-
公开(公告)号：CN111538242B
公开(公告)日：2023-01-03
申请号：CN202010396064.3
申请日：2020-05-12
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明涉及船舶动力定位控制领域，具体涉及的是一种不确定性估计和饱和补偿的动力定位T‑S模糊抗饱和控制方法。本发明将动力定位船的三自由度非线性模型转换成在不同状态空间下的几个线性子系统，建立T‑S模糊模型。同时考虑由外界环境及系统模型内部参数不确定性所产生的干扰，设计干扰观测器估计干扰项。在动力定位船的T‑S模糊模型和干扰估计的基础上，设计T‑S模糊控制器，并考虑推进系统的饱和特性，提出了饱和补偿系统，最终实现船的动力定位T‑S模糊抗饱和控制。本发明将复杂的动力定位船的非线性模型线性化，转化成由几个线性子系统组成的T‑S模糊模型，为控制器的设计提供了便利条件，可以选择更多样的线性控制方法，简化了计算。
-
公开(公告)号：CN113075884B
公开(公告)日：2022-07-15
申请号：CN202110334301.8
申请日：2021-03-29
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明提供基于自适应遗传‑最小二乘互联预测系统的推力分配方法，步骤1根据船舶推进器位置及坐标系确定推力分配的数学模；步骤2建立最优方向预测模型，提出一种精英自适应遗传‑蝙蝠算法，通过获取上一时刻的最优推力预测值对当前时刻的最优方向进行预测；步骤3建立最优推力预测模型，通过获取上一时刻的最优方位角预测值采用最小二乘法对当前时刻的最优推力进行预测；步骤4形成最优方位角与最优推力相关联的预测系统，提出一种新的船舶推力分配优化方法，即预测系统将最优预测值及其导数送入推力分配控制器作为最优解搜索的起点和最优搜索方向的优化策略。
-
公开(公告)号：CN108521626B
公开(公告)日：2020-09-25
申请号：CN201810188711.4
申请日：2018-03-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于多传感网络的水上搜救定位方法，属于多传感器网络技术领域。本发明包括：传感器节点位置的获取，通过GPS和无线通信实时获取并交换自身位置坐标信息；建立传感器节点受力模型，将传感器节点抽象成势力场中的粒子，分析传感器节点间力的作用控制传感器节点的移动方向和距离；基于改进虚拟力算法的多传感器网络区域覆盖。本发明可以使多传感器网络实现区域的无缝覆盖，并对覆盖区域进行数据收集；光电成像系统利用灰度及温度差异确定搜索目标，利用三边定位算法确定并反馈目标坐标位置信息。
-
公开(公告)号：CN109885061A
公开(公告)日：2019-06-14
申请号：CN201910194185.7
申请日：2019-03-14
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于船舶动力定位控制领域，具体涉及一种基于改进NSGA-Ⅱ的动力定位多目标优化方法，包括以下步骤：建立动力定位船的三自由度动力学模型和运动学模型；利用动态面控制方法设计船舶动力定位控制律；建立动力定位船的能源消耗模型；选取优化目标函数，利用改进的NSGA-Ⅱ调节动态面控制器的控制参数，对控制器效果及船舶能源消耗进行多目标问题优化。本发明考虑了动力定位改变自身位置及姿态过程中的能源消耗问题，利用改进的NSGA-Ⅱ整定控制器参数，减小推进器的能耗，增强环保性和经济性。
-
公开(公告)号：CN111581832B
公开(公告)日：2023-01-03
申请号：CN202010396063.9
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种运动预报的方法，具体涉及的是一种基于ARMA模型修正的改进灰色Elman神经网络气垫船运动预报方法。本发明将获得的气垫船运动数据进行加权滑动平均法预处理，建立改进的灰色GM(1,1)预测模型，将灰色预测模型的残差序列利用基于信息熵改进的Elman神经网络进行训练，反复训练得到预测误差序列与灰色预测值相加得到预测模型最终预测值；对于最终预测值采用ARMA模型修正误差，提高组合预测模型的预测精度；本发明采用加权滑动平均法对数据进行处理，减小原始数据的干扰影响，在传统Elman神经网络模型的基础上加入信息熵加权算法，排除每个输入数据对输出结果有相同影响。
-
Patent Agency Ranking
公开(公告)号：CN111665714B
公开(公告)日：2022-09-27
申请号：CN202010396061.X
