公开(公告)号：CN118707850A

公开(公告)日：2024-09-27

申请号：CN202410844378.3

申请日：2024-06-27

Applicant: 江南大学

Inventor： 陶洪峰 ,  陶玉娟 ,  时飞

IPC: G05B13/04

Abstract: 本发明公开了直流电机驱动系统的量化迭代学习优化控制方法，涉及电机驱动控制领域。该方法在迭代学习控制框架下，将均匀量化器与编码解码机制相结合来对传输信号进行量化，从而减少网络传输中的数据量，在此基础上，针对存在传输时延的非线性离散系统，设计了一种量化迭代学习优化控制算法，根据性能指标函数结合给定超前法得到迭代学习优化控制算法的前馈实现。基于λ范数，证明了所设计的量化迭代学习优化控制算法在传输时延约束情况下的收敛性。该方法可以解决使用网络远程数据传输的直流电机驱动系统的跟踪控制问题，从而实现对给定期望轨迹的高精度跟踪。

公开(公告)号：CN118011795A

公开(公告)日：2024-05-10

申请号：CN202311870962.8

申请日：2023-12-29

Applicant: 江南大学

Inventor： 陶洪峰 ,  高鹿原 ,  时飞

IPC: G05B13/04

Abstract: 本发明公开了一种多移动机器人系统的集中式迭代学习控制方法，涉及移动机器人优化控制领域。该方法包括：建立移动机器人的动力学模型；构建多移动机器人系统的离散状态空间方程；建立多移动机器人系统的网络拓扑结构模型；在集中式的控制架构下，通过重新设计系统的性能指标函数，引入非提升范数优化思想设计了一种基于非提升范数优化的迭代学习控制器。该方法在继承传统的基于提升范数优化方法优秀误差收敛性能的前提下，极大地降低了计算复杂度，因此可以轻松应用于持续时间长、采样频率高的大型任务，并最终在有限时间内实现了系统对参考轨迹的完全跟踪。

公开(公告)号：CN118799836A

公开(公告)日：2024-10-18

申请号：CN202411010298.4

申请日：2024-07-26

Applicant: 江南大学

Inventor： 陶洪峰 ,  黄作君 ,  沈凌志 ,  郑月昌 ,  时飞

IPC: G06V20/56 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/762 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/08

Abstract: 本发明公开了一种基于轻量化YOLOv8的密集道路场景目标检测方法，涉及道路目标检测领域，该方法构建了新的LDA‑YOLOv8模型。首先，设计了新的卷积层结构LC2f，并对模型主体架构中的大部分卷积层学习Ghostnet的思想进行改进，在对模型性能损害较小的同时显著降低模型的参数量与计算量。同时，设计了检测头LSCD，采用组归一化以及共享卷积使得网络模型在参数量更少、计算量更少的情况下，尽可能维持模型精度。其次，将模型回归输出的目标建模在非固定任意分布上，增强目标分布密集时模糊边界的检测效果以及网络学习范围，并在后处理阶段采用基于密度的软阈值非极大值抑制方法，灵活处理普通场景与密集场景下的目标检测问题。