-
Patent Agency Ranking
公开(公告)号：CN104391445B
公开(公告)日：2017-10-20
申请号：CN201410383803.X
申请日：2014-08-06
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的车队协同自主控制方法，包括以下步骤：步骤1：初始化滤波器参数；步骤2：读取传感器的测量信息；步骤3：运用渐消记忆的卡尔曼滤波算法进行状态估计；步骤4：邻居车辆之间进行信息交换；步骤5：输出控制信号，发出控制指令。本发明通过渐消记忆的卡尔曼滤波算法，利用可获得的测量信号，得到间隔误差及其导数的估计值，解决了间隔误差不可测的问题和滤波发散的问题,并利用无线网络进行通信，邻居车辆之间实现信息交换和共享，根据当前车辆及邻居车辆的状态的估计值，得到控制信号，发出控制指令，实现了协同控制。
-
公开(公告)号：CN103067940A
公开(公告)日：2013-04-24
申请号：CN201210560371.6
申请日：2012-12-20
Applicant: 华南理工大学
Abstract: 本发明提供了基于无线传感器网络的协同信息估计方法，包括以下步骤：步骤1、初始化传感器节点的滤波器参数；步骤2、为当前传感器节点构建邻居表，所述邻居表中包括当前传感器节点的所有邻居节点；步骤3、当前传感器节点与邻居节点交换测量信息；步骤4、计算滤波器增益；步骤5、如果当前传感器节点的邻居表发生变化，为下一时刻更新邻居表，然后转入到步骤3继续执行程序；如果当前传感器节点的邻居表没有发生变化，则直接转向步骤3继续执行程序。本方面是一种全分布式最优的协同信息估计方法，具有估计精度高且误差扰动小，鲁棒性好，不需要设计复杂的路由协议来转发信息，非常适合变化的网络拓扑结构和大规模的无线传感器网络等优点。
-
公开(公告)号：CN103547033B
公开(公告)日：2016-01-20
申请号：CN201310514091.6
申请日：2013-10-25
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于无线传感器执行器网的大型智能灯光节能控制方法，包括以下步骤：步骤1：初始化传感器节点的滤波器参数；步骤2：打开传感器，对监测区域进行检测；步骤3：对不同的测量信息进行融合；步骤4：计算滤波器增益，更新滤波器的预测值；步骤5：根据当前滤波器的预测值，执行相应的操作。本发明是一种分布式协同估计和控制算法，每个节点能够根据自身的测量信息和接收邻居节点的测量信息协同地估计车辆的状态，控制器根据这些状态控制命令。由于实时地监测车辆和控制灯光，相比传统的照明系统，大大地减少了能耗，根据卡尔曼预测估计需要亮灯的扇形区域，控制灯光的亮度，不仅节约了能量，而且具有非常人性化的舒适度。
-
公开(公告)号：CN104391445A
公开(公告)日：2015-03-04
申请号：CN201410383803.X
申请日：2014-08-06
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于观测器的车队协同自主控制方法，包括以下步骤：步骤1：初始化滤波器参数；步骤2：读取传感器的测量信息；步骤3：运用渐消记忆的卡尔曼滤波算法进行状态估计；步骤4：邻居车辆之间进行信息交换；步骤5：输出控制信号，发出控制指令。本发明通过渐消记忆的卡尔曼滤波算法，利用可获得的测量信号，得到间隔误差及其导数的估计值，解决了间隔误差不可测的问题和滤波发散的问题，并利用无线网络进行通信，邻居车辆之间实现信息交换和共享，根据当前车辆及邻居车辆的状态的估计值，得到控制信号，发出控制指令，实现了协同控制。
-
公开(公告)号：CN103547033A
公开(公告)日：2014-01-29
申请号：CN201310514091.6
申请日：2013-10-25
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于无线传感器执行器网的大型智能灯光节能控制方法，包括以下步骤：步骤1：初始化传感器节点的滤波器参数；步骤2：打开传感器，对监测区域进行检测；步骤3：对不同的测量信息进行融合；步骤4：计算滤波器增益，更新滤波器的预测值；步骤5：根据当前滤波器的预测值，执行相应的操作。本发明是一种分布式协同估计和控制算法，每个节点能够根据自身的测量信息和接收邻居节点的测量信息协同地估计车辆的状态，控制器根据这些状态控制命令。由于实时地监测车辆和控制灯光，相比传统的照明系统，大大地减少了能耗，根据卡尔曼预测估计需要亮灯的扇形区域，控制灯光的亮度，不仅节约了能量，而且具有非常人性化的舒适度。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
