-
公开(公告)号：CN114384931A
公开(公告)日：2022-04-22
申请号：CN202111590154.7
申请日：2021-12-23
Applicant: 同济大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于策略梯度的无人机多目标最优控制方法，具体包括以下步骤：S1、获取无人机在目标飞行区间中离散时间非线性系统的多个性能指标，构建相应的状态‑动作价值函数；S2、获取一个在容许控制集内的初始控制策略；S3、根据多个状态‑动作价值函数和当前的控制策略进行策略评估，得到策略评估结果；S4、根据步骤S3的策略评估结果，结合梯度下降的方法进行策略改进，得到优化控制策略，判断优化控制策略是否满足预设的收敛条件，若否返回步骤S3，若是则将相应的优化控制策略作为最终的无人机控制策略。与现有技术相比，本发明具有使无人机消耗的能量更小，任务完成度更高，提升整体运行效率等优点。
-
公开(公告)号：CN113033570A
公开(公告)日：2021-06-25
申请号：CN202110344461.0
申请日：2021-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种改进空洞卷积和多层次特征信息融合的图像语义分割方法，包括以下步骤：使用改进的空洞卷积方法在深度卷积神经网络中提取图像特征；将提取的深层特征图像与浅层特征图像级联融合弥补空间信息丢失；将多阶段处理后的特征图像通过边界细化学习边界信息，融合并恢复至原始图像分辨率，生成预测分割图；利用交叉熵损失函数训练网络，以mIoU评价模型性能。本发明改进了现有空洞卷积的利用方法并设计了可变形空间金字塔结构，提升模型的图像特征提取效果。同时，为图像分辨率恢复设计了多层次特征信息融合结构，充分利用不同层级包含的局部信息以及全局信息，并引入边界细化，有效提高图像语义分割的准确率。
-
公开(公告)号：CN110853078A
公开(公告)日：2020-02-28
申请号：CN201911047363.X
申请日：2019-10-30
Applicant: 同济大学
IPC: G06T7/277
Abstract: 本发明涉及一种基于遮挡对的在线多目标跟踪方法，包括以下步骤：初始化卡尔曼预测轨迹；按时间顺序获取图像检测结果，将当前图像检测结果与上一帧的跟踪轨迹进行匹配，判断是否匹配成功；若存在未匹配的跟踪轨迹，则计算图像检测结果与所述未匹配的跟踪轨迹的面积覆盖率，若存在最大的面积覆盖率大于设定阈值，则基于最大的面积覆盖率对应的图像检测结果生成遮挡对，存储至遮挡对列表；若存在未匹配的检测结果，则利用卡尔曼预测结果和遮挡对列表对所述未匹配的检测结果进行重识别，更新卡尔曼预测轨迹；全局更新卡尔曼预测轨迹和遮挡对。与现有技术相比，本发明具有精度高、速度快等优点。
-
公开(公告)号：CN107135101A
公开(公告)日：2017-09-05
申请号：CN201710303301.5
申请日：2017-05-03
Applicant: 同济大学
IPC: H04L12/24
Abstract: 车联网是一种高动态频繁变化的复杂网络，难以通过已有方法建立能够表征车联网特性的网络模型。针对以上问题，鉴于车联网数据流和流体具有一定的相似性，本发明把车联网数据流比拟成流体，推导出车联网网络特性的描述方程，给出了能够表征车联网复杂网络形态的车联网数据流网络模型的方法。本研究方法“一种表征车联网复杂网络特征的基于流体力学的数据流网络模型方法”，可利用理论方法推导车联网复杂网络形态，从而为车联网网络容量的相关研究提供理论模型基础，同时为车联网应用服务的设计和运行提供更准确的网络模型保障。
-
公开(公告)号：CN119047303A
公开(公告)日：2024-11-29
申请号：CN202411059541.1
申请日：2024-08-04
Applicant: 同济大学
IPC: G06F30/27 , G06F30/15 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/084 , G06F119/14
Abstract: 本发明属于轮胎力估计领域，特别涉及一种基于物理信息融合循环神经网络的轮胎力估计方法，包括以下步骤：1)设计基于数据标签的损失函数，利用循环神经网络算法捕捉轮胎力与车辆状态序列之间的内在联系；2)结合车辆动力学模型，开发基于物理信息的损失函数，确保估计过程遵循物理规律；3)融合上述两种损失函数，形成一种综合考虑数据驱动和物理约束的轮胎力估计方法。通过循环神经网络深入挖掘轮胎力与车辆状态的关系，并融入基于车辆动力学的损失函数，从先验知识中提取有用信息，提高在多变道路条件下的估计效果；本发明结合了数据驱动的灵活性和物理模型的严谨性，不仅提升了轮胎力估计的准确性，还增强了模型的泛化能力和可解释性。
