一种T型导轨尺寸参数自动检测系统

    公开(公告)号:CN106705836A

    公开(公告)日:2017-05-24

    申请号:CN201510419804.X

    申请日:2015-07-16

    Abstract: 本发明提出一种T型导轨尺寸参数自动检测系统。计算机与运动控制板卡相连,向所述运动控制板卡输出脉冲量;运动控制板卡与所述两台伺服驱动器相连;两台伺服驱动器与所述两台伺服电机相连;两台CCD相机安装在高精度丝杠上的螺母座上,分别分布在导轨的阴榫端和阳榫端,两台伺服电机通过高精度丝杠带动所述两台CCD相机运动;计算机与所述图像采集卡连接,图像采集卡与所述两台CCD相机连接;物流机构用于输送和固定待检测的电梯导轨。本发明实现对T型导轨阴榫、阳榫以及安装孔的尺寸参数进行快速、可靠、自动地检测,并且将检测数据进行保存,实现信息化管理。

    一种T型电梯导轨阴阳榫自动检测系统

    公开(公告)号:CN105588514A

    公开(公告)日:2016-05-18

    申请号:CN201410560325.5

    申请日:2014-10-20

    Abstract: 本发明提出一种T型电梯导轨阴阳榫自动检测系统。包括计算机、运动控制板卡、两台伺服驱动器、两台伺服电机、两台二维激光传感器、数字I/O板卡和物流机构;其中:所述计算机与所述两台二维激光传感器相连,读取所述两台二维激光传感器的检测数据;所述两台二维激光传感器中,其中一台二维激光传感器分布在导轨阴榫端,用于获取导轨阴榫的检测数据,另一台二维激光传感器分布在导轨阳榫端,用于获取导轨阳榫的检测数据,所述物流机构17的用于输送和固定待检测的电梯导轨,并给计算机11发出待检测导轨到位信号。本发明用于对T型导轨阴榫和阳榫快速、可靠、自动地检测,并且将检测数据进行保存,实现信息化管理。

    基于MASAC算法的复杂动态环境中多无人机协同编队方法及系统

    公开(公告)号:CN119717842A

    公开(公告)日:2025-03-28

    申请号:CN202411665072.8

    申请日:2024-11-20

    Abstract: 本发明公开了一种基于MASAC算法的复杂动态环境中多无人机协同编队方法。该方法为:首先建立多无人机协同编队的数学模型,初始化模型参数;然后采用动态虚拟目标和领航追随相结合的多无人机协同控制方法,计算每个无人机的动态目标,与环境交互移动到新的位置;接着将多无人机协同编队问题转化为分布式的部分可观测马尔可夫模型,采用MASAC算法进行模型的训练,得到收敛的策略模型;最后利用训练得到的策略模型进行多无人机协同编队任务。本发明提高了多无人机编队在复杂环境中自主导航与调整的精确度,提升了多无人机任务的适应性,使无人机能够在不依赖中心节点的情况下,快速响应局部环境的变化,提高了多无人机协同编队任务执行的效率和安全性。

    基于SWIPT的无人机边缘计算系统能量收集方法

    公开(公告)号:CN114501479B

    公开(公告)日:2024-06-07

    申请号:CN202210198780.X

    申请日:2022-03-01

    Abstract: 本发明公开了一种基于SWIPT的无人机边缘计算系统能量收集方法,该方法为:搭建无人机边缘计算系统的工作模型,包含多架携带边缘计算服务器的无人机以及2个进行信号传输的地面基站,无人机通过SWIPT模块接收射频信号中的能量信号;对系统中无人机利用SWIPT模块接收到的射频信号进行功率分流,分别用于信息解码和能量收集;建立系统的信道模型、能耗模型,得到信道容量、无人机功耗以及无人机的能量效率的数学表达式;设计系统的两种工作模式;通过分析仿真曲线,验证两种工作模式带来的能效以及剩余能量的提升,进行系统能效优化。本发明提高了无人机边缘计算系统的续航能力,可广泛应用于应急救援、远程通信等边缘计算应用场景。

    基于改进人工势场法结合领航跟随法的多智能体编队方法

    公开(公告)号:CN118051052A

    公开(公告)日:2024-05-17

    申请号:CN202410089110.3

    申请日:2024-01-22

    Inventor: 李铭 黄成 单梁

    Abstract: 本发明公开了一种基于改进人工势场法结合领航跟随法的多智能体编队方法,该方法为:首先设定初始参数,获取目标点的当前位置,智能体感知障碍物信息;然后将跟随智能体之间的距离调节至安全距离,计算目标点对领航智能体的引力及分力、领航智能体对跟随智能体的引力及分力,计算动态、静态障碍物所对智能体产生的斥力及分力,并计算所有智能体在势场中所受的合力及其当前移动方向角;接着确定所有智能体下一步的移动步长,计算所有智能体下一个路径点;最后判断多智能体编队是否到达目标点,是则停止路径规划,生成路径;否则进行下一次路径规划。本发明解决了多智能体系统编队和避障问题,并且能够躲避静态以及动态障碍物,实时性强,安全性高。

