-
公开(公告)号：CN110401915B
公开(公告)日：2021-02-05
申请号：CN201910793873.5
申请日：2019-08-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种NLOS条件下SEKF与距离重构相结合的移动目标定位方法，该方法首先通过SEKF算法得到移动目标预测位置值，计算出移动目标到各个基站的预测距离，得到预测距离与实际测量距离差值，再通过马氏距离分类器识别出当前获取的距离是在LOS传播条件下还是NLOS传播条件下，对NLOS条件下的测量距离进行重构；最后利用LOS条件下的测量距离与重构后的距离通过SEKF算法得到移动目标位置估计值。本发明方法克服了传统EKF在计算卡尔曼增益时需要进行高维矩阵求逆的过程，减轻了滤波过程的计算量，有效地缓解了NLOS带来的影响，大大提高了移动目标的定位精度。
-
公开(公告)号：CN112285725A
公开(公告)日：2021-01-29
申请号：CN202011076965.0
申请日：2020-10-10
Applicant: 杭州电子科技大学
IPC: G01S17/06
Abstract: 本发明公开了一种基于激光雷达的单移动机器人室内定位方法，其利用装载激光雷达的移动机器人在室内移动并扫描的方式来定位室内反光板的位置。上层控制器为一个装载激光雷达的移动机器人规划室内的移动路径，并控制其移动至路径起点。移动机器人在原点建立全局坐标系，同时对其所在位置检测范围内的反光板进行扫描，并计算得到它们的全局坐标，然后在下一时刻对所在位置检测范围内的反光板进行扫描，计算检测范围内的反光板全局坐标，依次在每个时刻重复以上步骤，直到移动机器人运动至指定路径的终点，对记录的所有反光板全局坐标进行处理。本发明方法具有高度的灵活性，可以有效地解决室内定位精度低的问题，而且实施简单，具有非常好的应用性。
-
公开(公告)号：CN112183103A
公开(公告)日：2021-01-05
申请号：CN202011166066.X
申请日：2020-10-27
Applicant: 杭州电子科技大学
IPC: G06F40/295 , G06F40/211 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合不同预训练词向量的卷积神经网络关系抽取方法，关系抽取是知识图谱领域中一项重要的语义处理任务。目前最先进的方法仍然依赖一种预训练的词向量和自然语言处理(NLP)工具，如Glove词向量、word2vec词向量来获得句子表示，依存句法分析和命名实体识别器(NER)来获得高级特性。但是只使用一种词向量不能解决一词多义等问题，且引入NLP工具势必会带来误差。为了解决这些问题，本发明提出了一种融合不同预训练词向量的卷积神经网络，使用两种不同的预训练词向量和相对实体距离向量作为网络输入，采取最基础的卷积神经网络，不使用任何自然语言处理工具，简单高效。
-
公开(公告)号：CN112070341A
公开(公告)日：2020-12-11
申请号：CN202010723028.3
申请日：2020-07-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种面向多机器人充电策略的分布式求解方法，该方法以极小化所有要充电的机器人总耗时为目标，总耗时包括行驶时间、排队时间和充电时间。每个机器人在全局信息未知的情况下，利用自己获取到的通信范围内邻居机器人的位置、剩余电量信息，以及比自己优先级高的邻居机器人的充电策略等信息，基于自己充电耗时最少的原则，选择剩余电量容许可达的充电站，来实现近似最优解。本发明解决了多机器人在充电站拥堵充电的问题，有效缩短了整个多机器人充电系统的充电时间，大大的提高了机器人的充电效率。
-
公开(公告)号：CN111277200A
公开(公告)日：2020-06-12
申请号：CN202010087863.2
申请日：2020-02-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了电机绕组温度估计及保护方法，包括以下步骤：S1，获取电机绕组BP神经网络散热模型；S2，计算电机绕组温度；S3，保护电机绕组。本发明由于神经网络能对复杂散热条件下对散热过程进行较准确的建模，更加适用于散热条件较为复杂的应用场景；使用电机绕组电流计算由损耗引起的绕组发热温度变化速率；以绕组散热温度变化速率和绕组发热温度变化速率计算绕组温度；采用所计算的绕组温度对电机采用多段温度截止曲线限制运动控制输出以对绕组进行温度保护以防止绕组温度过高引起的损坏。
-
Patent Agency Ranking
公开(公告)号：CN111275572A
公开(公告)日：2020-06-12
申请号：CN202010043546.0
