-
公开(公告)号：CN114465792A
公开(公告)日：2022-05-10
申请号：CN202210089872.4
申请日：2022-01-25
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于区块链和Mesh组网的集群控制与任务分配方法及系统，涉及无人机技术领域，其中基于区块链和Mesh组网的集群控制与任务分配方法通过创新的基于区块链的去中心化任务调度算法，很好的解决了中心化的主从机任务调度不安全不稳定的缺陷，并基于区块链的共识机制，非对称加密算法与Mesh多跳网络，提升了集群任务的安全性；本发明提升了无人机集群应对恶劣环境及突发状况等复杂问题的应对与决策能力，同时通过加密校验，大大降低了无人机集群做出错误决策和被破解的概率。
-
公开(公告)号：CN114348270A
公开(公告)日：2022-04-15
申请号：CN202210069572.X
申请日：2022-01-21
Applicant: 广东工业大学
Abstract: 本发明涉及一种固定翼无人机、多旋翼无人机及无人机协同控制方法，属于无人机技术领域，包括一种固定翼无人机以及多旋翼无人机，所述固定翼无人机包括固定翼无人机本体以及第一连接机构，多旋翼无人机包括所述多旋翼无人机包括多旋翼无人机本体以及第二连接机构，所述第二连接机构包括设置在所述多旋翼无人机本体上的若干第一连杆，且所述第一连杆之间通过第二连杆连接，且所述第一连杆上至少设置两组对接锁定装置。本发明不仅降低固定翼无人机集群应用时起飞对场地以及空域的要求，而且降低固定翼无人机起飞所需要的能耗，增加固定翼无人机的续航时间以及航程，还能通过固定翼无人机与多旋翼无人机的异构协同工作。
-
Patent Agency Ranking
公开(公告)号：CN120064994A
公开(公告)日：2025-05-30
申请号：CN202510147746.3
申请日：2025-02-11
Applicant: 广东工业大学
IPC: G01R31/367 , G01R31/387 , G01R31/388 , G06N3/006
Abstract: 本发明提供一种基于栅格化狼群行为算法‑无迹卡尔曼滤波联合算法的电池SOC估计方法，包括对目标电池进行混合脉冲功率特性测试获取其电流电压；对目标电池进行工况测试获取其电流电压，并给电流电压添加噪声以模拟真实采样环境；初始化二阶RC等效电池模型，计算SOC真实值；随机生成初始参数组，使用栅格化狼群行为算法对参数组进行优化，并使用无迹卡尔曼滤波算法进行估计以验证优化效果，进行多轮迭代以后将最优的参数组与无迹卡尔曼滤波算法结合得到无迹卡尔曼滤波估计器；将无迹卡尔曼滤波估计器用于后续电池的SOC估计中。本发明可以快速准确的找到最佳无迹卡尔曼滤波拟合参数，提高了电池SOC估计精度。
-
公开(公告)号：CN114465792B
公开(公告)日：2023-10-10
申请号：CN202210089872.4
申请日：2022-01-25
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于区块链和Mesh组网的集群控制与任务分配方法及系统，涉及无人机技术领域，其中基于区块链和Mesh组网的集群控制与任务分配方法通过创新的基于区块链的去中心化任务调度算法，很好的解决了中心化的主从机任务调度不安全不稳定的缺陷，并基于区块链的共识机制，非对称加密算法与Mesh多跳网络，提升了集群任务的安全性；本发明提升了无人机集群应对恶劣环境及突发状况等复杂问题的应对与决策能力，同时通过加密校验，大大降低了无人机集群做出错误决策和被破解的概率。
-
公开(公告)号：CN114625162A
公开(公告)日：2022-06-14
申请号：CN202210125627.4
申请日：2022-02-10
Applicant: 广东工业大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于混合算法的无人机最优路径规划方法、系统及介质，包括：在无人机飞行过程中，加载全局栅格地图，根据历史信息，基于A*算法进行全局静态路径规划，获取全局子目标点序列确定飞行最优路径，通过飞行最优路径进行飞行并对周围环境进行感知；当感知到未知障碍信息时，判断全局子目标点是否被未知障碍物阻挡；若被阻挡，则更新全局规划，否则进行局部路径规划，根据几何算法检测碰撞，获取局部子目标点序列确定无人机短期飞行运动；判断全局子目标点是否为局部子目标点，若是，则完成路径规划，否则更新局部子目标点重复操作。本发明提高了无人机路径规划的实时性，增强了无人机生存能力与环境的适应性。
-
公开(公告)号：CN116203432A
公开(公告)日：2023-06-02
申请号：CN202310302474.0
申请日：2023-03-23
Applicant: 广东工业大学
IPC: G01R31/367 , G01R31/382
Abstract: 本发明公开了一种基于CSO优化的无迹卡尔曼滤波预测电池荷电状态的方法，包括以下步骤：S1：采用无迹卡尔曼滤波UKF算法预测电池荷电状态SOC时，计算影响预测精度的相关参数；S2：对被预测电池进行测试，获取其城市道路循环工况UUDS数据；S3：采用纵横交叉算法CSO对无迹卡尔曼滤波UKF算法进行优化；S4：将优化后的无迹卡尔曼滤波UKF算法应用于预测电池荷电状态SOC中，获得更为精确的电池工作状态，从而提高电池寿命和使用效率。本发明利用纵横交叉算法收敛速度快、全局搜索能力强的优点，可快速准确获得不同电池工况数据下的最佳UKF拟合参数，避免参数陷入局部最优，使电池荷电状态预测精度尽可能高，实现电池工作状态的精确跟踪。
-
公开(公告)号：CN116203432B
公开(公告)日：2023-10-20
申请号：CN202310302474.0
申请日：2023-03-23
Applicant: 广东工业大学
IPC: G01R31/367 , G01R31/382
Abstract: 本发明公开了一种基于CSO优化的无迹卡尔曼滤波预测电池荷电状态的方法，包括以下步骤：S1：采用无迹卡尔曼滤波UKF算法预测电池荷电状态SOC时，计算影响预测精度的相关参数；S2：对被预测电池进行测试，获取其城市道路循环工况UUDS数据；S3：采用纵横交叉算法CSO对无迹卡尔曼滤波UKF算法进行优化；S4：将优化后的无迹卡尔曼滤波UKF算法应用于预测电池荷电状态SOC中，获得更为精确的电池工作状态，从而提高电池寿命和使用效率。本发明利用纵横交叉算法收敛速度快、全局搜索能力强的优点，可快速准确获得不同电池工况数据下的最佳UKF拟合参数，避免参数陷入局部最优，使电池荷电状态预测精度尽可能高，实现电池工作状态的精确跟踪。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
