-
公开(公告)号：CN109581872A
公开(公告)日：2019-04-05
申请号：CN201811490728.1
申请日：2018-12-06
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开一种基于差分进化算法的控制器结构和参数的优化设计方法，步骤一、规定控制器环节之间的连接方向，并将控制器结构表示为二进制的一维向量；步骤二、根据控制器的被控对象在运行中的约束条件，设置对控制器输出量的约束；步骤三、对控制器结构和控制器参数的优化求解采用双层优化策略，外层利用二进制几何差分进化算法对控制器结构的一维向量进行优化求解，内层利用JADE算法对控制器参数的一维向量进行优化求解，本发明方法在给定控制器组成环节和设计指标的前提下，可以针对给定被控对象，确定各个环节之间的互连关系以及各个环节的参数，得到满足期望性能指标的控制器的结构和参数。
-
公开(公告)号：CN109459026A
公开(公告)日：2019-03-12
申请号：CN201811324766.X
申请日：2018-11-08
Applicant: 北京理工大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明提供一种多运动体协同全覆盖路径规划方法，包括如下步骤：输入路径规划信息；对目标区域地图进行栅格化；随机生成初始种群：初始种群包含多个个体，每一个体由多个运动体的运动优先级、运动模式以及各运动模式下对应的行走步数共同确定，其中，运动体的不同运动模式是指其邻域的不同优先级排列顺序；设定运动体下一个路点采用双层选择策略：第一选择策略为栅格势能，第二选择策略为运动体的运动模式；设定评价指标为完成区域全覆盖任务的总时间；利用粒子群算法优化初始种群，并从中选择最优个体。本发明为多个运动体规划出能够快速遍历目标区域并保证较低的重复率的路径。
-
公开(公告)号：CN109084801A
公开(公告)日：2018-12-25
申请号：CN201811182099.6
申请日：2018-10-10
Applicant: 北京理工大学
IPC: G01C21/34
CPC classification number: G01C21/3415 , G01C21/3446
Abstract: 本发明公开了一种基于空间压缩的多站接力导航下运动体路径规划方法，采用角度编码方式对中间路点进行编码，可用局部极坐标系下的极角坐标(一个变量)代替二维平面坐标(两个变量)唯一表示交接区域边界上任意点的位置，可显著降低问题维度和计算量；根据导航交接约束阈值与导航站位置及有效作用半径之间的几何关系，压缩路点极角坐标的取值范围，在运行路径规划算法之前直接剔除了部分违反导航交接约束的不可行解，缩小了路径的规划空间，有利于路径规划算法更快找到高质量的可行解。
-
公开(公告)号：CN106325284A
公开(公告)日：2017-01-11
申请号：CN201610963236.4
申请日：2016-11-04
Applicant: 北京理工大学
IPC: G05D1/02
CPC classification number: G05D1/0217 , G05D2201/0217
Abstract: 本发明公开了一种面向人机协作搜索识别多目标任务的机器人运动规划方法，在任务集合变化时，进行是否超过最大工作负荷的判断，而非采用一个固定的间隔时间，从而减少不必要的等待时间，提高效率；在判断是否超过最大工作负荷时，根据移动机器人自己规划的到达疑似目标观测点的时间，进行是否超工作负荷的判断，判断方式十分简单，有效；本发明在对移动机器人重新规划路径时，需要用到操作员完成目标识别的时间，然而操作员完成目标识别任务的时间是不确定的，故本发明将操作员的目标识别任务完成时间建立为随机模型，提前建立操作员的目标识别任务完成时间的概率分布函数，从而保证路径规划的合理性。
-
公开(公告)号：CN115079699B
公开(公告)日：2025-01-17
申请号：CN202210772428.2
申请日：2022-06-30
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于模型预测控制的人机共驾汽车的运动规划方法，属于自动驾驶的运动规划技术领域，具体说是一种基于模型预测控制的适用于多车道场景的人机共驾汽车的运动规划方法。本发明的方法中构建基于模型预测控制的运动规划问题时，构建带有约束的优化问题，用来计算未来设定时间段内的轨迹，基于改进的MPCC方法，首先，代价函数考虑：跟踪推荐路径的代价、舒适度代价、推荐速度的代价、人类输入的代价；其次是线性约束，考虑输入的约束，汽车状态的约束；最后是非线性约束，包括：与左右边界的避碰约束、侧翻约束、与其他车的碰撞约束。
-
