-
公开(公告)号：CN116107346A
公开(公告)日：2023-05-12
申请号：CN202310285168.0
申请日：2023-03-22
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 本发明公开了一种飞行器集群通信拓扑自适应控制方法及系统，涉及飞行器集群控制技术领域，用于解决基于传统通信机制的高速飞行器集群控制策略鲁棒性低、所需通信量大的问题。本发明的技术要点包括：获取飞行器集群与环境的交互信息；利用所述飞行器集群与环境的交互信息训练基于深度神经网络的飞行器集群控制策略网络；利用训练好的飞行器集群控制策略网络控制飞行器集群的运动以及通信拓扑。本发明实现的飞行器集群控制策略具备对飞行器运动行为以及飞行器集群通信拓扑的控制能力，可以在复杂的集群任务环境中自适应地调整集群的通信拓扑。
-
公开(公告)号：CN115329594A
公开(公告)日：2022-11-11
申请号：CN202211054694.8
申请日：2022-08-31
Applicant: 哈尔滨工业大学
IPC: G06F30/20 , G06F17/11 , G06F17/16 , G06K9/62 , G06N3/04 , G06N3/08 , G06F111/10 , G06F119/14
Abstract: 一种大规模导弹集群攻防对抗仿真加速方法及系统，涉及导弹集群攻防对抗仿真技术领域，用以解决传统的线性代理模型无法在保证模拟精度的同时有效加速大规模导弹集群攻防对抗仿真过程的问题。本发明的技术要点包括：建立进攻弹与拦截弹各自的动力学与制导模型，搭建导弹集群对抗仿真模拟器，以获取高维导弹集群对抗飞行数据；采用主成分分析法对高维数据进行压缩，获得低维数据；之后建立初始线性模型对低维导弹集群对抗飞行数据进行粗略拟合，并训练神经网络来拟合初始线性模型的残差，最终得到导弹集群对抗的代理模型。本发明通过使用主成分分析法和建立代理模型提高了仿真速度，可应用于大规模导弹集群攻防对抗的仿真加速过程中。
-
公开(公告)号：CN115328203A
公开(公告)日：2022-11-11
申请号：CN202211054695.2
申请日：2022-08-31
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种基于数据驱动的大规模无人机集群编队仿真加速方法及系统，涉及数字仿真技术领域，以解决传统线性代理模型无法在保证模拟精度的同时有效加速大规模无人机集群编队仿真过程的问题。本发明通过对原始高维无人机集群状态数据进行降维以及使用深度神经网络拟合线性代理模型误差，有效减小了大规模无人机集群编队仿真建模的复杂程度和仿真计算时所需的计算资源，并保证一定的仿真精度。本发明通过建立原始大规模无人机集群编队状态的低维特征子空间的方式显著提升大规模无人机集群编队行为动态过程的仿真模拟速度，且由线性初始模型与深度神经网络组合的复合代理模型可以在加速大规模无人机集群编队行为仿真速度的同时保持较高的模拟精度。
-
公开(公告)号：CN113867403B
公开(公告)日：2022-06-14
申请号：CN202111279009.7
申请日：2021-10-31
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种基于微型涡喷的全向力无人机及其控制分配方法，属于无人机飞行控制技术领域。为了使全向力无人机其姿态与位置的控制解耦使得无人机在空中以期望姿态悬停或运动成为可能，同时，微型涡喷发动机带来大推力也改善了其对非结构化环境的适应能力。技术要点：在每个涡喷发动机均增加一个绕无人机机体系OcmxB轴转动的自由度。基于微型涡喷的全向力无人机物理模型构建；设计PID控制器，根据期望的无人机姿态和位置，由控制器解算出虚拟控制指令；基于虚拟控制指令，在执行机构自由度冗余的情况下，考虑对实际控制量进行降级处理，根据各执行机构之间的几何关系确定系统的常值控制效能矩阵，然后反解出作用于执行机构的实际控制指令。本发明用于无人机飞行控制技术领域。
-
公开(公告)号：CN113848984A
公开(公告)日：2021-12-28
申请号：CN202111271065.6
申请日：2021-10-29
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种无人机集群控制方法及系统，涉及无人机控制技术领域，用以解决现有技术对于无人机集群控制效果差且避障能力弱的问题。本发明的技术要点包括：实时获取无人机集群中每个无人机采集的环境信息和其他无人机信息；将经过预处理后的环境信息和其他无人机信息输入预训练的深度神经网络，获得无人机集群控制指令；判断无人机当前飞行状态，若判断结果为没有碰撞风险，则根据无人机集群控制指令对无人机进行控制；若判断结果为有碰撞风险，则根据避碰指令进行避障。本发明可以在复杂多变的环境中实现无人机的集群控制且具有很强的泛化能力，提升了无人机集群在复杂环境中执行任务的能力。本发明可扩展到大规模的无人机集群应用场景中。
