-
公开(公告)号：CN118643306A
公开(公告)日：2024-09-13
申请号：CN202410783536.9
申请日：2024-06-18
Applicant: 南通大学
IPC: G06F18/21 , G06F18/2431 , G06F18/2415 , G06N3/047 , G06N3/0499 , G06N3/08
Abstract: 本发明提供了一种基于贝叶斯深度学习的人类智能评估方法，属于无人机意图识别技术领域；解决了在不确定环境下无法准确判断敌方无人机意图的技术问题。其技术方案为：建立适用于意图识别的贝叶斯深度学习网络并收集敌方无人机的态势信息；以敌方无人机态势信息作为输入，使用已建立的贝叶斯深度学习网络和人类智能对敌方无人机的意图进行独立判断；通过推理机制整合机器智能判断结果，从而推理和验证人类智能的判断结果。本发明的有益效果为：在复杂和不确定环境下，结合机器智能的计算优势和人类智能的经验判断，提供更准确的敌方无人机意图识别，增强我方无人机在战场中的决策能力和战术优势。
-
公开(公告)号：CN118397487A
公开(公告)日：2024-07-26
申请号：CN202410569010.0
申请日：2024-05-09
Applicant: 南通大学
Abstract: 本发明涉及无人机机动策略预测技术领域，尤其涉及一种基于贝叶斯深度学习的作战飞机机动策略预测方法，包括以下步骤：S1、构建作战飞机机动策略图像数据集；S2、构建基于多层感知机MLP的贝叶斯深度学习模型；S3、使用所述数据集进行深度学习模型训练，实现变分分布参数更新，得到预测模型；S4、根据训练好的作战飞机机动策略预测模型，对飞机作战时采集的图像进行预测分析。本发明提出的预测方法可以对敌方无人机的机动策略做出准确预测,并给出预测的不确定性,有助于增强网络的鲁棒性。
-
公开(公告)号：CN116974204A
公开(公告)日：2023-10-31
申请号：CN202311064634.9
申请日：2023-08-23
Applicant: 南通大学
IPC: G05B13/04
Abstract: 本发明提供了无人机跟踪控制模型的训练方法、使用方法及终端设备，属于无人机技术领域。解决了无人机在复杂动态环境下易丧失稳定性的技术问题。其技术方案为：训练方法包括以下步骤：步骤一、过自身传感器系统周期性感知双方无人机的态势信息；步骤二、使用深度强化学习算法在离线环境中对无人机进行训练；步骤三、计算出最优的控制输入，并进行实时更新，无人机持续调整自身动作和状态，达到稳定状态；使用方法应用于第一无人机；终端设备包括处理器、存储器、存储在存储器上由处理器执行的计算机程序以及用于处理器和存储器之间的连接通信的数据总线。本发明的有益效果为：本发明建立最优控制模型，提升了无人机作战能力。
-
公开(公告)号：CN116665029A
公开(公告)日：2023-08-29
申请号：CN202310387824.8
申请日：2023-04-12
Applicant: 南通大学
Abstract: 本发明涉及图像识别技术领域，尤其涉及一种基于改进yolov5的水下焊缝检测方法，包括：建立水下焊缝数据集，采用带有导向滤波的MSRCR算法处理图像，解决水下图像颜色衰退的问题，提高对比度；建立yolov5网络，仅将yolov5模型neck层中上采样前的标准卷积替换成GSConv，CSP替换成VoVGSCSP，提升了检测精度和降低模型的参数量和复杂度；在yolov5网络的主干网络中的SPPF层前添加注意力机制模块CBAM，带来稳定的性能提升。本发明有效地提高了水下焊缝的检测精度，缩短了检测的时间和提高检测效率，能够满足工业需求。
-
公开(公告)号：CN116540723A
公开(公告)日：2023-08-04
申请号：CN202310623698.1
申请日：2023-05-30
Applicant: 南通大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于人工势场的水下机器人滑模轨迹跟踪控制方法，属于水下机器人轨迹跟踪控制技术领域。解决了水下机器人在水下检修控制过程中受水流冲击和动态障碍物而导致的路径跟踪与姿态不稳定的问题。其技术方案为：包括以下步骤：S1、建立机器人运动学模型；S2、确定目标位置，确定到达目标位置的运动轨迹；S3、设计双闭环滑模控制器，设计双闭环控制率；S4、根据公式对进行姿态和位置解算，通过上位机向主控制器模块发送控制指令，控制水下机器人达到期望位置。本发明的有益效果为：在面对干扰和障碍物时，有较好的鲁棒性，维持水下检修机器人的稳定，实现了精准的姿态位置控制，以确保能够在水下顺利作业，完成目标任务。
-
Patent Agency Ranking
公开(公告)号：CN116070670A
