-
公开(公告)号：CN119573751A
公开(公告)日：2025-03-07
申请号：CN202411597539.X
申请日：2024-11-11
Applicant: 上海大学
IPC: G01C21/34
Abstract: 本申请公开了一种动态自适应两栖车路径与能耗优化方法，涉及路径与能耗优化领域。该方法包括：获取信息数据；信息数据包括：环境数据和两栖车自身相关数据；环境数据包括：风速、风向、洋流速度、洋流方向、海浪高度和海浪频率；两栖车自身相关数据包括：位置、速度和加速度；所述信息数据含有时间戳；将信息数据输入至路径与能耗优化模型，得到优化后的规划路径信息；优化后的规划路径信息是基于启发式函数确定的能耗最低的规划路径；路径与能耗优化模型是采用强化学习算法和A*算法，基于两栖车水面能耗模型和启发式函数进行更新优化后得到的。本申请可实现路径与能耗优化，提高两栖车的续航能力和任务完成效率。
-
公开(公告)号：CN118092447A
公开(公告)日：2024-05-28
申请号：CN202410251278.X
申请日：2024-03-05
Applicant: 上海大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开一种多无人艇协同围捕方法、计算机设备及存储介质，涉及智能船舶自主航行技术领域，多无人艇协同围捕方法应用在协同围捕环境中，协同围捕环境存在多艘围捕艇和单艘目标艇，多艘围捕艇通过协同合作对单艘目标艇进行围捕操作；多无人艇协同围捕方法包括如下步骤：步骤1：获取当前时刻围捕艇的状态信息和目标艇的状态信息；步骤2：根据当前时刻围捕艇的状态信息和目标艇的状态信息，确定当前时刻对应的协同围捕环境；步骤3：根据当前时刻对应的协同围捕环境和训练好的围捕艇，确定下一时刻围捕艇的速度信息和角度信息；本发明可以有效地提高多艘同构围捕艇地避碰的效率和围捕的成功率。
-
公开(公告)号：CN116700239A
公开(公告)日：2023-09-05
申请号：CN202310420000.6
申请日：2023-04-19
Applicant: 上海大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于分布式并行遗传算法的多无人艇目标海域保卫巡逻路径规划方法，步骤为：S1，根据区域被入侵风险和无人艇的探测范围将要保卫的海域划分为若干个待巡逻区域，每个待巡逻区域的中心点作为巡逻点；S2，采用k‑means算法对巡逻点进行聚类，根据无人艇数量将巡逻点划分至不同簇类中；S3，将划分好的巡逻点信息分配给各无人艇，无人艇集群并行采用改进遗传算法进行路径规划，得到原始最优巡逻路径；S4，对原始最优巡逻路径做平滑操作，得到最终规划巡逻路径。本发明针对海域保卫场景，利用k‑means算法与遗传算法相结合进行多无人艇路径规划，规划的路线具有较高的区域覆盖率和防止被规避率，弥补了海域保卫任务下路径规划领域的研究空缺。
-
公开(公告)号：CN116282482A
公开(公告)日：2023-06-23
申请号：CN202310433995.X
申请日：2023-04-21
Applicant: 上海大学
IPC: C02F1/76 , C02F1/72 , C02F101/30 , C02F101/36
Abstract: 本发明涉及有机质强化高级氧化体系去除场地典型有机污染物的方法，在含有场地典型有机污染物的水体中加入氧化剂和铁基催化剂形成高级氧化体系，通过加入腐殖质材料增强高级氧化体系对场地典型有机污染物的去除效率。与现有技术相比，本发明可以弥补高级氧化体系对于催化剂的过量需求和受水体环境中各影响因素干扰的不稳定性，同时进一步促进降解效率，且腐殖质材料安全无毒，不会对水体环境产生二次污染，能够应用于受场地典型有机污染物污染的场地土壤、地下水和地表水等环境介质中，实现场地典型有机污染物的高效去除。
-
公开(公告)号：CN118760210B
公开(公告)日：2025-04-25
申请号：CN202411028859.3
申请日：2024-07-29
Applicant: 上海大学
Abstract: 本发明涉及无人机控制技术领域，提出一种无人机编队控制方法及系统。该方法包括：根据无人机集群的多个无人机的全局路径生成多个无人机飞行走廊；根据所述无人机飞行走廊与无人机集群的主无人机的全局路径之间的包含关系，确定无人机是否处于陷阱中；当存在处于陷阱中的受困无人机时，构造所述受困无人机与所述主无人机之间的连接路径，根据所述连接路径生成受困无人机飞行走廊，并且确定临时导航点，使无人机集群飞向临时导航点处；以及构造并求解优化问题，以将无人机集群约束在主无人机飞行走廊中，使得无人机集群绕过陷阱。本发明有效解决无人机在连续性障碍中的困境问题，适用于各种复杂环境中的无人机应用，具有广泛的实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN119575984A
公开(公告)日：2025-03-07
申请号：CN202411744292.X
申请日：2024-11-30
