-
公开(公告)号：CN115359084A
公开(公告)日：2022-11-18
申请号：CN202211031324.2
申请日：2022-08-26
Applicant: 电子科技大学
Abstract: 本发明公开一种基于逐行扫描的二值图像边界跟踪方法，应用于图像处理领域，针对现有图像边界跟踪算法不能同时兼顾边界跟踪的速度和准确度的问题；本发明首先，标记出目标轮廓上的像素点；然后，按照每行像素点从左到右的顺序，从上到下逐行扫描二值图像，当遇到一个未放入任何边界片段的边界轮廓点时，依次对其摩尔邻域内P1，P2，P3，P6位置的边界轮廓点执行边界连接判断操作，最后逐行扫描结束，输出目标的有序边界轮廓。
-
公开(公告)号：CN115179295A
公开(公告)日：2022-10-14
申请号：CN202210931348.7
申请日：2022-08-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种多欧拉‑拉格朗日系统鲁棒二分一致性跟踪控制方法，包括以下步骤：S1、建立个体动力学模型，构建二阶模型，建立由分数阶动力学描述的领导者模型；S2、生成参数自适应性更新律；S3、设计改进的扩张高增益观测器，确定未知干扰和不可测二阶状态估计误差的收敛时间；S4、设计滑模面，设计鲁棒二分一致性跟踪控制器；S5、明确二分一致性跟踪误差上界；S6、将鲁棒二分一致跟踪控制器应用到系统中，使得多欧拉‑拉格朗日系统中的个体能够最终实现组别划分，对领导者状态实现二分一致性跟踪。本发明有效实现了同时对具有模型不确定性的领导者而高阶信息、未知干扰和不可测状态的同时估计。
-
公开(公告)号：CN115061367A
公开(公告)日：2022-09-16
申请号：CN202210850546.0
申请日：2022-07-20
Applicant: 电子科技大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于仅方位角下Henneberg约束方式的集群控制方法，首先为无人机和无人车领域的集群中所有智能体分配身份，确定领导者、第一跟随者和其余跟随者，领导者和第一跟随者根据任务需求自主移动，各智能体确定自己所有定位的邻智能体，智能体根据邻智能体相对方位角取得定位信息，获取自身坐标系下到目标位置误差，将目标误差输入运动控制律，完成编队跟随行为。本发明的方法大大减少了对探测能力需求，简化了硬件设备，降低了成本，使其具有良好的稳定性和鲁棒性，可以不受通信和传感器限制大规模扩展编队，新增跟随者智能体不额外对中心节点产生信息需求，适用于仅方位角测量下的大规模集群区域覆盖。
-
公开(公告)号：CN112859602B
公开(公告)日：2022-03-18
申请号：CN202110030413.4
申请日：2021-01-11
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种非最小相位系统输出重定义方法，包括以下步骤：S1、建立非最小相位系统线性模型，计算系统相对阶数，选取与之对应的内部动态与外部动态转换非最小相位模型，进而建立输入输出线性化后的等效控制模型；S2、针对原始非最小相位输出，设计输出重定义方法寻找到最优的等效最小相位输出；S3、设计线性控制器，利用等效最小相位输出对等效控制模型进行控制，依照S1中模型转换的方法得到原始输出。本发明基于输出重定义技术，结合最优化参数解算，提出了一种非最小相位系统输出重定义方法，解决了非最小相位系统控制器设计复杂和控制响应有负调的问题。
-
公开(公告)号：CN113641193A
公开(公告)日：2021-11-12
申请号：CN202110960579.6
申请日：2021-08-20
Applicant: 电子科技大学
IPC: G05D1/12
Abstract: 本发明公开了一种非最小相位系统精确跟踪控制方法，包括如下步骤：S1、建立非最小相位系统线性模型，基于输出重定义技术求解最小相位输出建立最小相位系统；S2、针对最小相位系统，以原始非最小相位系统的参考轨迹为基础，设计迭代解算方案，求解最小相位相位系统的参考轨迹；S3、利用S2中迭代求解的最小相位系统的参考轨迹，设计基于“反馈+前馈”结构的控制器。本发明在寻找到最小相位输出的基础上，通过迭代算法，利用稳定逆方法精确求解最小相位系统的参考轨迹，为控制系统设计提供先验信息，而后再设计“反馈+前馈”的控制结构，有效解决非最小相位系统现有输出重定义方法存在的近似精度不足问题，改善了此类系统的输出跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN112859911A
公开(公告)日：2021-05-28
申请号：CN202110029799.7
申请日：2021-01-11
Applicant: 电子科技大学
