-
公开(公告)号：CN106840151B
公开(公告)日：2019-05-17
申请号：CN201710058077.8
申请日：2017-01-23
Applicant: 厦门大学
Abstract: 基于时延补偿的无模型船体变形测量方法，涉及船体变形测量领域。提供一种在没有变形角先验模型的情况下能够实时快速地估算舰船变形角，并对数据之间存在的时间延迟进行估计和补偿的基于时延补偿的无模型船体变形测量方法。在舰船中心惯导系统附近和舰载设备附近安装两套激光陀螺系统，根据安装点处的姿态信息构建形变滤波观测量，基于四元数姿态矩阵通过引入时间延迟量推导出理想姿态矩阵与实际姿态矩阵之间的数学关系，并将时延量扩展到系统状态变量中，利用神经网络对舰船变形角进行估计，将神经网络的连接权系数扩展到系统状态变量中，利用非线性滤波器对构建的系统状态方程和观测方程进行求解，估算出舰船变形角及时延大小。
-
公开(公告)号：CN101738195B
公开(公告)日：2012-01-11
申请号：CN200910113086.8
申请日：2009-12-24
Applicant: 厦门大学
Abstract: 基于环境建模与自适应窗口的移动机器人路径规划方法，涉及一种移动机器人实时路径规划方法。一个进行多约束局部环境建模和分析的步骤；一个可通过性分析的步骤；一个安全性分析的步骤；一个运动平稳性分析的步骤：一个目标引导性分析的步骤；一个采用自适应窗口的路径规划的步骤。由于具有更好的环境适应性和避障能力，获得较好的安全性和可达性，并具有较高的计算实时性，因此解决了不确定复杂环境下移动机器人实时生成避障路径的问题，提供了一种综合最优的的路径选择方法，较好地满足移动机器人的避障要求，实现机器人的实时路径规划和控制，为移动机器人的导航应用提供一个有效的无碰撞路径规划方法。
-
公开(公告)号：CN113568422B
公开(公告)日：2024-01-23
申请号：CN202110748595.9
申请日：2021-07-02
Applicant: 厦门大学
IPC: G05D1/49 , G05D109/12
Abstract: 本发明涉及机器人智能控制领域，特别涉及基于模型预测控制优化强化学习的四足机器人控制方法，包括：根据物理样机的物理参数建立动力学模型，并将动力学模型转化为状态空间方程；根据状态空间方程优化模型预测控制，并将优化后的模型预测控制部署到物理样机上；建立强化学习模型，强化学习模型与环境、模型预测控制同时交互训练物理样机。通过基于模型预测控制优化强化学习降低训练过程中产生的无意义数据，通过模型引导训练降低对算力的需求，能直接部署于物理样机训练减少训练过程解决了基于价值和策略的算法对数据和算力要求高，需要昂贵的计算机设备进行预训练才能够初步达到机器人的控制效果，在部署到物理样机后还(56)对比文件N. Hirose.MPC policy learning usingDNN for human following control withoutcollision《.Advanced Robotics》.2018,全文.Curtis C. Johnson.Using FirstPrinciples for Deep Learning and Model-Based Control of Soft Robots《.ORIGINALRESEARCH》.2021,全文.陶亚凡.基于强化学习的足式机器人控制方法研宄《.中国优秀硕博士论文全文数据库》.2021,全文.Anusha Nagabandi;Gregory Kahn.利用神经网络动力学实现基于模型的强化学习.机器人产业.2018,(01),全文.
-
公开(公告)号：CN114397810A
公开(公告)日：2022-04-26
申请号：CN202210049731.X
申请日：2022-01-17
Applicant: 厦门大学
IPC: G05B11/42
Abstract: 基于自适应虚拟模型控制的四足机器人运动控制方法，涉及电驱动仿生四足机器人控制。1)根据实际样机平台的物理参数和装配方式，建立机器人坐标系并采用几何法建立四足机器人的运动学模型；2)设定四足机器人初始化状态参数期望值；3)采用自适应模糊控制优化虚拟模型控制的方法控制支撑腿；4)摆动腿的虚拟模型控制；5)通过控制系统的有限状态机切换控制状态。根据四足机器人在不同地形下的运动姿态偏差，运用模糊控制在线生成调整基于虚拟模型控制的机身虚拟弹簧和阻尼系数，使机器人在面对地形变化时，仍能较好地决策出有效且准确的机身期望虚拟力和扭矩，以获得更好的平衡柔顺控制效果。
-
公开(公告)号：CN113433943A
公开(公告)日：2021-09-24
申请号：CN202110748735.2
申请日：2021-07-02
Applicant: 厦门大学
Abstract: 本发明涉及四足机器人技术领域，特别涉及一种基于极值点插值处理与轨迹跟踪的四足机器人控制方法，包括根据四足机器人的足端轨迹，分别获取腿部关节电机角度；将四足机器人的足端轨迹对腿部关节进行运动学逆解，以获取周期内离散时刻对应的腿部关节电机角度；确认腿部关节电机旋转开始变化的时间，以获取腿部关节电机旋转角度变化的极值点；通过极值点之间的电机旋转角度计算腿部关节电机所需控制力矩，以使伺服驱动器驱动腿部关节电机控制四足机器人腿部运动；通过极值点计算单个关节电机所需控制力矩，使腿部关节单个电机进行力矩柔顺控制，有效地解决了四足机器人在高频控制电机时存在的抖动及不稳定问题，提高了四足机器人行走的平稳性。
