-
公开(公告)号：CN118869041B
公开(公告)日：2025-04-18
申请号：CN202410882472.8
申请日：2024-07-03
Applicant: 海南大学
Abstract: 本发明公开一种基于状态估计规则的无人机数据传输方法，结合中继无人机通信过程的状态数据，建立状态空间模型；构建无人机1关于目标执行器的状态估计模型；量化两架中继无人机可支配的能量数学模型；建立中继无人机与地面基站的通信模型；基于建立中继无人机与地面基站的通信模型的地面基站状态估计误差提出无人机数据传输策略优化数学模型；对无人机数据传输策略优化数学模型分析，获得无人机的事件触发数据传输策略；对无人机的事件触发数据传输策略进行验证。本发明针对多跳中继无人机通信过程，建立执行器状态观察误差分析模型，并提出基于动态规划方法的事件触发最优数据传输策略，适用于提升无人机的信息传输安全性能。
-
公开(公告)号：CN119600513A
公开(公告)日：2025-03-11
申请号：CN202411685240.X
申请日：2024-11-22
Applicant: 海南大学
Abstract: 本发明涉及红外目标检测技术领域，具体涉及一种面向无人艇的轻量型实时红外目标检测方法及系统，该方法通过无人艇搭载的红外热像仪采集红外数据，并进行预处理、标注和划分。采用轻量级GLAF‑MobileNetV4网络作为检测方法的主干，不仅提升实时性，还大幅减少了模型参数。其中，轻量型的全局局部自适应融合注意力，能巧妙地整合全局与局部信息，通过动态权重调整优化局部信息融合。同时，设计的动态自适应多尺度特征融合编码器，利用注意力引导机制，根据多尺度特征的重要性自适应调整融合比例。本发明部署简便，提升无人艇在低光照条件下的目标检测精度与实时性，检测效率显著。
-
公开(公告)号：CN118968274A
公开(公告)日：2024-11-15
申请号：CN202410974914.1
申请日：2024-07-19
Applicant: 海南大学
Abstract: 本发明涉及一种基于轻量化改进Yolov8的水下移动目标检测方法及系统，该方法包括：实时获取水下图像输入预先训练好的轻量化目标检测模型中进行水下移动目标检测，输出检测结果，其中，轻量化目标检测模型采用改进的Yolov8模型进行训练，轻量化目标检测模型包括骨干网络、轻量级跨尺度特征融合模块和新型动态检测头；轻量化目标检测模型的执行步骤包括：将水下图像输入骨干网络中，得到不同尺度的特征图；将不同尺度的特征图输入轻量级跨尺度特征融合模块进行逐步融合，生成富含全局和局部的融合特征；将富含全局和局部的融合特征输入新型动态检测头进行检测，输出检测结果。与现有技术相比，本发明具有提升检测精度等优点。
-
公开(公告)号：CN118869041A
公开(公告)日：2024-10-29
申请号：CN202410882472.8
申请日：2024-07-03
Applicant: 海南大学
Abstract: 本发明公开一种基于状态估计规则的无人机数据传输方法，结合中继无人机通信过程的状态数据，建立状态空间模型；构建无人机1关于目标执行器的状态估计模型；量化两架中继无人机可支配的能量数学模型；建立中继无人机与地面基站的通信模型；基于建立中继无人机与地面基站的通信模型的地面基站状态估计误差提出无人机数据传输策略优化数学模型；对无人机数据传输策略优化数学模型分析，获得无人机的事件触发数据传输策略；对无人机的事件触发数据传输策略进行验证。本发明针对多跳中继无人机通信过程，建立执行器状态观察误差分析模型，并提出基于动态规划方法的事件触发最优数据传输策略，适用于提升无人机的信息传输安全性能。
-
公开(公告)号：CN118842309A
公开(公告)日：2024-10-25
申请号：CN202410864027.9
申请日：2024-06-30
Applicant: 海南大学
Abstract: 本发明涉及一种用于直流‑直流降压变换器的深度强化学习控制方法，方法包括以下步骤：S1、构建系统的状态空间模型；S2、构建线性扩张状态估计器，得到更新后的控制律；S3、构建直流‑直流降压变换器系统；S4、计算修正占空比，修正占空比输入PWM驱动模块，PWM驱动模块向直流‑直流降压变换器系统的直流‑直流降压变换器中的三极管输出控制信号，重复S4。与现有技术相比，本发明具有抑制实际系统与强化学习仿真训练模型的偏差，提高控制系统的鲁棒性能和自适应性能等优点。
-
Patent Agency Ranking
公开(公告)号：CN118838385A
公开(公告)日：2024-10-25
申请号：CN202410859482.X
申请日：2024-06-28
