-
公开(公告)号：CN110989563B
公开(公告)日：2023-08-15
申请号：CN201911373563.4
申请日：2019-12-27
Applicant: 哈尔滨工程大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于迭代自适应观测器的无人舰艇故障估计方法，属于无人舰艇控制技术领域；包括通过坐标变换将同时含有舵机失效、传感器故障的无人水面艇模型分解为两个子系统，其中子系统1只含有舵机故障，子系统2只含有传感器故障；针对子系统1，设计自适应故障观测器估计舵机效率因子；针对子系统2，设计迭代自适应故障观测器估计传感器故障；建立子系统1与子系统2的误差方程，判断误差系统的稳定性。本发明可实现对无人艇系统故障情况的准确估计，并给出故障发生的时间、发展的过程以及故障的严重程度等信息，便于操作中心对于无人艇安全性的监控；本发明还可对无人艇的舵机失效情况与传感器故障同时进行估计，减低了容错设计的成本。
-
公开(公告)号：CN118706111A
公开(公告)日：2024-09-27
申请号：CN202410799967.4
申请日：2024-06-20
Applicant: 哈尔滨工程大学
Abstract: 基于迁移高斯过程回归模型辅助的SINS/DVL无缝组合导航方法，属于导航技术领域，解决SINS/DVL无缝组合导航技术可靠性低问题。本发明的方法包括：基于仿真平台，轨迹发生器和导航系统模型生成DVL相关数据集；运载器和导航系统开机，在DVL有效期间收集DVL相关数据集；在DVL失效期间将生成的DVL相关数据集作为源域数据集，将收集的DVL相关数据集作为目标域数据集，训练迁移高斯过程回归模型的超参数；利用两个迁移高斯过程回归模型分别预测DVL量测值和惯导误差，并获取对应的方差；将这两个模型预测值均转换为运载体在导航系下的速度估计，并将其信息融合，获取基于两个模型的速度解算结果。本发明适用于在DVL长期失效情况下维持SINS/DVL组合导航系统的高精度解算。
-
公开(公告)号：CN116147617A
公开(公告)日：2023-05-23
申请号：CN202211709717.4
申请日：2022-12-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种用于水下SINS/DVL/PS紧组合导航系统的故障定位与恢复方法，包括以下步骤：S1、构造出与目标实验设备原理相同的系统虚拟模型，生成虚拟训练集；S2、并利用虚拟训练集训练LSTM神经网络，得到预训练模型LSTM‑1；S3、采集少量的SINS/DVL/PS紧组合导航系统实验数据，得到实验训练集，将LSTM‑1迁移至实验应用场景，得到最终神经网络模型LSTM‑2；S4、LSTM‑2神经网络进入分类模式，LSTM‑2神经网络模型依据实时的故障统计量输出当前时刻故障发生的位置；S5、根据故障定位结果，自动采取相应的故障恢复措施。本发明采用上述故障定位与恢复方法，可以在少量的实验数据条件下，快速的诊断并定位渐变故障等常见故障，并自动进行相应的故障恢复策略，提高组合导航系统的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN111619761B
公开(公告)日：2022-01-11
申请号：CN202010389394.X
申请日：2020-05-10
Applicant: 哈尔滨工程大学
IPC: B63B79/30
Abstract: 本发明公开了一种无人艇状态估计观测器设计方法，其步骤如下：步骤一、利用坐标变换将无人艇数学模型转化为标准形式，并设计通信网络传输方案；步骤二、将状态变量与量化误差进行增广构造新的增广系统；步骤三、设计基于量化数字信号的比例微分观测器，得到误差方程；步骤四、判断误差系统的稳定性。本发明可以实现利用量化的数字信号对无人艇未知的状态进行准确估计，并有效抑制量化误差对于观测器性能的影响，便于控制模块对于无人艇安全性的监控与及时处理；本发明通过观测器输入向量的设计可以有效抑制海浪干扰对于观测器的影响，使得当无人艇在复杂海洋环境作业时，观测器仍然具有良好的效果。
