-
公开(公告)号:CN116321271A
公开(公告)日:2023-06-23
申请号:CN202310287822.1
申请日:2023-03-22
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于评估指标体系和组合权重的超宽带性能评估方法,包括:确定超宽带定位系统性能的影响因素包括信号穿透性和系统稳定性;影响信号穿透性的指标包括信号总功率辐射和分数带宽;影响系统稳定性的指标包括测距定位算法运算时间、时钟可靠性、人员干扰、车辆干扰和建筑物干扰;获取主观权重和客观权重;进而获取超宽带定位系统的评价指标的组合权重,以对超宽带系统进行评价。本发明建立了包括信号总功率辐射和分数带宽的影响信号穿透性的指标;和包括测距定位算法运算时间、时钟可靠性、人员干扰、车辆干扰和建筑物干扰的影响系统稳定性的指标,从超宽带系统的实际应用环境出发,评价系统中指标完善。
-
公开(公告)号:CN113379658A
公开(公告)日:2021-09-10
申请号:CN202110610282.7
申请日:2021-06-01
Applicant: 大连海事大学
Abstract: 本发明提供一种无人机观测目标特征双光融合方法及系统。方法包括:采集第一可见光图像;采集第一红外图像;对所述第一可见光图像及第一红外图像进行预处理,获得像素配准后的第二可见光图像及第二红外图像;将所述第二可见光图像及第二红外图像输入预先训练的轻量级深度学习网络,所述轻量级深度学习网络包括编码器模块、融合模块以及解码器模块,所述编码器模块用于提取第二可见光图像及第二红外图像的深度特征,提取好的深度特征输入融合模块进行融合,最后解码器根据融合后的特征重构出融合图像。本发明采用深度学习网络相比传统算法能够更好的提取图像特征。
-
公开(公告)号:CN113222963B
公开(公告)日:2024-03-26
申请号:CN202110587244.4
申请日:2021-05-27
Applicant: 大连海事大学
Abstract: 本发明提供一种非正射红外监测海面溢油面积估算方法及系统。方法包括:获取溢油区域的海面图像信息;同时记录图像提取特征;通过优化的双边分割网络实时对海面图像进行处理,从而分割出海面溢油目标区域;对所述海面溢油目标区域进行二值化处理,标记出每一个溢油连通区域,从而得到只标记溢油区域的无背景干扰的二值化图像;根据所述图像提取特征结合预先构建的面积拟合曲线得到所述二值化图像像素值对应的实际溢油区域面积;所述面积拟合曲线根据图像提取特征与拍摄面积的对应关系拟合获取。本发明根据事先实验得到的拟合曲线可以直接得到任何拍摄角度下的单个像素对应的真实面积。
-
公开(公告)号:CN116341777A
公开(公告)日:2023-06-27
申请号:CN202310123207.7
申请日:2023-02-16
Applicant: 大连海事大学
IPC: G06Q10/047 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于最大熵强化学习的多机器人协同围捕方法。本发明方法,包括:建立追逃对抗场景;基于建立的追逃对抗场景和SAC的多智能体强化学习算法,设计适用于多机器人的MASAC算法;基于课程学习的多机器人围捕策略,设计奖励函数;将设计的奖励函数与MASAC算法结合,得到基于MASAC的多机器人协同围捕策略算法。本发明采用基于最大熵的多智能体强化学习算法实现二维场景中多个移动机器人对单个目标的协同围捕;将围捕阶段划分为搜索、围困、转移、捕获四个阶段,并采用课程学习的思想为各个阶段设计奖励函数和转换条件;验证了深度强化学习方法在多追捕机器人围捕快速移动的单逃逸机器人中的有效性,并且效率得到了提升。
-
公开(公告)号:CN119089322A
公开(公告)日:2024-12-06
申请号:CN202411250305.8
申请日:2024-09-06
Applicant: 大连海事大学
IPC: G06F18/243 , G06F18/214 , G06N3/126 , G06N5/01 , G06N20/20 , G06F17/18 , G06Q50/06
Abstract: 本发明公开了一种基于GA与XGBoost‑RF堆叠算法的电力传输系统故障分类方法,通过将极限梯度提升算法XGBoost作为基学习器,随机森林算法RF作为元学习器获取XGBoost‑RF堆叠算法模型,采用了集成学习中的堆叠方法将两个算法模型进行组合,成功突破了算法的性能限制,从而能对故障进行更精确的分类;针对集成学习的计算时间缓慢的问题,通过在基学习器训练的过程中额外加入了遗传算法进行特征选择,即将极限梯度提升算法XGBoost的精确度函数作为适应度函数,采用二进制编码遗传算法GA对故障特征数据集中的原特征数据进行特征数据选取,获取优化特征子集,选择出的优化特征子集在基学习器与元学习器上都有非常良好的表现,并且由于特征数量的减少,从而在提高了精确度的同时减少了整体算法模型的计算时间,使整体的堆叠算法模型在时间与精度上达到了平衡。