Patent Agency Ranking
公开(公告)号：CN113741513B
公开(公告)日：2025-01-10
申请号：CN202110973221.7
申请日：2021-08-24
Applicant: 北京理工大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种隐式通信条件下多无人机对地搜索任务编队队形优化方法。本发明以UAV间的相对位置关系为决策变量，以拓扑性能指标和任务效率指标为目标函数，以目标区域大小、信息传递链路的连通性、传感器视野范围等为约束，建立了队形结构优化问题模型，并应用多目标优化算法进行求解，最终可得到UAV编队在搜索地面目标任务中的期望队形。本发明同时考虑了搜索任务效率和拓扑结构性能，适用于不同规模UAV编队执行对地搜索任务的情形。
-
公开(公告)号：CN113935610B
公开(公告)日：2024-11-26
申请号：CN202111175163.X
申请日：2021-10-09
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/006 , G06N3/126
Abstract: 本发明公开了一种柔性制造系统的多机器人联合调度方法，能够动态调节遗传算法的关键参数，控制遗传算法的迭代搜索过程，从而提高算法的求解效率，实现车间的高效联合调度。采用机器序列、工序序列和AGV序列相匹配的三层编码方式；首先进行算法初始化，计算当前种群中所有个体的适应值，记录目前已搜索到的最佳个体；计算当前代种群的状态数据，与上一代状态数据比较得到回报值R，更新Q‑Table，对当前代状态数据进行离散化；根据离散状态值、Q‑Table行元素和ε‑greedy策略选择动作值a，执行对应的遗传算法参数调整动作；根据调整后的参数执行遗传算法的选择算子、交叉算子和变异算子，形成新的种群；若种群迭代达到最大迭代次数则输出最佳个体及适应度值。
-
公开(公告)号：CN118338412A
公开(公告)日：2024-07-12
申请号：CN202410410317.6
申请日：2024-04-07
Applicant: 北京理工大学
Abstract: 本发明提供一种基于信标定位的多无人机室内搜索方法，定位无人机根据部署方案中的预部署位置进行悬停，为搜索无人机提供定位信号并建立定位区域；然后再利用各搜索无人机对该定位区域内进行搜索；搜索无人机在完成搜索任务后，根据无人机的当前位置情况和剩余的待搜索区域情况重新生成下一个信标预部署方案，各无人机在下一个信标预部署方案中直接进行角色转换，切换为定位无人机或者切换为搜索无人机，以此循环对室内全部区域完成搜索；由此可见，通过无人机之间的角色转换，可以有效减少无人机数量需求，不仅提高了无人机搜索效率，而且减少了信标资源浪费。
-
公开(公告)号：CN113655811B
公开(公告)日：2024-05-07
申请号：CN202110984261.1
申请日：2021-08-25
Applicant: 北京理工大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明提供了一种隐式通信下无人机协同跟踪地面目标的期望队形获得方法，能够将几何结构与拓扑结构结合起来进行分析，得到的目标队形信息能够很好的满足预期。本发明无人机期望队形的获得方法，将几何结构与拓扑结构结合起来进行分析，得到准确的目标队形信息。具体地，针对无人机编队对地面目标的跟踪任务，考虑传感器的有限探测范围及无人机间的最短距离(防止碰撞)等约束，以无人机间的欧式距离及相对视线角度为决策变量，以使编队的拓扑结构抗毁性和跟踪任务稳定性(由几何结构决定)最大为目标函数，建立队形优化问题，应用优化问题求解算法得到期望队形。
-
公开(公告)号：CN117215275A
公开(公告)日：2023-12-12
申请号：CN202311477049.1
申请日：2023-11-08
Applicant: 北京理工大学
IPC: G05B19/418
Abstract: 本发明涉及生产调度技术领域，具体涉及一种基于遗传编程的柔性车间大规模动态双效调度方法。本发明在遗传编程实现过程中，除了工序的加工时间、缓冲区等待时间等与工件、机器和AGV相关的特征，终端集还加入了加工时间与转运时间的占比、加工能耗与转运能耗的占比的特征，能够将车间环境特征更全面地应用到调度规则设计中，从而自动地设计更契合和精准的调度规则。在加工过程和搬运过程的强耦合的情况下，将路由规则、机器调度规则和AGV任务分配规则同时进化得到双效调度规则，克服了收敛速度慢，难以快速相应变化，调度规则不适配的缺点，能快速产生更高效、节能的排产方案。
-
-
-
-
-
-
-
-
-
Search Results
130
records
(took 0.03 seconds)
