一种基于船体动力学约束模型的无人船路径规划方法

    公开(公告)号:CN115129045B

    公开(公告)日:2024-10-29

    申请号:CN202210568321.6

    申请日:2022-05-19

    Abstract: 本发明公开了一种基于船体动力学约束模型的无人船路径规划方法,属于湖泊水质采样以及路径规划领域,具体为首先,对监测湖面的环境进行图像采集,对各障碍物进行等效标准图形替换;然后,建立船身姿态和速度进行控制保证的运动学模型;接着,对监测湖面中除去障碍物以外存在的危险区域进行建模;最后,无人船采用改进的A*算法规划出起点到目标点之间的路径,结合障碍物和威胁区域的建模,对路径中存在的拐点,利用转弯策略对无人船的姿态进行调整。在无人船真实遍历过程中,面对无人船受到的水流或风速影响,加入稳船偏转策略,保证无人船始终航行在规划路径上。本发明明显缩短了路径规划所消耗的时间,减少了设备成本。

    一种基于组合神经网络的无人船姿态角预测方法

    公开(公告)号:CN117806313A

    公开(公告)日:2024-04-02

    申请号:CN202311710249.7

    申请日:2023-12-13

    Abstract: 本发明涉及无人船控制技术领域,特别涉及一种基于组合神经网络的无人船姿态角预测方法。采用了加速度计、陀螺仪和磁力计三种不同传感器,当无人船处于不同的外部条件时,通过自注意力融合各有优势的三种不同传感器数据可获得当前环境下的最优预测效果;组合神经网络利用其强大的非线性学习能力,可以从复杂的传感器数据中提取关键特征,即便在传感器数据中存在噪声或环境条件不断变化的情况下神经网络能够实时调整其权重,快速适应环境变化,这样即使在风力突变的情况下也能保持对USV姿态的精确估计;从仿真效果来看,组合神经网络相较于当一的神经网络预测准确度更高。

    基于遥感图像4D-FractalNet的多因素蓝藻水华预测方法

    公开(公告)号:CN113011397B

    公开(公告)日:2024-03-29

    申请号:CN202110461909.7

    申请日:2021-04-27

    Abstract: 本发明公开了一种基于遥感图像4D‑FractalNet的多因素蓝藻水华预测方法,属于水质监测技术领域,具体包括:首先,在传统CNN的基础上加入时间维度与水华发生的相关因素,进行改进得到4D‑CNN‑SVM模型,对卷积层进行递归扩展,形成4D‑FractalNet模型;然后,利用细菌觅食算法对4D‑FractalNet模型中的卷积核数量和尺寸进行优化;利用优化后的4D‑FractalNet模型对各输入的遥感图像进行特征提取,并对水体富营养化等级预测;最后,在BP神经网络上增加承接层作为Elman神经网络;结合采样站点采集的历史时刻的叶绿素浓度测量值,藻类生长机理模型计算的当前时刻叶绿素浓度值,以及遥感图像的提取特征共同输入Elman神经网络,对下一时刻的叶绿素浓度值进行预测;本发明能实现蓝藻水华爆发的全面预测。

    一种基于卡尔曼滤波的无人船定位方法

    公开(公告)号:CN117268400A

    公开(公告)日:2023-12-22

    申请号:CN202311389277.3

    申请日:2023-10-25

    Abstract: 本发明涉及无人船技术领域,特别涉及一种基于卡尔曼滤波的无人船定位方法。采用卡尔曼滤波算法计算当前无人船预测坐标 卡尔曼滤波算法计算过程中,上一时刻的状态转移矩阵Fk‑1由ESN神经网络获取,此时的先验误差协方差矩阵Pk|k‑1由GRU神经网络获取。本发明采用了ESN和GRU神经网络学习预测状态的转变及其协方差,取代了卡尔曼滤波算法中的前两步计算公式,摆脱了滤波过程中运动模型及矩阵参数固定的不足,使得该自适应滤波模型更加适用于无人船的位置估计任务。误差协方差矩阵的初始值、状态转移矩阵和过程噪声协方差矩阵不需要作为超参数进行设置。此外,摆脱了传统卡尔曼滤波器对于系统的线性要求,可以为无人船提供更具准确性和鲁棒性的状态估计结果。

