-
公开(公告)号：CN118633038A
公开(公告)日：2024-09-10
申请号：CN202280090737.X
申请日：2022-02-10
Applicant: 三菱电机株式会社
Abstract: 本发明技术的激光雷达装置进行激光扫描来计测观测环境的风速场，该激光雷达装置具有信号处理部(13)，该信号处理部(13)包含谱转换处理部(13a)、累计处理部(13b)、风速场计算部(13d)和学习算法部(13e)，谱转换处理部(13a)对作为时序状的数字信号的差拍信号进行FFT处理，生成谱数据，累计处理部(13b)对谱数据进行累计处理，风速场计算部(13d)根据由累计处理部(13b)处理后的数据的信息计算风速场，学习算法部(13e)具有已学习人工智能，根据风速场的信息对观测结果进行插值。
-
公开(公告)号：CN119173827A
公开(公告)日：2024-12-20
申请号：CN202380038874.3
申请日：2023-05-15
Applicant: 三菱电机株式会社
Abstract: 本公开提供了一种用于在具有障碍物的环境中控制设备从初始状态到目标状态的运动的系统和方法，所述障碍物对设备的运动形成约束。该方法包括执行用机器学习训练的学习函数以生成将设备的初始状态与设备的目标状态连接的轨迹，同时惩罚在一定程度上违反至少一些约束以产生初始轨迹。该方法还包括求解满足所有约束的凸优化问题以产生将与初始轨迹的偏差最小化的最佳轨迹，并且根据最佳轨迹控制设备的运动。
-
公开(公告)号：CN118369544A
公开(公告)日：2024-07-19
申请号：CN202180104798.2
申请日：2021-12-13
Applicant: 三菱电机株式会社
IPC: F24F11/64
Abstract: 设备控制装置(3)构成为具有：观测值取得部(11)，其从观测设置有控制对象设备的环境的传感器(2‑n)(n＝1，…，N)取得环境的观测值；观测预测值取得部(12)，其将由观测值取得部(11)取得的观测值提供给第1学习模型(12a)，从第1学习模型(12a)取得传感器(2‑n)的将来的观测值即观测预测值；以及不可观测值取得部(13)，其将由观测值取得部(11)取得的观测值提供给第2学习模型(13a)，从第2学习模型(13a)取得无法通过传感器(2‑n)直接观测的值即不可观测值。此外，设备控制装置(3)具有控制值计算部(14)，该控制值计算部(14)使用由观测值取得部(11)取得的观测值、由观测预测值取得部(12)取得的观测预测值和由不可观测值取得部(13)取得的不可观测值，计算控制对象设备的控制值。
-
Patent Agency Ranking
公开(公告)号：CN119137638A
公开(公告)日：2024-12-13
申请号：CN202280095750.4
申请日：2022-05-12
Applicant: 三菱电机株式会社
IPC: G08G9/00
Abstract: 将分配结果决定装置构成为具有变更成本计算部(3)，该变更成本计算部(3)取得在第1时刻时决定的第1分配结果和在作为比第1时刻靠后的时刻的第2时刻时决定的第2分配结果，作为表示针对多个分配对象物的分配顺序的分配结果，计算变更成本，变更成本是将分配结果从第1分配结果变更成第2分配结果的情况下的成本的增加量。此外，分配结果决定装置具有分配结果选择部(7)，该分配结果选择部(7)根据由变更成本计算部(3)计算出的变更成本，选择第1分配结果或第2分配结果。
-
-
-
公开(公告)号：CN118742828A
公开(公告)日：2024-10-01
申请号：CN202280090778.9
申请日：2022-02-10
Applicant: 三菱电机株式会社
Abstract: 本发明技术的激光雷达装置具有信号处理部(13)，其中，信号处理部(13)包含风速场计算部(13c)、盲区提取部(13d)和学习算法部(13e)，风速场计算部(13c)在各个观测点根据谱的峰值位置求出多普勒频率，计算风速(v)，盲区提取部(13d)根据包含激光照射方向和构造物的配置的几何学关系提取盲区(BA)，学习算法部(13e)具有已学习人工智能，估计盲区(BA)中的风速值。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