Applicant: 海南大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明涉及一种基于ACO‑DDPG的无人潜器路径规划方法及介质，包括：实时获取无人潜器的坐标点和任务完成点；初始化参数，将K只蚂蚁放在起始点上；蚂蚁根据启发式信息和由信息素启发因子控制的信息素浓度计算概率选取下一坐标点，其中，采用DDPG算法对信息素启发因子进行实时优化，DDPG算法将信息素浓度作为状态空间，将平均路径延误时间作为奖励函数；到达选取的下一坐标点，并将其存储在禁忌表中，当所有蚂蚁达到下一坐标点后，按照信息素更新规则对蚂蚁走过的所有路径进行更新；重复步骤后两个步骤，直至所有蚂蚁达到终止点。与现有技术相比，本发明具有提高无人潜器的航行效率和安全性等优点。
-
公开(公告)号：CN118821350A
公开(公告)日：2024-10-22
申请号：CN202410864026.4
申请日：2024-06-30
Applicant: 海南大学
IPC: G06F30/17 , G06F30/20 , G06F30/28 , G06F111/20 , G06F113/08 , G06F119/06 , G06F119/08 , G06F119/14
Abstract: 本发明涉及一种设施农业用燃料电池热电联供系统自动化设计方法，方法由设施农业需求、热泵能效比计算、燃料电池电堆选型、氢气供应模块选型、空气滤清器选型、中冷器流阻计算、空压机选型、中冷器选型、加湿器选型、背压阀选型、散热器选型、水泵选型、节温器选型、热泵选型、补偿电源选型等模块及零部件库组成，通过迭代反馈的方式，对燃料电池电堆、空压机、中冷器、空气滤清器、加湿器、背压阀、氢气供应模块、散热器、水泵、节温器、补偿电源、热泵等零部件型号进行自动化匹配与设计。与现有技术相比，本发明具有与设施农业适配性高、自动化程度高、设计速度块、计算资源消耗少等优点。
-
公开(公告)号：CN118761316A
公开(公告)日：2024-10-11
申请号：CN202410859483.4
申请日：2024-06-28
Applicant: 海南大学
Abstract: 本发明涉及一种基于注意力机制的近端策略多无人艇围捕优化方法，包括以下步骤：实时获取多无人艇围捕海上逃逸目标的相关参数，建立无人艇的运动学模型和动力学模型，并确定围捕成功的判定条件和约束条件；将所述无人艇的运动学模型、动力学模型以及围捕成功的判定条件和约束条件进行建模并确定马尔可夫决策过程的五元组(S,A,R,P,γ)；建立基于注意力机制的近端策略优化算法框架，输出每个无人艇的围捕动作，完成多无人艇围捕过程，其中所述基于注意力机制的近端策略优化算法框架包括注意力评价网络和策略网络，采用集中式训练、分布式执行方法对注意力评价网络和策略网络的参数进行更新。与现有技术相比，本发明具有提高无人艇的协作围捕能力等优点。
-
公开(公告)号：CN115781669B
公开(公告)日：2024-10-11
申请号：CN202211419155.X
申请日：2022-11-14
Applicant: 海南大学
Abstract: 本发明提供了一种轮式移动机械臂加速度层重复运动规划方法，包括推导二次型性能指标；根据二次型性能指标的最小化以及轮式移动机械臂的运动学方程，建立相应的加速度层重复运动规划方案；通过引入拉格朗日乘子，将加速度层重复运动规划方案转化为时变线性方程组；采用零化神经网络来求解该方程组以得到移动平台双轮的旋转角度、旋转角速度和旋转角加速度以及机械臂关节的角度、速度和加速度；轮式移动机械臂的控制器根据这些求解结果实时地驱动移动平台的双轮和机械臂的关节来完成给定的任务，并在任务结束时返回到各自的初始状态。本发明设计的加速度层重复运动规划方案，可满足轮式移动机械臂要在不同环境下重复执行多次任务的需求。
-
公开(公告)号：CN118746943A
公开(公告)日：2024-10-08
申请号：CN202410781562.8
申请日：2024-06-18
Applicant: 海南大学
IPC: G05B19/042
Abstract: 本发明涉及自动化控制技术、现代网络化控制理论及其环境监测技术领域为智能环境监测领域，公开了一种智能环境监测系统的非周期采样控制方法，通过开发基于非周期采样的正马尔可夫跳变多智能体系统控制协议，设计了自适应非周期采样机制以及实现L1一致性。该方法能够实现对环境状态的实时监测和精确控制，确保环境数据的准确性和监测系统的高效性。其次，通过自适应非周期采样机制，系统能够根据环境状态的实时变化动态调整采样频率和控制策略，从而提高监测过程的灵活性和响应速度。最后，利用矩阵分解技术、线性规划方法和稳定性分析证明了系统在面对外部扰动时的稳定性和一致性，确保了监测系统在各种环境条件下的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.027 seconds)
