公开(公告)号：CN103744428A

公开(公告)日：2014-04-23

申请号：CN201410022398.9

申请日：2014-01-17

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  李旺 ,  常帅 ,  杜雪 ,  吴迪 ,  贾韧锋

IPC: G05D1/02

Abstract: 本发明涉及水面无人艇路径规划技术领域，具体涉及一种基于邻域智能水滴算法的水面无人艇路径规划方法。本发明包括：（1）对水面无人艇路径规划进行环境建模；（2）利用智能水滴算法根据已知水面无人艇作业区域静态障碍物、行进目标以及路径评价函数在作业区域栅格阵中进行离线全局路径规划，得到全局离线最优路径。本发明针对基本IWD方法存在的易陷入局部最优解导致方法停滞及收敛速度较慢的问题进行了改进，在基本IWD方法基础上引入了最优解邻域扩张机制及全局最优强调机制，得到NIWD方法，可以避免方法陷入局部最优导致早熟，提高了方法寻优的收敛速度。

公开(公告)号：CN104134004B

公开(公告)日：2017-10-27

申请号：CN201410373172.3

申请日：2014-07-31

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  贾韧锋 ,  张靖靖 ,  陈立娟 ,  李旺 ,  吴迪 ,  杜雪 ,  常帅 ,  刘厂

IPC: G06F19/00

Abstract: 本发明属于信息处理技术领域，具体涉及一种基于D‑S证据理论对多种海洋环境要素数据进行融合，实现对海洋环境安全评估的基于D‑S证据理论的海洋环境安全评估方法。本发明包括：计算机获取海洋环境要素值，通过计算输出各个海洋环境要素的基本概率赋值；计算机应用D‑S证据理论融合规则对步骤(1)中得到的基本概率赋值进行融合，输出融合后的基本概率赋值：计算机根据决策规则对融合后的基本概率赋值进行判断，输出海洋环境安全评估结果。本发明提出的基于D‑S证据理论的海洋环境安全评估方法，有效地解决了海洋环境安全评估问题，能够为决策者提供合理的决策支持，提高船舶在大海中航行的安全性和经济性。

公开(公告)号：CN105203130A

公开(公告)日：2015-12-30

申请号：CN201510676672.9

申请日：2015-10-13

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  贾韧锋 ,  赵廷 ,  邓雄 ,  邢文

IPC: G01C25/00

CPC classification number: G01C25/00

Abstract: 本发明公开了一种基于信息融合的船舶组合导航系统故障诊断方法。确定舰船组合导航系统的故障识别框架；利用多组传感器输出故障的基本概率赋值，作为诊断故障的证据；计算证据间的冲突系数，证据支持度、确定度、决策度，证据权重；根据证据权重对证据进行加权平均处理，得到加权平均证据；利用冲突系数，改进Dempster融合规则对加权平均证据进行融合，输出最终的融合结果；按照决策规则对最终的融合结果进行判断，输出诊断结果。本发明能够准确地度量证据间冲突，通过证据权重对证据进行加权平均处理，能够降低冲突证据对融合结果的影响，通过冲突系数改进融合规则，能够得到合理的融合结果。

公开(公告)号：CN103926832A

公开(公告)日：2014-07-16

申请号：CN201410158182.5

申请日：2014-04-18

Applicant: 哈尔滨工程大学

Inventor： 袁赣南 ,  杜雪 ,  吴迪 ,  夏庚磊 ,  常帅 ,  李旺 ,  贾韧锋 ,  张靖靖

IPC: G05B13/00

Abstract: 本发明一种神经网络跟踪控制的自适应学习率调节方法，包括以下几个步骤：建立控制系统；将神经网络的所有权值按层进行单位化；引入训练样本集得到误差信号e(n)和训练代价函数ε(n)；得到线性化后的活化函数s(x)；确定各神经元的诱导局部域及神经元输出；求解各个局部梯度函数δj(n)及线性化表示δjL(n)；选择的自适应调整学习率；训练神经元突触权值；循环次数加1，直至满足停止准则，输出跟踪控制信号。本发明提出一种能够使步长迭代均值不受噪声影响，具有平滑迭代曲线，并可充分利用误差信号的一种基于活化函数及多误差信号的学习率自适应调节方法，从而可实时更新学习率，且减小计算复杂度。

公开(公告)号：CN103761567A

公开(公告)日：2014-04-30

申请号：CN201410023610.3

申请日：2014-01-20

Applicant: 哈尔滨工程大学

Inventor： 袁赣南 ,  杜雪 ,  赵玉新 ,  陈立娟 ,  李旺 ,  吴迪 ,  常帅 ,  贾韧锋 ,  陈嵩博 ,  韩自发

IPC: G06N3/02

Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种采用状态估计研究思想，基于贝叶斯估计的小波神经网络权值初始化方法。本发明包括：建立小波神经网络模型；权值单位化；输入与小波神经元权值优化；输出层神经元权值优化。本发明将小波神经网络权值参数与网络结构、小波类型、输入数据和输出目标值联系起来，同时将状态估计的思想和理论引入到权值参数的初始设置中，强化了小波网络学习训练能力，使小波网络在初始化阶段就具有一定的针对性，从而提高了权值在后续网络学习训练的适应能力。与传统权值初始化方法相比，能够有效地提高学习效率，减小网络输出振荡幅度，加快算法收敛速度，同时能够避免出现不合适权值导致的网络输出发散的情况。