-
公开(公告)号：CN118967442A
公开(公告)日：2024-11-15
申请号：CN202410997252.X
申请日：2024-07-24
Applicant: 哈尔滨工业大学
IPC: G06T3/4053 , G06N3/0475 , G06N3/045 , G06N3/094 , G06T5/70 , G06T5/60
Abstract: 青光眼眼底图像超分辨率生成模型的训练方法及重建方法，属于医学影像数据处理技术领域。为了解决利用现有的生成模型对青光眼眼底图像进行超分辨率重建时存在不能有效的针对青光眼眼底图像的特点进行重建的问题，本发明的重建生成模型为生成对抗网络的生成器，将高分辨率的青光眼眼底图像作为参考图像，将对其进行下采样得到的低分辨率图像作为生成器的输入，通过生成对抗网络整体训练使生成器能够生成青光眼眼底图像超分辨率重建图像，在生成对抗网络的训练过程中，利用参考图像与重建图像第n层的神经纤维层横截面面积、筛板区域的二值边缘图计算图像质量评估损失和边缘相似性损失作为总损失实现模型的训练。
-
公开(公告)号：CN114637211B
公开(公告)日：2024-06-25
申请号：CN202210335411.0
申请日：2022-03-31
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于直接自适应律的固定时间反步控制方法，涉及非线性系统的控制技术领域。本发明是为了解决传统的自适应反步控制方法不仅不适用非参数话不确定性系统，而且还会导致系统收敛速度慢的问题。本发明所述的一种基于直接自适应律的固定时间反步控制方法，首先建立二维非线性系统的状态空间模型，所述二维非线性系统中具有两个状态变量、一个控制输入信号以及一个给定的目标信号，然后利用自适应律的反步控制器调整控制输入信号，最后将调整后的控制输入信号输入至二维非线性系统中，使二维非线性系统的输出信号在固定时间内能够跟踪给定目标信号，实现对二维非线性系统的反步控制。
-
公开(公告)号：CN114326405B
公开(公告)日：2023-04-07
申请号：CN202111669359.4
申请日：2021-12-30
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于误差训练的神经网络反步控制方法，解决了现有神经网络反步控制方法收敛速度慢以及神经网络不能准确估计未建模动态进而导致系统跟踪误差较大的问题，属于非线性系统的神经网络反步控制方法领域。本发明包括：S1、建立含有未建模动态的非线性n阶系统状态空间模型，状态变量为[x1，...，xn]T；S2、确定误差变量z1和zi，z1＝x1‑yd，zi＝xi‑αi‑1，其中，αi‑1表示虚拟控制函数；S3、建立误差zi的微分估计器，微分估计器的输入为zi，输出为为的估计；S4、利用S3得到的计算当前径向基神经网络的估计误差，基于估计误差对神经网络的权重进行梯度下降训练，得到S5、根据αn、计算非线性系统的控制输入信号。
-
公开(公告)号：CN113296401A
公开(公告)日：2021-08-24
申请号：CN202110534276.8
申请日：2021-05-17
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种基于切换策略的直接避障跟踪控制方法及存储介质，属于非线性系统避障跟踪控制领域。本发明解决了目前间接避障跟踪控制方法不可靠的问题。本发明针对机器人建立非线性系统状态空间模型，并给定系统目标信号和障碍物坐标；利用跟踪误差变量设计李雅普诺夫函数，根据李雅普诺夫函数对时间的一阶导数设计虚拟跟踪控制函数以及目标跟踪控制策略；利用避障误差变量设计李雅普诺夫函数，根据李雅普诺夫函数对时间的一阶导数设计虚拟避障控制函数以及避障控制策略；利用目标跟踪控制策略和避障控制策略，设计基于切换策略的直接避障跟踪控制策略，实现对机器人的控制。本发明用于非线性系统的对机器人的避障跟踪控制。
-
公开(公告)号：CN111752157B
公开(公告)日：2021-07-06
申请号：CN202010692622.0
