-
公开(公告)号：CN106934831A
公开(公告)日：2017-07-07
申请号：CN201710148765.3
申请日：2017-03-13
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6256 , G06K9/6201 , G06T2207/20081
Abstract: 基于点云VFH描述子的识别空间物体位姿方法，本发明涉及识别空间物体位姿方法。本发明是要解决现有技术没有可行的手段确保采集样本的代表性，也无法做到精确，同时大量的样本导致运算时间过于冗长的问题，而提出的基于点云VFH描述子的识别空间物体位姿方法。该方法是通过一、计算点云对应的vfh特征描述子；二、计算差值向量di；三、计算特征向量空间；四、计算di投影到特征vfh描述子空间的坐标为Ωi；五、计算di投影到特征vfh描述子空间的坐标ΩΓ；六、确定训练BP神经网络的输入和输出维数；七、将投影后的vfh描述子对应角度输出为1；八、确定当前点云的视角等步骤实现的。本发明应用于识别空间物体位姿方法领域。
-
公开(公告)号：CN106934372A
公开(公告)日：2017-07-07
申请号：CN201710148764.9
申请日：2017-03-13
Applicant: 哈尔滨工业大学
Abstract: 基于传统vfh描述子加入颜色信息的点云分类方法，本发明涉及点云分类方法。本发明是要解决现有的基于点云vfh描述子直方图的分类方法存在着显著的问题以及对于比较接近的物体无法进行区分的问题，而提出的基于传统vfh描述子加入颜色信息的点云分类方法。该方法是通过一、将点云以保留颜色的格式存储；二、将保留颜色的格式存储的点云按照传统的vfh描述子计算方法计算快速点特征直方图FPFH得到视点相关的特征分量；三、生成颜色直方图，并将颜色直方图取代原直方图单个区间的位置；四、对于待识别的物体用Kd树进行搜索得到分类结果等步骤实现的。本发明应用于点云分类领域。
-
公开(公告)号：CN118295259A
公开(公告)日：2024-07-05
申请号：CN202410466268.8
申请日：2024-04-18
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明属于多层级优化控制技术领域，具体涉及一种自适应双层结构预测优化控制方法，其特征在于：包括稳态目标优化层和动态控制层。所述稳态目标优化层采用稳态目标优化性能函数，求解得到稳态目标工作点传递给动态控制层；所述动态控制层采用自适应模型预测控制方法，设计不确定参数的自适应更新率，采用带有自适应更新率的估计模型替代原有的参数不确定性模型，设计模型预测控制策略求解最优控制输入并传递给基础控制层。本发明能够有效解决系统模型的不确定性问题，保证系统的闭环稳定性，有效提升系统的最优性能。
-
公开(公告)号：CN115903495A
公开(公告)日：2023-04-04
申请号：CN202211434267.2
申请日：2022-11-16
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 资源约束下的飞行器能力建模方法，属于系统工程领域，本发明为解决现有旋翼飞行器考虑因素不全面，效率不高问题。本发明方法包括：S1、建立旋翼飞行器中控制量与软硬件资源参数的映射关系u＝fu(x)；S2、建立旋翼飞行器中控制量与各种综合能力的映射关系c＝Ax；S3、在旋翼飞行器执行任务时，根据任务类型确定能力等级，进而获取各项综合能力的最大值，在最大值范围内设计所需能力值，然后按S2的求解优化问题获取软硬件资源参数，再按S1的映射关系获取控制量。本发明用于优化飞行器执行任务效率。
-
公开(公告)号：CN115556111A
公开(公告)日：2023-01-03
申请号：CN202211319418.X
申请日：2022-10-26
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种基于变惯性参数建模的飞行机械臂耦合扰动控制方法，属于空中作业无人系统控制技术领域。本发明针对现有旋翼飞行机械臂抗扰动控制中的反馈补偿存在延时，影响系统稳定性的问题。包括：建立动态变化质心在机体坐标系下的表达式和动态变化惯量在机体坐标系下的表达式；利用多刚体质点系的动量与动量矩定理对旋翼飞行机械臂系统进行动力学建模，得到系统动力学模型；基于质心变化与惯量变化对系统动力学模型进行处理，建立质心变化和惯量变化对旋翼飞行机械臂系统的耦合扰动的映射关系，得到基于变惯性参数的耦合扰动模型；将耦合扰动模型计算获得的耦合扰动估计值作为前馈补偿量输入位置环和姿态环实现耦合扰动控制。本发明可以抑制耦合扰动。
