-
公开(公告)号：CN115657689B
公开(公告)日：2023-04-07
申请号：CN202211670756.8
申请日：2022-12-26
Applicant: 安徽大学
Abstract: 本发明公开了一种基于轨迹预测的自主水下航行器目标跟踪控制方法，基于TPENN神经网络进行目标轨迹预测，得到预测的逃逸目标轨迹；根据预测的逃逸目标轨迹，基于深度强化进行动态目标跟踪控制，实现安全避障、水流补偿和轨迹跟踪。本发明将轨迹预测问题转化为时间序列的预测问题，将TPENN神经网络模型引入目标轨迹预测之中，利用TPENN神经网络挖掘轨迹数据的内部相关性，解决轨迹预测难题；在动态逃逸目标轨迹预测的基础上，针对自主水下航行器非线性模型不确定特性和水流影响，借助强化学习方法的非线性、强学习，不依赖模型的特性，同时引入深度学习算法克服强化学习的维度灾难问题，从而实现航行器自主动态目标跟踪控制。
-
公开(公告)号：CN114594776B
公开(公告)日：2022-09-20
申请号：CN202210247108.5
申请日：2022-03-14
Applicant: 安徽大学
IPC: G05D1/02
Abstract: 一种基于层次化和模块化学习的导航避障方法，包括：实时构建室内场景地图；基于移动机器人获取的视觉图像、实时构建的场景地图、导航目标图像，设计长期导航目标点生成模型，确定导航目标图像在实时构建的场景地图上的位置；确定基于深度强化学习框架的移动机器人导航避障模型，发布移动机器人导航到预测的长期目标点的速度指令；设计导航结束预测模型，在一定时间间隔后，判断导航是否结束，如果预测的导航并未结束，则重新以上导航目标点生成及导航决策的过程，直到导航结束。本申请解决了现有技术中在没有预设环境地图的情况下，难以安全绕过障碍物并高效导航到指定目标的问题，提高了移动机器人导航技术对复杂多变环境的适应性。
-
公开(公告)号：CN114594776A
公开(公告)日：2022-06-07
申请号：CN202210247108.5
申请日：2022-03-14
Applicant: 安徽大学
IPC: G05D1/02
Abstract: 一种基于层次化和模块化学习的导航避障方法，包括：实时构建室内场景地图；基于移动机器人获取的视觉图像、实时构建的场景地图、导航目标图像，设计长期导航目标点生成模型，确定导航目标图像在实时构建的场景地图上的位置；确定基于深度强化学习框架的移动机器人导航避障模型，发布移动机器人导航到预测的长期目标点的速度指令；设计导航结束预测模型，在一定时间间隔后，判断导航是否结束，如果预测的导航并未结束，则重新以上导航目标点生成及导航决策的过程，直到导航结束。本申请解决了现有技术中在没有预设环境地图的情况下，难以安全绕过障碍物并高效导航到指定目标的问题，提高了移动机器人导航技术对复杂多变环境的适应性。
-
公开(公告)号：CN113848718A
公开(公告)日：2021-12-28
申请号：CN202111144802.6
申请日：2021-09-28
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于线性算子理论的固定时间的异构分群同步控制算法,所述方法包括以下步骤：步骤S1：创建一个包含N个智能体的多智能体系统，根据实际任务，创建多智能体系统的分类通信模；步骤S2：针对每个分群，创建不同的动力学模型；步骤S3：设定异构分群同步控制参数，给定任意指定的收敛时刻，再进行控制算法可行性判断；步骤S4：确定求解控制参数方法；步骤S5：用步骤S4所确定的控制器实现多智能体系统的异构分群同步的快速收敛。
-
公开(公告)号：CN119991484A
公开(公告)日：2025-05-13
申请号：CN202510067901.0
申请日：2025-01-16
Applicant: 安徽大学
IPC: G06T5/70 , G06T5/60 , G06T5/10 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明提出一种基于深度学习的背光X射线图像多层噪声去除方法，包括：采集背光X射线图像中的球壳轮廓，利用计算机建模得到无噪声图像数据集；模拟图像噪声，并添加到无噪声图像数据集中得到有噪声图像数据集；构建以FR‑Unet架构为核心的图像降噪模型，以有噪声图像数据集为输入，进行图像增强，输出降噪后的有噪声图像；再与无噪声图像对比计算均方差损失MSE，多次训练，得到最优图像降噪模型；将最优图像降噪模型应用于真实实验图像，验证模型的降噪效果，并确保图像质量和细节保留。本发明能有效去除多层噪声，在保持高图像保真度的同时实现高效噪声减少，避免重要信息的丢失，提高了惯性约束聚变实验数据分析的质量和准确性。
-
Patent Agency Ranking
公开(公告)号：CN118794436B
公开(公告)日：2025-01-24
申请号：CN202410765315.9
申请日：2024-06-14
Applicant: 安徽大学
