-
Patent Agency Ranking
公开(公告)号：CN115562279B
公开(公告)日：2024-07-19
申请号：CN202211246312.1
申请日：2022-10-12
Applicant: 北京工业大学
Abstract: 本发明公开了一种全向移动机器人自抗扰控制器的设计方法，步骤一：建立世界坐标系和全向移动机器人的机体坐标系；根据坐标关系和机器人自身的长度2b、宽度2a、轮子半径r建立全向移动机器人的动力学模型和运动学模型作为被控对象；控制器参数优化算法的最大迭代次数为NCmax，果蝇个数N，果蝇维数D，设置控制参数优化的范围[LBk,UBk]；本方法在改进的果蝇优化算法中，利用莱维飞行扩大了果蝇的嗅觉搜索的范围，增强了果蝇个体的寻优能力，使得算法具备更好的全局搜索能力，进而有效地避免陷入局部最优解，弥补了原始果蝇算法的不足；在给定控制器参数的范围内，能快速的找出最佳的控制器参数组合，实现了全向移动机器人精准和快速的轨迹跟踪。
-
公开(公告)号：CN119849812A
公开(公告)日：2025-04-18
申请号：CN202411881946.3
申请日：2024-12-19
Applicant: 北京工业大学
IPC: G06Q10/0631
Abstract: 本发明属于智能机器人智能优化技术领域，具体涉及一种求解多无人机异构任务分配的约束优化方法。该方法采用了一种复合实数编码方式，能够在较短的个体编码中记录更多的信息；算法中采用了自适应的α约束等级比较策略，能够在迭代过程中有效的利用相对可行解信息，并通过相对可行解的比例自适应的影响α等级的收敛速度，并逐步提高安全等级，进而将最优分配方案的搜索范围限制在满意方案内，以保证规划出有效的分配方案。
-
公开(公告)号：CN117420847A
公开(公告)日：2024-01-19
申请号：CN202311566524.2
申请日：2023-11-22
Applicant: 北京工业大学
Abstract: 本发明公开了基于反向学习差分进化算法的多无人机协同路径规划方法，本发明在基本差分进化算法的基础上引入了量子理论和失败者反向学习机制，通过量子理论将常见的变异策略改变为基于量子行为的变异策略，从而得到了多样性较高的变异向量以提高种群的多样性，使算法具有了更好的搜索能力；通过在差分进化算法进行选择步骤前，定义代价值大于最优代价值的个体为失败者，令失败者进行反向学习，从而淘汰了性能较差的个体以提高算法收敛速度，更有效的避免算法陷入局部最小值；改进算法相比于基本的差分进化算法，表现出了更好的优化性能，改进算法收敛速度更快、收敛精度更高，且规划出的路径更短、更平滑。
-
公开(公告)号：CN116149370A
公开(公告)日：2023-05-23
申请号：CN202310181484.3
申请日：2023-02-20
Applicant: 北京工业大学
IPC: G05D1/10
Abstract: 本发明涉及一种基于聚类的多无人分布式动态任务分配方法，用于解决多无人机的动态任务分配问题，并可根据救援场景中的实时信息，对任务进行快速、可靠的重分配。由于在传统的CBBA的方法中，每架无人机从全部任务中选择适合的任务以构建自身的任务包，这使得其在协商过程中发生的冲突较多，降低了效率，因此提出了一种基于聚类的CBBA方法，与传统CBBA方法相比，每架无人机无需从全部任务中选择构建自己的任务包，而是优先选择距离其较近的任务构建任务包，提高效率。改进方法相比于基本的CBBA方法能有效地处理任务增加、无人机故障、群组合并等突发情况，并以最小的代价完成任务的重新分配。
-
公开(公告)号：CN115562279A
公开(公告)日：2023-01-03
申请号：CN202211246312.1
申请日：2022-10-12
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种全向移动机器人自抗扰控制器的设计方法，步骤一：建立世界坐标系和全向移动机器人的机体坐标系；根据坐标关系和机器人自身的长度2b、宽度2a、轮子半径r建立全向移动机器人的动力学模型和运动学模型作为被控对象；控制器参数优化算法的最大迭代次数为NCmax，果蝇个数N，果蝇维数D，设置控制参数优化的范围[LBk,UBk]；本方法在改进的果蝇优化算法中，利用莱维飞行扩大了果蝇的嗅觉搜索的范围，增强了果蝇个体的寻优能力，使得算法具备更好的全局搜索能力，进而有效地避免陷入局部最优解，弥补了原始果蝇算法的不足；在给定控制器参数的范围内，能快速的找出最佳的控制器参数组合，实现了全向移动机器人精准和快速的轨迹跟踪。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