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明一种基于模糊PID控制算法的温度控制器，所述模糊PID控制算法包括如下步骤：步骤一：通过温度传感器对制冷机箱体内部的主要部分采集温度，并且计算其平均值，作为系统反馈环节的输入；步骤二：通过控制器对制冷机的预设制冷温度进行设置，作为系统的输入；步骤三：控制器根据预设制冷温度与步骤一中系统反馈回来的温度的偏差大小并采用模糊PID算法对旋转式室温磁制冷机的制冷装置进行控制，使其在不同的制冷区域采用不同的速度进行旋转制冷。本发明针对旋转式室温磁制冷机的控制器进行设计，通过对制冷区与非制冷区的调速控制，使得在制冷区速度缓慢，非制冷区速度增加，提高了制冷效率，增强了制冷效果。
-
公开(公告)号：CN110377036B
公开(公告)日：2022-04-05
申请号：CN201910615393.X
申请日：2019-07-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于船舶领域，公开了一种基于指令约束的无人水面艇航迹跟踪固定时间控制方法，包含如下步骤：步骤(1)：采集当前无人水面艇的实际位置信息和实际艏向信息；步骤(2)：将无人水面艇期望的位置信息与实际位置信息做差得到无人水面艇的位置误差信息，将无人水面艇期望的艏向信息与实际艏向信息做差得到无人水面艇的艏向误差信息，然后设计虚拟控制律；步骤(3)：利用二阶指令滤波器对虚拟控制律进行约束；步骤(4)：针对外界海洋环境的干扰力进行干扰观测器的设计；步骤(5)：设计固定时间反步控制器，解算得到喷水推进器的推力及转矩信息实现无人水面艇的航迹跟踪控制。本发明保证了控制系统鲁棒性，抗未知时变干扰能力强。
-
公开(公告)号：CN111581832A
公开(公告)日：2020-08-25
申请号：CN202010396063.9
申请日：2020-05-12
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种运动预报的方法，具体涉及的是一种基于ARMA模型修正的改进灰色Elman神经网络气垫船运动预报方法。本发明将获得的气垫船运动数据进行加权滑动平均法预处理，建立改进的灰色GM(1,1)预测模型，将灰色预测模型的残差序列利用基于信息熵改进的Elman神经网络进行训练，反复训练得到预测误差序列与灰色预测值相加得到预测模型最终预测值；对于最终预测值采用ARMA模型修正误差，提高组合预测模型的预测精度；本发明采用加权滑动平均法对数据进行处理，减小原始数据的干扰影响，在传统Elman神经网络模型的基础上加入信息熵加权算法，排除每个输入数据对输出结果有相同影响。
-
公开(公告)号：CN111538242A
公开(公告)日：2020-08-14
申请号：CN202010396064.3
申请日：2020-05-12
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明涉及船舶动力定位控制领域，具体涉及的是一种不确定性估计和饱和补偿的动力定位T-S模糊抗饱和控制方法。本发明将动力定位船的三自由度非线性模型转换成在不同状态空间下的几个线性子系统，建立T-S模糊模型。同时考虑由外界环境及系统模型内部参数不确定性所产生的干扰，设计干扰观测器估计干扰项。在动力定位船的T-S模糊模型和干扰估计的基础上，设计T-S模糊控制器，并考虑推进系统的饱和特性，提出了饱和补偿系统，最终实现船的动力定位T-S模糊抗饱和控制。本发明将复杂的动力定位船的非线性模型线性化，转化成由几个线性子系统组成的T-S模糊模型，为控制器的设计提供了便利条件，可以选择更多样的线性控制方法，简化了计算。
-
公开(公告)号：CN119048735A
公开(公告)日：2024-11-29
申请号：CN202411076362.9
申请日：2024-08-07
Applicant: 哈尔滨工程大学三亚南海创新发展基地
IPC: G06V10/25 , G06V10/44 , G06V10/52 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本申请提供了一种低质图像目标检测模型的训练和检测方法、相关设备，训练方法包括：获取针对目标区域的低质样本图像；将低质样本图像输入至第一编码器，得到低质样本图像的初始特征；将初始特征输入至迁移卷积网络，基于第一目标特征，对迁移卷积网络进行训练，得到目标卷积网络；其中，第一目标特征基于初始特征得到；基于目标卷积网络，得到针对低质样本图像的第二目标特征；将第二目标特征输入至第一检测头，对第一检测头进行训练，得到目标检测头；第一检测头基于第一目标特征得到；基于第一编码器、目标卷积网络和目标检测头，得到目标检测模型；目标检测模型用于针对低质待检测图像进行目标检测。为实现高效的目标检测提供了技术支持。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.026 seconds)