Applicant: 上海大学
Abstract: 本发明提供一种基于深度强化学习的无人艇目标追踪决策控制方法，建立无人艇运动模型以获得无人艇当前运动状态；建立目标追踪任务奖励函数；基于软演员‑评论家算法构建深度强化学习网络模型，初始化；获取目标船舶的当前位置和预测位置；利用深度强化学习网络模型得到无人艇最优控制策略和更新后的无人艇运动状态；随机选取控制策略以得到更新后的目标船舶运动状态，将所述更新后的无人艇运动状态和更新后的目标船舶运动状态作为训练样本存储在经验池，当未追上目标船舶时重复以上过程；当追上目标船舶时从经验池中随机采样以更新所述深度强化学习网络模型参数。本发明提升无人艇的智能决策能力和跟踪性能，推动其在民用和军用领域的应用发展。
-
公开(公告)号：CN119514988A
公开(公告)日：2025-02-25
申请号：CN202411652374.1
申请日：2024-11-19
Applicant: 上海大学
IPC: G06Q10/0631 , G06Q30/08 , G06N3/006
Abstract: 本发明涉及一种多目标无人艇围捕方法及系统。围捕方法包括如下步骤：根据围捕无人艇与目标无人艇的信息，为目标无人艇选择合适的围捕无人艇作为招标者；所述招标者向周围围捕无人艇发布信息进行招标；所述投标者进行投标，计算其与目标无人艇的距离以及对目标无人艇的包围角；所述招标者按照距离和包围角选择最佳投标者组合作为分配结果；所有目标无人艇分配完成后，相邻目标无人艇对围捕无人艇进行局部交换；执行围捕，所述围捕分为协同靠近和协同围捕；围捕无人艇与目标无人艇的距离与包围半径Rs的差值小于给定阈值ε且总包围角大于等于360°时，则围捕成功；若有目标无人艇被围捕，则进行任务重分配，所有目标无人艇围捕成功则围捕任务结束。本发明提出的多目标无人艇围捕方法，通过改进的合同网算法来进行多无人艇任务分配，加快了速度且结果较优；同时利用改进的粒子群算法结合分阶段围捕的方法实现多无人艇的围捕控制，提高了围捕成功率，方法稳定适应性好。
-
公开(公告)号：CN118605524A
公开(公告)日：2024-09-06
申请号：CN202410746609.7
申请日：2024-06-11
Applicant: 上海大学
IPC: G05D1/43 , G05D109/30
Abstract: 本申请公开一种整合全局与局部决策的无人艇集群协同搜索方法及系统，涉及无人系统协同操作领域，方法包括：构建全局目标概率分布图；指挥艇基于全局目标概率分布图、静态避障信息以及所有执行艇的当前位置信息，在目标约束条件下，每隔一设定时间步长采用粒子群优化算法进行全局路径规划；指挥艇和各执行艇基于当前位置信息、动态避障信息以及全局路径规划的目标点位置，采用深度强化学习的方式不断进行局部路径规划；当指挥艇和各执行艇因避障而无法在设定时间步长内到达目标点位置时，指挥艇根据重新规划请求提前进入下一轮次的全局路径规划，并更新指挥艇和各执行艇的目标点位置。本申请提高了无人艇集群在动态海洋环境中的协同搜索效率。
-
公开(公告)号：CN116822883A
公开(公告)日：2023-09-29
申请号：CN202310801068.9
申请日：2023-06-30
Applicant: 上海大学
IPC: G06Q10/0631 , G06F18/23213 , G06N3/04
Abstract: 本发明公开了一种基于K均值的自组织多艇协同任务规划方法及系统，涉及协同任务规划技术领域。方法包括获取无人水面艇信息和当前时刻的任务点信息；基于无人水面艇信息，利用K均值聚类算法对多个任务点进行聚类处理，得到多个任务点集群；根据多个任务点集群，利用自组织映射神经网络确定每艘无人水面艇的最优任务执行方案；将当前时刻作为上一时刻，获取预设时间间隔后的任务点信息为当前时刻的任务点信息；基于当前时刻的任务点信息和上一时刻的任务点信息，更新每艘无人水面艇的最优任务执行方案。本发明通过设置自组织映射神经网络能够完成多艇协同任务规划过程中动态任务点分配，提高多艇协同任务规划的合理性。
-
公开(公告)号：CN116578107A
公开(公告)日：2023-08-11
申请号：CN202310423812.6
申请日：2023-04-19
Applicant: 上海大学
Abstract: 本发明公开一种基于模型预测控制的无人艇追击方法及系统，涉及无人机构控制领域，该方法包括：获取对方无人机构的当前状态和我方无人机构的当前状态；基于对方无人机构的当前状态和我方无人机构的当前状态，以及辨识模型和机理模型，以代价函数最小化为优化目标，采用优化算法确定我方无人机构在下一时刻的控制量；所述代价函数包括距离代价、攻击角度代价、被攻击角度代价和速度代价；所述辨识模型用于根据我方无人机构的期望控制量预测实际控制量；所述机理模型用于根据实际控制量和当前态势预测下一时刻的状态量，所述状态量包括我方无人机构与对方无人机构的相对距离和视线角。本发明提高了追击的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.021 seconds)
