公开(公告)号：CN118550196A

公开(公告)日：2024-08-27

申请号：CN202410648300.4

申请日：2024-05-23

Applicant: 同济大学

Inventor： 李俨 ,  杨晨 ,  刘成菊 ,  陈启军

IPC: G05B13/04

Abstract: 本发明涉及一种基于隐含量测信息的事件驱动鲁棒状态估计器设计方法，用于辅助进行数据通信，方法包括：获取待测的控制系统的系统方程，定义控制系统的事件触发机制，并定义逻辑变量表示事件触发机制的触发情况；将H∞滤波值引入系统方程，得到估计误差系统，用于计算受影响系统的状态；将估计误差系统的影响视为随机不确定性，并利用估计误差系统隐含的量测信息，构造出一个不确定系统，将系统方程的状态估计问题转化为不确定系统的H∞滤波问题；根据事件触发机制，构建基于事件驱动的估计器，在保证估计性能前提下最小化通信率。与现有技术相比，本发明可实现在通信受限场景下保障网络化控制系统控制性能以及提升网络资源利用率，具有较高的实用性。

公开(公告)号：CN118565875A

公开(公告)日：2024-08-30

申请号：CN202410640469.5

申请日：2024-05-22

Applicant: 同济大学

Inventor： 李俨 ,  杨晨 ,  刘成菊 ,  陈启军

IPC: G01M99/00

Abstract: 本发明涉及一种基于局部测量的多机器人快速故障检测方法，包括：在各个机器人上分别配置位置传感器，实时测量自身及邻居机器人的位置信息；根据位置信息构建机器人的故障检测参考模型，描述机器人的运动状态和位置信息；通过故障检测算法，将机器人故障检测参考模型生成的估计值与对应的实际值对比，进行实时故障检测；将故障检测算法进行整合，利用单一故障检测算法同时检测多个机器人中可能发生的故障，并对各个机器人进行二进制编码，得到故障检测结果与现有技术相比，本发明可适用于通信受限的多机器人应用场景，可在仅能获得局部测量信息的情况下实现多机器人快速故障检测，具有设备简单、运行速度快、检测精度高等优势。

公开(公告)号：CN119567264A

公开(公告)日：2025-03-07

申请号：CN202411946881.6

申请日：2024-12-27

Applicant: 同济大学

Inventor： 李俨 ,  吴同 ,  刘成菊 ,  陈启军

IPC: B25J9/16 ,  B25J19/00

Abstract: 本发明涉及一种针对外部干扰影响的多机器人系统故障检测方法，包括：在多机器人系统中的各个机器人上装配位置传感器，通过位置传感器实时测量自身及邻居机器人的相对距离信息；根据各机器人测量获得的相对距离信息分别构建对应机器人的故障检测参考模型，并完成各机器人对应的改进的中间观测器的参数设计；基于确定参数的中间观测器，获取中间观测器估计的值，并选取合适的残差生成算法，根据中间观测器估计的值进行残差生成；采用对应的残差评估规则，进行故障检测。与现有技术相比，本发明具有设备简单、检测精度高、鲁棒性高等优点。

公开(公告)号：CN119567263A

公开(公告)日：2025-03-07

申请号：CN202411946879.9

申请日：2024-12-27

Applicant: 同济大学

Inventor： 李俨 ,  何乐华 ,  刘成菊 ,  陈启军

IPC: B25J9/16 ,  B25J19/00

Abstract: 本发明涉及一种基于轨迹扩散的多机器人轨迹故障检测方法，包括：对系统中的各个机器人分别配备传感器，通过传感器实时测量自身位姿并解算其他机器人的位置信息；各个机器人利用各自的测量数据实时构建多机器人状态模型，该模型为分布式部分可观测马尔可夫决策过程，通过多机器人状态模型描述多机器人系统的整体运行状态；收集多机器人系统正常运行时的观测状态数据集，搭建并训练轨迹扩散模型；在系统运行过程中，将获取的实时机器人位姿数据和历史数据输入到轨迹扩散模型中，预测多机器人系统未来可能的轨迹，并通过误差评估的方式完成对故障机器人的实时检测。与现有技术相比，本发明降低系统对全局信息的依赖，提高了系统的适应性和鲁棒性。

公开(公告)号：CN119168698A

公开(公告)日：2024-12-20

申请号：CN202411376255.8

申请日：2024-09-30

Applicant: 同济大学

Inventor： 李俨 ,  郑志伟 ,  刘成菊 ,  陈启军

IPC: G06Q30/0202 ,  G06Q30/0601 ,  G06N3/045 ,  G06N3/08 ,  G06F16/9535

Abstract: 本发明涉及一种商品点击率预测方法及商品推荐方法，其中，商品点击率预测方法包括获取用户‑物品点击数据集；基于所述用户‑物品点击数据集，获取用户特征和用户行为序列；以目标物品属性、所述用户特征和所述用户行为序列为输入，利用训练好的点击率预测模型，获取用户对目标物品的点击率；其中，训练好的所述点击率预测模型基于所述目标物品属性、所述用户特征和所述用户行为序列分别提取中间特征，并基于对所述中间特征进行拼接后拼接特征获取所述物品的点击率。与现有技术相比，本发明具有商品点击率预测效果好、更加全面的捕捉用户偏好、更好建模用户行为等优点。