-
公开(公告)号：CN119304894B
公开(公告)日：2025-03-25
申请号：CN202411864983.3
申请日：2024-12-18
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于跨物种优化的机械臂稀疏运动规划方法及系统，属于机械臂控制技术领域，包括：S1：以机械臂的关节角角速度空间能量为目标函数，构建机械臂的约束稀疏运动规划模型，并基于拉格朗日乘子法转化为无约束稀疏运动规划模型；S2在当前迭代构建用于求解无约束稀疏运动规划模型的误差动量神经网络，其包含隐藏层和输出层；S3：求解误差动量神经网络模型在不同初始点下的输出层变量，并将各输出层变量作为粒子，利用粒子群算法搜索最优输出层变量；S4：若未达到最大迭代次数，则转入S2；否则，按照各次迭代中的最优输出层变量实现机械臂稀疏运动规划。本发明能快速搜索到全局最优解，提升机械臂稀疏运动规划的求解质量。
-
公开(公告)号：CN116330855A
公开(公告)日：2023-06-27
申请号：CN202310414146.X
申请日：2023-04-18
Applicant: 华中科技大学
IPC: B41J3/407 , B41J25/304 , B41J29/393 , B41M5/00
Abstract: 本发明属于喷墨打印设备相关技术领域，其公开了一种适用于圆周内外表面上打印的电流体喷印装置及方法，所述装置包括三爪卡盘、喷嘴、直线推杆及直线滑台、依次相连接的活塞、顶盖体及连接壳体；所述三爪卡盘用于装夹圆周样件，并用于带动所述圆周样件转动；所述直线推杆的一端连接于所述直线滑台，另一端连接于所述连接壳体远离所述活塞的一端；所述喷嘴呈L型，其一端设置在所述活塞内，且与供墨管相连接；所述直线推杆用于带动所述喷嘴沿所述圆周样件的轴向移动，所述直线滑台用于通过所述直线推杆、所述连接壳体、所述顶盖体、所述活塞及所述供墨管带动所述喷嘴竖直移动。本发明能够同时适用于圆周内外表面的电流体喷印。
-
公开(公告)号：CN119200622B
公开(公告)日：2025-03-14
申请号：CN202411714211.1
申请日：2024-11-27
Applicant: 华中科技大学
IPC: G05D1/43 , G05D1/644 , G05D1/692 , G05D1/648 , G05D109/10
Abstract: 本发明公开了一种基于ODE‑PDE的编队控制方法及系统，属于多智能体集群控制领域，包括：建立待控制系统的异构多智能体系统模型，并计算各智能体的ODE跟踪误差系统模型，通过部分连续化处理得到稀疏‑密集分布智能体共享的ODE‑PDE误差系统模型。在任意时刻，利用第一RBF神经网络拟合稀疏分布智能体的非线性函数并计算控制信号，代入对应的ODE跟踪误差系统模型，利用第二RBF神经网络拟合密集分布智能体的非线性函数并计算控制信号，代入对应的PDE跟踪误差系统模型。若ODE‑PDE跟踪误差系统收敛，则编队控制结束；否则，继续更新控制信号并使实体对象执行相应的动作。本发明能有效利用多智能体系统的协同控制实现任意规模、任意分布的系统的编队控制。
-
公开(公告)号：CN119323245A
公开(公告)日：2025-01-17
申请号：CN202411874322.9
申请日：2024-12-19
Applicant: 华中科技大学
IPC: G06N3/084 , G06N3/048 , G06F18/241
Abstract: 本发明公开了一种匹配任务难度的类别增量学习模型定制化方法、装置及存储介质，属于分类网络设计领域。该方法包括：设计匹配当前任务难度的不等式约束，筛选随机节点，以构建类别增量学习模型的表征学习层的神经单元；以动态前向更新的方式更新类别增量学习模型的分类器层的输出权值；基于当前任务的训练数据计算输出概率，并根据输出概率对应的激活阈值对神经单元进行参数化，更新类别增量学习模型，得到定制化的类别增量学习模型；获取训练过的某一任务的测试数据，将测试数据输入定制化的类别增量学习模型中激活对应的神经单元，得到输出类别。分配与任务难度相匹配的扩展配额，使得网络的扩展与适应新任务所需的模型容量相匹配。
-
公开(公告)号：CN119304894A
公开(公告)日：2025-01-14
申请号：CN202411864983.3
申请日：2024-12-18
Applicant: 华中科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于跨物种优化的机械臂稀疏运动规划方法及系统，属于机械臂控制技术领域，包括：S1：以机械臂的关节角角速度空间能量为目标函数，构建机械臂的约束稀疏运动规划模型，并基于拉格朗日乘子法转化为无约束稀疏运动规划模型；S2在当前迭代构建用于求解无约束稀疏运动规划模型的误差动量神经网络，其包含隐藏层和输出层；S3：求解误差动量神经网络模型在不同初始点下的输出层变量，并将各输出层变量作为粒子，利用粒子群算法搜索最优输出层变量；S4：若未达到最大迭代次数，则转入S2；否则，按照各次迭代中的最优输出层变量实现机械臂稀疏运动规划。本发明能快速搜索到全局最优解，提升机械臂稀疏运动规划的求解质量。
-
Patent Agency Ranking
公开(公告)号：CN117678985A
