基于改进PID的水下机器人悬停控制方法、设备、介质

    公开(公告)号:CN118192206A

    公开(公告)日:2024-06-14

    申请号:CN202410406937.2

    申请日:2024-04-07

    Applicant: 海南大学

    Abstract: 本发明涉及一种基于改进PID的水下机器人悬停控制方法、设备、介质,方法包括如下步骤:在计及水下机器人的质量附加效应、水动力阻尼、科氏力‑向心力和流体静力学恢复力的前提下,构建水下机器人在惯性坐标系和体坐标系下的动力学和运动学模型;构建计及期望闭环带宽、相位超前补偿和比例增益的改进PID控制器,并整定得到期望闭环带宽和比例增益的值;基于所述动力学和运动学模型进行仿真,根据控制性能指标调节相位超前补偿的参数值,完成改进PID控制器的参数整定;基于参数整定后的改进PID控制器实现水下机器人悬停。与现有技术相比,本发明能够提高水下机器人悬停的稳定性和鲁棒性,具有建模更加贴近实际等优点。

    基于HMM和混沌模型的DDoS攻击检测方法

    公开(公告)号:CN108900556B

    公开(公告)日:2021-02-02

    申请号:CN201810972690.5

    申请日:2018-08-24

    Applicant: 海南大学

    Abstract: 本发明实施例提供一种基于HMM和混沌模型的DDoS攻击检测方法,包括:采集网络流量信息作为HMM训练集;计算得到网络流量加权特征观测序列和网络流平均速率序列;根据HMM训练集,计算HMM的最佳隐层状态数N;采用层次聚类算法将所述HMM训练集分为N类,得到隐层状态序列;利用所述网络流量加权特征观测序列和所述隐层状态序列,对HMM进行监督学习,得到状态转移矩阵和混淆矩阵;根据所述状态转移矩阵和所述混淆矩阵,计算后续的网络流量加权特征,得到后续网络流量加权特征预测序列;通过混沌模型计算所述后续网络流量加权特征预测序列的预测误差序列;通过所述预测误差序列和所述网络流平均速率序列来识别DDoS攻击。

    一种DDoS特征提取方法及装置

    公开(公告)号:CN110351303A

    公开(公告)日:2019-10-18

    申请号:CN201910688231.9

    申请日:2019-07-29

    Applicant: 海南大学

    Abstract: 本发明公开了一种DDoS特征提取方法,所述方法包括:在预设时间段内对网络数据流进行采样,并计算所述网络数据流的每个属性的种类,构成训练集;基于所述训练集通过无监督训练方法训练深度信念网络,并基于所述训练集通过有监督训练方法训练前馈神经网络,其中,所述深度信念网络具有瓶颈层;基于所述前馈神经网络调整所述深度信念网络的权重和偏差,生成特征提取模型,以通过所述特征提取模型提取DDoS特征。采用本发明可以有效提高提取的DDoS特征的稳定性和准确性。

Patent Agency Ranking