-
公开(公告)号:CN118238847B
公开(公告)日:2024-08-30
申请号:CN202410340309.9
申请日:2024-03-25
Applicant: 安徽大学
Abstract: 本发明属于自动驾驶技术领域,具体涉及一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统,包括获取驾驶轨迹和路面环境数据进行识别得到不同驾驶风格,将驾驶风格、以及自车、旁车所在驾驶环境的多维决策向量进行级联后输入到全连接神经网络中,输出车道变更决策指令;根据路面环境信息中路面附着系数确定安全性约束、舒适性约束、自适应加速度约束和自适应急动度约束,结合决策指令,通过七阶多项式函数确定换道轨迹;本发明结合当前交通情况和人类驾驶员的驾驶经验,设计了一个基于多神经网络的个性化换道决策模型,采用路面附着系数和速度的自适应约束,以取代固定约束,从而解决了在不同路面条件下安全可靠的变道决策规划问题。
-
公开(公告)号:CN116673962B
公开(公告)日:2024-03-19
申请号:CN202310848848.9
申请日:2023-07-12
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明属于机器人智能控制技术领域,具体涉及一种基于Faster R‑CNN和GRCNN的机械臂智能抓取方法及系统;方法包括Faster R‑CNN网络模型检测物体类别和位置,再将检测到的目标物体对应像素的深度图像部分提取出来后,经过处理输入到GRCNN网络模型中,GRCNN网络模型输出置信度最高的像素点作为抓取点,这组置信度最高的抓取点经过相机坐标系和机器人坐标系的转换后,得到机器人坐标系下的抓取位姿表示模型。最后这组抓取位姿表示模型被送入到机械臂的控制器中,控制器控制机械臂执行抓取任务;本发明实现机械臂与外界环境的交互感知,适用于大量未知物体的抓取检测。机械臂具有自主识别和智能决策能力,提升抓取检测的成功率,整个的抓取方案具有任务泛化性。
-
公开(公告)号:CN117283565A
公开(公告)日:2023-12-26
申请号:CN202311477918.0
申请日:2023-11-03
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明属于自动控制技术领域,具体涉及一种基于全状态反馈的Actor‑Critic网络控制方法,通过ROS平台对柔性关节机械臂进行仿真验证,选取拥有七自由度柔性关节机械臂的Baxter机器人模型作为柔性关节机械臂的动力学模型,并设定机械臂末端执行关节的期望轨迹、以及末端执行关节的约束力矩增益参数,预先构建Actor和Critic神经网络,在设定仿真循环的时间周期内,依据期望轨迹,通过仿真环境输出末端执行关节的仿真结果,将仿真结果输入Critic神经网络中,将输出结果输入Actor神经网络中进行训练,并实时输出基于Actor神经网络控制下的Baxter模型末端执行关节的实际轨迹,以此对机械臂进行有效控制与消除不确定因素,同时提高系统的精度和增强系统的鲁棒性,使其更易于控制更加安全。
-
公开(公告)号:CN118387087B
公开(公告)日:2025-02-07
申请号:CN202410520802.9
申请日:2024-04-26
Applicant: 安徽大学
Abstract: 本发明属于自动驾驶技术领域,具体涉及一种基于自适应避碰约束的自动泊车轨迹规划方法和系统,包括基于A*生成的粗路径找到一系列中间节点,然后使用混合A*将中间节点与起点终点连接起来得到初始可行轨迹;在第二阶段中,考虑泊车时间与舒适度设置了代价函数,并结合自适应约束建立了最优控制问题,将第一阶段得到的轨迹作为优化问题的初始解,从而求解出最优轨迹;本发明基于初始路径点的朝向角提出了一种新的寻找中间节点的方法,将全局轨迹规划分成几个较为简单的规划任务,该方法能够有效提高混合A*在全局地图中寻找可行轨迹的效率。
-
公开(公告)号:CN118387087A
公开(公告)日:2024-07-26
申请号:CN202410520802.9
申请日:2024-04-26
Applicant: 安徽大学
Abstract: 本发明属于自动驾驶技术领域,具体涉及一种基于自适应避碰约束的自动泊车轨迹规划方法和系统,包括基于A*生成的粗路径找到一系列中间节点,然后使用混合A*将中间节点与起点终点连接起来得到初始可行轨迹;在第二阶段中,考虑泊车时间与舒适度设置了代价函数,并结合自适应约束建立了最优控制问题,将第一阶段得到的轨迹作为优化问题的初始解,从而求解出最优轨迹;本发明基于初始路径点的朝向角提出了一种新的寻找中间节点的方法,将全局轨迹规划分成几个较为简单的规划任务,该方法能够有效提高混合A*在全局地图中寻找可行轨迹的效率。
-
公开(公告)号:CN117283565B
公开(公告)日:2024-03-22
申请号:CN202311477918.0
