一种考虑时变约束的欠驱动无人船自动靠泊控制方法、电子设备及存储介质

    公开(公告)号:CN119225179A

    公开(公告)日:2024-12-31

    申请号:CN202411341813.7

    申请日:2024-09-25

    Abstract: 一种考虑时变约束的欠驱动无人船自动靠泊控制方法、电子设备及存储介质,属于船舶自动靠泊技术领域。为确保无人船在时变约束下有更好的操作性能和安全性能。本发明包括根据欠驱动无人船在水面的运动情况建立欠驱动无人船数学模型;构建正切型障碍李雅普诺夫函数,设置约束边界作为判断依据;对欠驱动无人船数学模型进行微分同胚变换,然后对微分同胚变换后的欠驱动无人船数学模型进行变量代换,得到变换后的纵荡子系统模型和变换后的艏向子系统模型;使用正切型障碍李雅普诺夫函数设计考虑时变约束边界的纵荡自动靠泊控制器;使用正切型障碍李雅普诺夫函数设计考虑时变约束边界的艏向自动靠泊控制器,然后在欠驱动无人船上进行仿真验证。

    一种基于AIS数据的复杂水域船舶碰撞风险评估方法

    公开(公告)号:CN119091690A

    公开(公告)日:2024-12-06

    申请号:CN202411197571.9

    申请日:2024-08-29

    Abstract: 本发明公开了一种基于AIS数据的复杂水域船舶碰撞风险评估方法,涉及船舶的碰撞风险分析技术领域,包括:采集目标区域的船舶AIS数据并对AIS数据进行预处理及数据转换;基于处理后的数据对可能存在碰撞风险的船舶进行聚类,输出可能发生碰撞的船舶集合,确定目标船舶;分别计算本船与目标船舶的最近会遇时间TCPA、最近会遇距离DCPA、相对方位和船舶领域重叠度,确定船舶环境安全状态评价特征指标;通过所述船舶环境安全状态评价特征指标,确定船舶碰撞风险等级,并向相关船舶输出对应预警信息。本发明可以提高碰撞风险识别的有效性,及早发现相似航行特征的船舶可能产生的潜在碰撞冲突。

    基于神经网络和扩展卡尔曼滤波算法的压电平台补偿方法

    公开(公告)号:CN118247341A

    公开(公告)日:2024-06-25

    申请号:CN202410046151.4

    申请日:2024-01-11

    Inventor: 杨柳 何贺 程佳佳

    Abstract: 基于神经网络和扩展卡尔曼滤波算法的压电平台补偿方法,本发明涉及压电平台补偿方法。本发明目的是为了解决现有技术中扩展Kalman滤波算法在面对带有迟滞非线性的状态观测方程时估计能力较差,压电定位跟踪精度低问题。过程为:一、构建状态方程;二、得到包含迟滞非线性的状态观测方程;三、对BP神经网络输出下一时刻的包含迟滞非线性的状态观测方程进行反向传播得到图像雅可比矩阵;四、基于图像雅可比矩阵对压电平台先验状态估计值进行在线估计;五、计算压电平台先验状态估计值与实际位置的误差,根据误差设置滑膜控制器,基于滑膜控制器对压电平台补偿实现压电平台移动。本发明应用在由压电材料驱动的显微视觉微操作领域。

    一种智能配药机器人及其配药方法

    公开(公告)号:CN117462399A

    公开(公告)日:2024-01-30

    申请号:CN202311370171.9

    申请日:2023-10-20

    Abstract: 一种智能配药机器人及其配药方法。配药机器人包括:主控模块、注射模块、运动驱动模块、图像采集模块。所述主控模块使用TI AM5708工业派进行储药管的实时识别,定位储药管位置以及获取已注射的药液量,并对运动驱动模块和注药模块进行控制。所述注射模块由一个步进电机、高精度不锈钢加压助推器和针管组成。所述运动驱动模块通过使用5个步进电机设计了运动驱动部分以及注射部分。所述图像采集模块通过使用两个大恒工业相机,以进行待注射的储药管的定位与检测。通过步进电机控制高精度不锈钢加压助推器推进,使其带动针管下压完成注射并能够实时监控,测试结果表明该机器人具有精度高、实时性强、成本低、体积小、设计灵活等优点。

    一种基于双向搜索的无人船路径规划优化方法

    公开(公告)号:CN116520824A

    公开(公告)日:2023-08-01

    申请号:CN202310271176.X

    申请日:2023-03-20

    Abstract: 本发明公开了一种基于双向搜索的无人船路径规划优化方法。它具体包括如下步骤:(1)基于传统A*算法编写基本路径规划程序以实现基本的避障和路径规划能力;(2)设计动态加权因子对传统A*算法的启发式估计代价函数进行改进;(3)设计双向搜索策略对传统A*算法的搜索策略进行改进;(4)基于贝塞尔曲线对规划出的路径进行平滑处理。本发明的有益效果是:使用以上处理方法能够有效地缩短路径规划算法所需的时间,同时使得到的路径足够的平滑以便于移动无人船的跟随从而极大地提高移动无人船的工作效率。