    一种基于LSTM-DFGAN的粮食加工过程污染物数据扩充及风险预测方法

    公开(公告)号:CN116777196A

    公开(公告)日:2023-09-19

    申请号:CN202310343276.9

    申请日:2023-03-31

    Abstract: 本发明公开了一种基于LSTM‑DFGAN的粮食加工过程污染物数据扩充及风险预测方法,属于食品安全领域。首先获取粮食加工过程污染物的原始数据,处理后得到1行N×(I+J)列的一维数据,并输入到TimeGAN中进行扩充,将扩充后的每组数据集划分为训练集和测试集,对LSTM和GAN进行训练。然后将训练集中的输入数据输入训练好的LSTM/GAN模型,输出预测数据,将预测的输出数据与训练集的输入数据融合,作为DF模型的输入数据,利用训练集中的输出数据作为DF模型的输出数据,对DF模型进行训练。基于训练好的DF,将DF嵌入GAN,建立DFGAN模型。最后在DFGAN模型的基础上,将DF替换为LSTM‑DF模型,建立LSTM‑DFGAN模型,实现对粮食加工过程污染物的精准预测。本发明具有首创性,融合各模型的优点,预测效果更好。

    一种基于多机器学习算法融合的大米安全风险评估方法

    公开(公告)号:CN114764682B

    公开(公告)日:2023-04-07

    申请号:CN202210306564.2

    申请日:2022-03-25

    Abstract: 本发明提出一种基于多机器学习算法融合的大米安全风险评估方法。本发明方法包括:获取大米危害物检测数据并进行预处理;从危害物指标层面入手,依据AHP算法与SC算法实现专家分类,结合专家评估结果的一致性权重差异求解专家类别内权重与专家间权重,构建大米安全风险评估指标体系,将预处理后的危害物检测数据与综合权重加权求和,获得大米危害物风险值;采用多机器学习算法融合构建大米安全风险评估模型,以实现风险快速评估。本发明方法以更客观的方式有效兼顾了全部专家的意见,避免对无效信息”的放大和对“有效信息”的缩小。本发明能有效降低监管成本,提高风险发现与响应处置效率,可为监管部门提供精准高效的决策依据。

    基于动态障碍物环境下的无人船路径规划方法

    公开(公告)号:CN112799405B

    公开(公告)日:2022-06-28

    申请号:CN202110008700.5

    申请日:2021-01-05

    Abstract: 本发明公开的是一种基于动态障碍物环境下的无人船路径规划方法,适用于湖泊水质采样以及路径规划领域。首先采用无人机对湖面环境进行图像采集,然后用栅格法进行分割,并在栅格地图上设置起始点与采样点;采用改进的D*Lite算法对起始点与采样点进行路径规划;得到最优采样路径后对其进行平滑处理;最后,无人船按照该最优路径移至采样点后并返航。本发明通过对D*Lite算法中的启发函数改进,以及路径平滑处理,满足无人船在动态未知环境中的路径规划需求,有效解决传统D*Lite算法中扩展节点数目较多的情况,极大缩短了路径规划时间,减少设备消耗成本。

    基于混杂动态系统的水质机理建模及健康风险评估方法

    公开(公告)号:CN110889201B

    公开(公告)日:2020-07-03

    申请号:CN201911072914.8

    申请日:2019-11-05

    Abstract: 本发明公开了一种基于混杂动态系统的水质机理建模及健康风险评估方法,属于环境工程技术领域。本发明包括:首先构建一般性水质机理模型,并为弥补一般性水质机理模型在有效建模水质演化过程的不足,利用混杂动态系统,构建基于混杂动态系统的水质机理模型;在已知水质测量数据的基础上,利用果蝇优化算法估计模型的未知参数;利用改进的交互多模型实现水质演化状态估计,结合健康度,实现水质健康风险评估。本发明建立了能有效描述水体不同状态和水质退化过程的水质机理模型,并能准确估计水质机理模型的未知参数,与已有方法相比,提高了水质监测的精度和速度,能有效实现水质评价,且考虑更加全面、准确,克服了单值评价带来的偶然性。

    基于嵌入式技术的河湖水质信息远程监测主控制器

    公开(公告)号:CN103605308B

    公开(公告)日:2018-10-30

    申请号:CN201310581499.5

    申请日:2013-11-20

    Abstract: 本发明公开一种基于嵌入式技术的河湖水质信息远程监测主控制器,包括CPU处理器、FLASH模块、铁电存储器、多电压供给模块、GPRS模块、GPS模块、LAN接口、继电器输出接口、RS232/RS485输入接口、GPIO接口和ADC接口。CPU指导其它模块完成相应操作;FLASH模块和铁电存储器用于存储数据及状态信息等;多电压供给模块可提供多路电压输出;GPRS模块用于实现短信推送和报警;GPS模块用于实现全球定位;继电器输出接口用于控制外接设备;RS232/RS485输入接口用于采集河湖水质和图像信息;GPIO接口用于触发摄像头拍照;ADC接口用于水箱液位和温度检测。

Patent Agency Ranking