申请日：2020-01-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于粒子群和深度强化学习的机组调度系统及方法，系统包括粒子群模块和深入强化学习模型，其中所述深入强化学习模型包括评估网络、经验回放池、目标网络和损失函数，其中，所述粒子群模块的输入为负荷需求，输出连接所述评估网络，评估网络输出Q估计值和所述经验回放池；所述经验回放池输出连接所述目标网络，所述目标网络输出Q目标值，Q目标值与Q估计值均输入所述损失函数，损失函数的输出再反馈给评估网络。本发明在优化机组调度的同时，切实从节约燃煤量的角度出发，既要满足负荷要求，也要在每一度电上至少节约出0.1克燃煤量，同时实现底层设备与机组调度控制一体化的控制优化。
-
公开(公告)号：CN119536277A
公开(公告)日：2025-02-28
申请号：CN202411692426.8
申请日：2024-11-25
Applicant: 杭州电子科技大学
IPC: G05D1/43 , G05D1/243 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/692 , G05D1/247 , G05D1/648 , G05D109/10
Abstract: 本发明公开了基于轻量化改进YOLOv5的移动机器人编队控制方法及系统，该方法首先对RGBD相机进行配置与校准，通过RGBD相机实时采集RGB图像，传入目标检测神经网络，获取检测框位置。其次基于目标检测结果，利用卡尔曼滤波器预测跟踪领导者状态。然后获取领导者深度值，解算领导者相对相机坐标系下的实际位置，得到领导者在地图坐标下的位置。最后依据领导者地图坐标下的位置，绘制贝塞尔曲线作为跟随者移动轨迹，跟随者使用模型预测控制法依据轨迹跟随领导者移动，若领导者丢失，则领导者重新检测。本发明有助于保持跟随者跟踪的流畅性，提高跟踪的精度，并可支持对1到2个领导机器人的跟随，实现编队控制。
-
公开(公告)号：CN113158956B
公开(公告)日：2024-06-14
申请号：CN202110481897.4
申请日：2021-04-30
Applicant: 杭州电子科技大学
IPC: G06V20/40 , G06V10/25 , G06V10/774 , G06F16/951 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进型yolov5网络的垃圾检测与识别方法，首先，建立并标注了一个含有36类别的垃圾数据集，并使用数据分析方法分析后利用数据增强手段对整个数据集进行扩充并针对数量不足的类别进行补充。然后，基于yolov5建立目标检测网络，引入注意力机制改进骨干网络部分，新增小尺寸分支改进PaNet检测头部分。网络的bottleneckCPS模块中引入了ghost结构，并在高维度网络使用深度可分离卷积，降低了网络的参数量，最终得到了改进型yolov5网络。最后，将垃圾图片经预处理后送入改进型yolov5网络，输出检测与识别结果。本发明方法可以实现同一帧图像内多类垃圾的同时检测与识别，识别种类高达36类，并且相较于原yolov5网络提升了检测精度降低了网络参数量，具有一定的应用价值。
-
公开(公告)号：CN113409410B
公开(公告)日：2024-04-02
申请号：CN202110547219.3
申请日：2021-05-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于3D激光雷达的多特征融合IGV定位与建图方法。主要包括数据采集处理、扫描匹配及局部地图构建、后端优化、回环检测四个过程；数据采集处理是对3D激光雷达传感器的数据处理；扫描匹配及局部地图构建是对处理过的激光点云数据采用帧‑子图的匹配方式，本发明利用具有角度、距离、反光强度等多特征信息的三维地标解算初始位姿，通过占据栅格地图，构建局部最优子图；后端优化对于不断迭代的子图，采用图的优化策略，用高斯牛顿法解决优化问题，并利用三维地标加速求解过程，从而消除累计误差；回环检测中存储所有轨迹，采用多分辨率地图，通过分支定界法加速计算，完成闭环检测。最终实现AGV的高精度定位和建图。
-
公开(公告)号：CN117781847A
公开(公告)日：2024-03-29
申请号：CN202410002520.X
申请日：2024-01-02
Applicant: 杭州电子科技大学
Abstract: 本发明属于编码器技术领域，具体涉及基于霍尔效应的双码道多磁极磁环编码器绝对位置检测方法。本发明通过放置四个线性霍尔，监测旋转中的双码道多磁极磁环的磁场变化，从而计算双码道多磁极磁环高精度的绝对位置；解决了”因编码器精度要求提高，磁栅极数增多，磁极宽度越来越窄的趋势下，双码道多磁极磁环无法通过增加线性霍尔数量而有效提高检测精度“的问题；最终得到的绝对位置信息可用于机器人关节、定位等应用，具有很好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.026 seconds)
