-
公开(公告)号：CN118687262A
公开(公告)日：2024-09-24
申请号：CN202410864028.3
申请日：2024-06-30
Applicant: 海南大学
IPC: F24H9/20 , H01M8/04089 , H01M8/04082 , H01M8/04029 , H01M8/04992
Abstract: 本发明涉及一种基于燃料电池热电联供系统的设施农业恒温控制方法，方法采用设施农业恒温控制程序包含供热需求和热能管理等模块，所述燃料电池系统控制程序包括功率跟踪、湿度控制、供气控制、温度控制等模块。与现有技术相比，本发明具有燃料电池系统环境适应性强等优点。
-
公开(公告)号：CN118093909A
公开(公告)日：2024-05-28
申请号：CN202410100686.5
申请日：2024-01-24
Applicant: 海南大学
IPC: G06F16/51 , G06F16/55 , G06V10/40 , G06V10/80 , G06N3/0464 , G06N3/0455 , G06N3/0985
Abstract: 本发明涉及一种基于ViT的无人机深度哈希图像检索方法、设备、介质，利用预先训练好且微调后的基于ViT网络的网络模型，基于输入的无人机图像的图像特征进行检索，方法包括如下步骤：针对输入的图像特征，通过卷积提取浅层特征；基于所述浅层特征，通过分块和线性嵌入处理，利用多个多头注意力模块提取深层特征；基于所述浅层特征和所述深层特征，通过残差连接得到融合特征；基于所述融合特征，通过哈希层生成哈希编码；基于所述哈希编码和所述融合特征，从图像库中进行由粗到细的分级搜索，得到检索结果。与现有技术相比，本发明提高了无人机图像检索的准确率。
-
公开(公告)号：CN116945192A
公开(公告)日：2023-10-27
申请号：CN202311170380.9
申请日：2023-09-11
Applicant: 海南大学
IPC: B25J9/16
Abstract: 本发明涉及一种三轮全向移动机械臂自运动规划方法，方法包括：S1、采用梯度下降公式，推导机械臂从不同初始状态调整到期望状态的速度层指标；S2、引入末端定位误差及其积分的反馈，并结合移动平台的运动学方程和S1的速度层指标，设计以伪逆形式描述的自运动规划方案；S3、获取机械臂的初始状态，将初始状态代入自运动规划方案进行迭代计算，得到自运动规划的驱动轮旋转角速度和关节速度；S4、将自运动规划的驱动轮旋转角速度和关节速度发送至三轮全向移动机械臂的下位机控制器，驱动三轮全向移动机械臂和移动平台达到期望状态。与现有技术相比，本发明具有完成不同状态之间的自动、快速、准确调整等优点。
-
公开(公告)号：CN118938229A
公开(公告)日：2024-11-12
申请号：CN202410977340.3
申请日：2024-07-22
Applicant: 海南大学
Abstract: 本发明涉及一种基于声线和运动补偿的水下动态目标定位方法，包括以下步骤：获取M个动态水下传感器节点对水下动态目标进行测量得到的时延测量信息和多普勒频率测量信息，并组合为总测量向量；建立运动效应和声线弯曲下的时延和多普勒频率测量模型，并基于所述总测量向量进一步建立最大似然估计；建立声线直线传输假设下的测量模型，并采用最小二乘法进行求解，得到水下动态目标的初始位置和速度；基于所述最大似然估计，将初始位置和速度作为牛顿迭代法的初始解，并进行迭代求解，得到水下动态目标的位置和速度，完成定位过程。与现有技术相比，本发明具有有效提高定位精度等优点。
-
公开(公告)号：CN117706481A
公开(公告)日：2024-03-15
申请号：CN202311615911.0
申请日：2023-11-30
Applicant: 海南大学
IPC: G01S5/18
Abstract: 本发明涉及一种水下目标定位方法、系统、设备及介质，该方法包括：水下潜器利用接收到的水面浮标信息进行自定位；基于水下潜器的历史位置信息和自身的推进速度，估计水流速度，构建与深度相关的水流场模型并进行参数估计；接收水下潜器发出的信标信号，估计目标节点的位置和异步时钟参数；基于构建与深度相关的水流场模型以及目标节点的位置和异步时钟参数，计算得到目标节点的被动移动速度，实现目标节点移动性预测。与现有技术相比，本发明同时考虑了节点之间的异步时钟问题、分层效应引起的水声弯曲效应问题以及水流环境引起的节点被动运动问题，实现了对目标节点的定位、时钟同步以及移动性预测，有效地提高了水下目标节点位置估计的精度。
-
Patent Agency Ranking
公开(公告)号：CN116945178A
公开(公告)日：2023-10-27
申请号：CN202310989730.8
申请日：2023-08-08
Applicant: 海南大学
