-
公开(公告)号：CN116862114A
公开(公告)日：2023-10-10
申请号：CN202310949814.9
申请日：2023-07-31
Applicant: 哈尔滨工程大学
IPC: G06Q10/063 , G06Q50/26
Abstract: 面向海上护航的无人艇集群分布式任务分配方法及系统，解决了海上护航任务分配时间过长，无法及时对威胁目标进行拦截的问题，属于无人艇集群任务分配领域。本发明包括:S1、确定威胁目标；S2、选择商家，各护航无人艇计算拦截到各个威胁目标的估值，选估值最大的任务发送给商家，商家向各无人艇发布初始落选任务集合O；S3、更新初始落选任务的价格：S31、无人艇计算初始落选任务的预期折扣值；S32、商家选择最小预期折扣值对应的无人艇和初始落选任务，进行降价及将对应初始落选任务从集合O中剔除，转入S31，直至选出k‑1个无人艇，转入S4；S4、对仍然存在冲突的无人艇，调用策略定价算法进行分配；S5、无人艇根据分配结果对于海上威胁目标进行相应拦截。
-
公开(公告)号：CN112835788A
公开(公告)日：2021-05-25
申请号：CN202110040663.6
申请日：2021-01-13
Applicant: 哈尔滨工程大学
IPC: G06F11/36
Abstract: 本发明属于软件可靠性技术领域，具体涉及一种评估Linux应用程序与操作系统兼容性的方法。本发明通过将操作系统中提供的动态链接库、接口和应用程序对外直接依赖和间接依赖的动态链接库、接口进行对比，得到二者的静态二进制兼容性结果，实现了Linux应用程序在不同发行版操作系统运行兼容性问题的检测。本发明可以检测到应用程序对操作系统的直接依赖，并基于一种递归策略实现检测应用程序的间接依赖。本发明根据应用程序对外依赖和操作系统提供的资源的匹配程度进行了有效的兼容性分级评估，帮助开发者清晰的了解应用程序与操作系统的兼容程度。
-
公开(公告)号：CN112595276A
公开(公告)日：2021-04-02
申请号：CN202011362929.0
申请日：2020-11-27
Applicant: 哈尔滨工程大学
IPC: G01B21/08
Abstract: 一种基于深度学习的输电线路覆冰厚度检测方法，涉及一种电力系统中输电线路覆冰厚度的检测技术，为了解决现有的图像法处理覆冰线路图像时，覆冰检测边缘精度低的问题。本发明通过获取输电线路覆冰图像数据集，并对其进行训练，得到三分类的语义分割模型；使用三分类的语义分割模型对待检测输电线路覆冰图像进行分割，输出三分类输电线路覆冰图像；使用OpenCV对输出的三分类输电线路覆冰图像进行接口处理，提取输电线路的轮廓点集和覆冰层的轮廓点集；根据提取的输电线路的轮廓点集和覆冰层的轮廓点集计算出待检测输电线路覆冰图像中覆冰层厚度。有益效果为提高了输电线路覆冰检测边缘的精度。
-
公开(公告)号：CN117173934B
公开(公告)日：2024-05-28
申请号：CN202311123046.8
申请日：2023-09-01
Applicant: 哈尔滨工程大学
Abstract: 用于无人艇集群护航的海上威胁目标拦截点预报方法及系统，它属于海上威胁目标运动预报领域。本发明解决了基于现有方法计算出的拦截点进行护航的效果差的问题。本发明为：步骤一、获取海上威胁目标和护航对象的位置、速度和航向；步骤二、护航对象根据接收到的信息计算各海上威胁目标与护航对象之间的最近会遇距离和最近会遇时间；步骤三、选择安全距离，根据最近会遇距离与的大小关系以及最近会遇时间，计算出各海上威胁目标的拦截点位置坐标；步骤四、根据拦截点位置坐标，分别计算出无人艇护航编队中的每个无人艇对各海上威胁目标的拦截代价；根据计算出的拦截代价进行拦截任务分配。本发明方法可以应用于海上威胁目标拦截点预报。
-
Patent Agency Ranking
公开(公告)号：CN117667353A
公开(公告)日：2024-03-08
申请号：CN202311678547.2
申请日：2023-12-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于牧羊犬放牧算法的多无人系统任务分配方法，包括以下步骤：步骤S1：确定任务场景与优化目标；步骤S2：根据确定的优化目标，提出基于牧羊犬的放牧算法；解决了不能够保证在较短的时间完成多无人系统的任务分配工作，并无法保证该可行解的能源损耗较低的问题。
