-
公开(公告)号：CN104865826B
公开(公告)日：2017-09-26
申请号：CN201510121747.7
申请日：2015-03-19
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于合作预测控制的多机器人环境监测方法。本发明采用径向基函数网络建立环境质量参数模型，对于每一个机器人，在每一时刻，都可以使用自己和他的邻居机器人通过网络传输过来的新的质量参数数据来更新建立的环境质量参数模型；再在环境质量参数模型的基础上，建立环境质量参数优化问题，采用预测控制方法，获得机器人理想的最优运动轨迹；最后建立多机器人合作控制优化问题，基于机器人的理想的最优运动轨迹，采用预测控制方法，产生机器人实际最优的控制序列，并采用实际最优控制序列中第一个控制输入到机器人，控制机器人的运动。本发明在保证多机器人追踪环境质量参数最优值的同时，可以保持多机器人运动避碰以及速度相差有界。
-
公开(公告)号：CN107168058A
公开(公告)日：2017-09-15
申请号：CN201710387869.X
申请日：2017-05-27
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于合作控制机制的机器人滚动优化控制方法。本发明首先引入虚拟机器人，建立虚拟机器人的动力学模型。该虚拟机器人可沿障碍物的边缘运动；然后，根据合作控制理论，在滚动优化的框架下，通过实际机器人与虚拟机器人之间的安全距离，实际机器人与虚拟机器人速度一致性、以及实际机器人到达目标位置的距离，构建成本函数；求解成本函数获得机器人的运动控制序列，并将第一个控制信号作用到机器人上，控制机器人安全有效运行。本发明弥补了传统局部路径规划方法的不足，降低了传统局部路径规划方法的复杂性，避免了机器人“陷入”环境中非目标位置，可以在动态不确定环境下，免碰撞的到达指定的目标位置。
-
公开(公告)号：CN104816305B
公开(公告)日：2017-01-18
申请号：CN201510163557.1
申请日：2015-04-08
Applicant: 杭州电子科技大学
IPC: B25J13/00
Abstract: 本发明涉及一种基于事件驱动机制的有限时间多机器人合作控制方法。本发明首先采用径向基函数网络建立环境质量参数模型，其次，在环境质量参数模型的基础上，可以获得环境质量参数在机器人位置上的梯度信息,然后，建立机器人控制器事件触发规则,通过度量机器人测量误差和状态的比例关系，当误差和状态的比例关系达到阈值后，控制输入更新，否则保持不变；最后,采用有限时间控制器,控制多机器人系统向环境质量参数最大值的方向运动。本发明在保证多机器人快速追踪环境质量参数最优值和保持群体结构稳定的同时，可以节省控制器更新的能量。
-
公开(公告)号：CN104749955A
公开(公告)日：2015-07-01
申请号：CN201510122098.2
申请日：2015-03-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种独轮机器人的有限时间自平衡控制方法。本发明首先根据独轮机器人横向平衡方向以及独轮机器人的纵向平衡方向，采用拉格朗日理论，分别建立横向和纵向的动力学模型；然后，检测独轮机器人横向车体偏角和纵向车体质心偏角，通过横向有限时间自平衡控制器和纵向有限时间自平衡控制器，控制独轮机器人的飞轮和独轮的转动角度，从而使独轮机器人在横向和纵向上保持平衡状态。本发明的有限时间自平衡控制方法弥补了传统滑模控制方法的不足，是一种连续并能在有限时间内保持独轮机器人平衡的控制方法，同时降低了独轮机器人的能量损耗。本发明可以使独轮机器人始终保持平衡状态。
-
公开(公告)号：CN102176119B
公开(公告)日：2012-12-26
申请号：CN201110040376.1
申请日：2011-02-18
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于信息融合机制的多机器人危险气味源定位方法。现有的方法对信息利用不完全，并且没有考虑通信约束，往往会使多机器人系统局部收敛。本发明方法首先建立信息融合矩阵和气味源位置均值分布的概率模型，并抽取均值信息存放到信息融合矩阵中；然后依据均值信息建立气味源位置的概率分布，抽取位置信息。再次基于气味源可能的位置和当前位置，采用螺旋轨迹作为机器人的运动轨迹，控制机器人移动到目标位置，并不断更新群体机器人所获得最大浓度对应的位置信息和单个机器人获得的最大浓度所对应的位置信息，直到到达指定位置。本发明可以使多机器人系统快速定位危险气味源，并且在有通信约束的情况下有效地提供危险气味源的可能位置。
-
Patent Agency Ranking
公开(公告)号：CN101817182B
公开(公告)日：2011-08-10
