基于HAC算法的机器人路径规划方法及系统

    公开(公告)号:CN116203959A

    公开(公告)日:2023-06-02

    申请号:CN202310181970.5

    申请日:2023-02-24

    Applicant: 济南大学

    Abstract: 本发明提出基于HAC算法的机器人路径规划方法,属于路径规划领域。包括提取历史订单品项数据,形成特征矩阵;构建仓库栅格模型,基于HAC算法对特征矩阵中的数据进行相似度聚合,获得由高到低排序的货物需求度,将待分配订单任务分配给对应的机器人;基于A*算法代价估算函数对机器人路径寻优,得到机器人代价最小的最优路径;获取每一时刻每个机器人的位置信息,将位置信息按照时间调用形成预约表;将每两个机器人的最优路径和预约表进行对比,查询是否存在路径冲突,若存在冲突,则利用动态加权表确定机器人通过顺序,若不存在冲突,机器人按照最优路径执行订单任务。本发明针对不同场景下的仓库拣选需求,基于历史订单数据,运算效率高、动态自适应强。

    基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统

    公开(公告)号:CN112539746B

    公开(公告)日:2023-05-26

    申请号:CN202011132559.1

    申请日:2020-10-21

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统,包括:分别通过视觉单元和惯性导航系统获取机器人在东方向和北方向上的位置差,速度差值以及机器人在东方向和北方向速度和位置数据;构建第一观测方程和第二观测方程;通过第二观测方程估计出机器人在东方向和北方向上位置的最优误差值;利用所述最优位置误差值校正惯性导航系统输出的机器人位置,最终得到机器人位置的最优滤波值,实现对机器人的定位。本发明将视觉与惯性导航系统进行组合导航定位,相对于单一的视觉导航系统和单一的惯性导航功能系统,组合导航的定位精度得到提高。

    基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统

    公开(公告)号:CN112539746A

    公开(公告)日:2021-03-23

    申请号:CN202011132559.1

    申请日:2020-10-21

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于多频卡尔曼滤波的机器人视觉/INS组合定位方法及系统,包括:分别通过视觉单元和惯性导航系统获取机器人在东方向和北方向上的位置差,速度差值以及机器人在东方向和北方向速度和位置数据;构建第一观测方程和第二观测方程;通过第二观测方程估计出机器人在东方向和北方向上位置的最优误差值;利用所述最优位置误差值校正惯性导航系统输出的机器人位置,最终得到机器人位置的最优滤波值,实现对机器人的定位。本发明将视觉与惯性导航系统进行组合导航定位,相对于单一的视觉导航系统和单一的惯性导航功能系统,组合导航的定位精度得到提高。

    一种多策略融合的群智能路径优化方法及系统

    公开(公告)号:CN118625763A

    公开(公告)日:2024-09-10

    申请号:CN202410699425.X

    申请日:2024-05-31

    Abstract: 本公开提出一种多策略融合的群智能路径优化方法及系统,方法包括:获取待运输的订单任务,利用佳点集对麻雀种群进行初始化,初步确定个体和全局最优适应度值以及位置;根据个体初始适应度值,划分生产者和行乞者;进行迭代,判断是否满足迭代结束条件,若未满足,动态调整生产者和行乞者的数量,基于分数阶微积分和蝴蝶优化算法,更新生产者位置;基于蜜獾优化算法和非线性惯性权值,更新行乞者位置;基于萤火虫突变策略,更新侦察者位置;否则输出最优个体的位置;根据最优个体的位置确定货物运输所要经过的路径。基于麻雀搜索算法采用多种策略对麻雀数量和位置进行更新,有效解决规划路径长、容易陷入局部最优和收敛速度慢的问题。

    一种基于轴承振动信号关系及图神经网络的故障分类方法

    公开(公告)号:CN117892188B

    公开(公告)日:2024-07-09

    申请号:CN202311750372.1

    申请日:2023-12-19

    Applicant: 济南大学

    Abstract: 本发明公开了一种基于轴承振动信号关系及图神经网络的故障分类方法,涉及轴承诊断技术领域。包括:获取滚动轴承各个时间节点以及与各时间节点对应的振动信号,生成时间序列数据,利用VG算法将时间序列数据转化为图数据并获得对应的权重关系,生成具有边权重的邻接矩阵,按照一定比例划分为训练集、验证集和测试集,将图注意力机制和图同构网络结合,构建图神经网络模型,将训练集输入图神经网络模型进行训练,获得训练好的图神经网络模型,将验证集输入进行验证,将测试集输入验证后的图神经网络模型,得到滚动轴承的故障诊断结果。本发明有助于对滚动轴承故障进行有效分类,实现大规模数据下滚动轴承的故障诊断,更具有普遍性。

    一种考虑可变有色测量噪声的移动机器人定位方法及系统

    公开(公告)号:CN113218388A

    公开(公告)日:2021-08-06

    申请号:CN202110228825.9

    申请日:2021-03-02

    Applicant: 济南大学

    Abstract: 本发明公开了一种考虑可变有色测量噪声的移动机器人定位方法及系统,包括:以移动机器人k时刻在东向和北向的位置和速度作为状态量,将UWB测量得到的移动机器人与UWB参考节点之间的距离作为系统观测量,构建滤波模型;在扩展有限脉冲响应滤波器的基础上,根据在离线阶段选择的不同局部滤波窗口,构建m个不同的考虑有色测量噪声的子滤波器;通过IMM方式对构建的子滤波器的输出进行融合,得到当前时刻的移动机器人最优的位置预估,实现移动机器人的定位。本发明构建不同的有色测量噪声下的子EFIR滤波器,通过交互多模型算法,将各子滤波器的输出进行融合,最终得到最优的UWB测量的移动机器人最优位置预估。

Patent Agency Ranking