-
Patent Agency Ranking
公开(公告)号：CN114355897B
公开(公告)日：2023-08-29
申请号：CN202111536096.X
申请日：2021-12-15
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于模型和强化学习混合切换的车辆路径跟踪控制方法，包括以下步骤：根据规划层给出的轨迹和车辆运动学模型，使用模型预测控制算法得到控制策略一(控制策略包括对油门、刹车和方向盘的控制)；同时根据规划层给出的轨迹，使用深度强化学习中的演员网络得到控制策略二；根据当前的车辆状态和环境状态信息，使用深度强化学习中的评论家网络对两种控制策略进行评估，并选择能够获得更高价值的控制策略进行实际的输出，实现车辆的路径跟踪控制。与现有技术相比，本发明将基于模型的经典方法和基于学习的新兴方法融合，具有灵活性强、稳健性好、控制性能更优等特点。
-
公开(公告)号：CN114339989B
公开(公告)日：2023-04-28
申请号：CN202111616741.9
申请日：2021-12-27
Applicant: 同济大学
IPC: H04W64/00
Abstract: 本发明涉及一种基于方位角的多智能体系统分布式定位方法，具体包括以下步骤：S1、获取多智能体系统中智能体的基础信息；S2、根据智能体的基础信息计算智能体的角度估计和位置估计；S3、将角度估计和位置估计进行级联，构建分布式定位整体模型；S4、分布式定位整体模型根据角度估计和位置估计得到分布式定位估计结果，并根据分布式定位估计结果的偏差进行修正，得到智能体的定位结果。与现有技术相比，本发明具有智能体间仅需单向通信，降低多智能体系统传感器网络的能量消耗，且控制算法简单，适用于复杂大规模网络等优点。
-
公开(公告)号：CN112947415B
公开(公告)日：2022-07-29
申请号：CN202110106188.8
申请日：2021-01-26
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于障碍物语义信息的室内路径规划方法，具体为：获取室内三维地图，根据室内三维地图获取室内障碍物的语义信息；根据障碍物的语义信息，通过分类决策树评估获得障碍物的危险等级，根据室内三维地图和障碍物的危险等级生成危险等级三维地图；对危险等级三维地图中高度低于机器人高度的部分进行垂直投影，生成二维栅格地图；通过权重函数计算二维栅格地图中各个栅格的通行代价，生成代价地图；在二维栅格地图上选择初始栅格和结束栅格，通过评估函数在代价地图上生成一条从初始栅格至结束栅格的总通行代价最小的规划路径，机器人按照规划路径在室内行走。与现有技术相比，本发明具有准确性高、安全性好和容错率高等优点。
-
公开(公告)号：CN114355897A
公开(公告)日：2022-04-15
申请号：CN202111536096.X
申请日：2021-12-15
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于模型和强化学习混合切换的车辆路径跟踪控制方法，包括以下步骤：根据规划层给出的轨迹和车辆运动学模型，使用模型预测控制算法得到控制策略一(控制策略包括对油门、刹车和方向盘的控制)；同时根据规划层给出的轨迹，使用深度强化学习中的演员网络得到控制策略二；根据当前的车辆状态和环境状态信息，使用深度强化学习中的评论家网络对两种控制策略进行评估，并选择能够获得更高价值的控制策略进行实际的输出，实现车辆的路径跟踪控制。与现有技术相比，本发明将基于模型的经典方法和基于学习的新兴方法融合，具有灵活性强、稳健性好、控制性能更优等特点。
-
公开(公告)号：CN113119084A
公开(公告)日：2021-07-16
申请号：CN202110307361.0
申请日：2021-03-23
Applicant: 同济大学
IPC: B25J9/08 , B25J9/16 , B62D57/032
Abstract: 本发明涉及一种基于IIC总线的模块化机器人，由多个基础单元机器人首尾相连组装形成，基础单元机器人之间通过IIC总线进行通讯连接，每个基础单元机器人包括连接部和行走部，单个基础单元机器人通过连接部与另外两个基础单元机器人进行相互连接，行走部活动连接于连接部的侧面，受连接部的供电与控制。与现有技术相比，本发明具有提高模块之间的指令响应速度、提高模块化机器人的环境适应性、具有较高的灵活性等优点。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.016 seconds)
