-
公开(公告)号：CN118171701A
公开(公告)日：2024-06-11
申请号：CN202410292325.5
申请日：2024-03-14
Applicant: 安徽大学
Abstract: 本发明公开了一种可用于时变网络的分布式自适应梯度方法，包括：初始化参数；数据预处理，将数据分布到所有节点上；在每个节点中计算t时刻的随机梯度，并更新一阶矩估计、更新二阶矩估计；修正二阶矩估计偏差；计算更新梯度第二矩估计值；获取时变权重矩阵；在时变网络中，邻域节点交换参数信息，基于时变权重矩阵计算邻域模型的平均值；基于邻域模型的平均值，执行动量自适应，更新新的估计解。本发明突破了网络结构的限制，有利于更好地利用该算法解决实际问题，相较于固定网络更具稳定性，在理论上确保了算法能够有效求解在线随机凸和非凸的优化问题，在解决实际时变网络问题时，具有更好的收敛性。
-
公开(公告)号：CN117687417A
公开(公告)日：2024-03-12
申请号：CN202410119896.9
申请日：2024-01-29
Applicant: 安徽大学
IPC: G05D1/43 , G05D1/644 , G05D1/648 , G05D105/20
Abstract: 本发明涉及一种工业机器人外部运动轨迹规划方法及系统，包括以下步骤：S1、输入外部运动轨迹，所述轨迹由多个离散数据点组成；S2、对输入的离散数据点进行数据校验，以去除不合理的离散数据点；S3、调用各种运动插补函数来拟合校验剔除后的离散数据点；S4、控制轨迹的启动和停止，并生成缓慢停止轨迹；S5、实现轨迹的实时调速，以满足用户对不同的速度要求；本发明实现了工业机器人外部轨迹控制，且运动路径具有轨迹平滑和速度可调等优点，实际可行性高。
-
公开(公告)号：CN116661478B
公开(公告)日：2023-09-22
申请号：CN202310930078.2
申请日：2023-07-27
Applicant: 安徽大学
Abstract: 本发明公开了基于强化学习的四旋翼无人机预置性能跟踪控制方法，包括：构建姿态跟踪误差模型；基于离散化后的姿态跟踪误差模型构造四旋翼无人机长期代价函数，形成积分强化学习的实时奖励函数；构建评价神经网络，基于评价神经网络对长期代价函数的估计值，构建积分强化学习的误差模型，结合实时奖励函数，建立评价神经网络‑动作神经网络积分强化学习控制模型；对控制模型中的评价神经网络、动作神经网络分别设计权重更新律，使用采用所述权重更新律的积分强化学习控制模型对四旋翼无人机姿态进行跟踪控制。本发明能够保证提高四旋翼无人机的瞬态性能、系统闭环稳定和输出跟踪，提高四旋翼无人机的自主性、对新场景的适应性。
-
公开(公告)号：CN119740674A
公开(公告)日：2025-04-01
申请号：CN202411777334.X
申请日：2024-12-05
Applicant: 安徽大学
IPC: G06N7/01
Abstract: 本发明涉及水陆跨域机器人控制技术领域，解决了现有技术难以实现水陆跨域机器人运动控制的技术问题，尤其涉及一种基于优化贝叶斯网络的水陆跨域机器人运动控制方法，包括构建三层贝叶斯网络结构，通过MMPC‑K2算法进行三层贝叶斯网络结构的结构学习，采用引入置信度改进的IF‑THEN推理规则进行贝叶斯网络模型的参数学习，将概率最大的决策方案反馈至所设计的CPG输出网络中控制水陆跨域机器人腿部执行步态切换。本发明能够综合考虑所有传感器信息，利用评分最高的网络结构、输入节点先验概率与改进IF‑THEN规则输出最优方案，实现水陆跨域机器人自主决策，以及实现机器人腿部根据不同地形切换相对应的步态。
-
公开(公告)号：CN119002275B
公开(公告)日：2025-02-28
申请号：CN202411104675.0
申请日：2024-08-13
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明公开了一种处理含参数不确定性和输入时延系统的自适应鲁棒MPC方法，包括以下步骤：建立含有参数不确定性和输入时延的离散线性系统；建立针对无穷时域优化控制问题；基于估计系统、误差传递系统，建立基于时变更新率的自适应更新律并在线更新系统的估计参数；基于在线更新的系统的估计参数，针对无穷时域优化控制问题，采用椭球体参数化法简化优化过程，使用Tube‑MPC设计控制器，得到离线优化问题和在线优化问题；求解离线优化问题和在线优化问题，得到优化结果。本发明提出的控制方法具有计算效率高、适应性强和鲁棒性好的优点，可广泛应用于自动控制、工业过程控制等领域，尤其适用于存在参数不确定性和输入时延的复杂系统。
-
Patent Agency Ranking
公开(公告)号：CN119087810A
公开(公告)日：2024-12-06
申请号：CN202411215261.5
申请日：2024-09-02
