-
公开(公告)号：CN119839874A
公开(公告)日：2025-04-18
申请号：CN202510315668.3
申请日：2025-03-18
Applicant: 华东交通大学
IPC: B25J9/16
Abstract: 本发明公开了一种机器人运动控制方法及系统，方法包括：获取机器人运动前的环境信息，并根据所述环境信息，采用轨迹规划算法规划出所述机器人的最优轨迹；根据所述最优轨迹构建轨迹模仿奖励函数，并将所述轨迹模仿奖励函数加入至自适应动态奖励函数，得到目标自适应动态奖励函数；基于所述目标自适应动态奖励函数控制所述机器人对所述最优轨迹进行模仿；根据改进裁剪机制的PPO深度强化学习算法对所述机器人的运动轨迹进行训练和学习，最终得到所述机器人的最优控制策略。自适应动态奖励机制能够根据环境状况动态调整奖励权重，而参考轨迹奖励则提供了方向性指引，这种组合在保持轨迹精确性的同时，能灵活地应对环境的实时变化。
-
公开(公告)号：CN112307607B
公开(公告)日：2022-01-25
申请号：CN202011134062.3
申请日：2020-10-21
Applicant: 华东交通大学
IPC: G06F30/20 , G06F30/18 , G06F111/10 , G06F111/04
Abstract: 本发明属于复杂网络渗流相变行为分析技术领域，公开了一种基于边耦合的相依网络渗流分析方法及分析系统，基于边耦合的相依网络渗流分析方法包括：构建边‑边相依网络模型；采用自平衡概率理论建立所述边‑边相依网络模型的理论分析框架；基于构建的理论分析框架对其他边边相依网络模型在面临随机失效下的渗流相变行为以及渗流阈值进行分析。本发明采用自平衡概率理论建立该模型的理论分析框架，能够无需跟踪级联失效过程直接写出系统稳定后的状态方程，具有直观简洁的优点。本发明基于该理论框架分析了模型在面临随机失效下的相变行为和渗流阈值，对于理解现实世界中边耦合网络的鲁棒性具有重用的意义。
-
公开(公告)号：CN110933726B
公开(公告)日：2021-11-23
申请号：CN201911270581.X
申请日：2019-12-12
Applicant: 华东交通大学
Abstract: 一种切换异构网络下的多智能体系统包含控制的实现方法，根据在跟随者间位置无向通信，速度有向通信，且含有多个领导者的多智能体通讯网络拓扑结构，确定以领导者为根节点的联合生成树结构；构造在速度拓扑不随时间切换时，所有可能的位置切换拓扑的并图组合连通的周期性切换的位置拓扑结构。再基于已确定的异构网络构造位置拓扑不随时间切换时，所有可能的速度切换拓扑的并图含有联合有向生成树的周期性切换的速度拓扑结构；分别为位置拓扑随时间切换、速度拓扑固定和位置拓扑固定、速度拓扑随时间切换两种情形下的多智能体系统设计相应的包含控制协议，从而实现跟随者都能运动到由领导者构成的凸包中，跟随者与领导者的速度实现一致。
-
公开(公告)号：CN113110058A
公开(公告)日：2021-07-13
申请号：CN202110452318.3
申请日：2021-04-26
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 一种通信受限的多智能体系统二分实用一致性控制方法，包括以下步骤：(1)基于结构平衡拓扑假设，通过一类正交矩阵进行规范变换，使得二分实用一致性问题转变为一般实用一致性问题；(2)利用微分包含理论和菲利波夫解的框架得出了控制器在右端不连续情况下多智能体系统存在全局解；(3)基于量化器构建李雅普诺夫函数，利用李雅普诺夫稳定性理论和代数图论推导多智能体系统的稳定性条件，并导出了与任何全局信息和初始值无关的误差收敛上界值；(4)设计了一种基于融合时滞项、取整函数的量化器的右端不连续控制议，使得各智能体位置状态收敛至模相同但符号不同的可控区间，从而实现通信受限的多智能体系统实现二分实用一致性。
-
公开(公告)号：CN112307607A
公开(公告)日：2021-02-02
申请号：CN202011134062.3
申请日：2020-10-21
Applicant: 华东交通大学
IPC: G06F30/20 , G06F30/18 , G06F111/10 , G06F111/04
Abstract: 本发明属于复杂网络渗流相变行为分析技术领域，公开了一种基于边耦合的相依网络渗流分析方法及分析系统，基于边耦合的相依网络渗流分析方法包括：构建边‑边相依网络模型；采用自平衡概率理论建立所述边‑边相依网络模型的理论分析框架；基于构建的理论分析框架对其他边边相依网络模型在面临随机失效下的渗流相变行为以及渗流阈值进行分析。本发明采用自平衡概率理论建立该模型的理论分析框架，能够无需跟踪级联失效过程直接写出系统稳定后的状态方程，具有直观简洁的优点。本发明基于该理论框架分析了模型在面临随机失效下的相变行为和渗流阈值，对于理解现实世界中边耦合网络的鲁棒性具有重用的意义。
