-
公开(公告)号：CN110968084A
公开(公告)日：2020-04-07
申请号：CN201811159046.2
申请日：2018-09-30
Applicant: 中国科学院沈阳自动化研究所
Abstract: 本发明涉及一种自主遥控水下机器人人机共享控制方法，包括行为管理、基本行为和行为综合三个单元；所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换；基本行为单元根据传感系统和操作人员输入的信息计算机器人各个基本行为输出的速度矢量；行为综合单元用于对各个基本行为的输出进行混合得到控制命令作用于机器人执行系统，实现自主遥控水下机器人人机共享控制。本发明方法提高了自主遥控水下机器人的任务表现并降低了操作人员的工作负担。
-
Patent Agency Ranking
公开(公告)号：CN119493941A
公开(公告)日：2025-02-21
申请号：CN202411614236.4
申请日：2024-11-13
Applicant: 中国科学院沈阳自动化研究所
Abstract: 本发明涉及一种基于置信传播的水下弱目标方位检测前跟踪方法，包括：基于贝叶斯规则将弱目标跟踪问题转化为联合后验概率密度函数(pdf)的求解；将联合后验pdf因子化，通过图模型构建相应的因子图；使用置信传播(BP)算法求解因子图中传递的信息，利用Goodman变量替代原理将多重积分转化为普通积分；通过复Wishart分布构建似然函数描述原始声呐数据与目标状态之间的关系，并利用高斯分布简化剩余pdf，得到目标状态边缘后验pdf的置信近似；利用最小均方误差(MMSE)估计器计算得到弱目标数目以及相应状态。本发明不需要复杂的聚类算法即可同时跟踪多个弱目标，预设参数较少，能够准确、高效的跟踪包括方位、方位角速度以及目标强度在内的目标状态信息。
-
公开(公告)号：CN116750167A
公开(公告)日：2023-09-15
申请号：CN202310694883.X
申请日：2023-06-13
Applicant: 中国科学院沈阳自动化研究所
IPC: B63C11/52
Abstract: 本发明属于新概念海洋机器人领域，具体地说是一种具有自掩埋能力的海洋机器人及其自掩埋方法，密封舱体两侧均安装有侧向驱动电机，每个侧向驱动电机的输出端均连接有侧向柔性连杆，密封舱体的前端安装有头部驱动电机，头部驱动电机的输出端连接有头部柔性连杆，头部柔性连杆及各侧向柔性连杆分别与柔性波动翼相连；密封舱体内分别安装有控制模块及与控制模块连接的主动浮力调节控制模块、能源姿态模块，外部油囊安装于密封舱体上，并与主动浮力调节控制模块相连；密封舱体的底部设有多个底部导流块。本发明具备环境扰动小、隐蔽性好的优势，能够为执行水下隐蔽观测任务提供潜在解决方案。
-
公开(公告)号：CN110968084B
公开(公告)日：2021-06-01
申请号：CN201811159046.2
申请日：2018-09-30
Applicant: 中国科学院沈阳自动化研究所
Abstract: 本发明涉及一种自主遥控水下机器人人机共享控制方法，包括行为管理、基本行为和行为综合三个单元；所述行为管理单元通过操作人员模块和自主管理模块协同对基本行为进行管理实现机器人作业模式的切换；基本行为单元根据传感系统和操作人员输入的信息计算机器人各个基本行为输出的速度矢量；行为综合单元用于对各个基本行为的输出进行混合得到控制命令作用于机器人执行系统，实现自主遥控水下机器人人机共享控制。本发明方法提高了自主遥控水下机器人的任务表现并降低了操作人员的工作负担。
-
公开(公告)号：CN112801955A
公开(公告)日：2021-05-14
申请号：CN202110061356.6
申请日：2021-01-18
Applicant: 中国科学院沈阳自动化研究所
Abstract: 本发明涉及计算机视觉、对抗学习和深度学习目标检测领域，具体说是一种浮游生物种群分布不平衡条件下的多类浮游生物检测方法，本发明一方面融入了循环对抗神经网络结构，对非优势分布种群的图像样本数据进行扩充，使各种群图像样本数据达到数量上的均衡，避免了检测模型在训练中的过拟合现象，提高了整体识别精度。另一方面，算法在YOLOV3模型的基础上引入了具有特征重用特性的DenseNet结构，替换原YOLOV3模型中下采样层，使浮游生物的细微特征在深度神经网络层中传输过程中减少特征损失，提高特征传播的稳定性。
-
公开(公告)号：CN119129430A
公开(公告)日：2024-12-13
申请号：CN202411364794.X
申请日：2024-09-29
Applicant: 中国科学院沈阳自动化研究所
IPC: G06F30/27 , G01S15/66 , G06N5/01 , G06F111/08
Abstract: 本发明涉及自主水下机器人(AUV)决策、深度强化学习和水下目标跟踪领域，具体说是基于深度强化学习的双基地声呐水下目标跟踪AUV决策方法。本发明采用端到端的深度强化学习方法学习搭载接收器的AUV面向最优目标跟踪的动作决策，使得AUV能够根据态势的变化调整自己的运动以提高对目标的跟踪精度和跟踪保持时间，且该方案求解时间短，满足目标跟踪的实时性要求。在训练网络时，将滚动时域优化与深度强化学习相结合，利用已有的先验模型引导策略学习，能够保障AUV的安全，提高策略的稳定性。
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
