-
公开(公告)号：CN118631504B
公开(公告)日：2025-02-21
申请号：CN202410664207.2
申请日：2024-05-27
Abstract: 本发明公开了一种DoS攻击下的无人艇事件触发量化一致性控制方法，建立了考虑外部环境干扰和由通信网络传输时滞引起的输入延迟的无人艇的状态空间模型，并将其转化，利用转化后的无输入延迟模型，建立了无人艇的输出反馈状态观测器，针对状态不能直接策略的情况，利用状态观测器重构无人艇状态。同时建立了均匀量化器，有效减少通信频率和对带宽的占用。基于无人艇状态空间模型的通信网络拓扑图，获取无人艇在DoS网络攻击持续时间内的攻击误差，构建事件触发条件，并建立了基于无人艇的事件触发量化的一致性充分条件的一致性协议，能够实现在多种复杂通信情况下，使多无人艇保持一致性。极大地提升了无人艇的控制性能，能够抵抗多通道受独立DoS攻击的情况，为无人艇的广泛应用提供了重要的技术支撑。
-
公开(公告)号：CN118631504A
公开(公告)日：2024-09-10
申请号：CN202410664207.2
申请日：2024-05-27
Abstract: 本发明公开了一种DoS攻击下的无人艇事件触发量化一致性控制方法，建立了考虑外部环境干扰和由通信网络传输时滞引起的输入延迟的无人艇的状态空间模型，并将其转化，利用转化后的无输入延迟模型，建立了无人艇的输出反馈状态观测器，针对状态不能直接策略的情况，利用状态观测器重构无人艇状态。同时建立了均匀量化器，有效减少通信频率和对带宽的占用。基于无人艇状态空间模型的通信网络拓扑图，获取无人艇在DoS网络攻击持续时间内的攻击误差，构建事件触发条件，并建立了基于无人艇的事件触发量化的一致性充分条件的一致性协议，能够实现在多种复杂通信情况下，使多无人艇保持一致性。极大地提升了无人艇的控制性能，能够抵抗多通道受独立DoS攻击的情况，为无人艇的广泛应用提供了重要的技术支撑。
-
公开(公告)号：CN118642488A
公开(公告)日：2024-09-13
申请号：CN202410664210.4
申请日：2024-05-27
IPC: G05D1/43 , G06N3/006 , G05D109/30
Abstract: 本发明公开了一种基于PSO和DWA改进算法的多无人艇目标搜索方法，通过获取基于阶段性搜索点栅格更新半径覆盖范围内的阶段性栅格的威胁度来确定引导点，并在引导点所在栅格的位置不存在无人艇的探测信号时，基于无人艇的移动策略和势场适应度函数，获取无人艇在从初始的阶段性搜索点向引导点移动过程中的每个移动步的位置，并在无人艇的第j个移动步的位置与引导点之间的距离不大于无人艇搜索半径时，将其作为下一个阶段性搜索点，以此来确定下一个引导点，并在引导点所在栅格的位置存在无人艇的探测信号时，将其作为寻优起始位置，进而根据改进的PSO算法，获取无人艇的寻优位置以实现当所述无人艇的寻优位置的探测信号的强度大于设定的信号强度阈值时，完成无人艇系统的搜索任务。本发明能够在减少重复搜索区域的同时，显著降低了时间和人力成本，并且有效的避免了陷入局部最优和过早收敛。
-
公开(公告)号：CN118732690B
公开(公告)日：2024-11-22
申请号：CN202411224245.2
申请日：2024-09-03
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种面向多目标的异构无人艇集群分布式协同决策方法，通过获取无人艇与目标之间的防卫点的二维空间位置坐标，获取第一博弈模型中的参与者所采取的第一执行策略的综合收益；进而获取最终的第一执行策略，接着获取第二执行策略的综合收益，以获取无人艇的最终的第二执行策略，进而获取目标的下一决策时刻的二维空间位置坐标，最后判断无人艇集群与目标集群的博弈任务是否结束。本发明能够考虑了无人艇与目标数量较多时所带来的计算负担，能够在保证各无人艇之间协同效果的基础上，简化问题建模和求解的复杂度，决策速度快，使无人艇集群高效协同，能够快速靠近目标，从而使得博弈任务快速完成，具有较强的可行性。
