-
公开(公告)号：CN116360307A
公开(公告)日：2023-06-30
申请号：CN202310211231.6
申请日：2023-03-07
Applicant: 南通大学
IPC: G05B19/042
Abstract: 本发明提供了一种考虑输入饱和补偿的精馏过程抗扰控制方法，属于化工精馏过程节能控制技术领域。解决了现有的精馏过程控制技术由于未考虑输入饱和而导致精馏塔内的各状态出现较大的波动且恢复时间长的问题。其技术方案为：控制方法包括一个带有积分结构的饱和补偿环节和一个带有选择增益的自抗扰控制器，其中，饱和补偿环节通过控制器输出与执行机构之间的差值进行控制量补偿。本发明的有益效果为：该控制方法在系统存在输入饱和的情况下，有效降低控制量进入饱和的可能性，从而降低系统超调，能够使精馏过程在受到扰动影响下快速恢复稳定。
-
公开(公告)号：CN115877717A
公开(公告)日：2023-03-31
申请号：CN202211673317.2
申请日：2022-12-26
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于自抗扰控制的飞行器容错控制结构与控制方法，属于飞行器容错控制技术领域。解决了四旋翼无人飞行器由于执行机构故障和传感器测量噪声导致的飞行不稳定或飞行事故的问题。其技术方案为：控制结构包括带执行机构故障描述的动力学模型、改进卡尔曼滤波模型、观测模型以及总控制模型；控制方法为：通过设计改进卡尔曼滤波模型用作预滤波级，实现在测量噪声环境下对执行机构故障系数以及飞行状态的估计。本发明的有益效果为：在有测量噪声情况下保证四旋翼无人飞行器能够快速准确地估计故障系数和实现容错控制，确保飞行任务安全和稳定。
-
公开(公告)号：CN115577622A
公开(公告)日：2023-01-06
申请号：CN202211183329.7
申请日：2022-09-27
Applicant: 南通大学
IPC: G06F30/27 , G06N3/12 , G06F119/08
Abstract: 本发明提供了一种地埋管换热器模型的多种群自适应差分进化参数辨识方法，其特征在于，属于地埋管换热器参数辨识技术领域。解决了传统建模方法过于依赖地埋管换热器的内部机理致使其模型结构过于复杂、辨识参数量大、辨识过程中需要考虑岩土热物性和季节性变化等不稳定因素的问题。其技术方案为：包括以下步骤：步骤1)建立地埋管换热器的Wiener‑Hammerstein模型用来描述其输入输出关系；步骤2)构建多种群自适应差分进化算法的辨识过程。本发明的有益效果为：本发明的算法有着较好的辨识精度和收敛速度，能很好地适用于地埋管换热器传热过程的参数辨识。
-
公开(公告)号：CN114510078B
公开(公告)日：2022-12-09
申请号：CN202210144676.2
申请日：2022-02-16
Applicant: 南通大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于深度强化学习的无人机机动规避决策方法，属于无人机技术领域；其技术方案为：包括以下步骤：S1、依据无人机机载传感器系统获取敌我态势信息；S2、构建无人机机动规避决策深度强化学习模型结构；S3、构建层次目标导向学习模型结构；S4、依据交互训练完成无人机机动规避决策方法学习；S5、无人机机动规避决策方法部署应用。本发明的有益效果为：本发明能够赋予无人机由浅向深的学习能力，能够令无人机自主完成机动规避决策，提高无人机在战场上的生存能力。
-
公开(公告)号：CN114239392A
公开(公告)日：2022-03-25
申请号：CN202111503559.2
申请日：2021-12-09
Applicant: 南通大学
Abstract: 本申请公开了一种无人机决策模型训练方法、使用方法、设备及介质，训练方法包括：获取第一无人机的第一态势信息与第二无人机的第二态势信息；根据第一态势信息与第二态势信息生成第一融合信息并输入待训练模型的评估层网络，评估层网络基于第一策略生成分值期望，待训练模型的决策层网络根据分值期望生成第二策略并基于第二策略生成第一动作指令；向第一无人机发送第一动作指令，并获取第一无人机的第三态势信息与第二无人机的第四态势信息；将根据第三态势信息与第四态势信息生成的第二融合信息输入评估层网络以更新第一策略，直至待训练模型训练完成，得到无人机决策模型，通过该模型提升无人机的适应能力、实现无人机决策的自主化与智能化。
-
Patent Agency Ranking