-
公开(公告)号：CN116147617B
公开(公告)日：2023-11-14
申请号：CN202211709717.4
申请日：2022-12-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种用于水下SINS/DVL/PS紧组合导航系统的故障定位与恢复方法，包括以下步骤：S1、构造出与目标实验设备原理相同的系统虚拟模型，生成虚拟训练集；S2、并利用虚拟训练集训练LSTM神经网络，得到预训练模型LSTM‑1；S3、采集少量的SINS/DVL/PS紧组合导航系统实验数据，得到实验训练集，将LSTM‑1迁移至实验应用场景，得到最终神经网络模型LSTM‑2；S4、LSTM‑2神经网络进入分类模式，LSTM‑2神经网络模型依据实时的故障统计量输出当前时刻故障发生的位置；S5、根据故障定位结果，自动采取相应的故障恢复措施。本发明采用上述故障定位与恢复方法，可以在少量的实验数据条件下，快速的诊断并定位渐变故障等常见故障，并自动进行相应的故障恢复策略，提高组合导航系统的可靠性。
-
公开(公告)号：CN115600746A
公开(公告)日：2023-01-13
申请号：CN202211300629.9
申请日：2022-10-24
Applicant: 哈尔滨工程大学(CN)
IPC: G06Q10/04 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的耙吸船能效预测方法，包括以下步骤：S1、根据耙吸船工作数据进行工况划分；S2、对经过步骤S1处理后的耙吸船工作数据进行滤波处理以消除环境噪声的影响；S3、根据步骤S2处理后的耙吸船工作数据构建卷积神经网络能效数据的训练集，建立耙吸船能效的卷积神经网络回归预测模型。本发明采用上述基于卷积神经网络的耙吸船能效预测方法，能够解决能效预测不准确的问题。
-
公开(公告)号：CN111619761A
公开(公告)日：2020-09-04
申请号：CN202010389394.X
申请日：2020-05-10
Applicant: 哈尔滨工程大学
IPC: B63B79/30
Abstract: 本发明公开了一种无人艇状态估计观测器设计方法，其步骤如下：步骤一、利用坐标变换将无人艇数学模型转化为标准形式，并设计通信网络传输方案；步骤二、将状态变量与量化误差进行增广构造新的增广系统；步骤三、设计基于量化数字信号的比例微分观测器，得到误差方程；步骤四、判断误差系统的稳定性。本发明可以实现利用量化的数字信号对无人艇未知的状态进行准确估计，并有效抑制量化误差对于观测器性能的影响，便于控制模块对于无人艇安全性的监控与及时处理；本发明通过观测器输入向量的设计可以有效抑制海浪干扰对于观测器的影响，使得当无人艇在复杂海洋环境作业时，观测器仍然具有良好的效果。
-
公开(公告)号：CN110989563A
公开(公告)日：2020-04-10
申请号：CN201911373563.4
申请日：2019-12-27
Applicant: 哈尔滨工程大学
IPC: G05B23/02
Abstract: 本发明涉及一种基于迭代自适应观测器的无人舰艇故障估计方法，属于无人舰艇控制技术领域；包括通过坐标变换将同时含有舵机失效、传感器故障的无人水面艇模型分解为两个子系统，其中子系统1只含有舵机故障，子系统2只含有传感器故障；针对子系统1，设计自适应故障观测器估计舵机效率因子；针对子系统2，设计迭代自适应故障观测器估计传感器故障；建立子系统1与子系统2的误差方程，判断误差系统的稳定性。本发明可实现对无人艇系统故障情况的准确估计，并给出故障发生的时间、发展的过程以及故障的严重程度等信息，便于操作中心对于无人艇安全性的监控；本发明还可对无人艇的舵机失效情况与传感器故障同时进行估计，减低了容错设计的成本。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.036 seconds)