IPC: G01C21/20 , G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种无通信环境下基于具身智能的多自主水下机器人导航方法，包括：步骤1：每个自主水下机器人通过自身携带的传感器获取多模态的局部环境信息；步骤2：进行多模态的局部环境信息的融合；步骤3：提取环境特征值和临近自主水下机器人特征值；步骤4：对环境特征值进行学习，理解环境，并根据临近自主水下机器人特征值推测临近自主水下机器人的运动轨迹；步骤5：协作关系学习，生成导航决策；步骤6：将生成的导航决策发送给每个自主水下机器人的控制器进行编译，生成控制指令，实现对自主水下机器人的导航控制。本发明引入具身智能技术，设计了无通信多自主水下机器人协同导航方案，可实现基于具身智能的自主水下机器人导航。
-
公开(公告)号：CN119149905A
公开(公告)日：2024-12-17
申请号：CN202411101676.X
申请日：2024-08-12
Applicant: 安徽大学
IPC: G06F18/10 , G06F18/213 , G06F18/2337 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明提供一种适应不同驾驶风格的车辆轨迹预测方法及装置，涉及自动驾驶技术领域。所述适应不同驾驶风格的车辆轨迹预测方法包括：获取原始的车辆轨迹的样本数据集；对样本数据集进行滤波处理，获得滤波处理后的样本数据集；采用主成分分析法进行降维处理，获得降维后的数据；采用模糊C均值聚类算法进行软聚类处理，获得硬标签；构建初始的基于全局‑局部注意力机制残差双向长短时记忆网络；对初始的网络进行训练，获得训练好的基于全局‑局部注意力机制残差双向长短时记忆网络；获取目标车辆在观察时间域内的状态信息；将状态信息输入训练好的网络中，获得在预测时间域内目标车辆的未来轨迹。采用本发明，可提高车辆轨迹预测的准确性。
-
公开(公告)号：CN119024840A
公开(公告)日：2024-11-26
申请号：CN202411122493.6
申请日：2024-08-15
Applicant: 安徽大学
Abstract: 本发明公开了基于约束跟随的抗时延多移动机器人编队控制方法，涉及机器人自动化和智能驾驶技术领域，包括以下步骤：S1、建立移动机器人群具有时变有界不确定性的二维动力学模型；S2、转变编队控制问题为约束跟随问题；S3、设计一种近似约束跟随的自适应鲁棒控制策略；S4、对具有时延的多移动机器人系统进行一致性分析；本发明将多机器人协同系统的编队控制问题从传统的线性问题扩展到广义的平面问题，并在此基础上，研究了二维编队控制问题，同时考虑了纵向运动和横向运动，使自主多机器人群系统的应用不再局限于道路中的机器人；同时，轨迹也不再局限于预设的道路，而可能是由工作场景决定的任意路线，而可能是由工作场景决定的任意路线。
-
公开(公告)号：CN119002275A
公开(公告)日：2024-11-22
申请号：CN202411104675.0
申请日：2024-08-13
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明公开了一种处理含参数不确定性和输入时延系统的自适应鲁棒MPC方法，包括以下步骤：建立含有参数不确定性和输入时延的离散线性系统；建立针对无穷时域优化控制问题；基于估计系统、误差传递系统，建立基于时变更新率的自适应更新律并在线更新系统的估计参数；基于在线更新的系统的估计参数，针对无穷时域优化控制问题，采用椭球体参数化法简化优化过程，使用Tube‑MPC设计控制器，得到离线优化问题和在线优化问题；求解离线优化问题和在线优化问题，得到优化结果。本发明提出的控制方法具有计算效率高、适应性强和鲁棒性好的优点，可广泛应用于自动控制、工业过程控制等领域，尤其适用于存在参数不确定性和输入时延的复杂系统。
-
公开(公告)号：CN118939228A
公开(公告)日：2024-11-12
申请号：CN202410983991.3
申请日：2024-07-22
Applicant: 安徽大学
IPC: G06F3/16 , A61G5/10 , G01S17/42 , G01S17/86 , G01S17/93 , G01C11/02 , G06V20/56 , G06V10/40 , G06V10/80 , G06V10/25 , G06V10/82 , G06V20/58 , G06N7/01 , G06N20/00
Abstract: 本发明公开了一种基于大语言模型的智能自动轮椅驾驶系统及方法，涉及自动驾驶技术领域，解决了现有的辅助驾驶轮椅局限于特定场景和功能，缺乏足够的交互性和操控便捷性的技术问题；本发明通过采集环境基础数据，并通过融合算法得到环境感知数据；通过大语言模型解析用户语音指令，得到导航任务；并将导航任务划分为若干导航子任务；调用路径规划API，结合路径规划算法得到若干导航子任务的优化路径；基于环境感知数据、语音指令和优化路径进行分析，并根据分析结果生成驾驶指令；对用户实时反馈的语音指令进行分析，动态调整驾驶指令和路径规划策略；本申请根据用户反馈动态调整驾驶指令和路径规划，提供深度个性化的驾驶体验。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.031 seconds)
