-
公开(公告)号：CN103760907B
公开(公告)日：2016-05-04
申请号：CN201310744400.9
申请日：2013-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于布谷鸟搜索算法的水下潜器三维路径规划方法，属于水下潜器三维路径规划技术领域，具体包括：对水下潜器三维空间路径规划问题进行建模、初始化布谷鸟搜索算法、更新鸟窝位置、选出全局最优位置并判断终止条件、输出最优路径五个基本步骤。本发明基于布谷鸟搜索算法，提出一种基于布谷鸟搜索算法的水下潜器三维路径规划方法，很好地利用了布谷鸟搜索算法的简单高效性及全局搜索能力。相对于传统的水下潜器路径规划方法来说具有更好的智能性和适应性，相对于其他智能优化算法而言具有更好的灵活性、更易实现；路径规划过程在三维环境中进行，比二维环境下规划出的路径更具实用性，能够更好地满足水下潜器航行的需要。
-
公开(公告)号：CN103487052B
公开(公告)日：2016-05-04
申请号：CN201310424350.6
申请日：2013-09-17
Applicant: 哈尔滨工程大学
IPC: G01C21/08
Abstract: 本发明涉及一种基于磁传感器组合的飞行器姿态测量方法，其特征在于：步骤1：将三个磁传感器分别安装在载体坐标系的三个坐标轴上；步骤2：在假设偏航角ψ和横滚角γ给定的情况下，得到三个磁传感器上的输出与俯仰角σm的关系曲线图；步骤3：分析当Msy、Msz取得零点和极值点时，三个输出轴的姿态角关系式，结合步骤2得到的关系曲线图，得到Msy、Msz取得极值时的俯仰角度差值与偏航角ψ之间的关系曲线图；步骤4：根据Msy、Msz两者俯仰角取得极值的时间差获得其俯仰角差值，对照步骤3中得到的俯仰角度差值与偏航角ψ之间的关系曲线图，获得偏航角ψ；步骤5：根据偏航角ψ，结合步骤2得到的关系曲线图，获得俯仰角σm；根据步骤3得到的姿态角关系式，获得横滚角γ。
-
公开(公告)号：CN105513091A
公开(公告)日：2016-04-20
申请号：CN201510835168.9
申请日：2015-11-26
Applicant: 哈尔滨工程大学
IPC: G06T7/20
Abstract: 本发明属于运动状态估计领域，特别是一种基于双贝叶斯估计的水下运动体状态估计方法。建立水下运动体的运动状态估计模型：利用观测量解算出前一时刻水下运动体的速度大小及方向：利用下一时刻的观测信息更新贝叶斯估计参数：利用自适应贝叶斯运动估计方法，估计出水下运动体当前时刻的速度大小及方向；利用水下运动体当前时刻位置和自适应贝叶斯的估计结果，通过无迹贝叶斯运动估计方法，得到下一时刻的水下运动体位置。针对水下运动体运动情况复杂的特点，利用双贝叶斯估计的方法，该方法贴合水下运动体的运动模型，能够精确把握水下运动体运动状态。算法的估计精度高于单级运动状态估计方法。
-
公开(公告)号：CN103345443B
公开(公告)日：2016-04-20
申请号：CN201310246694.2
申请日：2013-06-20
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明公开了一种软件可靠性增长模型的移动点估计方法，包含以下几个步骤：步骤一、根据软件系统实际失效数据绘制质量控制图；步骤二、根据质量控制图和移动点判断准则，得到初始的移动点；步骤三、采用逐步调整法，得到移动点的准确位置；本发明提出了移动点判断准则，使移动点的初步判断更加准确，估计得到移动点数目准确，位置偏差小。本发明提出了新的移动点估计的方法，在使用质量控制图得到初始移动点数目和位置基础上，使用逐步调整法解决了移动点位置估计不准确的问题。
-
公开(公告)号：CN105203130A
公开(公告)日：2015-12-30
申请号：CN201510676672.9
申请日：2015-10-13
Applicant: 哈尔滨工程大学
IPC: G01C25/00
CPC classification number: G01C25/00
Abstract: 本发明公开了一种基于信息融合的船舶组合导航系统故障诊断方法。确定舰船组合导航系统的故障识别框架；利用多组传感器输出故障的基本概率赋值，作为诊断故障的证据；计算证据间的冲突系数，证据支持度、确定度、决策度，证据权重；根据证据权重对证据进行加权平均处理，得到加权平均证据；利用冲突系数，改进Dempster融合规则对加权平均证据进行融合，输出最终的融合结果；按照决策规则对最终的融合结果进行判断，输出诊断结果。本发明能够准确地度量证据间冲突，通过证据权重对证据进行加权平均处理，能够降低冲突证据对融合结果的影响，通过冲突系数改进融合规则，能够得到合理的融合结果。
-
Patent Agency Ranking