-
Patent Agency Ranking
公开(公告)号：CN112068549A
公开(公告)日：2020-12-11
申请号：CN202010789469.3
申请日：2020-08-07
Applicant: 哈尔滨工业大学
IPC: G05D1/02
Abstract: 本发明是一种基于深度强化学习的无人系统集群控制方法。本发明涉及无人系统集群控制技术领域，本发明为了解决现有无人系统集群控制方法环境适应性差的问题。本发明包括：在无人系统集群中，每个无人系统分别探测环境信息；将环境信息分为目标信息、障碍信息以及其他无人系统状态信息；对获得的信息分别进行标准化处理；将标准化处理的信息通过深度神经网络处理，得到选择动作的概率值；根据得到的概率值选择动作，观测新的环境信息并获得动作评价值；收集所有无人系统与环境交互的数据训练深度神经网络；利用训练好的深度神经网络进行无人系统集群控制。本发明用于无人系统集群控制技术领域。
-
公开(公告)号：CN110956651A
公开(公告)日：2020-04-03
申请号：CN201911295083.0
申请日：2019-12-16
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于视觉和振动触觉融合的地形语义感知方法，首先基于ORB_SLAM2和语义分割给出了视觉三维语义建图的实现方法；其次结合基于CNN-LSTM的地形语义分类识别方法，给出了视/触融合的实现思路和融合策略；最后基于蓝鲸XQ无人车平台、Kinect V1.0视觉传感单元以及振动传感单元在实物环境下进行了算法测试，通过对比测试结果和真实环境可以得到所提方法的语义标记精度满足应用的需求，同时有无振动触觉的融合结果可以明显对比出对地形语义认知的好坏，故通过两者的融合可以为巡视器提供更加可靠的感知能力，即使在视觉失效的情况下，振动触觉依然可以提供有限范围内的地形认知精度。
-
公开(公告)号：CN109741372A
公开(公告)日：2019-05-10
申请号：CN201910023494.8
申请日：2019-01-10
Applicant: 哈尔滨工业大学
Abstract: 一种基于双目视觉的里程计运动估计方法，本发明涉及基于双目视觉的里程计运动估计方法。本发明的目的是为了解决现有方法获得的机器人位姿准确率低的问题。过程为：1，双目摄像机分别在t时刻的位置和t+1时刻的位置对当前场景采集图像；2，对采集到的图像进行预处理；3，对预处理后的图像进行特征点的提取4，对提取到的特征点进行匹配；5，得到t时刻当前场景特征点的三维信息和t+1时刻当前场景特征点的三维信息；6，获取成功匹配的t时刻当前场景特征点的三维信息和t+1时刻当前场景特征点的三维信息；7，将得到的特征点的三维信息按照运动估计方法进行运动估计。本发明用于智能移动机器人自主导航领域。
-
公开(公告)号：CN108827313A
公开(公告)日：2018-11-16
申请号：CN201810910446.6
申请日：2018-08-10
Applicant: 哈尔滨工业大学
IPC: G01C21/20
Abstract: 基于扩展卡尔曼滤波器的多模式旋翼飞行器姿态估计方法，涉及小型旋翼飞行器的飞行控制领域，为了解决现有旋翼飞行器姿态估计方法的估计精度低的问题。本发明的方法包括：步骤一、根据三轴陀螺仪和三轴加速度计的输出、扩展卡尔曼滤波器反馈的新息矢量使扩展卡尔曼滤波器处于不同的工作模式；步骤二、不同工作模式对应不同的量测模型，基于所对应的量测模型扩展卡尔曼滤波器对旋翼飞行器姿态进行估计，获得姿态估计结果。本发明适用于估计旋翼飞行器姿态。
-
公开(公告)号：CN116107346B
公开(公告)日：2025-05-13
申请号：CN202310285168.0
申请日：2023-03-22
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种飞行器集群通信拓扑自适应控制方法及系统，涉及飞行器集群控制技术领域，用于解决基于传统通信机制的高速飞行器集群控制策略鲁棒性低、所需通信量大的问题。本发明的技术要点包括：获取飞行器集群与环境的交互信息；利用所述飞行器集群与环境的交互信息训练基于深度神经网络的飞行器集群控制策略网络；利用训练好的飞行器集群控制策略网络控制飞行器集群的运动以及通信拓扑。本发明实现的飞行器集群控制策略具备对飞行器运动行为以及飞行器集群通信拓扑的控制能力，可以在复杂的集群任务环境中自适应地调整集群的通信拓扑。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.033 seconds)
