-
公开(公告)号：CN109711022B
公开(公告)日：2022-11-18
申请号：CN201811543506.1
申请日：2018-12-17
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06K9/62 , G06F111/10
Abstract: 本发明提供一种基于深度学习的潜艇抗沉系统，包括潜艇仿真试验平台、分类单元、深度学习单元、高压气控制单元和在线学习单元；搭载潜艇仿真试验平台，采集数据；将采集的数据导入分类单元，将破损后潜艇的状态分为可自救和坐沉；将分类单元中可自救的样本数据进入深度学习单元，实时分析数据，判断潜艇状态，并向高压气控制单元发出指令；对指定舱室吹除压载水，达到矫正姿态，实现智能抗沉的目的；将使用历史数据构建的基于深度学习的潜艇抗沉系统加入潜艇仿真实验平台，使其进行在线学习。本发明当潜艇出现非正常运行工况，该系统能够在很短的时间内给出高压气吹除方案，调整潜艇的姿态，使其在一定程度上能够正常运行，实现辅助决策的功能。
-
-
公开(公告)号：CN110641637A
公开(公告)日：2020-01-03
申请号：CN201910850602.9
申请日：2019-09-10
Applicant: 哈尔滨工程大学
Abstract: 本发明属于海洋观测平台领域，具体涉及一种基于温差能发电的航迹可控的海洋观测平台。本发明具备指定区域进行精细观察能力，能够获取指定区域更加详尽的海洋环境信息。本发明采用模块化设计，可根据观测任务不同搭载不同的设备，也利于设备的维修和更换，具有扩展性高，性能可靠，维修改装成本小的特点。
-
公开(公告)号：CN110244689A
公开(公告)日：2019-09-17
申请号：CN201910501802.3
申请日：2019-06-11
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及AUV故障诊断技术领域，具体涉及一种基于判别性特征学习方法的AUV自适应故障诊断方法。步骤一：采集AUV状态信号；步骤二：将AUV状态信号数据进行信号处理得到判别性卷积特征学习方法CDFL网络模型的输入向量；步骤三：初始化CDFL网络模型权值；步骤四：判断是否有新增故障数据样本加入，若没有新增故障数据样本则直接进入步骤五，若有新增故障数据样本，对新增故障数据样本使用已有模型提取新增特征模式；步骤五：AUV故障分类诊断。本发明能够自主生成AUV故障信号中有效故障特征，不需再对特征学习模型进行有监督微调，简化模型与训练用时，并且采用动态补偿增量式学习策略，依据相似性实时的减少或加重故障特征的影响从而进行准确的故障诊断。
-
公开(公告)号：CN110211148A
公开(公告)日：2019-09-06
申请号：CN201910479009.8
申请日：2019-06-04
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于目标状态预估的水下图像预分割方法。水下图像处理过程中，复杂多变的水下环境有很多干扰目标，给水下图像的处理造成了极大地困难；同时，在水下机器人的嵌入式计算设备中对整幅图像进行处理需要耗费大量的计算资源和时间。本发明仅对目标候选区域进行降噪等预处理，可预先估计图像中目标的位置和大小，同时对图像进行分割。利用本发明提出的基于目标状态预估的水下图像预分割方法可以预先分割使用者感兴趣的区域，有效地减少干扰目标，简化图像处理过程，减小计算量，缩短计算时间。该方法具有速度快、精度高、使用方便简单等特点，可用于大多数水下机器人的图像处理过程中。
-
Patent Agency Ranking
公开(公告)号：CN113640780B
公开(公告)日：2023-08-08
申请号：CN202110966327.4
申请日：2021-08-23
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种基于改进的联邦滤波的水下AUV传感器时间配准方法，包括：S1、构建测距声纳的测距模型，获得声纳数据；S2、获取配准周期内姿态传感器数据，作为第一姿态数据，对所述第一姿态数据进行预处理，获得处理后的配准周期内姿态传感器数据，作为第二姿态数据，对所述第二姿态数据进行滤波处理，同时对所述第二姿态数据和所述声纳数据进行融合修正处理，获得i个子滤波器数据；S3、对所述i个子滤波器数据进行最优融合估计处理获得子滤波的误差协方差矩阵，对所述误差协方差矩阵进行更新，完成水下AUV传感器时间配准。本申请降低了噪声干扰，提高了准确度。
