-
公开(公告)号：CN115639839B
公开(公告)日：2024-10-25
申请号：CN202211362159.9
申请日：2022-11-02
Applicant: 哈尔滨工程大学
Abstract: 本申请公开了一种无人机集群的自组织任务编队构型方法及装置，属于无人机编队技术领域，包括：设定无人机参数和任务编队参数，并确定各无人机在任务编队中的目标点；控制待编队的所有无人机向相应目标点运动，直到所有无人机均达到自己的目标点完成任务编队构型，针对每架无人机的控制过程为：实时获取无人机的位置信息并确定无人机的飞行轨迹信息；判断无人机的预设通信范围内是否存在其他无人机，若存在，则对无人机和其他相应无人机进行防撞检测使其根据检测结果自组织切换至相应的运动模式。本申请与现有同类技术相比，提供了一种构思不同的技术方案，降低无人机任务编队构型的能量消耗与完成时间，可应用于直线运动轨迹的任务编队构型。
-
公开(公告)号：CN118168659A
公开(公告)日：2024-06-11
申请号：CN202410197432.X
申请日：2024-02-22
Applicant: 哈尔滨工程大学
Abstract: 一种基于CCEMD‑WF识别发射率的辐射测温方法及系统，涉及多光谱辐射测温领域。解决了现有技术中材料发射率复杂且不规律的情况下，导致提前假设发射率模型的方法失效的问题。所述辐射测温方法包括：利用辐射温度计内置的多波长通道测量获得复杂材料表面的光谱辐射数据；计算多波长通道的亮度温度，并计算真实温度和亮度温度之间的差值；用最大亮度温度代替测量的真实温度，得到最大亮温度替代后的发射率特性，并对其进行CCEMD分解，即获得固有模态函数和相关残余函数。采用CCEMD‑WF修正发射率模型，获得修正后发射率模型函数；构建含有修正后发射率模型的辐射测温方程，并对待测样品进行温度求解。该方法适用于复杂材料表面真实温度和发射率求解领域中。
-
公开(公告)号：CN117649016A
公开(公告)日：2024-03-05
申请号：CN202311571869.7
申请日：2023-11-23
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/083 , G06N3/126 , G06N20/00 , G08G3/00
Abstract: 复杂港口通航模型构建方法及装置、通航方法及装置，涉及港口复杂航道船舶调度技术领域。为解决现有技术中，现有复式航道中的船舶交通流复杂，常出现多船会遇局面，严重影响船舶航行安全及效率的技术问题，本发明提供的技术方案为：复杂港口通航模型构建方法：建立船舶调度模型和自学习遗传算法；将船舶编号和进出港方向作为随机的初始种群；将初始种群中，满足预设条件的个体作为子代；根据子代，生成新个体；对新个体进行变异操作；将进行变异操作的新个体中，不满足预设条件的新个体进行调整出港顺序的操作；根据预设奖励函数，对生成新个体和进行变异操作进行迭代，直到达到预设条件，得到通航模型。可以应用于港口复杂航道船舶调度工作中。
-
公开(公告)号：CN117523925A
公开(公告)日：2024-02-06
申请号：CN202311571883.7
申请日：2023-11-23
Applicant: 哈尔滨工程大学
IPC: G08G3/02
Abstract: 无人船避碰模型构建方法及装置、无人船避碰方法及装置，涉及无人船自主避碰技术领域。为解决现有技术中存在的，无人船避碰算法存在模糊规则设定的主观性和计算复杂性，以及存在训练时间长、计算复杂度高以及模型不准确和训练不稳定的技术问题，本发明提供的技术方案为：无人船避碰模型构建方法，方法包括：采集目标船舶和无人船的预设观测信息及运动状态参数；根据观测信息及运动状态参数，得到目标船舶与无人船之间会遇情况；根据会遇情况，为每个目标船舶匹配危险度；整合状态向量；以整合状态向量作为输入、无人船无碰撞和到达目标点作为目标，构建强化学习网络；训练无人船航行决策。适合应用于无人船的自主避碰控制工作中。
-
公开(公告)号：CN116994128A
公开(公告)日：2023-11-03
申请号：CN202310752646.4
申请日：2023-06-26
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/25 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/092 , G06N3/094 , G06Q10/0637 , G06Q50/26
Abstract: 无人舰船集群对抗学习混合网络强化方法及装置，涉及海战对抗策略选择技术领域。针对现有技术中存在的，在无人舰船集群对抗场景中，无法拟合出真实的联合动作价值函数的技术问题，本发明提供的技术方案在于：无人舰船集群对抗学习混合网络强化方法，包括：采集所有舰船在可视范围内的其他舰船的状态信息和动作信息；根据信息信息得到动作的价值函数；选取舰船的动作的价值函数值最高动作；将动作的价值函数输入至预设混合网络，得到联合动作价值函数的步骤；根据舰船自身和在预设可视范围内的其他舰船，得到注意力分布，更新舰船自身的状态信息；根据当前混合网络，优化舰船的动作。适合应用于海战中进行最优策略选择的工作中。
