一种应用于水下机器人的六自由度摇杆输入设备

    公开(公告)号:CN116834039A

    公开(公告)日:2023-10-03

    申请号:CN202310690029.6

    申请日:2023-06-12

    Applicant: 东南大学

    Abstract: 本发明公开了一种应用于水下机器人的六自由度摇杆输入设备,属于水下潜航器领域与机器人控制领域。本发明包括静平台、动平台、人体工程学手柄;所述动平台通过六自由度摇杆机构连接在所述静平台上方使得其相对于所述静平台能够实现X、Y、Z三轴平动与X、Y、Z三轴旋转共六个自由度的动作,所述人体工程学手柄通过手柄插座固定在所述动平台中心处。与常用的航模摇杆控制器相比,本发明可独立地控制六自由度水下机器人的X、Y、Z三轴平动与X、Y、Z三轴旋转共六个自由度,基于单片机、电磁编码器及相应的信号发射电路形成信号指令,具有优良的归中性,同时使用寿命长、稳定性好,可助力实现水下机器人便捷、直观的控制。

    一种用于自主目标跟踪的无人机控制方法

    公开(公告)号:CN112506210B

    公开(公告)日:2022-12-27

    申请号:CN202011402067.X

    申请日:2020-12-04

    Applicant: 东南大学

    Abstract: 本发明涉及一种用于自主目标跟踪的无人机控制方法,经过神经网络输出四维的动作后经过PID控制器转化成低级电机的动作,让无人机更稳定的飞行,后期改进可以将PID控制器改成其他更优化的控制方法。分层控制系统更容易将模拟环境中的训练策略轻松的转移到现实环境中运行。具有很好的泛化能力。在模拟环境中对采集上来的图像先进行CNN预训练,得到无人机和目标对象的相对距离,包括x,y,h三个维度的,本发明先保证无人机的飞行高度不变,后期可以增加空间障碍物,再考虑h。再将无人机的姿态考虑进来,选择策略,输出四维动作,通过PID输出给无人机的低级电机,通过DDPG的强化学习方法,获得Reward,更新策略,进行学习并训练。

    一种基于拓扑图的强化学习室内导航方法

    公开(公告)号:CN112484733B

    公开(公告)日:2022-10-25

    申请号:CN202011402063.1

    申请日:2020-12-04

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于拓扑图的强化学习室内导航方法,针对强化学习在导航任务中数据效率低,算法泛化性能差等问题,本发明结合了传统路径规划方法以及强化学习算法。通过对智能体的相对位置进行估计,进而依据关键位置对场景建立抽象的稀疏拓扑图,根据结点之间实际的物理距离定义连接关系,通过将传统路径规划算法与强化学习相结合的方式,形成了一种分层的导航策略,将长距离的导航问题分解为短期目标的导航问题,提升了在室内场景下的导航算法的学习效率以及泛化性能。

    基于多智能体网络状态值差异的分布式自适应调节算法

    公开(公告)号:CN109996294B

    公开(公告)日:2022-07-29

    申请号:CN201910222530.3

    申请日:2019-03-22

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于多智能体网络状态值差异的分布式自适应调节算法,该方法包括以下步骤:网络中每个节点按照IEEE802.15.4协议CSMA/CA机制竞争访问信道并发送数据;利用接收到数据按照一致性数学模型更新当前状态值;分析状态值之间的差异调节MAC层参数并自主决定调节的幅度来改变发送数据的概率;分析状态值是否达到一致,若未达到一致则继续调节BEmin和NBmax,否则令多智能体进入仅维持很少的数据发送率的低速发送状态;当有新的输入时网络再次进行参数调节直至再次达到一致。根据本发明的算法,不需要对原有协议进行修改,分布式的多智能体节点能够自适应地进行参数调节使各节点状态值以较低的能耗和较快的速度达到一致。

    一种基于深度强化学习的智能电热水器保温档负荷控制方法

    公开(公告)号:CN112510719B

    公开(公告)日:2022-06-21

    申请号:CN202011408553.2

    申请日:2020-12-05

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于深度强化学习的智能电热水器保温档负荷控制方法,包括以下步骤:采用LSTM网络利用过去48小时电价预测未来24小时电价;采用基于DQN的深度强化学习算法,将电力消耗和用户满意度同时作为好策略的衡量标准,并根据用户自身的需求调节二者所占比重。根据所预测的电价训练电热水器保温档负荷控制智能体学习得到使得奖励值最高的策略,使其在高电价时选择较低功率,低电价时选择较高功率,在尽可能保证用户满意度的同时节省更多电力消耗,以获得一个性能优良且适用性较高的电热水器负荷控制智能体。

    用于远程状态估计的传感器传输能量控制方法

    公开(公告)号:CN110366232B

    公开(公告)日:2022-02-11

    申请号:CN201910530141.7

    申请日:2019-06-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种用于远程状态估计的传感器传输能量控制方法,包括:获取信道历史数据;基于所述信道历史数据预测未来时刻信道质量;计算传感器最优状态估计;根据未来时刻信道质量和传感器最优状态估计确定最优传输能量级;将所述最优传输能量级用于传感器进行测量数据传输。采用上述方案,能够以较低的能量消耗,实现测量数据高速、完整的传输。

    一种基于估计偏差平均的四基站UWB平面定位算法

    公开(公告)号:CN112566021A

    公开(公告)日:2021-03-26

    申请号:CN202011396417.6

    申请日:2020-12-04

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于估计偏差平均的四基站UWB平面定位算法,其包括如下步骤:定位标签向四个基站轮询获取距离数据,检查距离数据的可靠性,计算出多组位置参数和位置参数关于距离数据的梯度的模值,根据梯度模值设置每组位置参数的权重,使最终估计结果表达式对每一个基站的距离数据的偏导相等,该方案抑制测量数据波动对最终定位效果的干扰,提升了定位的准确度。

    一种鲁棒的拜占庭容错分布式梯度下降算法

    公开(公告)号:CN111898763A

    公开(公告)日:2020-11-06

    申请号:CN202010496851.5

    申请日:2020-06-03

    Applicant: 东南大学

    Abstract: 本发明涉及一种鲁棒的拜占庭容错分布式梯度下降算法,该方法包括以下步骤:步骤1:对要训练的模型的结构以及超参数进行初始化;步骤2:参数服务器框架中的每个工作节点按照梯度下降法计算局部梯度并发送给参数服务器,步骤3:参数服务器在训练的开始阶段先采用multi-Krum聚合算法来聚合局部梯度,等到全局模型训练到有一定效果后,参数服务器再采用Acc-based聚合算法来聚合局部梯度;步骤4:参数服务器根据聚合梯度更新全局模型,并将全局模型发送至工作节点进行下一次的迭代,当训练迭代次数达到设定的阈值T时,停止训练。实验表明本发明的算法,当分布式机器学习受到多种拜占庭攻击时,系统学习到的模型都能取得很好的效果。

Patent Agency Ranking