-
公开(公告)号：CN117872717A
公开(公告)日：2024-04-12
申请号：CN202410038182.5
申请日：2024-01-10
Applicant: 华东理工大学
IPC: G05B11/42
Abstract: 本发明提供了一种阀门定位器的模糊自适应整定PID控制方法，属于气动阀门定位器控制器技术领域，包括以下步骤，S1：设计PID控制的参数kp、ki调整情况Δkp、△ki与误差e和误差变化率ec之间的模糊关系，建立模糊规则；S2：在每个运行周期检测误差e和误差变化率ec，并根据所述的模糊规则进行模糊推理，对PID控制参数kp、ki进行在线修改。本发明提供的阀门定位器的模糊自适应整定PID控制方法，无需在线辨识对象特征参数和建立被控对象的数学模型，随着控制进程实时改变控制参数，以满足不同时刻的误差和误差变化率下对控制参数的要求。
-
公开(公告)号：CN113807900A
公开(公告)日：2021-12-17
申请号：CN202111198993.4
申请日：2021-10-14
Applicant: 华东理工大学
Abstract: 本发明涉及一种基于贝叶斯优化的RF订单需求预测方法，用以实现同时对多种商品的未来需求或销量进行预测，包括以下步骤：1)对历史订单销量数据集进行数据预处理，并划分训练数据集和测试数据集作为基于随机森林的订单需求预测模型的输入量和输出量；2)通过贝叶斯优化方法获取订单需求预测模型的最优超参数，得到最优的订单需求预测模型；3)基于优化后的订单需求预测模型对订单商品未来的销量进行预测。与现有技术相比，本发明具有预测准确性高、快速寻优、多种时间序列预测等优点。
-
公开(公告)号：CN113160012A
公开(公告)日：2021-07-23
申请号：CN202110504508.5
申请日：2021-05-10
Applicant: 华东理工大学
Abstract: 本发明涉及一种基于深度学习的计算机在线考试监考方法，包括以下步骤：1)构建并训练多个深度学习网络模型，用以分别识别是否出现作弊工具、是否使用作弊工具、是否出现非考试人员靠近的状态；2)考试开始后，根据考试现场摄像头的布设场景，进行多路摄像头的实时监测；3)根据摄像头获取的图像采用深度学习网络模型进行实时作弊判断。与现有技术相比，本发明具有适用于非标准的复杂考试环境、检测全面准确等优点。
-
Patent Agency Ranking
公开(公告)号：CN119960471A
公开(公告)日：2025-05-09
申请号：CN202510087505.4
申请日：2025-01-20
Applicant: 华东理工大学
Abstract: 本发明公开了种多智能体系统动态目标定位与编队控制方法及系统，应用于无人机编队控制，所述智能体为无人机，所述方法包括：确定多智能体系统的通信拓扑，构建智能体模型；估计智能体相对于全局参考框架的方位角；估计智能体的初始位置信息；使得智能体移动到期望位置，移动到期望位置以后将该位置的坐标代入智能体模型获取对应的速度，智能体以该速度恒定运行；本发明的优点在于：提升定位与编队控制的精度。
-
公开(公告)号：CN119779328A
公开(公告)日：2025-04-08
申请号：CN202411809993.7
申请日：2024-12-10
Applicant: 华东理工大学
IPC: G01C21/34
Abstract: 本发明基于Voronoi图的符合人体感受的机房巡检安全路径规划方法，包括：基于全局静态栅格地图，利用Voronoi算法思想生成全局Voronoi栅格地图层，结合激光雷达对周围障碍物的检测，实现Voronoi地图层的局部更新；在得到目标点的位置后，根据实时更新的Voronoi地图层以及车辆的当前位姿，通过Astar算法在全局静态栅格地图以及实时更新的Voronoi地图层中进行搜索，得到实时的全局路径；在得到全局路径之后，使用两级优化，先对路径进行人体直观感受优化，使其符合人体感受的路径；再对其进行光滑性优化，使得优化后的路径适合跟踪控制。本发明的优点在于：根据激光雷达对周围环境的扫描以及映射，采用全局Voronoi思想的方法对地图进行处理，能够实时生成一条安全的行驶路径；提出两级路径优化的策略，有效的解决了路径冗余以及不适合跟踪控制的问题，使得机器人能够按照给定的路径进行跟踪就可以实现避障并到达目标点。
-
公开(公告)号：CN113848911B
公开(公告)日：2023-06-27
申请号：CN202111140913.X
申请日：2021-09-28
Applicant: 华东理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于Q‑learning和RRT*的移动机器人全局路径规划方法，包括以下步骤：1)根据环境地图中确定起始点与目标点，并以起始点为根节点构建拓展树；2)对地图栅格化并初始化Q值矩阵；3)以初始化的Q值矩阵作为初始Q值矩阵，从起始点位置开始对地图进行探索学习并更新Q值矩阵，将探索点所经过的位置添加到探索列表中；4)搜索探索列表，概率选择Q值最大节点作为新节点拓展方向，将新节点插入拓展树中更新最优路径。与现有技术相比，本发明通过结合强化学习方法提高节点拓展的目的性，环境复杂度上升时，使整体路径规划任务的成功率上升，并且能够应用于移动机器人的全局路径规划任务中，在环境复杂度上升时依然能保持较高的成功率。
-
公开(公告)号：CN113788014B
公开(公告)日：2023-01-24
申请号：CN202111176614.1
申请日：2021-10-09
Applicant: 华东理工大学
Abstract: 本发明提供了一种基于斥力场模型的特种车辆避让方法，包括，以当前车辆的行驶方向构建行驶坐标系，构建障碍边界的斥力函数；以特种车辆的行驶方向构建特种坐标系，构建特种车辆边界斥力函数；计算障碍物边界斥力函数和特种车辆边界斥力函数在行驶坐标系的两个坐标轴上的合力；基于车辆行驶方向的合力控制当前车辆的速度，基于垂直行驶方向的横向合力控制当前车辆的转向角度。本发明还提供了特种车辆避让系统。本发明的优点在于：以当前车辆位置为基点构建两个坐标系以分析当前车辆周边的障碍物以及特种车辆的斥力场函数，基于斥力的合力做出避让特种车辆的决策，在及时避让特种车辆的同时确保能够安全的躲避障碍物。
-
公开(公告)号：CN111273638A
公开(公告)日：2020-06-12
申请号：CN202010072279.X
申请日：2020-01-21
Applicant: 华东理工大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于改进Elman神经网络的气动阀执行机构故障诊断方法，包括以下步骤：1)根据阀门的输入输出参数与气动阀执行机构故障之间的关系，构建基于改进Elman神经网络的气动阀执行机构故障模型；2)对气动阀执行机构故障模型进行网络训练；3)在训练好的气动阀执行机构故障模型中输入测试数据进行故障诊断预测，得到故障预测结果。与现有技术相比，本发明具有收敛速度快、预测准确有效、考虑全面等优点。
-
-
-
-
-
-
-
Search Results
38
records
(took 0.025 seconds)
