-
公开(公告)号：CN112859853A
公开(公告)日：2021-05-28
申请号：CN202110025737.9
申请日：2021-01-08
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种考虑时延和环境约束的智能收获机器人路径控制方法，属于现代农业无人辅助驾驶技术领域。本发明包括以下步骤：建立收获机转向系统的动力学模型、运动学模型、收获机‑地面受力模型，并构建考虑输入延迟和外部扰动的控制系统模型，将综合误差作为状态变量；基于预设性能函数对状态变量进行约束，通过误差转换函数将有约束的变量转换为无约束的变量；针对定常输入时延和时变输入时延两种情况，分别构建基于定常时延和基于时变时延估计值的饱和补偿变量，并基于反步法和李雅普诺夫稳定性定理设计相应的控制输入。此种方法可有效对跟踪误差进行约束，补偿输入时延对跟踪系统的影响，以提高收获机的自动驾驶导航效果。
-
公开(公告)号：CN109884900B
公开(公告)日：2022-04-12
申请号：CN201910266117.7
申请日：2019-04-03
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应模型预测控制的收获机路径跟踪控制器的设计方法，包括如下步骤：(1)建立收获机三自由度运动学模型；(2)以转向角为控制变量，设计模型预测控制算法；(3)采用改进粒子群算法对不同路径和速度情况下的预测时域进行参数整定；(4)根据路径和行驶速度选定工作模式进而得到相应的预测时域。本发明能够有效解决由于收获机滞后性大引起的延迟问题，改善预测时域的选取进而提高路径跟踪效果。
-
公开(公告)号：CN109884900A
公开(公告)日：2019-06-14
申请号：CN201910266117.7
申请日：2019-04-03
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于自适应模型预测控制的收获机路径跟踪控制器的设计方法，包括如下步骤：(1)建立收获机三自由度运动学模型；(2)以转向角为控制变量，设计模型预测控制算法；(3)采用改进粒子群算法对不同路径和速度情况下的预测时域进行参数整定；(4)根据路径和行驶速度选定工作模式进而得到相应的预测时域。本发明能够有效解决由于收获机滞后性大引起的延迟问题，改善预测时域的选取进而提高路径跟踪效果。
-
公开(公告)号：CN107063300B
公开(公告)日：2019-12-06
申请号：CN201611191305.0
申请日：2016-12-21
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于反演的水下导航系统动力学模型中扰动估计方法，包括以下步骤：根据水下航行器的动力学矢量方程，建立含有未知扰动的非线性系统状态方程和量测方程；采用容积卡尔曼滤波对水下航行器进行状态估计，得到其新息序列；采用递推最小二乘估计方法，由新息序列估计总力大小；采用迭代算法对所求总力进行修正；由总力求扰动力。本发明无需建立扰动力模型，动力学模型简单；对扰动力没有限制，适用性强；不需要准备大量样本数据，对扰动力进行在线估计，是一种实用性强的扰动估计方法。
-
公开(公告)号：CN106153045B
公开(公告)日：2018-11-09
申请号：CN201610525966.6
申请日：2016-07-05
Applicant: 东南大学
Abstract: 本发明公开了一种抑制GNSS信息异常的滤波增益动态调整方法，在标准卡尔曼滤波算法的基础上，通过新息向量构造符合χ2分布的指标量并进行χ2检验，对观测异常值进行检测。根据χ2检验的参数构造比例因子，使用比例因子对相应的滤波增益矩阵进行降低，达到抑制异常观测值对系统影响的目的。本发明对正常噪声无影响，对异常值无错检、漏检，且对单独时刻异常值和持续异常值均有较高效作用，可使系统性能提高90％以上，将异常值的作用时间降5倍左右，大大提高了组合导航系统的性能。
-
Patent Agency Ranking
公开(公告)号：CN109000640B
公开(公告)日：2021-09-28
申请号：CN201810513315.4
