-
公开(公告)号：CN116974199A
公开(公告)日：2023-10-31
申请号：CN202310969774.4
申请日：2023-08-02
Applicant: 北京理工大学重庆创新中心
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络和扰动观测的离散增量滑模四旋翼控制方法，属于四旋翼无人机领域，包括步骤：S1，考虑飞行器不确定性因素建立六自由度的四旋翼无人机模型；S2，设计扰动观测器并对阵风条件下的风力进行建模，设计基于扰动观测器和神经网络的风力在线预测器；S3，设计基于神经网络的传感器误差、时延的故障问题解决方案；S4，分别在姿态回路和位置回路设计离散增量滑模容错控制器。本发明具有鲁棒性强、容错性高和高精度控制的优点。
-
公开(公告)号：CN114498818A
公开(公告)日：2022-05-13
申请号：CN202111624847.3
申请日：2021-12-28
Applicant: 北京理工大学
Abstract: 本发明提出了一种用于长续航无人机的电源管理系统，能够实现自主均衡控制，并且确保电源管理系统实际输出电压和/或电流恒定不变。本发明电源管理系统包括电源输入模块、电源变送模块、电源输出模块以及电源检测与控制模块，其中所述电源变送模块包括一级变送单元和二级变送单元，在确保电源管理系统实际输出电压和/或电流恒定不变的前提下自主均衡各电池组的放电量，输出恒定电流和/或电压到二级变送单元，避免电量较低的电池组因过度放电而造成损坏，提高电池组的使用效率，延长了各电池组的使用寿命，同时最大程度上提高无人机的有效续航飞行时间。
-
-
公开(公告)号：CN120044982A
公开(公告)日：2025-05-27
申请号：CN202510169736.X
申请日：2025-02-17
Applicant: 北京理工大学
IPC: G05D1/695
Abstract: 本公开提供了一种强化学习驱动的空地无人集群系统协同编队控制方法。建立针对空地无人集群系统的动态模型；构建分布式预定义时间观测器来估计虚拟领导者状态，为协同编队跟踪控制提供的状态参考；重构增广空地无人集群系统的动力学模型，进而构建控制增益矩阵。将分段恒定初始激励应用于增广系统并收集存储其前期运行的状态数据，然后根据空地无人系统前期的运行数据，利用数据驱动方法获得初始稳定控制策略，最后基于离线策略强化学习算法和基于数据的初始稳定控制策略，学习最优编队跟踪控制器，实现空地无人系统的最优编队跟踪控制。本发明能够在系统模型未知情况下，根据复杂任务需求实现空地无人集群系统的最优时变编队跟踪控制。
-
-
Patent Agency Ranking
公开(公告)号：CN119002289A
公开(公告)日：2024-11-22
申请号：CN202411475752.3
申请日：2024-10-22
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了弱信息交互下异构无人集群系统自适应协同控制方法，涉及无人集群系统技术领域。预先建立包括领导者和若干跟随者各自的动力学模型的异构无人集群系统模型，并基于跟随者状态和局部误差设计协同控制方法；针对每一跟随者，在非触发时段，通过开环估计器估计跟随者状态，得到状态估计误差和局部估计误差，在状态估计误差和局部估计误差满足事件触发条件时，触发数据传输；基于跟随者状态、局部跟踪误差、局部估计误差设计自适应律，根据自适应律动态调整控制器的反馈增益和耦合增益。本发明通过事件触发机制实现协同控制和离散通信，并且采用自适应控制方法在线调整反馈和耦合增益，有效应对系统参数的实时变化。
-
公开(公告)号：CN118863099A
公开(公告)日：2024-10-29
申请号：CN202411340664.2
申请日：2024-09-25
Applicant: 北京理工大学
IPC: G06N20/00
Abstract: 本申请公开了基于梯度方差减小和数据重排的模型训练方法，涉及计算机技术领域，方法包括：获取待训练模型对应的初始的模型参数及样本序列；在迭代周期开始时，对样本序列进行重排；在当前迭代周期，确定样本序列中样本在当前迭代周期开始时的样本平均梯度；依次选取目标样本，确定目标样本在当前模型参数下的样本当前梯度，根据样本平均梯度调整样本当前梯度获得样本调整梯度，根据样本调整梯度更新模型参数；若样本遍历完毕，则进入下一个迭代周期并返回执行对样本序列进行重排的步骤，直至满足预设的训练终止条件并获得训练完成时的模型参数。如此，能提高模型训练的收敛速度、训练速率和训练效果。
-
公开(公告)号：CN118672180A
公开(公告)日：2024-09-20
申请号：CN202410713993.0
申请日：2024-06-04
Applicant: 北京理工大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于采样数据学习的智能无人系统控制方法。本发明通过积分器将智能无人系统模型转换成一个等价的数据模型，进而利用智能无人系统的状态x(t)以及控制输入u(t)的采样数据设计智能无人系统控制器，实现智能无人系统的镇定控制。本发明可以在智能无人系统数学模型未知的情况下，仅使用智能无人系统的采样数据信息来学习一个控制输入，无需占用大量额外的存储资源去存储历史数据；同时，本发明也不需要数据矩阵列满秩和持续激励的限制条件，计算量小且快速收敛，易于实现。
-
公开(公告)号：CN118068698A
公开(公告)日：2024-05-24
申请号：CN202410031096.1
申请日：2024-01-09
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了人在回路的强化学习集群无人系统协同跟踪控制方法，该方法涉及集群无人系统技术领域，方法能够实现异构多无人系统的编队控制目标，本发明的技术方案为：步骤一：在同构集群无人系统中，构建无人系统的动力学模型。步骤二：设计强化学习的控制器以及对应的代价函数，用于实现最优轨迹跟踪。步骤三：在无模型强化学习算法下，设计无需初始镇定学习策略寻找最优控制策略实现最优协同跟踪控制。本发明所提出的无模型控制方法可以克服系统模型不确定、无需初始镇定控制策略以及实现最优协同跟踪的需求。
-
公开(公告)号：CN116996880A
公开(公告)日：2023-11-03
申请号：CN202310866441.9
申请日：2023-07-14
Applicant: 北京理工大学
Abstract: 本发明公开了拒绝服务攻击下无人系统的自适应事件触发协同控制方法，涉及无人集群系统技术领域，首先，建立无人集群系统模型，所述无人集群系统由1个领航者和N个跟随者组成，假设他们之间通过有向生成树图通信，领航者作为根节点，从根节点出发可以到达图中的任意一个节点，即，每个跟随者都可以直接或间接收到领航者的信息。然后基于已有边拒绝服务攻击模型，设计事件触发机制，构造本地事件触发领导者观测器。接着，基于领导者观测器，设计容错控制器。最后基于现有的李雅普诺夫稳定性理论，得到稳定性的充分条件。本发明提供的控制器设计方法保证存在资源受限与拒绝服务攻击的通信网络中，无人集群系统可以实现安全稳定性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.026 seconds)