-
Patent Agency Ranking
公开(公告)号：CN112660264A
公开(公告)日：2021-04-16
申请号：CN202011609984.5
申请日：2020-12-30
Applicant: 厦门大学
IPC: B62D57/032 , G01L3/00
Abstract: 本发明涉及足式机器人技术领域，特别涉及马蹄形足端感知机器人腿部结构及输出力矩检测控制方法，其中马蹄形足端感知机器人腿部结构包括转矩输出装置、大腿、小腿和足端，小腿牵引连杆上设有拉力传感器，足端设有压力传感器。本发明通过转矩输出装置、大腿、小腿和小腿牵引连杆铰接形成连杆机构控制小腿旋转，进而带动足端起落，与现有技术相比，本发明通过足端的压力传感器用以检测触地点压力，通过小腿牵引连杆上的拉力传感器检测反馈拉力并反馈至转矩输出装置，转矩输出装置根据触地压力和反馈拉力的造成的转矩差实时控制输出的转矩进行补偿，达到腿部转矩输出恰当，避免了转矩输出过大或过小造成的不稳定现象。
-
公开(公告)号：CN108398672B
公开(公告)日：2020-08-14
申请号：CN201810183006.5
申请日：2018-03-06
Applicant: 厦门大学
IPC: G01S7/48
Abstract: 基于前倾2D激光雷达移动扫描的路面与障碍检测方法，涉及城市环境中移动机器人的环境感知技术。包括一个坐标系定义与坐标转换的步骤、一个在雷达坐标系中进行扫描点分割的步骤和一个将线段划分为障碍物段和路面段的步骤。针对当前室外移动机器人自主导航中的道路区域和障碍物检测，及采用3D激光雷达带来的难以承受的价格昂贵问题，从传感器原始数据中提取线段，然后估计每一时刻扫描路面的高度和矢量；最后根据每一线段的平均高度和估计的扫描道路向量的线段的偏差，将线段划分为地面和障碍部分。该方法具有快速和稳定可靠特点，解决了必须采用3D激光雷达进行环境3D扫描的问题，为提高室外移动机器人导航的安全性。
-
公开(公告)号：CN110472687A
公开(公告)日：2019-11-19
申请号：CN201910759579.2
申请日：2019-08-16
Applicant: 厦门大学
Abstract: 本发明涉及四足机器人技术领域，特别涉及一种基于颜色密度特征的道路图像聚类方法及道路识别的方法。图像聚类方法以颜色为基础特征，通过定义并提取图像的颜色密度作为图像聚类分割的依据，再通过多次聚类，减轻或者消除由于光照变化、阴影、路面颜色不一致等对道路识别的影响，使在环境变化情况下也能对道路区域进行聚类。本发明提供的道路识别的方法，基于颜色密度特征的道路图像聚类方法，通过对误分割的干扰区域再聚类，完成非结构化道路的识别，解决了在由于不规则块状的阴影或地面随机出现的与道路颜色不一致的不规则颜色块所导致的误分类问题；本发明提供的技术方案为四足机器人对野外非结构化道路环境识别提供了有效方案，具有重要价值。
-
公开(公告)号：CN110009674A
公开(公告)日：2019-07-12
申请号：CN201910256117.9
申请日：2019-04-01
Applicant: 厦门大学 , 厦门万久科技股份有限公司
IPC: G06T7/593
Abstract: 本发明公开一种基于无监督深度学习的单目图像景深实时计算方法，利用双目序列图像之间的几何约束关系构造监督信号，取代传统的人工标记数据集，完成了无监督算法设计；在Depth-CNN网络中的，损失函数除了考虑图像之间的几何约束，还设计了针对左右图像的景深估计结果一致性约束项，提高算法精确度；以Depth-CNN的输出作为Pose-CNN输入的一部分，构造整体的目标函数，同时使用双目图像之间的几何关系和序列图像之间的几何关系构造监督信号，进一步提高的算法的精确度以及鲁棒性。
-
公开(公告)号：CN108871322A
公开(公告)日：2018-11-23
申请号：CN201710325685.0
申请日：2017-05-10
Applicant: 厦门大学
CPC classification number: G01C21/16 , G01C21/203
Abstract: 基于姿态角匹配的无模型船体变形测量方法，涉及船体变形测量，利用舰船中心航姿系统和用户设备之间的欧拉角作为观测量，在考虑双陀螺漂移的情况下结合舰船变形角和姿态失准角建立观测方程。为了回避对舰船变形角建立先验数学模型，利用神经网络对变形角进行拟合。为保证训练神经网络的实时性，将神经网络的连接权系数扩展至状态变量中，再利用非线性滤波器对系统状态方程和观测方程进行求解，最优估计出舰船变形角大小。理论直观，操作简便，满足舰船航行时对变形角实时测量的要求，仿真精度可达10角秒。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.022 seconds)
