-
公开(公告)号：CN113689501A
公开(公告)日：2021-11-23
申请号：CN202110985401.7
申请日：2021-08-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于收敛点的双机协同目标机定位跟踪控制方法，包括以下步骤：S1、建立双机单目标机定位数学模型，基于机载雷达获取测角信息得到目标机的位置信息；S2、针对加性观测噪声对双机定位精度的影响，计算双机的测量方位角对定位精度的影响，进而求解得到双机测量方位角的最优配置；S3、建立目标机跟踪中存在的约束，求解收敛点；S4、设计基于收敛点的双机协同定位跟踪控制器。本发明提供了一种应用于复杂约束下双机单目标机定位跟踪的方法，在预测目标机位置的基础上计算两机收敛点，收敛点处双机能够满足相关约束且双机能同时探测到所有目标机，基于收敛点设计双机协同控制方案能够实现对双机的高精度定位。
-
公开(公告)号：CN112965511A
公开(公告)日：2021-06-15
申请号：CN202110183201.X
申请日：2021-02-08
Applicant: 电子科技大学
Abstract: 本发明公开一种适用于四旋翼无人机飞行控制的简化姿态控制方法，应用于飞行器自动控制领域，针对现有的飞行器控制算法复杂的技术问题，本发明首先根据传感器测量原始数据的特点及四旋翼无人机的运动模式确定水平恢复角为描述飞行器姿态的物理量，其次将传感器原始数据与水平恢复角建立定量关系，最后根据不同传感器的特点综合得出飞行器姿态的准确描述；本发明使用水平旋转角作为控制系统的误差输入量进行控制，运算量小，对运算资源的占用程度低，并且能够消除陀螺仪积分误差累积造成的零点漂移。
-
公开(公告)号：CN115755964B
公开(公告)日：2025-05-13
申请号：CN202211424607.3
申请日：2022-11-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于反向学习蛇算法的无人机任务分配方法，包括以下步骤：S1、对任务分配场景建模；S2、设置反向学习的蛇算法初始化参数：使用基于种群的算法，设置算法的种群、迭代次数、各个环节的门限值参数；S3、对优化过程进行迭代，输出全局最优解；S4、求解得到无人机对任务的最优分配，将此分配方案输出，并计算其最终收益。本发明主要针对无人机集群这一特定物理对象，将其抽象成无人机集群解决任务分配的问题。首先，建立任务分配问题的数学模型，利用群智能算法，结合反向学习过程，对随机生成的种群进行筛选，减少了算力消耗。因此，本发明所提出的基于反向学习蛇算法的无人机任务分配方法对计算资源不富裕的系统具有明显的优势。
-
公开(公告)号：CN119670995A
公开(公告)日：2025-03-21
申请号：CN202411710394.X
申请日：2024-11-27
Applicant: 电子科技大学
IPC: G06Q10/047 , G01C21/20 , G01C21/00 , G06T17/05 , G06N3/006
Abstract: 本发明公开了一种基于全局搜索与元启发式优化的无人机路径规划方法，首先建立复杂约束下的无人机路径规划模型，并确立适应度函数及其约束条件，再设置算法初始化参数并混沌映射初始化种群位置，使用元启发式优化算法进行循环迭代求解，输出全局最优路径，最后将全局最优路径实现到无人机上，并计算最优路径所对应的飞行距离，完成无人机路径规划。本发明的方法将元启发式算法——冠豪猪算法结合禁忌搜索，增强全局搜索能力，同时结合混沌映射，对种群初始化进行优化，增加了随机性和不可预测性，使得算法可以更快的收敛，在面向具有复杂环境、复杂约束路径规划问题时有明显优势，解决了无人机在三维复杂山地环境中的路径规划问题。
-
公开(公告)号：CN115343956B
公开(公告)日：2025-02-07
申请号：CN202210979304.1
申请日：2022-08-16
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多机器人系统鲁棒蜂拥控制方法，首先建立多机器人动力学模型，并确定参考信号形式，利用参数化神经网络范式表达系统中具有的匹配/非匹配扰动，定义估计权值函数以及基函数形式，接着基于上述步骤中构建的参数化神经网络估计器，设计鲁棒蜂拥控制器，并采用Lyapunov稳定性定理，产生神经网络估计参数的自适应更新律，而后分析闭环误差系统的稳定性，实现受干扰情况下多机器人系统的鲁棒蜂拥控制。本发明的方法针对二阶多机器人系统，考虑了双通道受干扰的情况，使用神经网络的方法实现了多机器人的鲁棒蜂拥控制，对于非线性动力学的干扰没有利普尼茨限制，与现实情况下的干扰更接近，适用于多机器人系统的蜂拥控制领域。
-
Patent Agency Ranking
