-
公开(公告)号:CN119623313A
公开(公告)日:2025-03-14
申请号:CN202510158345.8
申请日:2025-02-13
Applicant: 南京理工大学 , 香港大学 , 南京傲宁数据科技有限责任公司
IPC: G06F30/27 , G06F30/15 , H02J1/12 , G06F119/14
Abstract: 本发明公开了一种OPSA‑ECMS的氢燃料混合动力无人机能量管理方法,该管理方法包括建立以氢燃料电池为主电源,锂离子电池作为辅助电源的无人机混合动力系统模型,并搭建能量管理系统模型。结合OPSA和ECMS,以氢耗量最小、效率最高为优化目标,在已知预定航线下,采用OPSA离线计算最优参考能量分配方案,在无人机执行任务过程中,采用ECMS对参考能量分配方案进行在线优化,从而实现系统的最优能量分配。本发明将OPSA离线计算和ECMS在线优化结合,最大限度地发挥氢燃料的高能量密度和电池的快速响应特性,提高整体能源利用效率。
-
公开(公告)号:CN117994148A
公开(公告)日:2024-05-07
申请号:CN202410303489.3
申请日:2024-03-18
Applicant: 南京理工大学
IPC: G06T5/50 , G06T5/40 , G06N3/0464 , G06T5/60
Abstract: 本发明涉及水下图像处理技术领域,尤其涉及一种基于改进WaterNet算法的水下图像增强方法,本发明将传统WaterNet算法的主干网络替换为基于Unet的网络结构,并添加通道注意力机制与可变形卷积模块。与传统水下图像增强方法相比,本发明提出的方法充分挖掘了水下图像特征,进一步加强了算法校正色偏、去除雾状模糊的能力,相较于传统方法,较大程度地提升了水下图像的增强效果。
-
公开(公告)号:CN117372884A
公开(公告)日:2024-01-09
申请号:CN202311202507.0
申请日:2023-09-18
Applicant: 南京理工大学
IPC: G06V20/13 , G06V10/774 , G06V10/30 , G06V10/82 , G06V20/70 , G06V10/764
Abstract: 本发明公开了一种基于改进Deeplabv3+的海面溢油检测方法,主要应用于海洋环境保护和监测领域。鉴于现有的基于深度学习的方法并没有针对形状极其不规则的溢油暗斑来设计网络。对于边界模糊的溢油目标,分割效果不佳等问题,提出了一种基于改进Deeplabv3+的新型语义分割算法,包括如下步骤:溢油图像采集与存储、图像预处理、溢油数据集构建、Deeplabv3+模型构建、网络模型改进、溢油暗斑检测模型训练、测试。经实验表明,本方法能准确识别困难样本,提高溢油检测模型的识别精度,降低虚警率。
-
公开(公告)号:CN112211781B
公开(公告)日:2023-03-31
申请号:CN202010898624.5
申请日:2020-08-31
Applicant: 南京理工大学 , 江苏金风科技有限公司 , 华电电力科学研究院有限公司
IPC: F03D7/04
Abstract: 本发明公开了一种综合收缩跟踪区间和减小转矩增益的风机转矩曲线法,针对低风速下大转动惯量风机难以及时响应湍流风速的快速变化而导致其跟不上最优转速的问题,该方法将风机传统最优转矩曲线法的两种改进方法——收缩跟踪区间法与减小转矩增益法联合优化,进一步优化最优转矩法。减小跟踪路程的收缩跟踪区间控制与提高风轮转速加速性能的减小转矩增益控制,此两种方法因为改进机理的不同而互不影响,甚至共同起到促进作用;本发明中二者的联合使风机获得更高的风能捕获效率,进一步优化风机的动态性能。
-
公开(公告)号:CN115586774A
公开(公告)日:2023-01-10
申请号:CN202211324982.0
申请日:2022-10-27
Applicant: 南京理工大学
IPC: G05D1/02
Abstract: 本发明涉及移动机器人局部路径规划技术领域,尤其涉及一种基于改进动态窗口法的移动机器人避障方法,包括首先获取移动机器人当前状态、运动参数、目标位置以及障碍物的分布情况,然后搜索移动机器人在速度空间约束下可达到的线速度与角速度,修改动态窗口法的评价函数,接着基于模糊强化学习选择最优路径,最后选择最优路径对应的速度指令,驱动移动机器人避障。本发明基于改进动态窗口法,在提高移动机器人运动轨迹稳定性与平滑性的同时,提高了移动机器人在复杂环境下的避障能力,使移动机器人更具灵活性。
-
公开(公告)号:CN115100555B
公开(公告)日:2022-11-15
申请号:CN202210894224.6
申请日:2022-07-27
Applicant: 南京理工大学
