-
公开(公告)号：CN119180844A
公开(公告)日：2024-12-24
申请号：CN202411247476.5
申请日：2024-09-06
Applicant: 南通大学
IPC: G06T7/246 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/092
Abstract: 本发明提供了一种基于深度强化学习的无人机空战对抗目标追踪方法，属于无人机空战对抗技术领域，解决了在未知环境下己方无人机对目标无人机无法进行实时、快速跟踪的技术问题。其技术方案为：包括以下步骤：S1：对UWB定位系统进行堆栈式数据处理，为后续追踪控制提供位置数据；S2：建立目标探测算法YOLO‑V5对单目标追踪任务进行目标检测；S3：基于TD3算法，设计奖励函数、动作空间、状态空间，建立无人机目标跟踪控制模型；S4：根据训练的无人机目标跟踪控制模型对无人机目标追踪过程中的数据分析处理，获取该方法在空战对抗中的有效性。本发明实现对目标无人机较为迅速准确的追踪，并给出追踪的不确定性，增强模型的鲁棒性。
-
公开(公告)号：CN119128369A
公开(公告)日：2024-12-13
申请号：CN202311788701.1
申请日：2023-12-22
Applicant: 南通大学
IPC: G06F18/00 , G01R31/367 , G01R19/00 , G06F18/15 , G06N3/0499 , G06N3/08
Abstract: 本发明提供了一种基于WPD‑GMDH神经网络的BMS端电压辨识方法，属于锂电池管理系统辨识技术领域。解决了辨识锂电池管理系统难度大和精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)通过仿真实验，获得样本数据；步骤2)数据预处理并构建数据集，并将其分为训练集和测试集；步骤3)通过WPD‑GMDH神经网络对数据集进行训练，得到WPD‑GMDH模型用于实时估计。本发明的有益效果为：本发明使用的WPD‑GMDH神经网络通过WPD技术分离不同的频率的信号，从而找到不同特征的非线性关系，提升GMDH神经网络模型的学习能力。
-
公开(公告)号：CN118778514A
公开(公告)日：2024-10-15
申请号：CN202410933277.3
申请日：2024-07-12
Applicant: 南通大学
IPC: G05B19/042
Abstract: 本发明提供了一种非最小相位系统抗扰控制器设计和参数选取方法，属于化工过程控制技术领域。解决了非最小相位系统在面对参数不确定性和外部扰动时难以实现快速且稳定响应的技术问题。其技术方案为：针对非最小相位系统在稳态工作点处进行线性化，设计广义Smith预估器对系统的输出进行预测，并通过抗扰控制器实现反馈调节，生成适当的控制信号；设计一种多目标灰狼优化算法，对控制器参数进行优化。本发明的有益效果为：该控制方法通过提前预测和补偿扰动，提高了系统的动态响应速度和稳态精度，显著提升了系统的鲁棒性和抗扰性能。
-
公开(公告)号：CN115062467B
公开(公告)日：2024-08-13
申请号：CN202210665714.9
申请日：2022-06-13
Applicant: 南通大学
Abstract: 本发明提供了一种基于樽海鞘算法的单集气管压力控制模型辨识方法，属于集气管压力控制系统辨识技术领域。在模型上，解决了常用的整数阶模型不够精确，导致辨识精度不够高的技术问题；在辨识方法上，解决了梯度迭代法收敛速度较慢，会使辨识结果陷入局部最优，选择迭代步长时需要考虑辨识结果发散的技术问题。其技术方案为：包括以下步骤：步骤1)构建单集气管阀位和压力的分数阶CARMA模型；步骤2)构建樽海鞘算法的辨识流程。本发明的有益效果为：本发明的樽海鞘算法的单集气管压力控制模型辨识方法进行的参数辨识结果中，可以看出，该方法的辨识精度高，输出的参数估计误差小；同时，也说明本辨识方法对于单集气管压力控制模型具有较好的适用性。
-
公开(公告)号：CN118466201A
公开(公告)日：2024-08-09
申请号：CN202410569006.4
申请日：2024-05-09
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于深度强化学习的水下机器人机械臂抗扰控制方法，属于机器人控制技术领域。解决了现有的水下机器人机械臂系统在复杂水下环境中船体及机械臂轨迹跟踪和抗水流扰动精度低的技术问题。其技术方案为：包括以下步骤：S1、建立水下机器人机械臂系统的控制模型；S2、设计扩张状态观测器进行实时估计补偿系统的不确定性和外部扰动；S3、设计有限时间控制器以实现快速且精确的状态跟踪；S4、利用深度强化学习算法调整控制参数，以响应环境变化。本发明的有益效果为：在多变和复杂的水下作业环境下，通过深度强化学习算法使水下机器人机械臂系统高效、鲁棒、自适应地完成作业任务。
-
Patent Agency Ranking
公开(公告)号：CN117540626B
公开(公告)日：2024-05-14
申请号：CN202311428417.3
申请日：2023-10-30
