-
公开(公告)号：CN120066034A
公开(公告)日：2025-05-30
申请号：CN202510204196.4
申请日：2025-02-24
Applicant: 湖南大学
Abstract: 本发明公开了一种无模型无人水下航行器轨迹跟踪方法及系统，其包括：步骤1，根据给定的期望轨迹及测量得到的无人水下航行器位姿，计算跟踪误差及跟踪误差变化率，构造非线性非奇异终端滑模面；步骤2，根据无人水下航行器位姿、速度及期望轨迹，计算动态回归矩阵；步骤3，根据滑模面及动态回归矩阵，设计非线性自适应律，获得模型不确定性未知上界、输入饱和逆向标度因子下界倒数及无人水下航行器未知物理参数的估计值；步骤4，根据步骤3获得的估计值，结合控制律增益系数及动态回归矩阵，设计无模型鲁棒自适应有限时间控制律。本发明能够解决输入饱和及模型不确定性条件下无人水下航行器物理参数未知的轨迹跟踪控制问题。
-
公开(公告)号：CN119861568A
公开(公告)日：2025-04-22
申请号：CN202510033450.9
申请日：2025-01-09
Applicant: 湖南大学
IPC: G05B13/04
Abstract: 本发明公开了一种ASV‑AUV混合集群鲁棒模型预测协同控制方法及系统，其包括：步骤1，获取混合集群中任意自主系统的位置状态信息和速度状态信息，自主系统分为ASV和AUV；步骤2，依据协同任务设定自主系统i对应的期望位置向量，结合位置状态信息和速度状态信息，在运动学层计算自主系统的虚拟控制速度；步骤3，根据虚拟控制速度，在动力学层采用干扰观测器估计干扰，通过鲁棒模型预测控制器计算自主系统的控制输入；步骤4，根据控制输入，在执行层采用推进器模型计算出推进系统的实际执行控制量。本发明能够解决具有不确定性的ASV‑AUV混合集群系统的协同控制问题，并提高系统控制的鲁棒性和稳定性。
-
公开(公告)号：CN119773803A
公开(公告)日：2025-04-08
申请号：CN202411825072.X
申请日：2024-12-12
Applicant: 湖南大学
Abstract: 本发明公开了一种基于SRL的智能网联汽车功能降级决策方法及系统，其包括：步骤1，采集环境信息及监测触发事件；步骤2，对步骤1监测到的触发事件的系统风险评估指标进行分级，根据实际的驾驶模式可以确定对应的汽车安全完整性等级，获得自车的系统风险；步骤3，根据步骤1采集到的环境信息，综合静态障碍物、动态障碍物及道路边界各自的风险场，利用行车风险场模型获得自车的行车风险；步骤4，通过CMDP模型描述智能网联汽车功能降级决策过程，以获取最优功能降级策略；其中，CMDP模型的状态空间S和代价函数均包括步骤2的系统风险以步骤3的行车风险。本发明能够现智能网联汽车在复杂多变的场景中高效、安全、稳定的功能降级决策。
-
公开(公告)号：CN119649328A
公开(公告)日：2025-03-18
申请号：CN202411702046.8
申请日：2024-11-26
Applicant: 湖南大学
IPC: G06V20/56 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本申请公开了一种基于成对图像数据生成与知识蒸馏的雨天目标检测方法，属于自动驾驶目标检测技术领域。该方法包括：获取道路场景真实图像和语义分割掩码；将语义分割掩码与天气条件文本信息输入到训练好的改进扩散模型，得到雨天条件下的道路场景生成图像；在目标检测模型中引入CoT模块与ODConv模块进行优化，然后采用动态加权聚合损失函数对目标检测模型进行改进，得到优化后的目标检测模型；进行知识蒸馏，得到雨天目标检测增强模型；使用雨天目标检测增强模型进行目标检测。本发明提供的方法在雨天场景中表现出色，具备良好的泛化能力，能够在各种复杂场景中提供更高精度的目标检测，有效提升了检测准确率和稳定性。
-
公开(公告)号：CN119166819A
公开(公告)日：2024-12-20
申请号：CN202411325876.3
申请日：2024-09-23
Applicant: 湖南大学
IPC: G06F16/35 , G06F16/33 , G06F40/284 , G06F40/12 , G06F40/30 , G06F18/23213 , G06N5/04 , G06N20/00
Abstract: 本发明公开了一种基于LLMs的事故触发源分析与ODC元素提取、分类方法及系统，其包括：将原始事故数据预处理后，得到待处理交通事故分析任务的事故数据，输入经由Prompt模块并通过FS技术引导学习后的LLMs，LLMs利用学习到的触发源提取方法对待处理的事故数据中的触发源进行提取，将提取出的触发源进行词向量化，构造触发源词向量空间；对触发源词向量空间中的触发源词向量进行聚类，使用搜索算法检索触发源文本嵌入数据库，找到与触发源词向量最接近的触发源文本，以从触发源词向量中提取出ODC元素三级分类，将ODC元素三级分类整理到国标文件的二级分类框架下，形成满足国标要求的ODC元素二级分类框架。本发明能有效提升关键ODC元素的提取效率，并能够提升元素分级分类的准确性和效率。
