-
公开(公告)号：CN114384931B
公开(公告)日：2023-08-29
申请号：CN202111590154.7
申请日：2021-12-23
Applicant: 同济大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于策略梯度的无人机多目标最优控制方法，具体包括以下步骤：S1、获取无人机在目标飞行区间中离散时间非线性系统的多个性能指标，构建相应的状态‑动作价值函数；S2、获取一个在容许控制集内的初始控制策略；S3、根据多个状态‑动作价值函数和当前的控制策略进行策略评估，得到策略评估结果；S4、根据步骤S3的策略评估结果，结合梯度下降的方法进行策略改进，得到优化控制策略，判断优化控制策略是否满足预设的收敛条件，若否返回步骤S3，若是则将相应的优化控制策略作为最终的无人机控制策略。与现有技术相比，本发明具有使无人机消耗的能量更小，任务完成度更高，提升整体运行效率等优点。
-
公开(公告)号：CN116643572A
公开(公告)日：2023-08-25
申请号：CN202310782027.X
申请日：2023-06-29
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种针对室内复杂环境的局部路径规划方法、电子设备及介质，方法包括如下步骤：根据预先构建的包含障碍物信息和环境边界线的室内地图，获取障碍物的动态速度权重参数，自适应调整机器人的速度权重；计算机器人的当前速度空间，对速度空间进行采样，得到组速度指令；根据每一组速度指令，进行运动轨迹预测，得到n组预测轨迹，构建评价函数，筛选得分最高的预测轨迹作为最终轨迹；评价函数由方向角评价函数，障碍物距离评价函数、速度评价函数和势场评价函数组成。与现有技术相比，本发明能够保障机器人运行过程中的安全性，运行效率高，机器人在复杂环境中也可以保持比较好的运行姿态。
-
公开(公告)号：CN116124149A
公开(公告)日：2023-05-16
申请号：CN202310187540.4
申请日：2023-02-28
Applicant: 同济大学
IPC: G01C21/20
Abstract: 本发明涉及一种基于协方差交叉的多智能体系统分布式定位方法，包括以下步骤：针对无共同朝向多智能体系统中的任一智能体，基于状态方程和协方差传播方法确定智能体的第一个位姿估计值和第一个误差协方差；基于局部相对方位角测量确定全局相对朝向角；基于全局相对朝向角和相对距离确定智能体的第二个位姿估计值和第二个误差协方差；利用协方差交叉方法对两个位姿估计值进行融合得到最终的位姿估计；对多智能体系统中的每一个智能体执行上述步骤，完成多智能体系统分布式定位。与现有技术相比，本发明具有更广泛的适用性，通过协方差交叉方法可以在互协方差未知的情况下进行估计值融合，降低了算法的复杂度，保证了位姿估计的一致性。
-
公开(公告)号：CN111402310B
公开(公告)日：2023-03-28
申请号：CN202010132201.2
申请日：2020-02-29
Applicant: 同济大学
IPC: G06T7/55 , G06N3/0455 , G06N3/084 , G06N3/088
Abstract: 本发明涉及一种基于深度估计网络的单目图像深度估计方法及系统，该方法具体为：构建深度估计网络，将目标图像输入训练好的深度估计网络，获得目标图像深度图；所述的训练过程中采用相机位姿估计步骤；所述的深度估计网络包括编码器和解码器，所述的编码器包括5层编码模块，每层编码模块基于ResNeXt50模型构建，所述的解码器包括5层包含跳跃连接的解码模块。与现有技术相比，本发明具有精度高、鲁棒性强等优点。
-
公开(公告)号：CN114339989A
公开(公告)日：2022-04-12
申请号：CN202111616741.9
申请日：2021-12-27
Applicant: 同济大学
IPC: H04W64/00
Abstract: 本发明涉及一种基于方位角的多智能体系统分布式定位方法，具体包括以下步骤：S1、获取多智能体系统中智能体的基础信息；S2、根据智能体的基础信息计算智能体的角度估计和位置估计；S3、将角度估计和位置估计进行级联，构建分布式定位整体模型；S4、分布式定位整体模型根据角度估计和位置估计得到分布式定位估计结果，并根据分布式定位估计结果的偏差进行修正，得到智能体的定位结果。与现有技术相比，本发明具有智能体间仅需单向通信，降低多智能体系统传感器网络的能量消耗，且控制算法简单，适用于复杂大规模网络等优点。
-
Patent Agency Ranking
