-
公开(公告)号：CN114167722B
公开(公告)日：2024-03-29
申请号：CN202111421980.9
申请日：2021-11-26
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于超指数收敛神经网络的并联机器人跟踪控制方法，具体为：用户在MATLAB端发起通信请求，建立连接，输入期望路径以及期望速度；MATLAB读取VREP中并联机器人末端执行器的实时位置、速度及加速度，读取各支腿实时加速度；在MATLAB端利用实时数据计算得到实时控制信号和系数矩阵更新信号；在MATLAB端控制信号和更新信号计算得到更新后的系数矩阵及各支腿控制信息；将得到的支腿控制信息输入至VREP中并执行动态模拟过程。本发明利用带有不确定性并联机器人的实时状态与数据，通过在线算法实现对并联机器人精准快速的追踪与控制，并通过VREP模拟仿真平台对实验过程进行动态模拟。
-
公开(公告)号：CN111443712B
公开(公告)日：2023-03-21
申请号：CN202010241304.2
申请日：2020-03-30
Applicant: 杭州电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于天牛群搜索算法的三维路径规划方法。本发明先读取地图数据，用均匀离散的空间点描述三维地图场景，并使用几何面片将这些点连接，形成一个模拟真实地形的三维平面，将三维地图场景点投影到二维，生成一个二维网格面，并将该网格面上的点进行编号，给予每个网格点独立的数字标示，并计算出每个网格点的附近点，将点进行随机连接，生成从终点到起点的不同路径，再将路径运用算法进行优化求解，计算路径长度代入海拔高度信息纵坐标，求解出最优的路径长度值所对应的路径，最后将路径结果传递给无人车，控制无人车进行三维平面上的导航移动。本发明通过优化起点到终点的路径点选取，使得无人车经过的路径长度最短最优化。
-
公开(公告)号：CN110161852B
公开(公告)日：2022-01-04
申请号：CN201910379915.0
申请日：2019-05-08
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于二阶滑模算法的移动机械臂运动控制方法，包括：1)设计基于跟踪控制位置误差的向量取值函数，所设计的向量取值误差函数包含跟踪控制位置的导数信息与积分信息，并构建二阶滑模算法动态方程；2)根据具体的移动机械臂参数计算相应的移动机械臂速度层运动学关系式；3)将步骤2)中得到的二阶滑模算法动态方程代入移动机械臂速度层运动学关系式得到求解模型，计算移动机械臂的驱动轮旋转速度与机械臂关节角速度；4)将步骤3)的求解结果传递给下位机控制器驱动移动机械臂运动。本发明求解出的移动机械臂运动控制量，控制移动机械臂实现有限时间收敛的跟踪控制，同时也使得移动机械臂具有抵抗外部干扰的能力。
-
公开(公告)号：CN111612733A
公开(公告)日：2020-09-01
申请号：CN202010255044.4
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明专利公开了一种面向医学影像数据分析的卷积神经网络优化方法，包括：1)对医学影像进行预处理,并对图像进行标注，形成数据集；2)构建卷积神经网络模型；3)使用天牛须搜索算法优化步骤2)中构建的卷积神经网络模型；4)使用步骤1)中数据集对优化后的卷积神经网络进行训练并测试；5)利用步骤4)中训练好的卷积神经网络对医疗影像数据进行分析。本发明专利通过分析患者脑部CT图像的具体实例来验证其方法的有效性，并与未经优化的卷积神经网络模型的分析结果进行对比，在收敛速度上前者比后者更快。
-
公开(公告)号：CN118781356A
公开(公告)日：2024-10-15
申请号：CN202410854969.9
申请日：2024-06-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于轻量级神经网络的视觉里程计特征点提取方法，该方法首先使用深度相机采集环境中的图像信息，获取RGB图像和深度图像，提取RGB图像帧中的加速段测试特征点。其次通过预训练的轻量级目标检测神经网络，根据语义先验信息获得RGB图像帧中潜在动态物体的检测框，将检测框之外的区域作为静态区域，静态区域中的加速段测试特征点设置为静态特征点。然后基于深度图像和检测框，使用特征点过滤算法，剔除掉潜在的动态特征点。最后判断特征点过滤算法是否生效，完成视觉里程计特征点提取。本发明精确进行视觉里程计特征点提取，提升了视觉里程计在复杂动态环境下的精度和实时性。
-
Patent Agency Ranking
公开(公告)号：CN117889887A
公开(公告)日：2024-04-16
申请号：CN202310309306.4
