据当前车辆及邻居车辆的状态的估计值，得到控制信号，发出控制指令，实现了协同控制。
-
公开(公告)号：CN101534470B
公开(公告)日：2011-12-28
申请号：CN200910038558.8
申请日：2009-04-10
Applicant: 华南理工大学
CPC classification number: Y02D70/10
Abstract: 本发明提供了基于无线传感器网络的移动目标跟踪系统及其跟踪方法。该系统包括汇聚节点，网关，服务器，多个传感器节点设备；跟踪方法包括：将这些传感器节点设备均匀布置在目标监测区域中；启动传感器节点设备和服务器软件，准备接收无线传感器网络中的数据；当被动红外传感器检测到目标时，启动超声波测距，并运行扩展卡尔曼滤波算法得到目标位置坐标；采用协方差矩阵迹最小的原则选举下一时刻任务节点；服务器通过网关从汇聚节点读取原始数据、绘制数据曲线及目标轨迹，保存数据，并将服务器指令通过网关发送到指定ID的节点。本发明能够准确的检测和报告监测区域内的移动目标位置，采用有效的传感器唤醒机制，大大的节省节点耗能。
-
公开(公告)号：CN119758712A
公开(公告)日：2025-04-04
申请号：CN202411753336.5
申请日：2024-12-02
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于半准位置反馈的分布式鲁棒控制方法，包括以下步骤：建立多智能体系统的状态空间方程；建立多项式路径描述多智能体系统的参考路径，构建虚拟领导者系统；建立多智能体系统和虚拟领导者系统的切换通信网络；构建基于输出的分布式观测器，利用近邻智能体信息估计多项式路径；建立半准位置估计器为每个智能体生成半准位置；定义智能体新的等效误差；根据估计的多项式路径和半准位置，建立多重内模和鲁棒内模控制器，以实现参考轨迹的控制跟踪。本发明保证系统的鲁棒性，有效完成编队任务，增强多智能体系统在不稳定通信环境下的适应性和恢复能力，优化系统的空间定位能力，提升多智能体系统在动态环境中的性能和可靠性。
-
公开(公告)号：CN119576020A
公开(公告)日：2025-03-07
申请号：CN202411727786.7
申请日：2024-11-28
Applicant: 华南理工大学
IPC: G05D1/695
Abstract: 本发明公开一种面向线性多智能体系统的分层编队控制方法，包括以下步骤：建立多智能体系统的状态空间方程构建扰动系统；将多智能体的编队指令分解为全局锚点指令和局部偏差指令；定义多智能体的误差跟踪策略；利用有向图建立多智能体系统和全局锚点系统的通信网络；利用通信网络中的邻近信息，建立分布式观测器，实现每个智能体对全局锚点系统的估计；利用分布式观测器的估计信息，建立动态增益补偿器，得到与全局锚点系统相关的调节器方程渐近解；求解与扰动系统和局部偏差系统相关的调节器方程解；结合调节器方程的解，建立协作式输出调节控制器。本发明减少全局编队指令数据的传输量，降低局部智能体的计算负载，提高系统运行效率和稳定性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