公开(公告)号：CN107124158B
公开(公告)日：2020-07-28
申请号：CN201710195823.8
申请日：2017-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于对数量化的无线传感器网络滤波信息处理系统及方法，该系统包括：分别对应设置l个传感器、事件触发器、滤波器和量化器的传感器采样单元、事件触发单元、分布式滤波单元和量化单元，对应的1个传感器、事件触发器、滤波器和量化器依次连接，形成l组独立的滤波信息处理链路，l组滤波信息处理链路输出端连接有融合单元；传感器分别获取l个观测变量，传感器测得的观测变量进行事件触发输出至滤波器，滤波器进行系统状态变量估计，量化器进行量化，融合单元对l组状态变量量化估计值进行融合得到状态变量估计值。与现有技术相比，本发明能够实现信号有效地传输，降低传输数据量、减少网络拥塞、丢包等现象，提高系统性能。
-
公开(公告)号：CN105487384B
公开(公告)日：2018-06-26
申请号：CN201610058585.1
申请日：2016-01-28
Applicant: 同济大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于事件触发机制的整车悬架控制系统，所述的整车悬架包括四个主动悬架，该控制系统包括依次连接的事件触发装置、状态观测器、控制器和零阶保持器，整车悬架输出端连接事件触发装置，所述的零阶保持器连接至整车悬架输入端形成控制回路，所述的事件触发装置包括分别对应四个主动悬架的触发器，各触发器根据设定的事件触发条件触发工作，将对应的主动悬架输出信息传输至状态观测器，状态观测器将观测的状态信息传输至控制器，控制器根据状态观测器观测的状态信息输出相应的控制力，进而控制对应的主动悬架工作。与现有技术相比，本发明具有数据传递次数少、节约资源、控制成本低，实用性强、安全性高等优点。
-
公开(公告)号：CN107479547A
公开(公告)日：2017-12-15
申请号：CN201710687194.0
申请日：2017-08-11
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于示教学习的决策树行为决策算法，主要解决现有技术中存在的现有决策算法不能同时兼顾综合复杂的场景和稳定的要求的问题。该一种基于示教学习的决策树行为决策算法包括步骤为：存储示教轨迹的状态转移规律；求取状态转移频率矩阵和状态转移概率矩阵；构建奖励；决策树对即将产生的动作进行评估；更新转移频率矩阵与状态转移概率矩阵；重复上述过程至评估通过。通过上述方案，本发明达到了无人驾驶行为决策应的最大合理性和安全性目的。
-
公开(公告)号：CN103778587A
公开(公告)日：2014-05-07
申请号：CN201210399215.6
申请日：2012-10-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于车联网大规模网络的进程演化理论模型的构造方法，该方法包括以下步骤：1)获取车联网开环跨域网络中的实体概念数据、相关性质数据和行为特征数据；2)采用基于时间-空间约束序列模式的挖掘方法对上述数据进行挖掘，并得到它们间的关联关系；3)利用本体建模和网络微积分理论使车联网开环跨域网络演化成一个可互联互通的网络理论模型。与现有技术相比，本发明具有适用于车联网大规模开环跨域的复杂形态特点、有效解决大规模开环跨域系统互联互通问题等优点。
-
公开(公告)号：CN102571829A
公开(公告)日：2012-07-11
申请号：CN201010583354.5
申请日：2010-12-10
Applicant: 同济大学
IPC: H04L29/08
Abstract: 本发明涉及一种网络控制系统的量化控制方法及量化控制装置，该方法包括以下步骤：根据被控对象及量化器的参数，设计相应的控制器增益矩阵；传感器采样得到的实时状态信号通过含有随机通信时延的控制网络传输到控制器；控制器计算出当前时刻的控制输入量信息并通过对数量化器进行量化，执行器根据量化信息，对被控对象进行控制，使系统达到稳定；该量化控制装置包括传感器、第一编码器、第一解码器、控制器单元、量化器、第二编码器、第二解码器、执行器。与现有技术相比，本发明将网络控制系统控制器的设计问题转化为线性矩阵不等式求解问题，解决了一类含有随机通信时延的网络控制系统控制器增益求解的问题，能对被控对象提供实时在线控制。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.023 seconds)