公开(公告)日：2024-03-12
申请号：CN202311780815.1
申请日：2023-12-22
Applicant: 华中科技大学
IPC: A61B5/0205 , A61B5/11 , A61B5/01 , A61B5/00 , A61B5/103
Abstract: 本发明属于电光耦合应用相关技术领域，其公开了一种健康监测电感光传集成系统，包括多个监测子系统，多个监测子系统对应多种监测指标，任一监测子系统包括传感终端设备，传感终端设备包括传感组件和光纤，传感组件包括相连的电信号传感元件和电光转换元件，电信号传感元件和电光转换元件分别贴附设置在光纤的表面，电信号传感元件用于采集获取电信号，电光转换元件用于将电信号转换为光信号，光纤用于光信号的传输。本发明的传感终端设备采用电学传感与光纤传输相结合的方式，电学传感灵敏度较高，有利于提高检测信号的精度和可靠性，提出光纤传输，可以实现在较远距离下的信号保真且快速传输；可适用于极端状况下待测人员的健康监测。
-
公开(公告)号：CN119322533B
公开(公告)日：2025-03-14
申请号：CN202411875431.2
申请日：2024-12-19
Applicant: 华中科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人系统的避障决策方法及系统，属于无人系统决策技术领域；利用通用编码器从当前的图像序列中提取不同环境下共享的低维状态表示，得到共性视觉特征；然后采用当前环境类型所对应的任务特定编码器进一步将共性视觉特征编码为针对当前环境的相关特征表示，得到个性任务特征，由此使得无人系统在复杂环境下学习到环境的共性视觉特征和个性任务特征，并进行深度融合，实现当前图像序列的特征重构。在此基础上，引入互模拟思想，基于特征一致性损失和奖励一致性损失进行训练，使得通用编码器能够在准确提取共性视觉特征的同时，还能关注于个性任务特征，具有选择性聚焦功能，进而结合强化学习模型，实现复杂环境下的准确避障决策。
-
公开(公告)号：CN119322533A
公开(公告)日：2025-01-17
申请号：CN202411875431.2
申请日：2024-12-19
Applicant: 华中科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人系统的避障决策方法及系统，属于无人系统决策技术领域；利用通用编码器从当前的图像序列中提取不同环境下共享的低维状态表示，得到共性视觉特征；然后采用当前环境类型所对应的任务特定编码器进一步将共性视觉特征编码为针对当前环境的相关特征表示，得到个性任务特征，由此使得无人系统在复杂环境下学习到环境的共性视觉特征和个性任务特征，并进行深度融合，实现当前图像序列的特征重构。在此基础上，引入互模拟思想，基于特征一致性损失和奖励一致性损失进行训练，使得通用编码器能够在准确提取共性视觉特征的同时，还能关注于个性任务特征，具有选择性聚焦功能，进而结合强化学习模型，实现复杂环境下的准确避障决策。
-
公开(公告)号：CN119200622A
公开(公告)日：2024-12-27
申请号：CN202411714211.1
申请日：2024-11-27
Applicant: 华中科技大学
IPC: G05D1/43 , G05D1/644 , G05D1/692 , G05D1/648 , G05D109/10
Abstract: 本发明公开了一种基于ODE‑PDE的编队控制方法及系统，属于多智能体集群控制领域，包括：建立待控制系统的异构多智能体系统模型，并计算各智能体的ODE跟踪误差系统模型，通过部分连续化处理得到稀疏‑密集分布智能体共享的ODE‑PDE误差系统模型。在任意时刻，利用第一RBF神经网络拟合稀疏分布智能体的非线性函数并计算控制信号，代入对应的ODE跟踪误差系统模型，利用第二RBF神经网络拟合密集分布智能体的非线性函数并计算控制信号，代入对应的PDE跟踪误差系统模型。若ODE‑PDE跟踪误差系统收敛，则编队控制结束；否则，继续更新控制信号并使实体对象执行相应的动作。本发明能有效利用多智能体系统的协同控制实现任意规模、任意分布的系统的编队控制。
-
公开(公告)号：CN119356190B
公开(公告)日：2025-04-25
申请号：CN202411878945.3
申请日：2024-12-19
Applicant: 华中科技大学
IPC: G05B19/042
Abstract: 本发明属于多智能体集群控制相关技术领域，具体涉及一种基于跨物种仿生的多智能体采样事件触发协同跟踪控制方法，包括：提出多智能体系统模型的跨物种仿生表征，实现多智能体系统的协同跟踪控制效果，提升了控制策略的生物可解释性与可靠性，另外提出三套分布式多智能体采样事件触发信息传输机制，分别需要每个智能体在离散的第一个非周期采样序列对其自身对目标智能体系统参数与系统状态估计值进行监测并基于误差进行判断，在离散的第二个非周期采样序列对其自身输出状态值和控制协议进行监测并基于误差进行判断，若满足预定的三套事件触发条件，则将此刻的信息进行传输。本发明能够到达在计算资源和通信资源受限下高效实现协同跟踪控制的目的。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
