-
公开(公告)号：CN108846400A
公开(公告)日：2018-11-20
申请号：CN201810524293.1
申请日：2018-05-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于梯度分析的海水温度场采样方法，包括步骤：计算海水温度场中每个数据点的梯度大小，得到梯度空间分布，对梯度空间分布进行聚类分块操作，根据梯度分布特征计算每个聚类块的采样率，对聚类块内随机采样后，利用重构算法重构海水温度场分布。本发明对梯度具有显著变化的区域进行加密采样，提高了对海水温度场的重构精度。
-
公开(公告)号：CN108563119A
公开(公告)日：2018-09-21
申请号：CN201810254250.6
申请日：2018-03-26
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于模糊支持向量机算法的无人艇运动控制方法，属于运动控制技术领域，首先采集无人艇航行的数据和外部环境数据，划分为训练数据和测试数据进行预处理，对预处理结果查找分隔阈值。然后判断训练数据量是否大于等于阈值，如果是，对训练数据采用粒子群算法，否则采用网格搜索算法，得到最优配置参数进行验证和简化。输入预处理后的测试数据，若其线性可分，带入模糊支持向量机得到最优决策面；若线性不可分，将数据映射到高维空间，然后训练得到最优决策面。将船体的环境干扰力数据划分为训练数据和测试数据，得到最优模糊支持向量机的输出补偿到运动环境中。本发明提高无人艇运动效果，有效减少由于环境干扰所产生的偏差。
-
公开(公告)号：CN108508442A
公开(公告)日：2018-09-07
申请号：CN201810216530.8
申请日：2018-03-16
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于地基多通道微波辐射计的大气温湿廓线反演方法，属于气象探测技术领域。所述方法选择22通道微波辐射计，首先获取微波辐射计数据；利用辐射传输模型计算出历史探空廓线数据对应的模拟亮温数据，并据此对建立的用于反演大气温湿廓线的BP神经网络进行训练；用训练好的BP神经网络来反演大气温湿廓线。本发明提供的BP神经网络的模型简单，原理易懂，能够以足够的精度反演大气温度、相对湿度、水汽密度廓线，比其他反演算法更为简单易行，具有通用性；本发明针对两种不同的天气状况进行分类，对不同的天气训练各自的网络，进而更高地提升反演精度，符合实际问题的需要。
-
公开(公告)号：CN105981025B
公开(公告)日：2018-06-08
申请号：CN201480075394.5
申请日：2014-12-01
Applicant: 哈尔滨工程大学
IPC: G06F19/00
CPC classification number: H03H17/0282 , G06F17/50 , H03H17/0202 , H03H2017/021
Abstract: 本发明提供的是一种基于序列递归滤波三维变分的实测海洋环境数据同化方法。包括对海洋环境实测数据进行预处理；计算目标函数值；计算目标函数的梯度值；计算目标函数的极小值；提取实测数据中的空间多尺度信息；更新背景场数据，形成最终的数据同化分析场。本发明对传统的递归滤波三维变分方法进行了改进，依次对不同尺度的信息进行同化，有效地克服了传统三维变分方法无法有效提取多尺度信息的问题；采用高阶递归高斯滤波器，并将高阶递归滤波器的级联形式转化为并联结构，使得递归高斯滤波的递归滤波过程可并行执行，克服了级联的滤波器带来的诸多问题。
-
公开(公告)号：CN105046046B
公开(公告)日：2017-11-21
申请号：CN201510312198.1
申请日：2015-06-09
IPC: G06F19/00
Abstract: 本发明属于实测海洋环境数据同化领域，具体涉及一种集合卡尔曼滤波局地化方法。本发明包括：对大气海洋环境实测数据进行预处理；对每个观测资料，计算观测资料处的先验观测集合成员；计算观测的先验集合平均和方差；计算集合平均的观测增量；计算各个集合扰动的观测增量；将集合平均的观测增量投影到模式状态的集合平均上；将各个集合扰动的观测增量投影到模式状态的相应集合扰动上；获得集合成员分析场。本发明对集合卡尔曼滤波中的传统局地化方法进行了改进，有效地考虑了集合平均和集合扰动所代表的不同空间尺度，显著提高了集合卡尔曼滤波的同化精度。
-
Patent Agency Ranking
公开(公告)号：CN104135368B
公开(公告)日：2017-10-03
申请号：CN201410234812.2
申请日：2014-05-30
Applicant: 哈尔滨工程大学
IPC: H04L9/32