-
Patent Agency Ranking
公开(公告)号：CN114637211A
公开(公告)日：2022-06-17
申请号：CN202210335411.0
申请日：2022-03-31
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于直接自适应律的固定时间反步控制方法，涉及非线性系统的控制技术领域。本发明是为了解决传统的自适应反步控制方法不仅不适用非参数话不确定性系统，而且还会导致系统收敛速度慢的问题。本发明所述的一种基于直接自适应律的固定时间反步控制方法，首先建立二维非线性系统的状态空间模型，所述二维非线性系统中具有两个状态变量、一个控制输入信号以及一个给定的目标信号，然后利用自适应律的反步控制器调整控制输入信号，最后将调整后的控制输入信号输入至二维非线性系统中，使二维非线性系统的输出信号在固定时间内能够跟踪给定目标信号，实现对二维非线性系统的反步控制。
-
公开(公告)号：CN111687821B
公开(公告)日：2021-06-22
申请号：CN202010589808.3
申请日：2020-06-24
Applicant: 哈尔滨工业大学
Abstract: 一种转动式并联型飞行机械臂系统及期望转角解算方法，属于机器人空中操作手领域。本发明为解决现有串联型飞行机械臂载荷能力低，精度较低并且运行速度较慢的问题。系统包括：四旋翼飞行器、并联机械臂机构、集控模块和执行机构，所述四旋翼飞行器下表面中心位置安装集控模块；并联机械臂机构的首端连接四旋翼飞行器，末端与执行机构可拆卸连接；所述并联机械臂机构具有六自由度可转动结构，可带动执行机构以期望的位姿到达任务点。本发明可实现复杂作业的空中操作。
-
公开(公告)号：CN109409327B
公开(公告)日：2021-06-08
申请号：CN201811333891.7
申请日：2018-11-09
Applicant: 哈尔滨工业大学
Abstract: 基于端到端深度神经网络的RRU模块物件位姿检测方法，本发明涉及RRU模块物件位置与姿态检测方法。本发明的目的是为了解决现有深度神经网络进行目标定位和姿态检测时获得的是粗略的检测结果不能满足工业要求，以及网络训练的复杂、检测速度慢的问题。一：采集的物件图像；二：进行关键点标注；三：进行图像扩增，将扩增后的图像样本分为训练集和验证集；四：进行关键点标注，将图像文件和标签文件打包；五：搭建神经网络模型；六：得到训练好的神经网络；七：采集图像；八：得到边界框中心点位置；九：筛选出物件四个角点位置；十：计算出物件相对于水平位置的旋转角度。本发明用于RRU模块物件位姿检测领域。
-
公开(公告)号：CN111388093B
公开(公告)日：2020-12-01
申请号：CN202010101282.X
申请日：2020-02-19
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于协作关节电机的机器人及其控制方法。所述基于协作关节电机的机器人采用三个直流力矩电机作为动力系统，三个电机安装在固定底盘上；绝对值编码器为空心轴式，安装在电机末端；电机通过胀紧套与三条主动臂相连，通过旋转副驱动三组从动臂运动；三条运动支链在底盘与移动平台两平面上呈120度均布构成空间闭环，形成并联形式。这样机构的操作手部分具有空间X‑Y‑Z三个平移自由度，可以控制从端机器人在空间中的定位。采用本发明所提供的基于协作关节电机的机器人及其控制方法能够降低机器人结构摩擦因素以及系统空回误差，提高机器人整体精度。
-
公开(公告)号：CN111784731A
公开(公告)日：2020-10-16
申请号：CN202010567365.8
申请日：2020-06-19
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度学习的目标姿态估计方法，涉及目标物体的姿态估计领域。为了解决如何利用深度学习来解决传统目标姿态估计方法过程繁琐的问题。本发明包括如下步骤：步骤一、利用运动捕捉系统及挂载在无人机上的单目相机，采集N组数据信息，其中，N组数据信息构成标注完成的数据集；步骤二、利用标注完成的数据集对初始深度学习网络模型进行训练，获得训练后的深度学习网络模型；步骤三、再通过无人机上的单目相机，获得待估计的含有目标物体的图像信息；步骤四、将待估计的含有目标物体的图像信息发送至训练后的深度学习网络模型，从而获得目标物体相对于无人机的姿态信息的估计值。本发明具体应用在无人机导航、控制及其相关任务应用领域。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.025 seconds)