IPC: G06V20/17 , G06V20/10 , G06V10/40 , G06V10/774
Abstract: 本发明涉及无人机森林火灾预测技术领域,尤其涉及一种云雾环境下基于多运动特征的森林火灾烟雾检测方法,包括:对无人机高空巡检过程所拍摄到的疑似烟雾区域进行提取;对提取的疑似烟雾区域的图像进行光流场分析,得到光流角度比率之和,并初步判别;对提取区域进行二维离散小波变换分解为高低频多种频域的图像;采用皮尔逊相关系数统计图像的连续帧之间高低频的相关性;依据联合判据对提取的疑似烟雾区域再次判别,得到疑似烟雾区域最终判别结果。本发明不需要依赖其他传感器和高性能的机载计算机,有效减轻无人机的负载,且与深度学习的算法相比,前期无需制作大量的数据集训练,提高了检测速度,保证了无人机在巡检过程中的实时性。
-
公开(公告)号:CN114840027B
公开(公告)日:2022-10-18
申请号:CN202210766349.0
申请日:2022-07-01
Applicant: 南京理工大学
IPC: G05D1/10
Abstract: 本发明提供一种异构四旋翼飞行器编队姿态容错控制方法,包括以下步骤:构建时变故障和不确定函数影响下的异构四旋翼飞行器编队姿态动力学模型,其中,所述模型包含姿态角和姿态角速率的动态方程;使用无向图理论,确定所述异构四旋翼飞行器编队中四旋翼飞行器之间的通信拓扑关系;根据领航者的姿态信息,构造跟随者的编队姿态跟踪误差系统;基于反演控制和时变障碍李雅普诺夫函数为每一个跟随者的姿态角环设计虚拟控制器;根据所述虚拟控制器对跟随者的姿态角速率环开发实际控制器。本发明能够在时变执故障存在情况下依然可以对领航者四旋翼飞行器姿态实现快速、高精度跟踪。
-
公开(公告)号:CN112115767B
公开(公告)日:2022-09-30
申请号:CN202010764265.4
申请日:2020-08-02
Applicant: 南京理工大学 , 广州地铁集团有限公司
Abstract: 本发明公开了一种基于Retinex和YOLOv3模型的隧道异物检测方法,方法为:利用四旋翼无人机拍摄隧道图像,并将图像传输到地面站进行预处理;利用导向滤波方法从获得的隧道低照度图像中估计出光照分量;根据Retinex理论在对数域中分解出图像的实际颜色,并利用多尺度颜色恢复算法减轻图像失真,完成低照度增强;利用labelimg软件对处理后的隧道图像数据集进行数据标注;利用标注好的数据集训练YOLOv3网络,从而对隧道图像中的异物进行识别。本发明相比于一般的隧道异物检测方法,在进行异物检测时,不易受到光线不足的影响,具有较好的环境适应性,从而能更稳定准确地进行隧道异物检测任务。
-
公开(公告)号:CN112000125B
公开(公告)日:2022-09-27
申请号:CN202010764270.5
申请日:2020-08-02
Applicant: 南京理工大学 , 广州地铁集团有限公司
IPC: G05D1/10
Abstract: 本发明公开了一种地铁隧道内四旋翼飞行器自主导航方法,利用激光雷达及HectorSLAM算法构建离线的隧道地图同时实现实时定位;通过引入回归滤波机制及主干约束的改进快速探索随机树基于离线地图实现航迹规划;利用三次B样条曲线优化离线航迹;根据离线规划的航迹点及四旋翼实时位置设计PID位置控制器求解引力加速度;根据人工势场法求解障碍物的斥力加速度;计算引力及斥力加速度的矢量和控制四旋翼的姿态角偏转及位置,使四旋翼完成起始点至终点的自主导航飞行。本发明解决了弱光、无GPS信号的地铁隧道环境下的四旋翼自主导航问题,使四旋翼自主完成航迹规划及航迹跟踪避障,以实现基于四旋翼的地铁隧道智能巡检。
-
公开(公告)号:CN110532889B
公开(公告)日:2022-08-16
申请号:CN201910713696.5
申请日:2019-08-02
Applicant: 南京理工大学
IPC: G06V20/40 , G06V10/48 , G06V10/764 , G06V10/774 , G06V10/82 , B61L23/04
Abstract: 本发明公开了一种基于旋翼无人飞行器和YOLOv3的轨道异物检测方法。方法为:首先制作轨道异物检测数据集,利用数据集训练YOLOv3,得到异物检测模型和模型参数,将异物检测模型和模型参数加载到基于YOLOv3的系统中;然后利用旋翼无人飞行器获得轨道的视频数据并进行预处理,利用基于多智能体的轨道特征识别算法获得轨道特征;接着利用两侧轨道特征计算轨道中心线,基于轨道中心线设定安全检测阈值,划分安全检测区域;最后利用异物检测模型和模型参数在安全检测区域进行异物检测,若检测到存在已知的异物,则发出异常报警,并返回异物的类别和位置,否则返回进行下一轮视频获取。本发明提高了轨道异物检测的精确度和实时性。
-
-
-
-
-
-
-
-
-