-
公开(公告)号：CN116629394A
公开(公告)日：2023-08-22
申请号：CN202310118653.9
申请日：2023-02-03
Applicant: 北京理工大学 , 北京电子工程总体研究所
Abstract: 本发明公开了一种基于网络化结构的多级保障选址方法。本发明引入了基于任务使命的多级选址方法。针对疫情背景下政府运营管理的实际需求，以不同保障层级任务使命为依据确定不同的选址目标，由此完成对疫情生活物资保障的三级选址模型的构建，提高了保障选址模型的真实性、可行性。而且，本发明根据低层级的节点选址情况，对上一保障层级的节点进行选址，形成稳定、便捷的网络化保障系统。此外，本发明还通过两阶段算法，将节点数庞大的第一级保障层的节点选址模型划分为两个阶段，针对需求量高的居民区引入基于启发式规则的二次选址，减少了第一阶段的求解的复杂性，有效提高了选址效率。
-
公开(公告)号：CN120085659A
公开(公告)日：2025-06-03
申请号：CN202510559983.0
申请日：2025-04-30
Applicant: 北京理工大学
Abstract: 本公开提供了一种面向陌生环境自适应的机器人感导控一体化系统，属于智能无人系统领域。系统中每个机器人包括传感设备、感知模块、导航模块和控制模块。感知模块为基于VLM的语义建图器，对环境信息进行地物分割和语义识别，生成嵌入地物图像语义描述符的全局语义地图和地面图像；导航模块为基于LLM的语义规划器，采用LLM对自然语言任务描述进行任务理解，推理当前环境的任务序列；控制模块为基于VFM的地形适应控制器，采用VFM从地面图像识别地形特征，地形特征和机器人实时状态映射为驱动矩阵，实现机器人运动控制。本发明实现了机器人主动感知、自主探索与高效控制的深度协同，增强机器人在陌生环境中的任务规划和实时调整能力。
-
公开(公告)号：CN119995475A
公开(公告)日：2025-05-13
申请号：CN202510054203.7
申请日：2025-01-14
Applicant: 北京理工大学
Inventor： 邓方 , 靳鹏飞 , 蔡烨芸 , 王向阳 , 丁宁 , 付海岭 , 请求不公布姓名 , 董伟 , 请求不公布姓名 , 请求不公布姓名 , 请求不公布姓名 , 吕茂斌 , 陈晨 , 周家东
IPC: H02S10/10 , H02S40/44 , H02S40/22 , H02S40/30 , H02S30/00 , H02S10/20 , H02N11/00 , H02J7/32 , H02J7/35 , H10N10/17 , H10N10/80
Abstract: 本公开提供了一种光伏‑热电耦合的柔性能量收集装置，属于能源领域。包括聚光层、光伏发电层、能量管理模块、温差发电层以及导热层。聚光层用于将环境光聚集到光伏发电层；光伏发电层将光能转化为电能，输出给能量管理模块；温差发电层设置在光伏发电层和佩戴载体之间；当温差发电层工作在模式1时，利用光伏发电层与载体的温差发电，输出给能量管理模块；当温差发电层工作在模式2时，由能量管理模块和/或光伏发电层提供电能，温差发电层利用珀耳帖效应产生热能或者吸收热能，为所述载体补充或释放热能。本能量收集装置在融合光伏发电和温差发电的同时在特定条件下利用珀耳帖效应将电能转换为热能，进而为人体或设备提供制热或制冷功能。
-
公开(公告)号：CN119960436A
公开(公告)日：2025-05-09
申请号：CN202411847595.4
申请日：2024-12-16
Applicant: 北京理工大学
Abstract: 本发明公开了未知环境下移动机器人感导一体化超动态避障方法和装置，该方法移动机器人通过激光雷达获取未知环境障碍物点云信息，通过聚类方法识别动态障碍物，记录动态障碍物的历史运动轨迹，包括坐标和时间信息；利用历史运动轨迹构建运动模型，进而预测未来一段时间的动态障碍物轨迹。根据未来动态障碍物轨迹，规划移动机器人的移动避障轨迹，实现动态避障。使用本发明能够实现动态场景中的移动机器人避障规划，以达到提高机器人路径规划效率和安全性的目的。
-
公开(公告)号：CN118365056A
公开(公告)日：2024-07-19
申请号：CN202410500706.8
申请日：2024-04-24
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06Q10/0637 , G06F30/27 , G06N3/006 , G06N3/04 , G06N3/08 , G06N3/126
Abstract: 本发明公开了一种基于算法选择策略的防空资源部署方法，以多种优化算法对该模型进行求解；其中，利用战场信息和智能优化算法信息等抽象得到元特征，通过特征降维方法得到所需元特征集，通过排列组合元特征生成一层元特征和基于概率获取二层元特征；然后以每个防空样例对应的最优算法为元标签，以神经网络为模型学习元特征和元标签之间的关系，构建算法选择模型；最后，通过多组算例来验证方法的有效性；结果表明，所提算法选择模型有较高的精度，可以针对不同样例提供算法选择指导，辅助指挥官选择更适宜的智能优化算法，给解决防空资源部署问题提供参考。
-
Patent Agency Ranking
公开(公告)号：CN118260356A
公开(公告)日：2024-06-28
申请号：CN202410262520.3
申请日：2024-03-07
