-
公开(公告)号：CN111399506A
公开(公告)日：2020-07-10
申请号：CN202010177283.2
申请日：2020-03-13
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于动力学约束的全局-局部混合无人船路径规划方法。包括：S1、构建无人船运动学模型，并进行动力学分析；S2、考虑无人船安全范围，采用存储节点的方式，实现无人船全局路径的规划；以优化生成的路径点，约束无人船安全行驶。S3、针对动态的不可预见的环境，构建基于FDM模糊决策模块和FDW精准动态窗口模块的分层结构，实现无人船局部路径的规划；精确地将可驱动的前向、航向角速度和加速度考虑到局部路径的规划中，产生可跟踪且能够实现实时局部避碰的路径。S4、融合上述无人船全局路径规划和无人船局部路径规划方案，形成全局局部混合避障策略。通过在全局最优路径上插入虚拟路径点，使全局和局部路径规划完好结合，完成整个路径跟踪任务。
-
公开(公告)号：CN111305992A
公开(公告)日：2020-06-19
申请号：CN202010113492.0
申请日：2020-02-24
Applicant: 大连海事大学
Abstract: 本发明提供一种链传动式波浪能发电装置，包括：动力供应轮结构、永磁同步发电机、波浪采集板；动力供应轮结构包括前转动轮、后转动轮；前转动轮通过一根与前转动轮轴承固定一体的T型杆连接波浪采集板；前转动轮通过两条皮带连接后转动轮轴承；后转动轮连接永磁同步发电机；装置工作时，前传动轮经过波浪采集板收集前后涌动的波浪，带动前传动轮运动，进而通过皮带带动后传动轮的轴承，进而带动永磁同步发电机旋转。本发明装置避免了航标灯因电能耗尽影响人们正常工作的问题，极大地增大了航标灯的工作稳定性，保障了其运行的工作时长，同时航标灯系统无需改变自身结构。
-
公开(公告)号：CN110543859A
公开(公告)日：2019-12-06
申请号：CN201910838786.7
申请日：2019-09-05
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于深度学习和双目定位的海参自主识别和抓取方法，包含以下的步骤：基于深度学习的水下海参识别与定位；利用双目立体视觉获取海参空间定位信息；利用PID控制方法进行海参抓取。本发明利用GAN模型学习水下海参的特征，利用生成网络生成海参样本，有效解决海参训练样本不足的问题。本发明将均值滤波、中值滤波与维纳滤波相结合进设计滤波算子，解决光线不均匀、浑浊度大以及能见度低等对图像带来的影响。本发明利用卷积神经网络对已有数据进行学习和归纳，准确快速对海参进行检测与二维定位，为后续海参的空间三维定位和抓取提供有力保障。本发明获得高精度的摄像机内、外参数，有利于保障机械手精确抓取。
-
公开(公告)号：CN109189071A
公开(公告)日：2019-01-11
申请号：CN201811117143.5
申请日：2018-09-25
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于模糊未知观测器的鲁棒自适应欠驱动水面船路径跟踪控制方法，包括以下步骤：建立无人船运动学和动力学模型；构建路径跟踪误差动态；提出速度可变的视线制导律；建立模糊逻辑系统；基于模糊未知观测器的控制器设计。本发明在制导子系统中，提出了一种速度可变的视线制导律，提高了制导系统的操纵灵活性和鲁棒性，使位置误差渐近稳定到零；在控制子系统中，通过设计模糊未知干扰观测器对未知干扰进行快速精确的估计，在设计的速度和航向控制器中进行有效补偿，使制导信号与实际量之间的追踪误差渐近稳定回到零，所涉及的算法框架可使整个闭环系统具有全局渐近稳定特性，极大地提高了路径跟踪控制系统的操纵灵活性和跟踪精度。
-
公开(公告)号：CN108599650A
公开(公告)日：2018-09-28
申请号：CN201810547047.8
申请日：2018-05-31
Applicant: 大连海事大学
IPC: H02P21/00
Abstract: 本发明公开了一种基于模糊PI的小型船用电力无刷直流推进电机控制系统该系统基于模糊PI的小型船用电力无刷直流推进电机控制系统，能够克服小型船舶电力无刷直流推进电机采用传统PI控制器中动静态性能不佳、鲁棒性不强、调速性能差等缺点，本发明结合模糊控制理论提出了模糊自适应PI控制算法，通过模糊逻辑控制对参数进行在线调节，根据电机不同的运行状态采用不同的PI参数，实验结果表明模糊PI控制有着更好的响应性能，在超调、响应速度、稳态精度等方面均优于传统的PI控制，并且本系统增加了以Matlab为核心自主设计GUI的上位机监控界面。
-
Patent Agency Ranking
公开(公告)号：CN107102544A
公开(公告)日：2017-08-29
申请号：CN201710297184.6
申请日：2017-04-28
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于扰动观测器的全局有限时间航迹跟踪控制方法，具有如下步骤：建立表示当前船舶运动特性的水面船舶运动方程和期望船舶航向模型，所述水面船舶运动方程中带有转置矩阵R(ψ)；经过坐标转换，将所述水面船舶运动方程和期望船舶航向模型转换成标准二阶非线性控制系统；分析得到二阶非线性控制系统中的误差系统；给出有限时间航迹控制律和对应的扰动观测器，完成航迹跟踪控制。
-
公开(公告)号：CN103198720B
公开(公告)日：2016-04-20
申请号：CN201310116651.2
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G08G3/02
Abstract: 本发明提出了一种基于广义在线自组织神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN103186815A
公开(公告)日：2013-07-03
申请号：CN201310115642.1
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G06N3/02
Abstract: 本发明提出了一种基于在线快速自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN103177290A
公开(公告)日：2013-06-26
申请号：CN201310116653.1
申请日：2013-04-03
Applicant: 大连海事大学
IPC: G06N3/02
Abstract: 本发明提出了一种基于在线自组织模糊神经网络的船舶领域模型的辨识方法，具有如下步骤：选定船舶安全区域模型，确定该模型的函数、输入变量和期望输出值；建立包含输入层、隶属函数层、T-范数层和输出层的动态模糊神经网络；使用包含所述模型的输入变量和输出值的训练数据集，对所述动态模糊神经网络进行训练直至达到精度要求；将两艘对应船舶的航行参数，作为输入变量输入训练完毕后的船舶安全区域模型，得到两艘船舶的船舶安全区域。由于采用了上述技术方案，相对与传统的船舶领域模型，经过本发明修正的安全模型，具有更好的精度，安全性也更高。
-
公开(公告)号：CN119832517A
公开(公告)日：2025-04-15
申请号：CN202411843108.7
申请日：2024-12-13
Applicant: 大连海事大学
IPC: G06V20/58 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06V10/80
Abstract: 本发明一种基于上下文信息和注意力机制的无人艇水面抗干扰实时障碍物分割方法，包括以下步骤：获取无人艇视角捕获的水面环境图像构成的数据集；将数据集依照比例划分训练集和测试集；构建实时水面障碍物分割网络模型，用于存在水面干扰的条件下，能够基于视觉信息的障碍物检测；基于训练集数据，对实时水面障碍物分割网络进行训练，得到训练好的实时水面障碍物分割网络模型；将测试集数据输入到训练好的实时水面障碍物分割网络模型中，实现无人艇水面抗干扰实时障碍物分割，本发明FPPM通过级联的平均池化操作和全局池化操作来捕获局部和全局上下文信息，AFFM利用通道‑空间注意力机制，通过捕捉详细特征和空间位置上的差异来区分倒影与障碍物。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.031 seconds)