-
Patent Agency Ranking
公开(公告)号：CN118915744A
公开(公告)日：2024-11-08
申请号：CN202410970524.7
申请日：2024-07-19
Applicant: 湖南大学
Abstract: 本发明公开了一种分布式驱动转向智能车辆分层轨迹规划方法及系统，属于智能车辆技术领域，本方法首先分析分布式驱动转向车辆的运动学模型，获取非结构化场景相关参数；然后重新设计混合A*算法的代价函数与节点扩展方式，搜索出按模式切换点进行分段的粗略路径，并构造对应的初始轨迹；最后采用基于行车走廊的数值优化方法对初始轨迹进行优化，设计考虑轨迹平滑性、舒适性、安全性、高效性的目标函数与约束条件，构造轨迹优化最优控制问题，然后对轨迹优化最优控制问题进行求解得到最优轨迹。本发明可以实现分布式驱动转向智能车辆能够在狭窄拥堵、障碍物密集的复杂非结构化场景中生成连续、平滑、舒适、安全、高效的轨迹。
-
公开(公告)号：CN111574477B
公开(公告)日：2024-06-28
申请号：CN202010139172.2
申请日：2020-03-03
Applicant: 湖南大学
IPC: C07D295/192 , C07C231/10 , C07C233/65 , C07D307/68 , B01J27/24 , B01J27/14 , B01J23/50 , B01J23/46 , B01J23/52 , B01J23/42 , B01J23/72
Abstract: 本发明公开了一种酰胺类化合物的合成方法，将具有式(I)结构的苄醇与具有式(II)结构的胺类化合物以有机溶剂作为媒介，在光催化剂负载金属P‑C3N4存在的条件下经光催化反应制得具有式(III)结构的酰胺类化合物；该合成方法无需使用热源供热，避免了高温反应，操作简单，反应时间短，后处理简单，易于实现工业化生产。#imgabs0#
-
公开(公告)号：CN114926409B
公开(公告)日：2024-05-28
申请号：CN202210473746.9
申请日：2022-04-29
Applicant: 贵州航天云网科技有限公司 , 湖南大学
Abstract: 本发明涉及电子零器件计数设备技术领域，具体涉及一种智能工业元器件数据采集方法，包括以下步骤：S1、将元器件铺设在元器件托盘上，并对元器件托盘整体进行称重；S2、根据获取元器件托盘上元器件的第一计数数据；S3、在获取到总质量数据时，进行振动；S4、采集透光板上的阴影图像；S5、分析元器件托盘上的元器件是否重叠，若判断为重叠，则重复执行步骤S3和S4；S6、开启全部光源，采集元器件的平铺图像；S7、根据平铺图像和人群计数算法分析元器件托盘上元器件的第二计数数据；S8、将第一计数数据和第二计数数据进行比较，输出计数数据。本发明解决了现有人群计数算法直接运用于工业元器件计数中导致的计数误差较大的问题。
-
公开(公告)号：CN116633936A
公开(公告)日：2023-08-22
申请号：CN202310370158.7
申请日：2023-04-10
Applicant: 湖南大学
IPC: H04L67/1001 , H04L67/12 , H04L67/61 , G06F9/50 , G06N3/092
Abstract: 本发明公开了一种多智能体强化学习车联网计算卸载方法，包括以下步骤：步骤S1，构建系统模型；步骤S2，构建通信模型；步骤S3，构建任务与计算模型；步骤S4，构建能耗模型；步骤S5，构建优化模型并建立马尔可夫决策过程；步骤S6，使用MADDPG算法对优化模型进行神经网络训练；步骤S7，将完成训练的网络部署到各个智能体中。本发明通过将车联网系统中的服务车辆和MEC服务器也作为强化学习中的智能体进行资源分配的决策，并使用多智能体强化学习的方式让各智能体得到自己的策略网络，训练完成后，各智能体无需过多的通信就能够根据当前的局部信息快速输出自己的动作，能够应对快速变化的车联网环境，能够降低系统的能耗。
-
公开(公告)号：CN116161056A
公开(公告)日：2023-05-26
申请号：CN202310195520.1
申请日：2023-03-03
Applicant: 湖南大学
Abstract: 本申请公开了本申请提供了一种基于强化学习的结构化道路车辆轨迹规划方法，基于强化学习的轨迹规划方法，通过构建行车风险场，将风险指标纳入优化函数中，提高了轨迹规划的安全性；通过智能体进行初始轨迹的求解，提高了轨迹规划在时空域下的计算效率；通过轨迹优化模型，基于轨迹初始解，进行轨迹优化，保证了生成轨迹的最优性和可行性。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.029 seconds)