公开(公告)号：CN119647232A
公开(公告)日：2025-03-18
申请号：CN202311603757.5
申请日：2023-11-28
Applicant: 南通大学
Abstract: 本发明提供了一种基于PSO‑ADAM算法的分数阶水箱液位辨识方法，属于电子设备系统辨识技术领域，解决了ADAM算法收敛速度慢且辨识精度不高的技术问题。其技术方案为：包括以下步骤：步骤1)建立分数阶水箱液位系统CARMA非线性模型；步骤2)构建PSO‑ADAM算法的辨识流程。本发明的有益效果为：本发明提出的PSO‑ADAM算法有较快的收敛速度和较高的收敛精度，能较好地适用于对分数阶水箱液位系统的建模和参数辨识。
-
公开(公告)号：CN119440057A
公开(公告)日：2025-02-14
申请号：CN202411572934.2
申请日：2024-11-06
Applicant: 南通大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明提供了一种基于分层深度强化学习框架的无人机空战目标追踪方法，属于无人机空战对抗技术领域，解决了在未知环境下己方无人机对敌方无人机难以快速、合理分配目标并实施追踪的技术问题。其技术方案为：包括以下步骤：S1：建立无人机相对运动模型，为后续追踪不同目标提供位置信息；S2：设计约束模型以及奖励函数；S3：利用上层控制器分配追踪目标；S4：基于下层控制器控制己方无人机对敌方无人机进行追踪。本发明的有益效果为：本发明实现为己方无人机较为快速合理地分配目标无人机，并给出追踪的不确定性，增强模型的鲁棒性。
-
公开(公告)号：CN119205906A
公开(公告)日：2024-12-27
申请号：CN202411197212.3
申请日：2024-08-29
Applicant: 南通大学
IPC: G06T7/73 , G06V20/17 , G06N3/0464 , G06V10/82
Abstract: 本发明提供一种基于贝叶斯深度学习的海上停机平台动态位置预测方法，涉及无人机动态预测海上停机平台动态位置技术领域，解决了无人机在复杂环境下动态预测海上停机平台位置的技术问题，其技术方案为：包括以下步骤：S1、建立海上无人机停机平台图像数据集；S2建立基于贝叶斯深度学习的海上停机平台动态位置预测模型；S3、获取海上停机平台动态位置预测模型；S4、获取海上停机平台相对于无人机的位置及不确定性。本发明的有益效果为：本发明解决了无人机在海面上降落过程中高度、位置、角度、海风、海浪、抖动等因素的影响，实现对海上停机平台动态位置较为准确的预测，并给出预测的不确定性，提高模型的鲁棒性。
-
公开(公告)号：CN118466201B
公开(公告)日：2024-12-03
申请号：CN202410569006.4
申请日：2024-05-09
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了一种基于深度强化学习的水下机器人机械臂抗扰控制方法，属于机器人控制技术领域。解决了现有的水下机器人机械臂系统在复杂水下环境中船体及机械臂轨迹跟踪和抗水流扰动精度低的技术问题。其技术方案为：包括以下步骤：S1、建立水下机器人机械臂系统的控制模型；S2、设计扩张状态观测器进行实时估计补偿系统的不确定性和外部扰动；S3、设计有限时间控制器以实现快速且精确的状态跟踪；S4、利用深度强化学习算法调整控制参数，以响应环境变化。本发明的有益效果为：在多变和复杂的水下作业环境下，通过深度强化学习算法使水下机器人机械臂系统高效、鲁棒、自适应地完成作业任务。
-
公开(公告)号：CN116673952A
公开(公告)日：2023-09-01
申请号：CN202310675143.1
申请日：2023-06-06
Applicant: 南通大学
Abstract: 本发明提供了一种水下机械臂扩张预测控制器参数自动设计方法，属于串联机械臂控制技术领域，解决了水下机械臂扩张预测控制器参数整定困难而导致控制效果较差的问题。其技术方案为：首先建立水下机械臂的动力学模型，针对系统设计扩张预测控制器，再选取水下机械臂扩张预测控制器中需要整定的参数，最后引入改进的灰狼算法搜索所需参数的最优结果，传入水下机械臂扩张预测控制器，得到比较理想的控制效果。本发明的有益效果为：省去了扩张预测控制器繁琐的调参环节，实现控制器参数的自动设计，节约时间并且搜索得到的参数更加精确可靠。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.024 seconds)