公开(公告)号：CN102800058B
公开(公告)日：2015-05-27
申请号：CN201210232034.4
申请日：2012-07-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基稀疏表示的遥感图像去云方法，具体涉及一种基于稀疏表示的遥感图像去云方法，包括：提取云掩膜矩阵得到新的图像、初始化迭代参数、固定图像的纹理部分更新图像的光滑部分、固定图像的光滑部分更新图像的纹理部分、使用全变差函数对光滑部分进行调整、更新迭代阈值、判断分解是否完成几个步骤。本发明提出一种基于稀疏表示的遥感图像去云方法，对图像的全变差调整函数的参数进行调整，即在使用块坐标松弛算法来分解图像时，通过改变全变差调整函数的参数来调节算法的收敛速度，提高算法的效率和对图像的分解效果。在尽可能不破坏图像原始信息的前提下，该方法去除厚云的效果比较明显。
-
公开(公告)号：CN102841385B
公开(公告)日：2015-02-25
申请号：CN201210237318.2
申请日：2012-07-10
Applicant: 哈尔滨工程大学
IPC: G01V3/40
Abstract: 本发明公开了一种基于多重分形克里金法的局部地磁图构建方法，包括步骤一：去除实测数据中的主磁场成分；步骤二：选定估值区域；步骤三：拟合高斯模型，计算估值区域内各控制点间以及各控制点与待插值点之间的半方差；步骤四：计算估值区域内各测点的权重系数；步骤五：利用多重分形理论推算待插值点邻域内的测度表达式；步骤六：建立待插值点在其小邻域内的多重分形克里金法插值方程；步骤七、采用交叉验证法验证插值的精度并构建地磁图。本发明充分考虑地磁异常场的空间相关性及其在待插值点邻域内的奇异特征，根据实测数据进行精确的插值，使得插值结果更加符合实际地磁异常场的空间变化趋势，为地磁导航构建高精度、高分辨率的局部地磁图。
-
公开(公告)号：CN104268841A
公开(公告)日：2015-01-07
申请号：CN201410528518.2
申请日：2014-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于压缩感知算法的红外图像预处理方法，包括以下步骤：对原始红外图像信息进行初步处理，得到处理后的图像信息；根据处理后的图像信息生成冗余字典；利用正交匹配算法对处理后的图像在冗余字典下进行稀疏表示，得到处理后的图像的稀疏矩阵；利用K-SVD算法对冗余字典和稀疏矩阵进行训练，得到训练后的冗余字典和稀疏矩阵；根据训练后的冗余字典和稀疏矩阵计算出最终的红外图像信号。本发明利用压缩感知算法对红外图像进行预处理，使处理后的红外图像信噪比大幅提高。
-
公开(公告)号：CN103761567A
公开(公告)日：2014-04-30
申请号：CN201410023610.3
申请日：2014-01-20
Applicant: 哈尔滨工程大学
IPC: G06N3/02
Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种采用状态估计研究思想，基于贝叶斯估计的小波神经网络权值初始化方法。本发明包括：建立小波神经网络模型；权值单位化；输入与小波神经元权值优化；输出层神经元权值优化。本发明将小波神经网络权值参数与网络结构、小波类型、输入数据和输出目标值联系起来，同时将状态估计的思想和理论引入到权值参数的初始设置中，强化了小波网络学习训练能力，使小波网络在初始化阶段就具有一定的针对性，从而提高了权值在后续网络学习训练的适应能力。与传统权值初始化方法相比，能够有效地提高学习效率，减小网络输出振荡幅度，加快算法收敛速度，同时能够避免出现不合适权值导致的网络输出发散的情况。
-
公开(公告)号：CN102136088B
公开(公告)日：2014-01-08
申请号：CN201110058362.2
申请日：2011-03-10
Applicant: 哈尔滨工程大学
IPC: G06N7/02
Abstract: 本发明提出一种基于模糊逻辑的同步定位与地图创建数据关联方法，涉及自主机器人技术领域。该方法在机器人获得传感器对环境特征的观测值时，首先获取特征观测和特征估计误差椭圆，得到两个误差椭圆圆心距离的归一化新息以及两个误差椭圆的重叠比例；然后将归一化新息和重叠比例以及关联变量进行模糊化，建立模糊推理机制，将模糊化的归一化新息和重叠比例作为输入，模糊化的关联变量作为输出，并构造模糊规则；最后对模糊化的输出进行逆模糊化处理，得到单一数值的关联变量，执行地图特征管理，剔除虚假特征和虚假观测。本发明方法具有更好的抗干扰能力和鲁棒性，加快了观测值和特征的关联，且容易实现，计算量小，适合于特征密集的环境。
-
-
-
-
-
-
-
-
-
Search Results
279
records
(took 0.051 seconds)