Abstract: 本发明涉及一种电子海图的数据保护方法，策略管理者SA向设备制造商OEM签发OEM数字证书和颁发身份标识M_ID；设备制造商OEM和数据服务商DS之间的建立连接，数据服务方DS获得设备制造商OEM的公钥M_PKEY,获得数据服务方DS的公钥；设备制造商OEM为数据客户端颁发硬件标示符HW_ID，并制作用户许可证；数据客户端将用户许可证通过数据服务方DS的公钥进行加密后递交数据服务方DS；数据服务方DS利用自己的私钥解密用户许可证，根据获得的M_ID查找对应的设备制造商OEM的公钥M_PKEY，用公钥M_PKEY解密用户许可证中硬件标识符HW_ID部分，从而得到数据客户端的硬件标识符HW_ID，通过硬件标识符HW_ID加密单元密钥，为数据客户端生成单元许可，从而向数据客户端提供电子海图数据服务。
-
公开(公告)号：CN104268625B
公开(公告)日：2017-06-20
申请号：CN201410525535.0
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海洋环境信息的自主式水下潜器航迹预测方法。实时采集AUV当前的航迹数据，将AUV当前的航迹数据输入到AUV航迹预测模型进行预测，得到AUV的预测航迹。AUV航迹预测模型进行预测的建立过程为：形成AUV航迹预测模型的训练样本；对输入数据主成分分析，得到简化的输入数据；确定计算参数，建立BP神经网络的AUV航迹预测模型；对得到的简化的输入数据进行BP神经网络训练，得到AUV航迹预测模型各层的权值和阈值。本发明将实测的AUV位置数据与海洋环境数据共同作为航迹预测模型的输入，使数据更加完善，从而提高航迹预测精度。
-
公开(公告)号：CN103577607B
公开(公告)日：2017-06-20
申请号：CN201310585653.6
申请日：2013-11-20
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明属于地磁导航领域，特别涉及一种基于地磁异常数据形态特征的边界补偿方法。基于地磁异常数据形态特征的边界补偿方法，包括：对实测地磁异常数据进行规则网格化处理；平移地磁异常网格数据集，使均值为零；对平移后的零均值网格数据集进行二维经验模态分解；对二维经验模态分解结果进行形态特征提取；分割数据块单元，实时消除相邻单元的特征相似性冗余；消除所有数据块单元间的特征相似性冗余；构建多层级地磁异常数据边界补偿数据库；对待分析地磁异常数据进行边界补偿。本发明能够有效的改善区域地磁异常数据分析中的边界效应问题，相比与其他方法有更好的适用性和使用上的便捷性。
-
公开(公告)号：CN106556412A
公开(公告)日：2017-04-05
申请号：CN201610940748.9
申请日：2016-11-01
Applicant: 哈尔滨工程大学
CPC classification number: G01C22/00 , G06K9/46 , G06T7/20 , G06T2207/10024 , G06T2207/10028
Abstract: 本发明属于移动机器人自主定位领域，特别涉及一种室内环境下考虑地面约束的RGB‑D视觉里程计方法。本发明包括：(1)室内场景中，利用搭载在移动平台的RGB‑D相机在移动过程中采集环境中的彩色图像信息和深度图像信息；相邻帧图像分别记为Is和It；(2)根据深度图像信息通过逆投影函数π‑1求解获得环境的三维点云数据Vs和Vt；(3)ORB特征提取与匹配：采用ORB算法实现RGB‑D图像特征点的提取与匹配。本发明采用ORB算法完成特征提取与匹配的图像预处理过程，较SIFT和SURF算法，快速性提高一个数量级；利用深度图像检测获取点云地面并利用地面信息增强点集对齐，提高运动变换的估计精度。
-
公开(公告)号：CN104050508B
公开(公告)日：2017-02-22
申请号：CN201410293347.X
申请日：2014-06-25
Applicant: 哈尔滨工程大学
IPC: G06N3/08
Abstract: 本发明公开了一种基于KLMS的自适应小波核神经网络跟踪控制方法。包括以下几个步骤：初始化小波核神经网络；将预定值和由控制对象输出的实际观测值进行比较，得到误差信号，输入给小波核神经网络，求解代价函数；调节隐含层——输出层权值的自适应学习率，更新隐含层——输出层权值；调节输入层——隐含层权值的自适应学习率，更新输入层——隐含层权值；更新小波核函数的收缩因子；求解隐含层的诱导局部域及输出；求解输出层的诱导局部域及输出，将输出作为控制信号输送给控制对象的执行机构。本发明减少了迭代过程中的记忆内存和计算复杂度，并提高了控制系统的准确性和快速性。
-
-
-
-
-
-
-
-
-
Search Results
279
records
(took 0.062 seconds)