公开(公告)号：CN119312389A
公开(公告)日：2025-01-14
申请号：CN202411349777.9
申请日：2024-09-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种事件触发机制下隐私保护的预设时间合围控制方法。首先，建立包含多个领导者和多个跟随者的多机器人系统，明确隐私保护约束下的预设时间合围控制问题；而后设计基于输出掩码函数的隐私保护器；进一步构建预设时间隐私保护合围控制器，使得所有跟随者机器人能够在保护自身隐私的前提下，进入领导者机器人们的凸包内；接着构建无芝诺行为的事件触发函数，设计基于事件触发机制的隐私保护预设时间合围控制器。本发明结合事件触发机制和有限时间理论，提高了多机器人系统隐私保护合围控制的收敛性能并降低了算法计算的资源消耗，综合隐私保护、通信宽带约束和收敛速度，进一步扩展了算法的应用场景。
-
公开(公告)号：CN119225407A
公开(公告)日：2024-12-31
申请号：CN202411349779.8
申请日：2024-09-26
Applicant: 电子科技大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明公开了一种基于莱维飞行鹦鹉优化算法的无人机任务分配方法，包括以下步骤：S1、基于图论方法对无人机任务分配场景进行建模，建立任务分配数学模型；S2、设置鹦鹉优化算法初始化参数；S3、对优化过程进行循环迭代：设置求解参数及迭代结束条件，记录解空间当中每次迭代的全局最优解，循环一次结束后进行参数和位置更新，直至满足迭代结束条件；S4、输出分配序列，计算整个过程的最小航程代价。本发明在考虑无人机航程约束的前提下，更加贴合实际任务情况，而且使用了混沌映射优化初始化种群，并且优化过程当中采取莱维飞行策略，有着更强的全局搜索能力以及更加适用于现实问题的解决，在一定程度上能够解决无人机任务分配问题。
-
公开(公告)号：CN118981213A
公开(公告)日：2024-11-19
申请号：CN202411040162.8
申请日：2024-07-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进角蜥优化算法的无人机任务分配方法，首先利用图论原理构建无人机任务分配的模型，并定义目标函数及其约束条件，然后初始化改进角蜥优化算法参数，并基于tent混沌映射初始化角蜥种群，再基于改进角蜥优化算法求解任务分配模型，选取历史最优解，最后迭代求解得到最优分配方案。本发明的方法考虑无人机的航程约束的同时，还考虑了实际任务过程中可能存在的障碍物，并在初始化时引入混沌映射提高种群初始搜索能力，并加入自适应权重平衡探索和开发，以提高收敛速度和收敛精度，能在复杂环境中实现更高效、更稳定的无人机群任务规划和执行。
-
公开(公告)号：CN118963411A
公开(公告)日：2024-11-15
申请号：CN202411020713.4
申请日：2024-07-29
Applicant: 电子科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种基于正态云模型青蒿素优化算法的无人机任务分配方法。首先，基于实际飞行距离和任务需求，并考虑简单环境下障碍物的分布情况，建立航程约束下的无人机任务分配模型。然后基于青蒿素优化算法对任务分配模型和tent混沌映射对青蒿素种群进行初始化，并基于疟疾的青蒿素药物治疗过程启发构建优化模型。接着使用正态云模型对算法中的全局最优位置进行更新，并随着迭代次数增加，自适应调整正态云模型的熵值，有效提高全局开发能力和求解速度，跳出局部最优解。本发明在考虑无人机的航程约束的同时，还考虑了实际任务过程中可能存在的障碍物，并基于正态云模型的青蒿素优化算法进行求解，能够一定程度上解决无人机任务分配问题。
-
公开(公告)号：CN115167521B
公开(公告)日：2024-10-25
申请号：CN202210966011.X
申请日：2022-08-12
Applicant: 电子科技大学
Abstract: 本发明公开一种极坐标系下预设性能的旋转编队控制方法，应用于多航天器协同控制领域，由于旋转编队问题中所有航天器的位置和速度时刻在变化，导致使用传统的一致性算法时取得的旋转效果不尽人意的问题；本发明首先建立多航天器的二阶动力学模型，为方便实现旋转编队，把动力学模型转化到极坐标空间下；其次设计预设性能函数，规定多航天器系统的旋转编队性能；然后设计预设旋转编队性能不等式，把多航天器的旋转编队误差和预设性能函数结合起来，描述多航天器旋转编队误差的收敛收敛性能；最后设计预设性能旋转编队控制协议，实现旋转编队。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.029 seconds)