IPC: G05D1/10
Abstract: 本发明公开了一种无网条件下大规模集群未知区域扫掠式覆盖控制方法，包括以下步骤：S1、为集群的所有成员分配角色并按角色设置区分标识；S2、为集群所有成员设定起始位置和扫掠方向；S3、集群的每个成员通过其携带的传感器识别和测量其探测范围内其他成员的角色类型与相对位置，及待覆盖区域外边界轮廓的相对位置；S4、成员根据其获取的信息，建立运动控制模型，使集群在所述待覆盖区域内形成一种链状柔性编队协同运动，直至集群的运动轨迹覆盖整个待覆盖区域。本发明的集群成员仅需测定其探测范围内的其他成员和待覆盖区域边界的相对位置，即可实现集群的运动控制，并最终完全覆盖预先未知形状的区域，适用于无网条件下的大规模集群区域覆盖。
-
公开(公告)号：CN119847200A
公开(公告)日：2025-04-18
申请号：CN202411964823.6
申请日：2024-12-30
Applicant: 电子科技大学
IPC: G05D1/495 , G05D1/46 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种基于自适应动态规划的高超声速飞行器协同控制方法，首先对高超声速飞行器建立6自由度归一化模型，并明确高超声速飞行器集群的协同跟踪控制问题，使用自适应动态规划算法，得到控制输入受限下的最优跟踪控制形式，在此基础上构建一种单评价神经网络在线控制器，在线求解最优跟踪控制律，将得到的最优跟踪控制律输入应用于高超声速飞行器集群，实现协同跟踪控制。本发明的方法针对由6自由度模型描述的高超声速飞行器系统，考虑了在飞行约束的条件下，对高超声速飞行器集群实现协同跟踪控制，并采用自适应动态规划算法实现在线控制，适用于高超声速飞行器的集群协同控制领域。
-
公开(公告)号：CN119645063A
公开(公告)日：2025-03-18
申请号：CN202411768255.2
申请日：2024-12-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种多无人机系统的非合作目标鲁棒编队围捕控制方法。首先对多无人机系统及非合作目标进行动力学建模，构建了包含匹配和非匹配不确定项的无人机与目标的非线性动力学模型；而后对多无人机编队非合作目标围捕控制误差建模；进一步设计基于神经网络的匹配/非匹配扰动估计器，通过在线更新的自适应权重来动态估计复合不确定性；接着构建多无人机系统自适应鲁棒编队围捕控制器，使得无人机能够将具有复杂动力学模型的目标围捕到自己的凸包内。本发明结合神经网络拟合和类符号函数项，提高了多无人机系统非合作目标鲁棒编队围捕控制的收敛性能，确保了在非合作多目标情况下依然有效地对围捕行动进行合理的调控。
-
公开(公告)号：CN119270644A
公开(公告)日：2025-01-07
申请号：CN202411384086.2
申请日：2024-09-30
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于神经网络的预设时间鲁棒二分蜂拥控制方法，首先建立具有模型不确定性的多机器人系统的二阶动力学模型，并明确具有预设时间收敛性能的二分蜂拥控制问题，定义速度一致性误差，然后基于RBF神经网络设计不确定性估计器来估计模型不确定性，并根据不确定性估计器设计预设时间鲁棒蜂拥控制器，再构建闭环误差系统并建立神经网络权重的自适应更新律，最后将控制器和自适应更新律部署到机器人群体中，实现多机器人系统的预设时间鲁棒二分蜂拥控制。本发明的方法可以在存在复合不确定性和收敛时间限制的情况下，实现多机器人系统的二分蜂拥控制，解决实际应用中系统的动力学模型可能未知的问题，适用于有收敛时间要求的蜂拥控制任务。
-
公开(公告)号：CN115145312B
公开(公告)日：2024-11-19
申请号：CN202210890434.8
申请日：2022-07-27
Applicant: 电子科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种仅方位角测量下基于双领导者模式的集群协同控制方法，首先为无人机集群中所有智能体分配身份，确定领导者、副领导者和其余跟随者，使用邻接矩阵规定编队内各无人机通讯关系，无人机利用方位角测量信息计算位置，根据目标误差输入运动控制律，完成编队跟随行为，最后判断智能体是否到达目标位置。本发明的方法仅需在无人机上配备能够探测领导者和第一跟随者相对方位角的传感器设备，只对领导者和第一跟随者二者有较高的设备要求，从而简化硬件设备，降低成本，在简单的约束下，能自动对其编队整体期望角度和缩放规模完成跟随，可实现集群的运动控制，对未知区域进行合作式扫掠，完成任务目标。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.038 seconds)