申请日：2018-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法，包括以下步骤：S1：根据微惯性器件输出的角增量和比力，利用惯导数值更新算法解算车辆的姿态、速度和位置；S2：建立基于DGM(1,1)的离散灰度预测模型；S3：改进多层神经网络MLP；S4：设计基于离散灰度神经网络的混合智能预测算法DGM‑MLP；S5：以惯导误差方程为状态方程，INS解算的位置与GNSS的位置之差为观测量或者INS解算的位置与伪GNSS位置之差为观测量，利用卡尔曼滤波器KF对组合导航系统进行状态估计；S6：卡尔曼滤波器KF估计得到的位置、速度和姿态误差对惯导解算结果进行输出校正，陀螺和加表误差对惯导进行反馈校正。本发明能够有效解决GNSS信号失效时导航精度降低的问题。
-
公开(公告)号：CN111736598A
公开(公告)日：2020-10-02
申请号：CN202010493571.9
申请日：2020-06-03
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于自适应神经网络的收获机路径跟踪控制方法和系统，其中控制方法包括：1、构建基于RBF的前后轮转向参数不确定项优化模型；2、获取当前时刻期望航向角和期望航向角速率、收获机航向角和航向角速率、纵向速度和纵向加速度、横向速度和横向加速度；3、计算当前时刻收获机的综合偏差及其导数；4、将综合偏差及其导数作为前后轮转向参数不确定项优化模型的输入，更新隐含层到输出节点之间的连接权重，计算前后轮转向参数不确定项优化模型的输出；5、计算当前时刻前后轮转向参数：6、计算当前时刻的转向轮转角。该控制方法可在模型参数不确定甚至未知情况下，保证路径跟踪效果，实现农用车辆的精准作业。
-
公开(公告)号：CN109000640A
公开(公告)日：2018-12-14
申请号：CN201810513315.4
申请日：2018-05-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于离散灰色神经网络模型的车辆GNSS/INS组合导航方法，包括以下步骤：S1：根据微惯性器件输出的角增量和比力，利用惯导数值更新算法解算车辆的姿态、速度和位置；S2：建立基于DGM(1,1)的离散灰度预测模型；S3：改进多层神经网络MLP；S4：设计基于离散灰度神经网络的混合智能预测算法DGM-MLP；S5：以惯导误差方程为状态方程，INS解算的位置与GNSS的位置之差为观测量或者INS解算的位置与伪GNSS位置之差为观测量，利用卡尔曼滤波器KF对组合导航系统进行状态估计；S6：卡尔曼滤波器KF估计得到的位置、速度和姿态误差对惯导解算结果进行输出校正，陀螺和加表误差对惯导进行反馈校正。本发明能够有效解决GNSS信号失效时导航精度降低的问题。
-
公开(公告)号：CN107063300A
公开(公告)日：2017-08-18
申请号：CN201611191305.0
申请日：2016-12-21
Applicant: 东南大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于反演的水下导航系统动力学模型中扰动估计方法，包括以下步骤：根据水下航行器的动力学矢量方程，建立含有未知扰动的非线性系统状态方程和量测方程；采用容积卡尔曼滤波对水下航行器进行状态估计，得到其新息序列；采用递推最小二乘估计方法，由新息序列估计总力大小；采用迭代算法对所求总力进行修正；由总力求扰动力。本发明无需建立扰动力模型，动力学模型简单；对扰动力没有限制，适用性强；不需要准备大量样本数据，对扰动力进行在线估计，是一种实用性强的扰动估计方法。
-
公开(公告)号：CN106153045A
公开(公告)日：2016-11-23
申请号：CN201610525966.6
申请日：2016-07-05
Applicant: 东南大学
CPC classification number: G01C21/165 , G01C21/20 , G01S19/49
Abstract: 本发明公开了一种抑制GNSS信息异常的滤波增益动态调整方法，在标准卡尔曼滤波算法的基础上，通过新息向量构造符合χ2分布的指标量并进行χ2检验，对观测异常值进行检测。根据χ2检验的参数构造比例因子，使用比例因子对相应的滤波增益矩阵进行降低，达到抑制异常观测值对系统影响的目的。本发明对正常噪声无影响，对异常值无错检、漏检，且对单独时刻异常值和持续异常值均有较高效作用，可使系统性能提高90％以上，将异常值的作用时间降5倍左右，大大提高了组合导航系统的性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.11 seconds)