-
Patent Agency Ranking
公开(公告)号：CN112561146B
公开(公告)日：2023-04-18
申请号：CN202011425721.9
申请日：2020-12-08
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , G06F18/214 , G08G1/01 , G06T7/90 , G06N3/0464 , G06N3/0442
Abstract: 本发明是一种基于模糊逻辑和深度LSTM的大规模实时交通流预测方法。本发明涉及城市智能交通管理技术领域，选取城市路网场景，进行实时交通流拥塞程度信息的彩色图像采集；根据采集的彩色图像，获取多个路口的拥堵程度，用于数据训练集，通过模糊机制构成FDFP的数据感知端；建立深层LSTM神经网络，对数据训练集进行深度学习，构建FDFP的预测端；从服务器端获取的实时交通信息输入FDFP模型中，得到实时的多个路口的未来确定时间范围内的流量预测，对各路口实际实时交通情况对不同模型的预测效果进行评估。
-
公开(公告)号：CN110549896B
公开(公告)日：2022-08-02
申请号：CN201910802695.8
申请日：2019-08-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提出一种基于强化学习的充电站选择方法，所述方法包括步骤一：每个CS周期性的发布自身信息，GC订阅来自所有CS和RSU的发布信息；步骤二：EV向RSU发送充电请求，RSU收到充电请求后，计算EV到达每个CS的时间，将相关信息发送给GC；步骤三：GC收到RSU和CS的信息后，运用强化学习算法，做出最佳充电决策，将决策信息通过RSU传递给EV，EV根据自身情况选择确认充电计划，并将确认信息通过RSU传递给CS，预约完成；步骤四：请求服务的车辆驶向充电站完成电池充电，记为一个情节结束，将相关信息反馈给强化学习环境。所述方法提高了换电站的服务率和利用率。
-
公开(公告)号：CN112954769B
公开(公告)日：2022-06-21
申请号：CN202110098856.7
申请日：2021-01-25
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于强化学习的水下无线传感器网络路由方法，包括：初始化水下无线传感器网络UWSN中传感器节点，以获取自身周围的邻居传感器节点信息，并建立邻居列表；根据邻居列表建立基于模糊逻辑的节点分组转发适用度预测模型；根据节点分组转发适用度预测模型设计传感器节点间的状态‑动作值更新函数，并建立基于目的传感器节点的第一更新策略、基于动态阈值的第二更新策略和基于机会属性的数据包转发策略；利用状态‑动作值更新函数进入数据包更新转发过程，利用上述三种策略完成数据包更新转发。该方法能够自适应的应对因节点移动性导致的网络拓扑变化，同时考虑能量和时延因素，并利用机会属性概念进一步提高算法的稳定性。
-
公开(公告)号：CN114295214A
公开(公告)日：2022-04-08
申请号：CN202111560825.5
申请日：2021-12-20
Applicant: 哈尔滨工程大学
IPC: G01J5/00 , G06F30/17 , G06F30/27 , G06N3/00 , G06F119/08
Abstract: 本发明公开了一种基于有效发射率的复杂环境下涡轮叶片辐射测温方法和装置，属于涡轮叶片辐射测温技术领域，解决现有技术计算量过大、误判率较高和不能满足涡轮叶片测温要求的实时性和高效性的问题。本发明的方法包括：获取多个波长下的待测涡轮叶片的辐射数据；构建涡轮叶片反射辐射分析模型，获得周围复杂环境投射到叶片待测点的辐射量；设定发射率模型结合高温计实际接收辐射数据和复杂环境投射到待测点的辐射量构造优化目标方程；利用双种群社会群体优化算法求解优化目标方程获得涡轮叶片在各波长下的发射率数值；求解待测涡轮叶片表面的有效发射率，并计算涡轮叶片表面真实温度。本发明适用于涡轮叶片辐射测温。
-
公开(公告)号：CN110348969B
公开(公告)日：2022-04-08
申请号：CN201910641328.4
申请日：2019-07-16
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了基于深度学习和大数据分析的出租车寻客策略推荐方法，所述推荐方法包括以下步骤：步骤一：对出租车历史轨迹数据进行清洗；步骤二：提取出租车载客点；步骤三：提取出租车载客热点；步骤四：对热点进行载客量预测；步骤五：提出出租车推荐模型。本发明针对城市中出租车和乘客信息不匹配导致的出租车寻客难问题，提出了一种基于交通大数据利用深度学习预测未来乘客数量，并运用可时变的马尔科夫决策过程通过策略迭代为出租车司机提供寻客策略的技术，解决了现有的匹配机制匹配难的问题，增加了出租车的工作效率，使得出租车收益更加科学，且乘客叫车也更加容易。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.055 seconds)