-
公开(公告)号：CN112241176B
公开(公告)日：2022-10-28
申请号：CN202011109095.2
申请日：2020-10-16
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明是一种水下自主航行器在大尺度连续性障碍物环境中路径规划避障控制方法。本发明涉及水下机器人路径避障规划技术领域，本发明建立存在大尺度连续性障碍物模拟训练环境，以避障传感器信息为输入，航行速度和偏航角速度为输出搭建深度强化学习神经网络的状态与动作，针对运动规划避障控制过程的多目标结构，对奖赏函数进行了模块化设计，为了避免稀疏奖励引起系统不稳定，结合人工势场法设置连续性奖励。本发明利用基于改进的深度确定性策略梯度算法，对水下自主航行器进行避障训练，将训练所得到的避障策略写入机器人下位机控制系统；水下自主航行器在水下峡谷中行驶时，利用训练学习到的避障策略进行避障，安全的到达目标区域。
-
公开(公告)号：CN113534668B
公开(公告)日：2022-06-10
申请号：CN202110930108.0
申请日：2021-08-13
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开了基于最大熵的演员‑评论家框架的AUV运动规划方法，包括以下步骤：S1：构建AUV操纵性模型；S2：确定AUV的状态空间与动作空间；S3：基于MDP决策过程，提出基于最大熵的强化学习算法，构建神经网络结构，搭建AUV运动规划系统；S4：设置一个综合的奖励函数来评估AUV决策的优劣，指导AUV完成运动规划任务的目标：在躲避障碍物到达目标点的同时，航行路程及所用时间达到最优；S5：通过自交互训练获得最优策略，保存训练好的神经网络参数，将最优策略对应的具体指令传递给下位机，最终实现感知‑规划‑控制的运动规划过程；本发明能够发现到达目标位置的多种策略，在应对各种突发态势时有较好的鲁棒性，且能在多约束的条件下顺利完成指定任务。
-
公开(公告)号：CN113296507B
公开(公告)日：2022-06-03
申请号：CN202110551181.7
申请日：2021-05-20
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种基于时空解耦的多动力定位船舶协同编队控制方法，涉及动力定位船的控制技术领域。本发明是为了解决基于路径跟踪的编队控制策略完成编队任务所需时间长的问题。本发明根据路径跟踪任务和速度协调编队任务分别设计路径跟踪控制器和速度协调编队控制器，设计路径跟踪控制器和速度协调编队控制器的事件触发函数，利用事件触发函数触发多DP船系统的控制方式切换为路径跟踪控制器或速度协调编队控制器，根据切换后的控制器对N艘待编队的跟随船舶进行编队控制，使多DP船编队控制具有更高更快的效率。
-
公开(公告)号：CN113296507A
公开(公告)日：2021-08-24
申请号：CN202110551181.7
申请日：2021-05-20
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种基于时空解耦的多动力定位船舶协同编队控制方法，涉及动力定位船的控制技术领域。本发明是为了解决基于路径跟踪的编队控制策略完成编队任务所需时间长的问题。本发明根据路径跟踪任务和速度协调编队任务分别设计路径跟踪控制器和速度协调编队控制器，设计路径跟踪控制器和速度协调编队控制器的事件触发函数，利用事件触发函数触发多DP船系统的控制方式切换为路径跟踪控制器或速度协调编队控制器，根据切换后的控制器对N艘待编队的跟随船舶进行编队控制，使多DP船编队控制具有更高更快的效率。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.024 seconds)