Applicant: 南通大学
Abstract: 本发明提供了一种基于贝叶斯神经网络的固定翼无人机态势预测方法，属于无人机态势预测技术领域；解决了在不确定环境下我方无人机无法对敌方无人机的未来态势做不确定性预测的技术问题。其技术方案为：建立适用于时间序列预测的贝叶斯网络并收集敌方无人机的有限态势信息；以敌方无人机态势信息作为输入，使用已建立的贝叶斯神经网络对敌方无人机的下一时刻的态势做预测；将单一时刻预测值作为输入再次预测，构成敌方无人机未来时间段的态势信息。本发明的有益效果为：能够令己方无人机在战场环境中利用有限的态势信息预知敌方无人机下一段时间的态势，使我方无人机能够抢占战场主动性，有利于提升无人机作战能力，从而降低我方无人机的战损比。
-
公开(公告)号：CN116974204B
公开(公告)日：2024-04-09
申请号：CN202311064634.9
申请日：2023-08-23
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了无人机跟踪控制模型的训练方法、使用方法及终端设备，属于无人机技术领域。解决了无人机在复杂动态环境下易丧失稳定性的技术问题。其技术方案为：训练方法包括以下步骤：步骤一、过自身传感器系统周期性感知双方无人机的态势信息；步骤二、使用深度强化学习算法在离线环境中对无人机进行训练；步骤三、计算出最优的控制输入，并进行实时更新，无人机持续调整自身动作和状态，达到稳定状态；使用方法应用于第一无人机；终端设备包括处理器、存储器、存储在存储器上由处理器执行的计算机程序以及用于处理器和存储器之间的连接通信的数据总线。本发明的有益效果为：本发明建立最优控制模型，提升了无人机作战能力。
-
公开(公告)号：CN115933386B
公开(公告)日：2023-12-19
申请号：CN202211492586.9
申请日：2022-11-25
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种考虑输入约束的精馏塔过程抗扰控制结构及控制方法，属于化工精馏塔过程节能控制技术领域。解决了精馏塔过程由于强耦合和输入约束问题导致产物浓度出现较大波动且恢复时间长的问题。其技术方案为：控制结构包括带有优化功能的自抗扰控制器一、带有优化功能的自抗扰控制器二、动态解耦模块和精馏塔过程被控对象；控制方法为：通过设计带有优化功能的抗扰控制方法实现精馏塔过程两端产物浓度的解耦控制。本发明的有益效果为：该控制方法对精馏塔过程数学模型依赖程度低，可以实现塔顶和塔底产物浓度在输入约束下的解耦控制，在进料流量或进料浓度大幅扰动的情况下，保证产物浓度受到较小的影响，该方法具有(56)对比文件Xingang Guo等.Observer-based EconomicModel Predictive Controlfor DirectContact Membrane Distillation《.ES》.2020,86-99.
-
公开(公告)号：CN116484262B
公开(公告)日：2023-12-08
申请号：CN202310502606.4
申请日：2023-05-06
Applicant: 南通大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0499 , G06N3/0464
Abstract: 本发明涉及故障诊断技术领域，尤其涉及一种基于文本分类对纺织设备故障辅助处理方法，包括：S1、根据目标文本的历史文本维修检测等关联数据获取初始提示特征、样本文本，样本文本的标注类别得到训练文本；S2、将训练文本输入预先构建的文本分类模型，利用文本分类模型的词特征提取网络对训练文本进行处理，得到词特征融合向量；S3、根据初始文本分类模型和初始提示特征，对样本文本进行文本分类，得到样本文本的预测类别，纺织设备通过文本分类辅助处理故障方法布置应用。本发明能够辅助维修人员依据故障现象快速准确定位设备的故障位置及原因，大大降低了人工依赖度，有利于提高基于知识的故障诊断的自主化程度、可解释性和诊
-
公开(公告)号：CN116672745A
公开(公告)日：2023-09-01
申请号：CN202310602407.0
申请日：2023-05-25
Applicant: 南通大学
Abstract: 本申请公开了一种精馏控制模型生成方法、精馏控制方法及精馏装置，生成方法包括：构建模拟精馏模型并进行解耦处理以生成各装置参数与精馏产物的模拟浓度信息之间的控制回路；根据控制回路构建对应于装置参数的待整定控制模型，待整定控制模型用于调整装置参数以控制精馏过程；根据待整定控制模型构建包括等效模型；获取目标性能指标以对等效模型进行参数整定以得到定参等效模型；根据定参等效模型整定待整定控制模型的控制器增益与观测器增益以得到目标控制模型，通过在模型的建立过程中结合精馏装置的实际精馏过程对模型参数进行整定，生成抗扰能力强、高精度、高稳定性的精馏控制模型，便于通过模型来控制精馏过程以得到所需的产物浓度。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.08 seconds)