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明公开了一种考虑人机交互的下肢康复外骨骼机器人最优约束跟随控制方法，涉及医疗康复辅助器械领域，包括以下步骤：(4)获取不确定性参数的边界及函数；(5)建立一个约束跟随控制方案，由抢占式算法部分和人工决策部分组成；机器求解得抢占式算法部分控制量P1、变化求解最优隶属函数并计算，求得人工决策算法部分控制量P2；(6)将抢占式算法和最优的人工决策结合，得鲁棒控制策略控制量，实现稳健且最优的系统性能。本发明将抢占式机器算法和最优的人工决策算法结合起来，可以充分利用机器的快速响应能力和人类的高级决策能力，从而提高系统的整体性能和用户体验，完成更高效、更安全、更灵活和更人性化的人机交互，以实现稳健和最优的系统性能。
-
公开(公告)号：CN119006913A
公开(公告)日：2024-11-22
申请号：CN202411116682.2
申请日：2024-08-15
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开了一种用于快速图像分类问题的分布式模型训练算法，包括：图像数据的准备与分布；模型初始化；分布式模型训练；模型评估和性能优化。所训练的分布式模型是一种基于Nesterov加速的自适应矩估计算法，即NGTAdam算法，包括：初始化参数；计算梯度，并基于梯度跟踪法更新梯度估计器；更新一阶矩估计向量，更新二阶矩估计向量；自适应更新学习率；更新临时变量和Nesterov动量变量；基于梯度下降法更新估计解。此外，本发明还公开了NGTAdam算法的理论收敛上界保证算法收敛。本发明提出的方法注重实时决策和动态优化，能够高效求解大规模在线优化问题，适用多种场景，解决了现有图像分类算法在训练大规模图像数据时速度慢、准确性不佳等问题。
-
公开(公告)号：CN118568601A
公开(公告)日：2024-08-30
申请号：CN202411046950.8
申请日：2024-08-01
Applicant: 安徽大学
IPC: G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/0499 , G06N3/08 , A61B5/352 , A61B5/00
Abstract: 本发明涉及ECG信号处理技术领域，解决了传统ECG身份识别方法识别效果不理性以及难以应用在移动设备上的技术问题，尤其涉及一种基于自生成异构神经元轻量型网络的ECG身份识别方法，包括：获取单通道的原始ECG信号，并采用带通滤波器对原始ECG信号进行去噪；对去噪后的ECG信号进行R峰点定位，并根据R峰点位置切分ECG信号为ECG心拍片段；将若干个体包含多个ECG心拍片段的数据集按比例划分为训练集和测试集。本发明通过网络自适应的生成不同的神经元，从而提升了神经元的表征能力，使得使用较少的网络层就能得到高的识别性能，提升了识别方法鲁棒性和高性能，在便携式设备应用方面具有广泛前景。
-
公开(公告)号：CN117631691A
公开(公告)日：2024-03-01
申请号：CN202410103249.9
申请日：2024-01-25
Applicant: 安徽大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种多旋翼无人机抓取轨迹设计方法、装置、设备及介质，包括：对机载相机采集的位置信息进行滤波处理，获取滤波后的目标物位置信息；获取滤波后的目标物位置信息后，以当前位置作为起点，以目标物位置作为抓取点，在抓取平面的前进方向上增加一个合理高度的终点，设计由起点、抓取点和终点3个路径点组成的抓取轨迹；模仿老鹰捕猎飞行曲线来建立抓取轨迹的目标函数，并通过求解目标函数的最小值来生成最优抓取轨迹；通过时间缩放方法来改变生成的最优抓取轨迹的运动时间，得到经过时间缩放后的新抓取轨迹，实现抓取轨迹调速功能。本发明设计的空中抓取轨迹有很好的仿生性和速度可调性，能够提高空中抓取作业的成功率，实际可行性强。
-
公开(公告)号：CN117260746B
公开(公告)日：2024-02-09
申请号：CN202311565023.2
申请日：2023-11-22
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明涉及一种机器人笛卡尔空间的时间最优轨迹规划方法，包括S1、在机器人示教盒上对目标点进行示教，两个目标点之间构成笛卡尔空间直线路径；S2、通过归一化因子统一机器人笛卡尔空间直线路径的位置向量和姿态向量，从而生成总路径长度；S3、建立机器人笛卡尔空间的路径约束方程；S4、建立时间最优化轨迹规划的目标函数；S5、通过最大路径加速度的时间积分来得到最大的路径速度；S6、生成时间最优轨迹。本发明将机器人位置和姿态规划通过归一化来统一处理，将机器人的动力学方程和驱动力矩特性作为约束条件，并通过时间最优算法来生成优化轨迹；本发明方法具有易执行，高效率，轨迹平滑的特点，可广泛应用于机器人轨迹规划领域。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.02 seconds)