    基于误差状态卡尔曼滤波的多旋翼飞行器组合导航方法

    公开(公告)号:CN111351482B

    公开(公告)日:2023-08-18

    申请号:CN202010193890.8

    申请日:2020-03-19

    Abstract: 本发明公开了一种基于误差状态卡尔曼滤波的多旋翼飞行器组合导航方法。该方法包括:首先,建立传感器的测量模型,推导四元数形式的导航方程,并对该方程进行线性化处理得到误差状态方程;然后,基于GPS、磁力计和加速度计的测量信息,建立用于卡尔曼滤波估计的测量方程;最后,结合惯性‑GPS松组合模式,采用误差状态卡尔曼滤波器ESKF对误差状态进行最优估计,并实现对导航状态的校正。本发明使用四元数时计算量较小,而且能够消除惯性导航系统存在的累计误差,实现高精度导航。

    一种基于LiDAR的货架定位孔检测装置及方法

    公开(公告)号:CN110488261B

    公开(公告)日:2023-05-26

    申请号:CN201910783213.9

    申请日:2019-08-23

    Abstract: 本发明公开了一种基于LiDAR的货架定位孔检测装置及方法。该装置包括执行机构、检测单元、数据存储单元、信息处理单元、通信单元和供电单元,其中执行机构包括直流电机、丝杆、联轴器和支架,检测单元包括工作台和LiDAR传感器。方法为:首先根据LiDAR传感器探头所在平面和距离传感器的深度信息,调整机械臂的位置;然后直流电机驱动工作台运动,使用LiDAR传感器扫描获取货架表面点的云数据;接着信息处理单元进行货架表面点云数据处理,计算出货架定位孔的具体坐标;最后通信单元将具体坐标发送给外部设备。本发明提高了非定点货架的定位精度和抓取效率。

    基于改进遗传算法的多UAV服务边缘计算的任务分配方法

    公开(公告)号:CN110766159B

    公开(公告)日:2022-08-30

    申请号:CN201910936068.3

    申请日:2019-09-29

    Abstract: 本发明公开了一种基于改进遗传算法的多UAV服务边缘计算的任务分配方法,包括:构建边缘计算服务系统;提取UAV及终端的属性信息;生成终端任务随机卸载到无人机服务器计算的若干决策方案;建立UAV按照TSP问题顺序服务的能耗模型和时间模型,并建立任务本地计算的时间模型,形成最小化UAV边缘计算系统能耗和时间的多目标优化;利用改进遗传算法进行求解,获得最优的终端卸载决策和无人机任务分配方案。本发明可以有效为地面终端做出卸载决策,为多UAV服务若干终端的任务进行分配,为各UAV各自服务的顺序做出规划,可以有效降低终端任务的时间延迟和无人机服务器系统提供服务的能耗,延长了多UAV挂载服务器提供边缘计算系统的生存时间并提升了终端的效率。

    基于SWIPT的无人机边缘计算系统能量收集方法

    公开(公告)号:CN114501479A

    公开(公告)日:2022-05-13

    申请号:CN202210198780.X

    申请日:2022-03-01

    Abstract: 本发明公开了一种基于SWIPT的无人机边缘计算系统能量收集方法,该方法为:搭建无人机边缘计算系统的工作模型,包含多架携带边缘计算服务器的无人机以及2个进行信号传输的地面基站,无人机通过SWIPT模块接收射频信号中的能量信号;对系统中无人机利用SWIPT模块接收到的射频信号进行功率分流,分别用于信息解码和能量收集;建立系统的信道模型、能耗模型,得到信道容量、无人机功耗以及无人机的能量效率的数学表达式;设计系统的两种工作模式;通过分析仿真曲线,验证两种工作模式带来的能效以及剩余能量的提升,进行系统能效优化。本发明提高了无人机边缘计算系统的续航能力,可广泛应用于应急救援、远程通信等边缘计算应用场景。

    一种高自由度水下传感器网络中无线链路质量预测方法

    公开(公告)号:CN108684052B

    公开(公告)日:2021-05-07

    申请号:CN201810770848.0

    申请日:2018-07-13

    Abstract: 本发明公开了一种高自由度水下传感器网络中无线链路质量预测方法。该方法步骤为:以由海面Sink、水下锚节点、水下普通传感器节点构成的等级型、高自由度的水下传感器网络为研究对象,建立其网络加权图序列模型以及相应的链路质量邻接矩阵;基于对链路质量序列的相关函数以及偏相关函数的特点分析,对链路质量序列进行时间序列模型识别;通过近似极大似然估计方法以及SBC准则进一步估计模型参数并完成模型定阶,进而实现锚节点与传感器节点间的链路质量预测;最后,利用预设的预测精度门限值分析链路质量预测结果,从而进行差错控制与模型优化。本发明预测精度高、可行性强,可以广泛适用于多种水下场景中的传感器网络链路质量预测。

Patent Agency Ranking