-
公开(公告)号：CN109767756A
公开(公告)日：2019-05-17
申请号：CN201910087494.4
申请日：2019-01-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于动态分割逆离散余弦变换倒谱系数的音声特征提取算法，具有如下步骤：S1、对音声信号进行预加重、分帧和加窗预处理：S2、对于预处理后的音声信号进行从时域到频域的变换形式处理：S3、利用聚类分析算法，计算步骤S2得到的逆离散余弦变换倒谱系数之间的相似度，并把相似度最大的相邻两类依次合并；迭代以上过程，直至聚类至24类，得到的动态分割逆离散余弦变换倒谱系数即为音声特征。本发明完善了现有技术没有充分利用音声动态特征进行频域变换的缺点，使本发明具有更广泛的适应性，且在说话人识别上可以获得更高的识别精度。
-
公开(公告)号：CN109767756B
公开(公告)日：2021-07-16
申请号：CN201910087494.4
申请日：2019-01-29
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于动态分割逆离散余弦变换倒谱系数的音声特征提取算法，具有如下步骤：S1、对音声信号进行预加重、分帧和加窗预处理：S2、对于预处理后的音声信号进行从时域到频域的变换形式处理：S3、利用聚类分析算法，计算步骤S2得到的逆离散余弦变换倒谱系数之间的相似度，并把相似度最大的相邻两类依次合并；迭代以上过程，直至聚类至24类，得到的动态分割逆离散余弦变换倒谱系数即为音声特征。本发明完善了现有技术没有充分利用音声动态特征进行频域变换的缺点，使本发明具有更广泛的适应性，且在说话人识别上可以获得更高的识别精度。
-
Patent Agency Ranking
公开(公告)号：CN111880546A
公开(公告)日：2020-11-03
申请号：CN202010802450.8
申请日：2020-08-11
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于自适应动态规划算法的虚拟引导船舶自动靠泊控制方法，包括：建立船舶靠泊非线性控制系统数学模型；基于建立的船舶靠泊非线性控制系统数学模型，引入虚拟引导系统，得到最优控制器，将靠泊控制问题转化为跟踪控制问题；基于最优控制器，建立靠泊最优评价指标；将跟踪控制问题转化为最优调节问题；基于自适应动态规划方法设计船舶最优靠泊控制，逼近靠泊最优评价指标；通过神经网络执行船舶最优靠泊控制，获得最优靠泊控制律。本发明的技术方案解决了模型动态未知的船舶自动靠泊问题，有效降低了控制器能量消耗，并且提高了船舶跟踪的精度，从而获得最优靠泊路径。
-
公开(公告)号：CN115468584B
公开(公告)日：2024-12-24
申请号：CN202211035351.7
申请日：2022-08-26
Applicant: 大连海事大学
IPC: G01C25/00 , G01C21/16 , G01S19/23 , G01S19/47 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/2131 , G06F18/243
Abstract: 本发明公开了一种基于级联神经网络的船舶组合导航故障检测方法，包括：S1：建立水面船舶SINS/GNSS和SINS/DVL/COMPASS的组合导航系统方程；S2：选取组合导航状态估计误差的变量：S3：选取组合导航量测误差的变量：S4：获取组合导航系统滤波过程中产生的协方差矩阵Pk；S5：获取残差的χ2检验法的故障信息统计量qk；S6：获取组合导航系统的故障信息。本发明针对基于残差观测器的故障检测算法存在渐变故障不易被识别以及故障阈值设置依赖先验知识的问题，采用级联神经网络实现对渐变故障更加敏感，提高了组合导航系统故障检测的智能性，具有故障检测的鲁棒性。
-
公开(公告)号：CN116880177A
公开(公告)日：2023-10-13
申请号：CN202310825435.9
申请日：2023-07-06
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明提供一种基于RNN的多智能体包含控制系统组网性能辨识方法。本发明基于系统通信拓扑，将RNN应用于对多智能体系统性能的分布式辨识中，在组网过程中仅利用局部信息实现对整个系统组网完成时的性能预测，以及时对不符合性能要求的系统通信拓扑做出调整，使系统的安全运行得到保障，同时提升系统的组网效率，减少系统通信资源的冗余和浪费。本发明基于标准RNN神经网络，根据性能辨识所需信息范围的不同，即仅依据节点本身及邻居集度数情况和依据节点本身、邻居集节点及邻居集的邻居集节点的度数情况分别设计了两类辨识模型。该模型能够适用于各种类型和规模的包含控制系统，基于智能体的局部信息对系统分布式辨识的结果进行较为准确的预测。
-
公开(公告)号：CN111880546B
公开(公告)日：2023-09-19
申请号：CN202010802450.8
申请日：2020-08-11
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明提供一种基于自适应动态规划算法的虚拟引导船舶自动靠泊控制方法，包括：建立船舶靠泊非线性控制系统数学模型；基于建立的船舶靠泊非线性控制系统数学模型，引入虚拟引导系统，得到最优控制器，将靠泊控制问题转化为跟踪控制问题；基于最优控制器，建立靠泊最优评价指标；将跟踪控制问题转化为最优调节问题；基于自适应动态规划方法设计船舶最优靠泊控制，逼近靠泊最优评价指标；通过神经网络执行船舶最优靠泊控制，获得最优靠泊控制律。本发明的技术方案解决了模型动态未知的船舶自动靠泊问题，有效降低了控制器能量消耗，并且提高了船舶跟踪的精度，从而获得最优靠泊路径。
-
公开(公告)号：CN115468584A
公开(公告)日：2022-12-13
申请号：CN202211035351.7
申请日：2022-08-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于级联神经网络的船舶组合导航故障检测方法，包括：S1：建立水面船舶SINS/GNSS和SINS/DVL/COMPASS的组合导航系统方程；S2：选取组合导航状态估计误差的变量：S3：选取组合导航量测误差的变量：S4：获取组合导航系统滤波过程中产生的协方差矩阵Pk；S5：获取残差的χ2检验法的故障信息统计量qk；S6：获取组合导航系统的故障信息。本发明针对基于残差观测器的故障检测算法存在渐变故障不易被识别以及故障阈值设置依赖先验知识的问题，采用级联神经网络实现对渐变故障更加敏感，提高了组合导航系统故障检测的智能性，具有故障检测的鲁棒性。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