IPC: B25J9/16
Abstract: 本发明涉及一种三轮全向移动机械臂加速度层的神经动力学姿态调整方法，方法步骤包括：获取三轮全向移动机械臂的状态参数，将状态参数输入预先构建的加速度层姿态调整模型中；求解加速度层姿态调整模型；根据加速度层姿态调整模型计算结果同时调整移动平台和机械臂到达期望的姿态；加速度层姿态调整模型基于在加速度层上描述的性能指标结合移动平台加速度层运动学方程以及三轮全向移动机械臂的物理极限建立；在加速度层上描述的性能指标根据零化移动机械臂当前姿态与期望姿态的误差的思想采用神经动力学设计公式推导得到。本发明既能在加速度层上，也能在速度层上，高效地实现三轮全向移动机械臂的姿态自动调整，便于执行在不同姿态下的操作任务。
-
公开(公告)号：CN119238516A
公开(公告)日：2025-01-03
申请号：CN202411475829.7
申请日：2024-10-22
Applicant: 海南大学
Abstract: 本发明涉及人工智能视觉与机械臂应用技术领域，尤其涉及一种视觉机械臂物品定位拾取方法及系统，集成高精度的视觉检测与灵活的机械臂执行机构，实现了从目标检测到精准拾取的全自动化流程，减轻了人工操作的负担，提高了生产效率，针对传统视觉识别系统计算量大与资源消耗高的痛点，本发明进行了深度的轻量化改进，通过优化算法结构、减少模型参数量及计算复杂度，本系统相比原模型在性能上实现了成倍的提升，同时显著降低了对计算资源和硬件配置的依赖，这不仅使得系统能够在树莓派等低成本硬件平台上高效运行，还大幅降低了部署成本，提升了系统的普及率和可用性。
-
公开(公告)号：CN118941941A
公开(公告)日：2024-11-12
申请号：CN202410923963.2
申请日：2024-07-11
Applicant: 海南大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于多尺度特征融合的海上目标检测方法，包括：获取海上目标图像，并进行图像预处理；将预处理后的海上目标图像输入特征提取网络中，得到不同层次、不同尺度的图像特征；通过多层高效重参数化泛化特征金字塔网络，对特征提取网络输出的各个图像特征进行第一次多尺度特征融合，得到多个金字塔网络融合特征；通过多层自适应结构特征融合网络，对各个金字塔网络融合特征进行第二次多尺度特征融合，得到多个自适应网络融合特征；将各个自适应网络融合特征输入到分类回归网络，得到海上目标的类别和位置信息。与现有技术相比，本发明提高了海上目标的检测精度和鲁棒性，为海上无人视觉系统的建立提供了新的解决方案。
-
公开(公告)号：CN118192584A
公开(公告)日：2024-06-14
申请号：CN202410406939.1
申请日：2024-04-07
Applicant: 海南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种基于MPC‑NDQN的无人机着艇方法、设备、介质，方法包括如下步骤：通过构建无人机动力学模型，得到基于输入控制量和状态变量的离散化的线性状态空间方程，通过MPC得到未来一段时间内的着艇轨迹；基于着艇轨迹，利用NDQN更新噪声网络的网络参数；基于更新后的噪声网络得到最优动作，实现无人机飞行姿态的控制，NDQN中，以无人机的位姿和降落点的坐标作为状态空间，以无人机的飞行姿态作为动作空间，以着艇轨迹跟踪率作为奖励函数，且采用计及新老信息置信度和远见程度的价值函数。NDQN网络中带有标准正态分布的噪声，能在训练时产生一定的随机性，因此无人机即使在不确定的环境下也能精准跟踪最优着艇轨迹。
-
公开(公告)号：CN118038038A
公开(公告)日：2024-05-14
申请号：CN202410056486.4
申请日：2024-01-15
Applicant: 海南大学
IPC: G06V10/26 , G06V20/70 , G06V10/42 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于统计学改进的弱监督语义分割方法、装置及介质，其中方法将待分割图像输入基于统计学改进的语义分割网络中，生成分割结果图，语义分割网络包括：特征编码模块：用于将输入的待分割图像处理为具有空间权重参数的特征图；语义亲和信息模块：用于基于统计学原理提取语义亲和信息；特征解码模块：将经过特征编码模块处理后的特征图送入相应的解码器经过上采样得到最终的分割结果。与现有技术相比，本发明能够提高网络对全局特征的提取能力，改进的基于统计学原理的语义亲和模块能够提高网络对语义亲和信息的提取能力，增加语义分割精度，同时端到端的网络弥补了多阶段训练复杂性高的缺点。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.015 seconds)
