一种基于强化学习的无人机辅助配送系统及方法

    公开(公告)号:CN118170013B

    公开(公告)日:2024-11-26

    申请号:CN202410207143.3

    申请日:2024-02-26

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于强化学习的无人机辅助配送方法,包括如下步骤:步骤一、构建用于无人机辅助配送的数学模型,即无人机配送调度问题模型,包括无人机任务分配模型和无人机路径规划模型;步骤二、基于PPO‑PSO算法,采用LSTM–CNN神经网络架构,分别设计用于无人机任务分配模型的任务分配算法和用于无人机路径规划模型的航线规划算法;步骤三、构建自主制导与跟踪避障模型,使无人机能够适应对象和环境的不确定性,具有变参数、变结构的能力,实现地面随机运动目标的连续跟踪和合理避障;步骤四、将自主制导与跟踪避障模型在pybullet平台上进行训练,将训练好的神经网络架构部署到设计好的实验环境上,采用ros系统进行仿真验证。

    一种多智能体协同任务分配策略及其实施方法及系统

    公开(公告)号:CN118396337B

    公开(公告)日:2024-09-27

    申请号:CN202410815102.2

    申请日:2024-06-24

    Applicant: 无锡学院

    Abstract: 本发明提供一种多智能体协同任务分配策略及其实施方法及系统,涉及任务分配技术领域,本发明将多智能体任务分解成多个子任务,计算每个智能体的效率指数,根据智能体的效率使用匈牙利算法为每个子任务分配一个匹配度最高的智能体模块,同时采用KQML通信框架进行智能体之间的信息传输。本发明在任务分配时综合考量了全局的子任务与智能体模块,保证每个智能体模块均能匹配到与其效率指数最合适的子任务,避免了资源浪费或过剩。

    一种多智能体系统实时任务分配与负载均衡方法及系统

    公开(公告)号:CN118396338A

    公开(公告)日:2024-07-26

    申请号:CN202410815879.9

    申请日:2024-06-24

    Applicant: 无锡学院

    Abstract: 本发明提供一种多智能体系统实时任务分配与负载均衡方法及系统,涉及任务分配技术领域,本发明针对物流装配任务,将一个整体任务拆分成若干子任务交由不同的智能机器人执行,按照最小负载优先算法,通过智能机器人的资源利用率、执行任务情况生成评估智能机器人负载情况的负载指数,并建立轮询序列表,按照冒泡排序从小到大收集这些负载指数,有新任务到达时,优先分配给负载最低的智能机器人执行,对于每个分配到任务的智能机器人,重新计算其负载指数并更新轮询序列表,直到所有任务分配到智能机器人去执行,同时对执行任务的智能机器人进行监控,及时通过调整智能机器人的负载权重来保证智能机器人执行任务的安全和效率,维护系统的稳定性。

    融合注意力机制的轻量级滚动轴承故障诊断方法

    公开(公告)号:CN118245775A

    公开(公告)日:2024-06-25

    申请号:CN202410364253.0

    申请日:2024-03-28

    Applicant: 无锡学院

    Abstract: 本发明公开了一种融合注意力机制的轻量级滚动轴承故障诊断方法,包括如下步骤:设置1D‑LECA‑Inception网络,输入端直接使用采集振动信号,端到端故障识别;1D‑LECA‑Inception网络提取振动信号中的故障,随后将提取到的精细特征传入自适应平均池化层,再将池化压缩后的突出特征信息送入全连接层进行故障的诊断输出。本发明直接使用一维原始的振动信号进行诊断,减少信号处理方法可能带来的特征信息缺失,是一种适合于复杂环境下的高效滚动轴承故障识别方法。

    一种基于强化学习的无人机辅助配送系统及方法

    公开(公告)号:CN118170013A

    公开(公告)日:2024-06-11

    申请号:CN202410207143.3

    申请日:2024-02-26

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于强化学习的无人机辅助配送方法,包括如下步骤:步骤一、构建用于无人机辅助配送的数学模型,即无人机配送调度问题模型,包括无人机任务分配模型和无人机路径规划模型;步骤二、基于PPO‑PSO算法,采用LSTM–CNN神经网络架构,分别设计用于无人机任务分配模型的任务分配算法和用于无人机路径规划模型的航线规划算法;步骤三、构建自主制导与跟踪避障模型,使无人机能够适应对象和环境的不确定性,具有变参数、变结构的能力,实现地面随机运动目标的连续跟踪和合理避障;步骤四、将自主制导与跟踪避障模型在pybullet平台上进行训练,将训练好的神经网络架构部署到设计好的实验环境上,采用ros系统进行仿真验证。

    一种基于局部约束鉴别性非负表示的分类方法及分类器

    公开(公告)号:CN117611921A

    公开(公告)日:2024-02-27

    申请号:CN202311795989.5

    申请日:2023-12-22

    Applicant: 无锡学院

    Abstract: 本发明公开了一种基于局部约束鉴别性非负表示的分类方法及分类器,包括以下步骤:S1、获取测试样本和训练样本集,所述训练样本集的样本总类别数为K,所述训练样本集的训练样本总数为n;S2、对所述训练样本集中的样本进行归一化处理;S3、使用交替方向乘子法求解所述测试样本在所述训练样本集上的表示系数;S4、计算所述测试样本在所述训练样本集的每个类别上的残差;S5、根据残差进行分类,将所述测试样本识别为最小残差对应的类别。本发明通过充分考虑标签信息,直接约束表示分量而不是表示系数,架起了表示和识别阶段的桥梁;本发明可以有效处理人脸图像中的结构噪声,在识别口罩、围巾、太阳镜遮挡等人脸图像时仍能够保持较高的准确率。

    一种基于仿射局部敏感的非负表示分类方法及装置

    公开(公告)号:CN119807932A

    公开(公告)日:2025-04-11

    申请号:CN202510163163.X

    申请日:2025-02-14

    Applicant: 无锡学院

    Abstract: 本发明公开一种基于仿射局部敏感的非负表示分类方法及装置,所述方法包括以下步骤:获取对照样本集,并对所述对照样本集进行预处理,得到对照集;其中,所述对照集中的对照样本分别属于若干个不同的样本类别;通过求解预设目标函数,得到待分类样本在所述对照集上的编码向量;其中,所述预设目标函数中包括局部约束矩阵;根据所述编码向量,计算所述待分类样本与各所述样本类别之间的残差,并根据所述残差,确定所述待分类样本对应的所述样本类别。本发明能够提高非负表示分类器的分类效率。

Patent Agency Ranking