    一种基于蒙特卡洛模拟的囊结构优化方法

    公开(公告)号:CN115715852A

    公开(公告)日:2023-02-28

    申请号:CN202211444518.5

    申请日:2022-11-18

    Abstract: 一种基于蒙特卡洛模拟的囊结构优化方法,涉及肿瘤放化疗植入囊结构优化领域。目的是解决传统放化疗计划中囊结构优化需要依靠大量迭代试错的问题。具体包括以下步骤:首先,选择一组目标参数作为囊结构初始值,并针对囊结构辐照特点确定一个治疗评判标准;然后,结合评判标准,不断改变目标参数,循环将囊结构进行蒙特卡洛模拟,直至得到一组优化的目标参数;最后,对优化目标参数的囊结构执行剂量场计算,并检查计算结果是否符合优化要求,若符合,则结束流程,若不符合,对该组优化目标参数进行微调,返回蒙特卡洛模拟。本发明实现了囊结构最优,可以最大程度放化疗肿瘤,为放射治疗前手术方案的制定和调整提供依据。

    一种面向基于电化学的金属微构件操作的过程监控方法

    公开(公告)号:CN114894860A

    公开(公告)日:2022-08-12

    申请号:CN202210387950.9

    申请日:2022-04-14

    Abstract: 在基于电化学的金属微构件操作过程中,如何快速检测出拾取时管嘴何时与操作对象接触及释放时操作对象何时与操作基底接触,是微操作的重中之重,也是确保操作工具和操作对象及基底不受损坏的保障。本发明实时监控基于电化学的金属微构件操作过程中的离子电流,通过检测操作回路中有无电流即可判断拾取时操作工具是否与操作对象形成有效“软接触”,以及释放时操作对象是否与操作基底有效接触,并且研究所沉积的微尺度金属电沉积质量与过程监测离子电流之间的对应关系,用于微尺度金属电沉积得质量监控。本发明提供了一种方便有效的方法实现了对基于电化学的金属微构件操作的过程监控。

    一种基于折纸结构的软体模块及软体机器人

    公开(公告)号:CN114800466A

    公开(公告)日:2022-07-29

    申请号:CN202210355954.9

    申请日:2022-04-06

    Abstract: 一种基于折纸结构的软体模块及软体机器人,包含应变层结构、隔板、侧板和底板;隔板两侧分别布置有与隔板相连的一个应变层结构,两个应变层结构形成人字形构造,人字形构造的两侧和底部分别设置有侧板和底板,侧板和底板分别与隔板和应变层结构固接;隔板、底板和应变层结构分出两个内腔,所述应变层结构、隔板、侧板和底板均为弹性体,每个应变层结构由若干个折纸单元阵列而成,折纸单元为五折痕折纸单元,每个应变层结构的若干个折纸单元的顶点在同一条直线上,人字形构造折叠后其轴向呈五边形,侧板上开有与两个内腔贯通的通气孔,应变层结构实现形变。本发明结构简便,软体模块可连接自由组合成多种软体机器人构型。

    一种高效和高质量的微尺度金属电沉积方法

    公开(公告)号:CN114758732A

    公开(公告)日:2022-07-15

    申请号:CN202210388185.2

    申请日:2022-04-14

    Abstract: 一种高效和高质量的微尺度金属电沉积方法,是为了解决基于电化学沉积的金属微构件拾取过程中难以实现高效和高质量的微尺度金属电沉积问题。首先,通过受力分析,计算出能够实现基于电化学的金属微构件的可靠拾取所需要沉积的微尺度金属的最小高度;然后,利用COMSOL仿真分析微尺度金属电沉积的影响因素,得出高效、高质量的电沉积参数范围;其次,基于反向传播神经网络(BP),建立影响因素与微尺度金属电沉积速率之间的关系;最后,以确定的电沉积速率为目标值,采用遗传算法优化了微尺度电沉积的工艺参数,并通过实验验证,实现高效率和高质量的沉积。本发明适用于微尺度金属电沉积。

    一种行人交互友好型的单目避障方法

    公开(公告)号:CN111627064B

    公开(公告)日:2021-07-09

    申请号:CN202010335557.6

    申请日:2020-04-25

    Abstract: 一种行人交互友好型的单目避障方法,属于无人机导航领域,本发明为解决搭载单目摄像头的室内无人机避障性能不佳的问题。本发明方法为无人机利用单目摄像头采集图片,所述图片输入至端到端策略的并行深度神经网络结构中,该网格结构输出最佳航向角作为无人机避障的飞行指令;所述端到端策略的并行深度神经网络结构由单目摄像头结合单线激光雷达协同完成,训练过程为:步骤一、利用单线激光雷达采集的深度值搜索最佳航向,并为单目摄像头采集的图片打标签,建立数据集;步骤二、所述数据集分别输入至Resnet18网络和预训练好的YOLO v3网络中;步骤三、利用步骤一的数据集训练步骤二所述并行深度神经网络直至收敛。

Patent Agency Ranking