Applicant: 北京理工大学
IPC: G06F16/26 , G06F16/29 , G06T17/00 , G06Q10/0637 , G06Q10/0631
Abstract: 本发明公开了一种构建三维覆盖需求热力图的数字化方法及系统，使其可以面向三维实际场景，生成数字化的覆盖需求热力图。本发明提供的方法首先对三维空间进行分层离散化；其次，基于兴趣点、探测方位与高程层次权重进行热力图网格值量化；再次，通过提出虚拟兴趣点与环境分区的概念，实现对兴趣点的多重覆盖和针对探测方位的梯次覆盖；最后，通过引入池化节点，抽取一张相对低分辨率的覆盖需求热力图，实现计算性能与计算代价的权衡。本发明提供的方法既可以支持决策者直观掌握覆盖需求态势，也可以为下游优化决策任务提供数值输入，对诸多实际问题如传感器网络部署等有益。
-
公开(公告)号：CN117611677B
公开(公告)日：2024-05-14
申请号：CN202410091570.X
申请日：2024-01-23
Applicant: 北京理工大学
IPC: G06T7/73 , G06T7/246 , G06V10/25 , G06V10/22 , G06V10/82 , G06V10/44 , G06V10/46 , G06V10/772 , G01C21/00 , G01C21/32
Abstract: 本发明涉及一种基于目标检测和结构化特征的机器人定位方法，该方法以深度相机构成的硬件平台为基础。基于RGB‑D深度相机实现了在复杂环境下的定位与地图构建，提高了定位的精度和稳定性。针对环境中存在动态物体导致的定位信息不准确或者直接定位失败的问题，使用基于卷积神经网络的YOLO算法对图像进行目标检测，去除环境中的高概率动态物体，针对低纹理环境或旋转估计中产生累积误差进而造成轨迹漂移的问题，基于曼哈顿世界假设增加结构特征。本方法在动态或低纹理的复杂环境下，极大地提高了位姿估计的准确性和鲁棒性，可广泛应用于室内机器人轨迹跟踪等场景。
-
公开(公告)号：CN117685948A
公开(公告)日：2024-03-12
申请号：CN202311482053.7
申请日：2023-11-08
Applicant: 北京理工大学
IPC: G01C21/00 , G06T17/05 , G06V20/17 , G06V10/25 , G06V10/26 , G06V10/56 , G06V10/77 , G06V10/762 , G06V10/764 , G06T5/70 , G06T5/20 , G01C21/20
Abstract: 本发明涉及一种基于无人机视角的地面导航地图构建方法，属于机器人技术领域该发明主要通过无人机在空中获取俯瞰视角图像，一次性捕获大部分环境信息。在获取图像后，采用独特的视觉处理技术，提取环境主要颜色，引入多层次的颜色阈值，划分出包含探索障目标的感兴趣区域。经过HSV颜色空间与YCbCr颜色空间鲁棒筛选与降噪去斑后，得到适用于地面机器人导航的黑白环境小地图。该处理方法不仅提高了图像的清晰度，还确保了算法在不同的环境和光线条件下都具有很好的鲁棒性。最后，使用ROS平台将地图发布给地面机器人，实现自主导航，适用于需要精确地图信息的场景。
-
公开(公告)号：CN117361013A
公开(公告)日：2024-01-09
申请号：CN202311125785.0
申请日：2023-09-01
Applicant: 北京理工大学 , 北京云迹科技股份有限公司
IPC: B65G1/137 , B65G1/04 , G06Q10/087 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的多机货架仓储调度方法，可以提高多机仓储调度物流系统执行效率；使用深度强化学习算法实现多机货架仓储调度问题的自主决策，人工设计成本低，求解效率高，实时性好，自适应能力好；设计了多机仓储调度网络掩码机制，结合多头注意力神经网络解决了允许执行的动作空间可变的硬性约束问题；设计了多机货架仓储调度动作空间结构，在保证动作数量较少的同时，将多智能体学习问题转化成可以集中式训练的单体马尔可夫决策过程模型，避免了多智能体强化学习中常见的非平稳环境问题和动作空间爆炸的问题，有利于保证强化学习算法的收敛和提高算法的训练速度；设计的顺序执行操作避免了多智能体同时决策产生任务冲突。
-
公开(公告)号：CN117041066A
公开(公告)日：2023-11-10
申请号：CN202310841513.4
申请日：2023-07-11
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于分布估计算法的子集选择方法，涉及传感器网络部署技术领域。具体方案为：初始化概率模型；依概率模型生成规模为P的样本池；评估样本池中所有样本的目标函数值；对于最大化优化问题，根据目标函数值，对样本池中的样本进行降序排列，从样本池中提取以学习更新概率模型的样本比率；应用学习样本更新概率模型；重复上述过程直至达到预设的迭代次数上限，利用最终得到的概率模型M输出最终的子集，通过查询该子集中的元素在二维区域中确定传感器的部署点。本发明通过改进了分布估计算法，使得其可以有效解决复杂目标函数下的子集选择问题，对诸多实际应用问题如机器学习特征选择、传感器网络部署等有益。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.081 seconds)