申请号：CN201010136035.X
申请日：2010-03-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种智能移动机械臂控制系统。现有的控制系统层次性、结构性、远程操作性差。本发明中的便携式计算机与嵌入式工控计算机信号连接，激光传感器、全球定位系统、三维数字罗盘、USB/CAN总线、图像采集卡、无线摄像机和网络交换机分别与嵌入式工控计算机信号连接；云台摄像头与图像采集卡信号连接，无线访问节点与网络交换机信号连接；自主导航小车控制器、手臂区域控制器、手臂关节模块分别与USB/CAN总线信号连接，陀螺仪、超声波传感器、碰撞开关和左右轮电机伺服驱动器分别与自主导航小车控制器信号连接。本发明能够分别对自主移动小车和模块化机械臂进行远程控制，层次分明，降低上位机的开销。
-
公开(公告)号：CN120010493A
公开(公告)日：2025-05-16
申请号：CN202510458305.5
申请日：2025-04-14
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于动态目标追踪的运动规划方法，该运动规划方法先进行路径规划，通过定义当前时刻的局部目标点的位置，并采用路径规划算法获取无人机到局部目标点的最短路径；然后采用B样条曲线对最短路径进行平滑优化，在基于障碍物的高斯势场对平滑优化后的优化曲线进行碰撞检测后，获取最终轨迹；最后，控制无人机沿着最终轨迹移动，直至到达局部目标点的位置。本发明通过在规划过程中引入局部目标点以优化局部路径规划，大幅减少搜索负担；同时，本发明采用高斯势场B样条优化方法，使无人机的飞行轨迹更加平滑，且能够在复杂环境下实现高效、平滑且安全的动态目标追踪。
-
公开(公告)号：CN119828703A
公开(公告)日：2025-04-15
申请号：CN202411965109.9
申请日：2024-12-30
Applicant: 杭州电子科技大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了基于神经网络与端口受控哈密顿系统的AUV控制方法，属于自动化控制技术领域。该方法首先将四自由度AUV的动力学与运动学模型转化为PCH系统模型，并在未考虑模型参数不确定性、时变洋流干扰与控制输入饱和的情况下，基于无源性方法设计了AUV的状态误差PCH轨迹跟踪控制器；然后，利用RBFNN处理模型参数不确定性与时变洋流干扰；此外，为了有效应对控制输入饱和，引入了一个辅助系统，由此发明了适用于复杂水下环境的轨迹跟踪控制器。采用该方法不仅可以在复杂的水下环境实现高精度的三维轨迹跟踪控制，且具有较强的鲁棒性和良好的稳定性能。
-
公开(公告)号：CN114397894B
公开(公告)日：2024-06-14
申请号：CN202111674326.9
申请日：2021-12-29
Applicant: 杭州电子科技大学
IPC: G05D1/43 , G05D1/242 , G05D1/243 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G05D109/10
Abstract: 本发明涉及一种模仿人类记忆的移动机器人目标搜索方法，包括：语义信息提取；拓扑地图构建；仿人记忆的概率更新部分；概率‑拓扑‑语义信息融合；目标相似度计算；基于概率‑拓扑‑语义地图的目标搜索策略：在拓扑地图的各个节点之间规划出实际可行的路径，通过仿人记忆的概率更新部分获取物体在各个拓扑节点分布的概率，计算预期加权搜索时间，实现最短预期时间的拓扑节点访问序列规划。通过本发明设计的基于模仿人类记忆的移动机器人目标搜索方法，移动机器人能够对环境进行感知，占用较少存储空间的同时，具有较高的实时性，能够在移动机器人计算资源有限的平台上进行实时运行。
-
公开(公告)号：CN111427341B
公开(公告)日：2023-11-14
申请号：CN201911072645.5
申请日：2019-11-05
Applicant: 杭州电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于概率地图的机器人最短预期时间目标搜索方法，包括以下步骤：S01：建立概率地图初始数据集，构建概率模型；S02：观测点序列规划并计算预期时间；S03：执行搜索，根据进度更新概率模型；S04：重复步骤S02及S03，直至找到目标或接到停止指令。本发明的实质性效果包括：根据初始的概率模型对搜索路径进行规划，同时又在执行搜索的过程中根据当前进度对概率模型进行更新，通过不断更新的概率模型重新规划路径，保证搜索期望时间最短，搜索效率最高。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.112 seconds)
