一种智能无人系统集群的可扩展分布式架构及自组织方法

    公开(公告)号:CN112488506B

    公开(公告)日:2024-07-12

    申请号:CN202011374595.9

    申请日:2020-11-30

    Abstract: 本发明提供一种智能无人系统集群的可扩展分布式架构及自组织方法,主要围绕“分布式”和“可扩展”这两个特性的实现,从集群系统的静态组织架构和动态运行机制两个层面进行设计,具体包括无人系统集群的柔性三层可扩展分布式架构和无人系统集群的动态自组织方法。本发明通过建立与无人系统出席情况考勤、集群系统角色任免和动态自组织运行保障相关的3大类共13个运行机制,对集群成员的动态损失和增加提供全面支持,实现系统成员能进能出、全局数据动态更新、组织关系自动重构,在成员损失或增加情况下集群系统依然可以稳定运行。

    基于改进狼群算法的多无人艇协同拦截任务分配方法

    公开(公告)号:CN118068700A

    公开(公告)日:2024-05-24

    申请号:CN202410085771.9

    申请日:2024-01-22

    Abstract: 本发明公开了一种基于改进的狼群算法的多无人艇协同拦截任务分配方法。所述分配方法包括:通过改进的狼群算法求解多无人艇协同完成拦截任务的任务目标函数,以目标函数最优解对应的分配方案进行任务分配;其中,改进的狼群算法包括:在狼群算法中,通过蜘蛛猴优化算法中的位置更新方式进行狼群的位置更新,并对更新前后的位置进行二进制编码,获得位置矩阵,通过位置矩阵计算适应度函数值。本发明可为多无人艇系统规划出合理的分配方案,其规划时间短、精度高,可在最小化任务完成代价下提升无人艇协同作业效能。

    一种多水中无人系统任务分配方法

    公开(公告)号:CN117270532A

    公开(公告)日:2023-12-22

    申请号:CN202311207763.9

    申请日:2023-09-19

    Abstract: 本发明公开了一种多水中无人系统任务分配方法,包括以下步骤:步骤1:确定油耗损失最小化的航程路径;步骤2:确定约束条件;步骤3:根据需要优化的目标函数,构建多目标优化模型。步骤4:建立并执行基于实时更新先验知识羊群优化算法的多水中无人系统任务分配模型;步骤5,基于实时更新先验知识羊群优化算法的多水中无人系统任务分配模型得到优化后的任务分配结果,即每个水中无人系统被分配到的任务区域以及完成任务的顺序。本发明的优点是:提高燃油利用效率,避免资源浪费,任务分配更加合理和高效,提升多水中无人系统执行任务的整体效率。

    基于用户风险倾向与干预意图的无人艇协同路径规划方法

    公开(公告)号:CN117130369A

    公开(公告)日:2023-11-28

    申请号:CN202311221702.8

    申请日:2023-09-21

    Abstract: 本发明公开了基于用户风险倾向与干预意图的无人艇协同路径规划方法,针对用户干预意图与无人艇路径规划的融合问题,本发明基于前景理论对无人艇协同任务规划方案进行决策,充分结合了用户风险倾向和意图参与到规划方案协同规划中。针对意图下的方案选择问题,提出的基于前景理论的无人艇协同任务规划方案决策方法。其次,针对决策属性权重的确定问题,提出主客观组合赋权方法。最后,针对轨迹优化问题,提出了距离规划层来对航行轨迹进行基于安全距离的局部规划。

    一种SELinux操作系统安全策略完整性模型及完整性检测方法

    公开(公告)号:CN115080980A

    公开(公告)日:2022-09-20

    申请号:CN202210593242.0

    申请日:2022-05-27

    Abstract: 本发明公开了一种SELinux操作系统策略完整性模型及策略完整性检测方法,属于信息安全领域。分为两个阶段,第一个阶段:首先构建SSIM模型,然后转化成访问控制矩阵格式的标准规则。此步骤仅需做一次;第二个阶段:每次检查SELinux安全策略完整性时,按照基于SSIM模型的完整性检测方法对安全策略进行检测即可。本发明为了解决现有完整性模型不适用于在保护数据完整性的同时还要对数据进行保密且方便授权访问的问题以及对策略完整性检测缺乏有效方法的问题。

    面向嵌入式微处理器的软硬结合控制流检测方法

    公开(公告)号:CN101339519A

    公开(公告)日:2009-01-07

    申请号:CN200810136914.5

    申请日:2008-08-13

    CPC classification number: Y02D10/41

    Abstract: 本发明是一种面向嵌入式微处理器的软硬结合控制流检测方法。首先将待运行的C语言程序生成标准汇编文件,其次采用词法分析的方法将汇编文件中包含的用户库和系统库函数连接为一整合汇编文件,采用词法分析的方法通过签名生成程序将整合后的汇编文件进行基本块划分,分析基本块间控制流关系,对各个基本块进行签名,形成新的带有控制流检测数据的汇编文件,再通过修改后的汇编器将汇编文件翻译为目标文件,再由链接器将目标文件转化为二进制映像文件,最后将二进制文件运行到具有控制流检测能力的嵌入式微处理器上。本发明平均冗余代码开销为12%,同基于硬件实现的控制流检测方法相比具有更简单的实现和更高的控制流检测能力,系统未检测率平均仅为1.5%,降低系统运行功耗。

    一种基于多智能体分层强化学习的弱观测条件下无人集群协同方法

    公开(公告)号:CN114355973B

    公开(公告)日:2023-12-08

    申请号:CN202111623192.8

    申请日:2021-12-28

    Abstract: 本发明属于无人集群协同技术领域,具体涉及一种基于多智能体分层强化学习的弱观测条件下无人集群协同方法。本发明首先对环境进行状态定义,然后按照POMDP模型对状态空间进行定义,包括观察集合以及观察函数,再随机初始化一个由一系列概率值分布的信念状态,同时根据传统强化学习思想,设置状态转移函数、立即回报函数、折扣率、探索率等;然后采用基于MAXQ算法的分层强化学习框架,将无人集群的任务分层,达到对复杂的任务进行分而治之的目的,降低集群的参数维度,有效缓解计算机存储不足和计算繁琐的压力,提高强化学习效率和精度。本发明能够保证多个智能体参与协同任务时保持更高的效率和更好的协同效果。

Patent Agency Ranking