-
公开(公告)号：CN114355973B
公开(公告)日：2023-12-08
申请号：CN202111623192.8
申请日：2021-12-28
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明属于无人集群协同技术领域，具体涉及一种基于多智能体分层强化学习的弱观测条件下无人集群协同方法。本发明首先对环境进行状态定义，然后按照POMDP模型对状态空间进行定义，包括观察集合以及观察函数，再随机初始化一个由一系列概率值分布的信念状态，同时根据传统强化学习思想，设置状态转移函数、立即回报函数、折扣率、探索率等；然后采用基于MAXQ算法的分层强化学习框架，将无人集群的任务分层，达到对复杂的任务进行分而治之的目的，降低集群的参数维度，有效缓解计算机存储不足和计算繁琐的压力，提高强化学习效率和精度。本发明能够保证多个智能体参与协同任务时保持更高的效率和更好的协同效果。
-
公开(公告)号：CN117173934A
公开(公告)日：2023-12-05
申请号：CN202311123046.8
申请日：2023-09-01
Applicant: 哈尔滨工程大学
Abstract: 用于无人艇集群护航的海上威胁目标拦截点预报方法及系统，它属于海上威胁目标运动预报领域。本发明解决了基于现有方法计算出的拦截点进行护航的效果差的问题。本发明为：步骤一、获取海上威胁目标和护航对象的位置、速度和航向；步骤二、护航对象根据接收到的信息计算各海上威胁目标与护航对象之间的最近会遇距离和最近会遇时间；步骤三、选择安全距离，根据最近会遇距离与的大小关系以及最近会遇时间，计算出各海上威胁目标的拦截点位置坐标；步骤四、根据拦截点位置坐标，分别计算出无人艇护航编队中的每个无人艇对各海上威胁目标的拦截代价；根据计算出的拦截代价进行拦截任务分配。本发明方法可以应用于海上威胁目标拦截点预报。
-
公开(公告)号：CN116543299A
公开(公告)日：2023-08-04
申请号：CN202310356065.9
申请日：2023-04-06
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/762 , G06V10/25 , G06Q10/0635 , G06Q50/26
Abstract: 本发明属于海上威胁目标数据分析技术领域，具体涉及基于威胁度改进K‑means算法的海上威胁目标聚类方法。本发明通过引入威胁度概念，考虑了海上威胁目标与护航对象的位置、速度以及航向，初步具化海上威胁目标的威胁程度；提出改进初始化策略，考虑了威胁目标与护航对象的相对距离，选择威胁度最低的拦截点作为初始簇心，并选择距离上一个簇心距离最远的拦截点作为下一个簇心，直至簇心数等于护航无人艇数；将拦截点分配进最小相对威胁度对应的簇集中，使得最终形成的簇集内各拦截点的威胁程度相近，便于护航无人艇编队能更好进行决策任务分配，降低了海上护航安全风险，提高护航目标的安全性。
-
公开(公告)号：CN112595276B
公开(公告)日：2022-07-05
申请号：CN202011362929.0
申请日：2020-11-27
Applicant: 哈尔滨工程大学
IPC: G01B21/08
Abstract: 一种基于深度学习的输电线路覆冰厚度检测方法，涉及一种电力系统中输电线路覆冰厚度的检测技术，为了解决现有的图像法处理覆冰线路图像时，覆冰检测边缘精度低的问题。本发明通过获取输电线路覆冰图像数据集，并对其进行训练，得到三分类的语义分割模型；使用三分类的语义分割模型对待检测输电线路覆冰图像进行分割，输出三分类输电线路覆冰图像；使用OpenCV对输出的三分类输电线路覆冰图像进行接口处理，提取输电线路的轮廓点集和覆冰层的轮廓点集；根据提取的输电线路的轮廓点集和覆冰层的轮廓点集计算出待检测输电线路覆冰图像中覆冰层厚度。有益效果为提高了输电线路覆冰检测边缘的精度。
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.075 seconds)