申请日：2023-03-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种无人车传感器误差状态和状态归零神经网络求解方法，包括如下步骤：S1、通过传感器接收真实状态数据和标称状态数据，根据真实状态数据和标称状态数据得到误差数据；S2、将误差数据作为输入，得到动力学的线速度误差状态和角速度误差状态；S3、将线速度误差和角速度误差作为输入，在状态归零神经网络模型中进行优化，优化的结果反馈回去作为闭环，最后使得结果依指数形式逐渐收敛；S4、将误差数据作为输入，在优化后的状态归零神经网络模型中经MSCKF算法求解，输出运行轨迹；S5、将结合了MSCKF算法的状态归零神经网络模型移植到真实世界的双目相机和无人小车上进行验证，该方法有效提高SLAM系统最后运行的轨迹等结果的精度。
-
公开(公告)号：CN116796803A
公开(公告)日：2023-09-22
申请号：CN202310298099.7
申请日：2023-03-24
Applicant: 杭州电子科技大学
IPC: G06N3/0464 , G06N3/084 , G06N10/60
Abstract: 本发明公开了一种面向卷积神经网络的量子力学仿生优化及数据增强方法，包括如下步骤：S1、将已知的卷积神经网络的权重和偏置作为需优化的空间X；S2、将获取的样本作为卷积神经网络的输入，计算卷积神经网络的输出，并将卷积神经网络的输出与样本真实标签进行比较，得到损失函数；S3、根据空间中的最优位置调整卷积神经网络的参数，完成卷积神经网络的初始优化；S4、训练卷积神经网络，在训练卷积神经网络的过程中，在特征空间上进行数据增强，从语义层面扩充样本，进一步提升卷积神经网络的泛化能力。该方法得到的优化后的卷积神经网络的初始参数并从语义上扩充特征集，能有效提升卷积神经网络的泛化能力。
-
公开(公告)号：CN111443712A
公开(公告)日：2020-07-24
申请号：CN202010241304.2
申请日：2020-03-30
Applicant: 杭州电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于天牛群搜索算法的三维路径规划方法。本发明先读取地图数据，用均匀离散的空间点描述三维地图场景，并使用几何面片将这些点连接，形成一个模拟真实地形的三维平面，将三维地图场景点投影到二维，生成一个二维网格面，并将该网格面上的点进行编号，给予每个网格点独立的数字标示，并计算出每个网格点的附近点，将点进行随机连接，生成从终点到起点的不同路径，再将路径运用算法进行优化求解，计算路径长度代入海拔高度信息纵坐标，求解出最优的路径长度值所对应的路径，最后将路径结果传递给无人车，控制无人车进行三维平面上的导航移动。本发明通过优化起点到终点的路径点选取，使得无人车经过的路径长度最短最优化。
-
公开(公告)号：CN109866222A
公开(公告)日：2019-06-11
申请号：CN201910141346.6
申请日：2019-02-26
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于天牛须优化策略的机械臂运动规划方法，包括：1)将机械臂末端执行器的指定运动轨迹视为平面上的一系列时序点，在平面上运动时有一个冗余自由度，用φ来表示，而根据机械臂的基座坐标以及时序点的坐标算出每个时序点φ值的范围；2)将步骤1)中得到的φ值范围、各关节最大速度及加速度作为约束条件，以最小化沿轨迹运动时的关节转角幅度或运动时间为优化目标，建立规划模型；3)将步骤2)中的规划问题运用BSO进行求解；4)将步骤3)的求解结果传递给下位机控制器驱动机械臂运动。本发明通过优化机械臂经过轨迹上各个点时的冗余参数来使机械臂的运动幅度或运动时间最优化，同时也使得机械臂的末端沿着指定轨迹运动。
-
公开(公告)号：CN118357922A
公开(公告)日：2024-07-19
申请号：CN202410620978.1
申请日：2024-05-20
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明提供了一种基于模仿与变参两阶段强化学习的机械臂控制方法，包括如下步骤：1)获取手动控制机械臂完成指定任务的专家运动轨迹，归一化处理得到模仿学习数据集；2)利用获取的数据集，训练一个接近于专家策略的机械臂模仿学习策略；3)基于模仿学习策略设计一个参数高效微调策略与环境进行交互训练，并利用一个价值网络对策略学习进行指导，得到最终的强化学习策略；4)利用强化学习策略输出机械臂的控制动作序列，执行完成多种任务。本发明通过设计一种两阶段的强化学习方法，利用参数高效微调策略，可以利用少量的专家演示信息以及环境交互次数，在保证安全性、稳定性的前提下快速训练并学习策略，控制机械臂完成指定任务。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.023 seconds)
