随机扰动下输出受限欠驱动无人艇的横截函数控制方法、系统及介质

    公开(公告)号:CN113093735B

    公开(公告)日:2022-07-26

    申请号:CN202110288586.6

    申请日:2021-03-18

    Abstract: 本发明公开了一种随机扰动下输出受限欠驱动无人艇的横截函数控制方法、系统及介质,该方法针对在随机扰动下的欠驱动无人艇设计控制,设计跟踪误差的暂态性能和稳态性能指标,构造横截函数引入额外控制输入,完成控制器的设计,并保证跟踪误差最终有界。包括步骤:构建欠驱动无人艇标准的非线性随机模型形式的动力学模型;设计速度误差方程并引入附加的控制变量;采用tan型障碍李雅普诺夫函数确保跟踪误差满足预设暂态性能的约束条件;运用自适应控制技术解决控制器设计中的模型不确定问题。本发明所设计的控制方法可以解决欠驱动水面船舶运动控制的难点,并且实现了随机干扰环境下航迹的跟踪控制,提高控制系统的跟踪误差稳态性能及暂态性能。

    一种同构多无人艇系统的协同学习与编队控制方法

    公开(公告)号:CN110262494A

    公开(公告)日:2019-09-20

    申请号:CN201910560204.3

    申请日:2019-06-26

    Abstract: 本发明公开了一种同构多无人艇系统的协同学习与编队控制方法,该方法针对多个全驱动且具有相同结构的无人艇系统,提出了基于通信连接拓扑图的分布式协同学习控制方法,该方法解决了保持通信的同构无人艇之间的碰撞和保持连接问题,包括以下步骤:建立无人艇的动态模型;设计基于图论的保持通信的无人艇之间的误差;设计满足预设性能的误差转换函数;设计基于动态面控制技术的虚拟控制器;设计径向基函数(RBF)神经网络的权值更新率;设计编队控制器与基于经验的控制器。本发明所提出的满足连接保持且具有协同学习的编队控制方法可以保证,如果两个无人艇在初始时刻保持通信,在其后任意时刻都始终保持安全距离并在通信连接范围内。

    一种面向集群多波束的条带拼接抗差处理方法及系统

    公开(公告)号:CN119477685A

    公开(公告)日:2025-02-18

    申请号:CN202510062397.5

    申请日:2025-01-15

    Abstract: 本发明公开了一种面向集群多波束的条带拼接抗差处理方法及系统,该方法包括:对无人艇多波束条带数据进行曲率与垂直度计算,构建同名特征点集合;通过Huber函数对同名特征点集合进行权重估计,得到同名特征点集合权重值;构建同名特征点集合七参数变换模型,并通过非线性最小二乘平差法进行迭代求解,得到求解后的同名特征点集合七参数变换模型;基于求解后的同名特征点集合七参数变换模型实现对无人艇多波束条带数据的拼接。本发明能够充分利用同名点之间的强匹配关系,限制利用弱匹配关系,从而提高多波束条带拼接的精度。本发明作为一种面向集群多波束的条带拼接抗差处理方法及系统,可广泛应用于多波束条带数据拼接技术领域。

    一种基于Shapley值的可微分架构搜索优化方法

    公开(公告)号:CN118966305A

    公开(公告)日:2024-11-15

    申请号:CN202410965972.8

    申请日:2024-07-18

    Abstract: 本发明公开了一种基于Shapley值的可微分架构搜索优化方法,该方法包括:设置可微分神经网络架构搜索的原始操作池;基于原始操作池,对可微分神经网络架构搜索进行搜索处理,得到标准单元与缩减单元;对标准单元与缩减单元分别进行Shapley值计算,得到标准单元的贡献度值与缩减单元的贡献度值;根据标准单元的贡献度值与缩减单元的贡献度值,将低于预设贡献度阈值对应的标准单元与缩减单元进行剔除处理,得到优化后的可微分神经网络架构搜索。通过使用本发明,能够降低可微分神经网络架构搜索的空间复杂度,进而缩短可微分神经网络架构搜索的时间,提高搜索效率。本发明作为一种基于Shapley值的可微分架构搜索优化方法,可广泛应用于神经网络架构搜索技术领域。

    静态环境和动态物体的稠密重建方法、系统及存储介质

    公开(公告)号:CN115578435A

    公开(公告)日:2023-01-06

    申请号:CN202211226585.X

    申请日:2022-10-09

    Abstract: 本发明公开了一种静态环境和动态物体的稠密重建方法、系统及介质,方法包括:对输入的图像进行实例分割;在静态图像上提取和匹配第一特征点,计算相机的初始位姿;在实例图像上提取和追踪第二特征点,计算动态物体的初始相对位姿;对相机的位姿、动态物体的相对位姿、第一特征点坐标和第二特征点坐标的约束关系进行紧耦合非线性优化;对输入图像通过深度估计获得深度图并进行预处理;对静态环境建立稠密点云图;筛选物体点云片段,将保留的点云片段变换到参考片段下进行融合,从而稠密重建动态物体。本发明通过输入双目图像,即可输出静态环境和动态物体的稠密重建点云图,全过程自动处理,具有精度高、拖影和噪声少、鲁棒性好等特点。

Patent Agency Ranking