-
公开(公告)号:CN113379658B
公开(公告)日:2024-03-15
申请号:CN202110610282.7
申请日:2021-06-01
Applicant: 大连海事大学
Abstract: 本发明提供一种无人机观测目标特征双光融合方法及系统。方法包括:采集第一可见光图像;采集第一红外图像;对所述第一可见光图像及第一红外图像进行预处理,获得像素配准后的第二可见光图像及第二红外图像;将所述第二可见光图像及第二红外图像输入预先训练的轻量级深度学习网络,所述轻量级深度学习网络包括编码器模块、融合模块以及解码器模块,所述编码器模块用于提取第二可见光图像及第二红外图像的深度特征,提取好的深度特征输入融合模块进行融合,最后解码器根据融合后的特征重构出融合图像。本发明采用深度学习网络相比传统算法能够更好的提取图像特征。
-
公开(公告)号:CN117400248A
公开(公告)日:2024-01-16
申请号:CN202311450184.7
申请日:2023-11-02
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多智能体深度强化学习的利用障碍物实施围捕方法,包括:构建包含N个追捕机器人、一个逃逸机器人和一个静态障碍物的追逃场景;基于构建的追逃场景,构建多智能体深度强化学习算法MATD3框架;基于构建的多智能体深度强化学习算法MATD3框架,设计基于状态转换的多机器人围捕策略的奖励函数;将设计的奖励函数与MATD3算法结合,得到基于多智能体深度强化学习MATD3的多机器人协同围捕策略。本发明针对存在障碍物的场景中机器人集群的协同围捕问题,采用基于MATD3的多智能体深度强化学习算法设计围捕策略,将围捕过程分成搜索、围困、转移、捕获四个状态,并充分利用障碍物来构建各个状态的奖励函数,提高围捕成功率,降低成功围捕所需的时间。
-
公开(公告)号:CN116872204A
公开(公告)日:2023-10-13
申请号:CN202310882153.2
申请日:2023-07-18
Applicant: 大连海事大学
IPC: B25J9/16
Abstract: 本发明提供一种基于一致性联盟算法(CBCA)的机器人集群动态联盟围捕任务规划方法,属于多机器人协同任务规划技术领域,本发明采用CBCA算法对机器人集群进行任务规划,实现多移动机器人对多个动态目标的围捕任务分配;围捕任务规划分为任务预分配和围捕过程重规划两个阶段,在预分配阶段机器人根据有限的感知范围和通信范围组建临时小组,构建各自的任务包,并通过一致性原则来消解冲突从而构建围捕联盟;设置机器人忠诚度,以保证围捕任务重规划算法的收敛性,实现了机器人集群对多个动态的目标的有序高效围捕,提升了机器人的平均执行效率和平均效能。
-
公开(公告)号:CN116208925A
公开(公告)日:2023-06-02
申请号:CN202310157938.3
申请日:2023-02-23
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多跳信息传递的分组蜂拥控制方法,包括:构建一组包含多个智能体i的集群V;将集群V划分为M个子集群V1,...,VM,属于同一子集群的所有智能体期望实现蜂拥行为,即达到速度一致且相互间保持一个rd的相对距离,实现智能体i与处于通信半径r内的所有智能体进行信息交互;智能体i根据获取到的信息,计算控制率ui并实施,从而与处于通信范围内的同子集群智能体保持蜂拥行为,与处于半径d内的所有智能体进行避碰行为,估计子集群的中心和平均速度并判断是否需要对其进行跟踪,直到完成同子集群的聚集,从而完成分组蜂拥控制。
-
公开(公告)号:CN116208925B
公开(公告)日:2025-05-13
申请号:CN202310157938.3
申请日:2023-02-23
Applicant: 大连海事大学
Abstract: 本发明提供一种基于多跳信息传递的分组蜂拥控制方法,包括:构建一组包含多个智能体i的集群V;将集群V划分为M个子集群V1,...,VM,属于同一子集群的所有智能体期望实现蜂拥行为,即达到速度一致且相互间保持一个rd的相对距离,实现智能体i与处于通信半径r内的所有智能体进行信息交互;智能体i根据获取到的信息,计算控制率ui并实施,从而与处于通信范围内的同子集群智能体保持蜂拥行为,与处于半径d内的所有智能体进行避碰行为,估计子集群的中心和平均速度并判断是否需要对其进行跟踪,直到完成同子集群的聚集,从而完成分组蜂拥控制。
-
-
-
-
-
-
-
-
-