公开(公告)日：2023-05-05
申请号：CN202310004039.X
申请日：2023-01-03
Applicant: 南通大学
Abstract: 本发明提供了一种新型磁悬浮球系统混沌自适应麻雀搜索参数辨识方法，属于新型磁悬浮球系统辨识技术领域。解决了辨识新型磁悬浮球系统模型参数精度不高和速度慢的技术问题。其技术方案为：包括以下步骤：步骤1)建立新型磁悬浮球系统的单输入单输出模型；步骤2)构建新型磁悬浮球系统混沌自适应麻雀搜索参数辨识方法的辨识流程，对所有参数进行估计。本发明的有益效果为：本发明提出的新型磁悬浮球系统混沌自适应麻雀搜索参数辨识方法有较快的收敛速度和较高的收敛精度，能较好地适用于对新型磁悬浮球系统反馈非线性模型的建模和参数辨识。
-
公开(公告)号：CN111618847B
公开(公告)日：2022-06-21
申请号：CN202010323721.1
申请日：2020-04-22
Applicant: 南通大学
Abstract: 本发明公开了基于深度强化学习与动态运动基元的机械臂自主抓取方法，包括如下步骤：步骤1：安装摄像机图组件，确保识别区域不被遮挡，并对抓取目标区域图像进行预处理，并作为状态信息发送给深度强化学习智能体；步骤2：基于所述状态和深度强化学习原理构建局部策略近端优化训练模型；步骤3：融合动态运动基元和模仿学习构建一种新的混合运动基元模型；步骤4：基于所述的模型训练机械臂自主抓取物体。本发明能够有效解决基于传统深度强化学习的机械臂关节运动不平滑问题，通过结合动态运动基元算法，把元参数的学习问题转化为强化学习问题，可以利用深度强化学习的训练方法使得机械臂完成自主抓取任务。
-
公开(公告)号：CN111618847A
公开(公告)日：2020-09-04
申请号：CN202010323721.1
申请日：2020-04-22
Applicant: 南通大学
Abstract: 本发明公开了基于深度强化学习与动态运动基元的机械臂自主抓取方法，包括如下步骤：步骤1：安装摄像机图组件，确保识别区域不被遮挡，并对抓取目标区域图像进行预处理，并作为状态信息发送给深度强化学习智能体；步骤2：基于所述状态和深度强化学习原理构建局部策略近端优化训练模型；步骤3：融合动态运动基元和模仿学习构建一种新的混合运动基元模型；步骤4：基于所述的模型训练机械臂自主抓取物体。本发明能够有效解决基于传统深度强化学习的机械臂关节运动不平滑问题，通过结合动态运动基元算法，把元参数的学习问题转化为强化学习问题，可以利用深度强化学习的训练方法使得机械臂完成自主抓取任务。
-
公开(公告)号：CN119760505A
公开(公告)日：2025-04-04
申请号：CN202411870777.3
申请日：2024-12-18
Applicant: 南通大学
IPC: G06F18/241 , G06F18/211 , G06N5/04 , G06N3/045 , G06N3/0475 , G06N3/047 , G06N3/08
Abstract: 本发明提出了一种基于因果推断的人机混合智能无人机作战意图判断方法，属于无人机意图判断技术领域，解决了训练数据非独立同分布的技术问题。其技术方案为：结合人类专家知识与机器学习算法，通过结构因果模型(SCM)分离因果与非因果因素，并借助结合动态特征选择、注意力机制及可微分采样方法的掩码模块优化特征选择，揭示无人机决策背后的因果关系，通过发掘数据与标签之间的内在因果联系，提高了模型对少数类别的识别能力，增强了模型在不同环境下的泛化能力，避免了因环境偏差导致的错误预测。本方法在复杂多变的战场环境中，实现了无人机作战意图的准确判断，具有更高的灵活性和鲁棒性。
-
公开(公告)号：CN119414751A
公开(公告)日：2025-02-11
申请号：CN202411474577.6
申请日：2024-10-22
Applicant: 南通大学
IPC: G05B19/042
Abstract: 本发明提供了一种基于改进SABO算法的热泵控制系统辨识方法，属于工业控制过程系统辨识技术领域。解决了样本数据不足情况下的系统辨识，以及系统参数辨识过程中SABO算法易陷入局部最优解的技术问题，其技术方案为：包括以下步骤：步骤1)构建一个具有死区特性的空气源热泵控制系统的单输入单输出Hammerstein模型，并获得在样本数据不足条件下具有死区特性的空气源热泵控制系统Hammerstein系统辨识模型；步骤2)构建改进SABO算法的辨识流程。本发明的有益效果为：有较快的收敛速度和较高的辨识精度，输出的参数估计误差小，同时说明了该辨识方法对于空气源热泵控制系统参数辨识有较好的适用性。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.025 seconds)