申请日:2023-11-03
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明属于自动控制技术领域,具体涉及一种基于全状态反馈的Actor‑Critic网络控制方法,通过ROS平台对柔性关节机械臂进行仿真验证,选取拥有七自由度柔性关节机械臂的Baxter机器人模型作为柔性关节机械臂的动力学模型,并设定机械臂末端执行关节的期望轨迹、以及末端执行关节的约束力矩增益参数,预先构建Actor和Critic神经网络,在设定仿真循环的时间周期内,依据期望轨迹,通过仿真环境输出末端执行关节的仿真结果,将仿真结果输入Critic神经网络中,将输出结果输入Actor神经网络中进行训练,并实时输出基于Actor神经网络控制下的Baxter模型末端执行关节的实际轨迹,以此对机械臂进行有效控制与消除不确定因素,同时提高系统的精度和增强系统的鲁棒性,使其更易于控制更加安全。
-
公开(公告)号:CN115167124B
公开(公告)日:2025-04-18
申请号:CN202210696253.1
申请日:2022-06-20
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明公开了一种实现轨迹跟踪与振动抑制的仿生扑翼控制系统及方法,涉及自动控制技术领域。本发明通过搭建虚拟仿生扑翼模型并进行分析,建立了仿生扑翼控制系统的模型方程,结合模型方程设计了仿生扑翼控制算法,采用神经网络逼近了系统的不确定信息,构造了仿生扑翼控制算法执行模块,然后设计了仿生扑翼控制算法评估模块对控制算法进行评估,进而不断在线调整仿生扑翼控制算法,同时仿真系统的运动过程,对控制参数进行调整,使系统在实现轨迹跟踪的同时,能够抑制系统振动。
-
公开(公告)号:CN119149905A
公开(公告)日:2024-12-17
申请号:CN202411101676.X
申请日:2024-08-12
Applicant: 安徽大学
IPC: G06F18/10 , G06F18/213 , G06F18/2337 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明提供一种适应不同驾驶风格的车辆轨迹预测方法及装置,涉及自动驾驶技术领域。所述适应不同驾驶风格的车辆轨迹预测方法包括:获取原始的车辆轨迹的样本数据集;对样本数据集进行滤波处理,获得滤波处理后的样本数据集;采用主成分分析法进行降维处理,获得降维后的数据;采用模糊C均值聚类算法进行软聚类处理,获得硬标签;构建初始的基于全局‑局部注意力机制残差双向长短时记忆网络;对初始的网络进行训练,获得训练好的基于全局‑局部注意力机制残差双向长短时记忆网络;获取目标车辆在观察时间域内的状态信息;将状态信息输入训练好的网络中,获得在预测时间域内目标车辆的未来轨迹。采用本发明,可提高车辆轨迹预测的准确性。
-
公开(公告)号:CN116673962A
公开(公告)日:2023-09-01
申请号:CN202310848848.9
申请日:2023-07-12
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明属于机器人智能控制技术领域,具体涉及一种基于Faster R‑CNN和GRCNN的机械臂智能抓取方法及系统;方法包括Faster R‑CNN网络模型检测物体类别和位置,再将检测到的目标物体对应像素的深度图像部分提取出来后,经过处理输入到GRCNN网络模型中,GRCNN网络模型输出置信度最高的像素点作为抓取点,这组置信度最高的抓取点经过相机坐标系和机器人坐标系的转换后,得到机器人坐标系下的抓取位姿表示模型。最后这组抓取位姿表示模型被送入到机械臂的控制器中,控制器控制机械臂执行抓取任务;本发明实现机械臂与外界环境的交互感知,适用于大量未知物体的抓取检测。机械臂具有自主识别和智能决策能力,提升抓取检测的成功率,整个的抓取方案具有任务泛化性。
-
公开(公告)号:CN119861726A
公开(公告)日:2025-04-22
申请号:CN202510354126.7
申请日:2025-03-25
Applicant: 安徽大学
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D105/22
Abstract: 本发明属于自动驾驶技术领域,具体涉及一种无人车轨迹跟踪控制方法、系统及无人车,该方法通过获取无人车的当前状态信息和预设参考轨迹,计算姿态误差并引入积分误差补偿机制,结合李亚普诺夫函数设计多误差补偿机制,生成初级控制指令。进一步通过后轮反馈控制机制调整后轮运动状态,生成最终控制指令,控制无人车的速度和转向角执行轨迹跟踪。本发明显著提升了轨迹跟踪精度和鲁棒性,尤其在复杂环境下能够快速自适应调整控制策略,解决了传统方法误差补偿不足、初始条件敏感等问题,实现了高精度、低抖振的稳定跟踪性能,适用于实际自动驾驶系统的部署。
-
-
-
-
-
-
-
-
-