-
Patent Agency Ranking
公开(公告)号：CN111077779A
公开(公告)日：2020-04-28
申请号：CN201911333273.7
申请日：2019-12-23
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 一种带扰动混杂多智能体系统领导-跟随一致性控制方法，包括以下步骤：（1）根据混杂多智能体系统的网络拓扑，将智能体分为领导者智能体与跟随者智能体。领导者智能体具有独立的控制输入与独立的运动状态。（2）根据带扰动混杂多智能体系统模型设计一致性轨迹误差函数。（3）根据一致性轨迹误差协议，分别为连续时间智能体与离散时间智能体设计滑模面函数。当智能体运动到滑模面 或 时，混杂多智能体系统就可以实现领导-跟随一致性。（4）根据智能体滑模面函数和智能体之间的位置关系，分别为连续时间智能体与离散时间智能体设计控制协议，带扰动混杂多智能体系统可以实现领导-跟随一致性。
-
公开(公告)号：CN110933726A
公开(公告)日：2020-03-27
申请号：CN201911270581.X
申请日：2019-12-12
Applicant: 华东交通大学
Abstract: 一种切换异构网络下的多智能体系统包含控制的实现方法，根据在跟随者间位置无向通信，速度有向通信，且含有多个领导者的多智能体通讯网络拓扑结构，确定以领导者为根节点的联合生成树结构；构造在速度拓扑不随时间切换时，所有可能的位置切换拓扑的并图组合连通的周期性切换的位置拓扑结构。再基于已确定的异构网络构造位置拓扑不随时间切换时，所有可能的速度切换拓扑的并图含有联合有向生成树的周期性切换的速度拓扑结构；分别为位置拓扑随时间切换、速度拓扑固定和位置拓扑固定、速度拓扑随时间切换两种情形下的多智能体系统设计相应的包含控制协议，从而实现跟随者都能运动到由领导者构成的凸包中，跟随者与领导者的速度实现一致。
-
公开(公告)号：CN108897229A
公开(公告)日：2018-11-27
申请号：CN201811114142.5
申请日：2018-09-25
Applicant: 华东交通大学
IPC: G05B13/04
Abstract: 一种二阶多智能体系统的领导-跟随比例一致性控制方法，根据网络的拓扑结构确定跟随智能体与领导者，确定以领导者为根节点的有向生成树结构；其次根据期望实现多智能体状态比例关系，为跟随智能体选择比例参数，使二阶多智能体状态达到预期指定比例关系；最后在一个或多个跟随智能体能获取领导者信息的情况下，设计多智能体的领导-跟随比例一致性协议，实现跟随智能体的状态以一定的比例严格跟随领导者的状态，所有跟随智能体的状态实现比例一致性。
-
公开(公告)号：CN104936209A
公开(公告)日：2015-09-23
申请号：CN201510175755.X
申请日：2015-04-15
Applicant: 华东交通大学
Abstract: 一种基于权值可调的分布式滤波方法，所述方法引进节点确信度的评估算法，获得各传感器网络节点对目标状态估计的确信度；其次，将节点的负载定义为传感器网络中该节点对目标估计的确信度值,采用权值重分配的方法，将遭受攻击节点的权值进行分配，更新各传感器网络节点对目标状态估计的确信度，并将该确信度构成的权值引入一致性协议中更新传感器节点对目标的状态估计值，从而提高分布式滤波方法的估计精度和传感器节点估计值的一致性。本发明可以提高非信任环境下无线传感器网络对目标跟踪的估计精度性。
-
公开(公告)号：CN104597900A
公开(公告)日：2015-05-06
申请号：CN201410718358.8
申请日：2014-12-02
Applicant: 华东交通大学
IPC: G05D1/00
Abstract: 一种基于类电磁机制优化的FastSLAM方法，所述方法在单机器人执行FastSLAM任务时，在重采样过程中引入类电磁机制优化思想，建立类电磁机制优化的FastSLAM算法，把采样粒子看成一个电子，根据权值大的粒子吸引权值小的粒子，权值小的粒子排斥权值大的粒子，优化粒子分布，提高粒子质量，从而改善传统FastSLAM方法中粒子退化与粒子多样性匮乏的问题；所述方法模拟电磁场中带电粒子之间吸引排斥机制改善粒子分布，然后在多机器人观测到共同路标时，把观测到同一个路标的每个机器人当做一个节点，利用卡尔曼一致性算法修正机器人对路标的估计值，从而进一步提高了各机器人定位与构图精度。本发明可以提高机器人在未知环境中的自我定位与地图构建的估计精度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.026 seconds)