申请日：2020-07-17
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种有限时间收敛的二阶滑模控制方法，它属于滑模控制技术领域。本发明解决了目前的二阶滑模控制策略只能使被控对象的状态渐进稳定到平衡点，不能在有限时间内收敛的问题。基于本发明设计的滑模面可以设计得到全局非奇异的二阶对数双曲正切滑模控制策略，且采用本发明设计的二阶对数双曲正切滑模控制策略能够使系统状态在有限时间内收敛到平衡点附近的微小邻域内，采用本发明方法可以将有限时间控制性能由一阶滑模扩展至二阶滑模。本发明可以应用于滑模控制技术领域。
-
Patent Agency Ranking
公开(公告)号：CN111752157A
公开(公告)日：2020-10-09
申请号：CN202010692622.0
申请日：2020-07-17
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 一种有限时间收敛的二阶滑模控制方法，它属于滑模控制技术领域。本发明解决了目前的二阶滑模控制策略只能使被控对象的状态渐进稳定到平衡点，不能在有限时间内收敛的问题。基于本发明设计的滑模面可以设计得到全局非奇异的二阶对数双曲正切滑模控制策略，且采用本发明设计的二阶对数双曲正切滑模控制策略能够使系统状态在有限时间内收敛到平衡点附近的微小邻域内，采用本发明方法可以将有限时间控制性能由一阶滑模扩展至二阶滑模。本发明可以应用于滑模控制技术领域。
-
公开(公告)号：CN111709397A
公开(公告)日：2020-09-25
申请号：CN202010659641.3
申请日：2020-07-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于多头自注意力机制的无人机变尺寸目标检测方法，属于目标检测技术领域，本发明为解决现有无人机目标检测算法对于小目标检测性能差的问题。本发明包括：建立数据集；建立网络结构：采用多头自注意力机制建立多头自注意力目标检测头网络，所述多头自注意力目标检测头网络的后端采用Faster Rcnn基本框架，在多头自注意力目标检测头网络的回归层再次引入自注意力机制；分步骤进行网络训练；对目标物体进行检测：对图像进行预处理后输入多头自注意力目标检测头网络，多头自注意力目标检测头网络输出检测结果。本发明用于对大小变化目标无人机的目标检测。
-
公开(公告)号：CN109409327A
公开(公告)日：2019-03-01
申请号：CN201811333891.7
申请日：2018-11-09
Applicant: 哈尔滨工业大学
Abstract: 基于端到端深度神经网络的RRU模块物件位姿检测方法，本发明涉及RRU模块物件位置与姿态检测方法。本发明的目的是为了解决现有深度神经网络进行目标定位和姿态检测时获得的是粗略的检测结果不能满足工业要求，以及网络训练的复杂、检测速度慢的问题。一：采集的物件图像；二：进行关键点标注；三：进行图像扩增，将扩增后的图像样本分为训练集和验证集；四：进行关键点标注，将图像文件和标签文件打包；五：搭建神经网络模型；六：得到训练好的神经网络；七：采集图像；八：得到边界框中心点位置；九：筛选出物件四个角点位置；十：计算出物件相对于水平位置的旋转角度。本发明用于RRU模块物件位姿检测领域。
-
-
公开(公告)号：CN118739929A
公开(公告)日：2024-10-01
申请号：CN202410900122.X
申请日：2024-07-05
Applicant: 哈尔滨工业大学
Abstract: 直流无刷电机的超调可控神经网络反步控制方法，涉及非线性系统控制领域，针对现有反步法无法对直流无刷电机的超调量进行准确调节的问题，本申请相较于其他的自适应神经网络反步控制方法，不仅可以稳定闭环系统，而且可以根据所提出的参数设置规则预先确定系统的超调量。进而解决了现有反步法无法对直流无刷电机的超调量进行准确调节的问题。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.027 seconds)