-
公开(公告)号：CN119396156A
公开(公告)日：2025-02-07
申请号：CN202411531182.5
申请日：2024-10-30
Applicant: 大连海事大学
Abstract: 本发明公开了一种可拓展的无人艇集群协同避障决策方法，通过建立基于无人艇集群协同突防任务场景，确定基于马尔科夫博弈模型的进攻方无人艇集群的联合状态空间、动作空间以及奖励函数，建立进攻方无人艇的预测网络，以获取进攻方无人艇的加速度和角速度，完成进攻方无人艇集群的协同避障决策。本发明的预测模型，能够基于多维度的特征输入，对进攻方无人艇的加速度和角速度进行预测，结合注意力机制，使得预测模型具备泛化性和拓展性，解决了当无人艇发生碰撞导致集群规模发生变化时，剩余进攻方无人艇无法继续执行突防任务的问题。
-
Patent Agency Ranking
公开(公告)号：CN118790432A
公开(公告)日：2024-10-18
申请号：CN202410859719.4
申请日：2024-06-28
Applicant: 大连海事大学
IPC: B63B79/20 , B63B79/30 , G06F18/2431 , G06F18/25 , G06N3/044
Abstract: 本发明公开了一种基于循环Transformer模型的船舶运动预测方法，通过对船舶运动时间序列数据进行预处理，并将预处理后的船舶运动时间序列数据进行分段，在将分段后的船舶运动时间序列数据序列分块，大大降低了计算机内存资源；进而基于所建立的循环Transformer的船舶运动预测模型，输入至所述循环Transformer的船舶运动预测模型，获取块数据输出嵌入向量序列；最终获取船舶运动横摇角度的预测值、纵摇角度的预测值和垂荡高度的预测值，以对船舶的运动进行预测。本发明通过采用船舶运动时间序列数据，捕捉船舶姿态的长程依赖关系和复杂动态模式，提高预测精度。所建立的循环Transformer的船舶运动预测模型具有良好的泛化能力，能适应实时预测需求，能在短时间内生成准确的船舶姿态预测结果，同时能够有效捕捉船舶运动的非线性和随机性，更好的适应不同类型船舶和海洋环境的变化。
-
公开(公告)号：CN118552939A
公开(公告)日：2024-08-27
申请号：CN202410470930.7
申请日：2024-04-18
Applicant: 大连海事大学
IPC: G06V20/59 , G06V10/774 , G06V10/80 , G06V10/764 , G06V10/52
Abstract: 本发明公开了一种基于YOLO‑SGC的危险驾驶视觉检测方法，包括以下步骤：构建用于危险驾驶视觉检测的YOLO‑SGC网络模型，且包括用于危险驾驶行为特征提取的改进骨干网络、用于危险驾驶行为多尺度特征融合的改进颈部网络以及用于危险驾驶行为预测的头部网络；根据训练集与验证集对YOLO‑SGC网络模型进行模型训练与模型验证，以获取最优YOLO‑SGC网络模型；且模型训练包括：基于改进骨干网络对训练集中的危险驾驶行为图像进行特征提取训练，以获取多尺度特征图；基于改进颈部网络对多尺度特征图进行特征融合训练获取融合特征图；基于头部网络根据融合特征图进行危险驾驶行为预测训练；模型验证包括：通过验证集对模型训练后的YOLO‑SGC网络模型进行验证试验，以获取网络模型的最优参数权重并重构YOLO‑SGC网络模型，获取最优YOLO‑SGC网络模型；基于最优YOLO‑SGC网络模型根据测试集实现车辆危险驾驶行为的预测。本发明解决了针对传统视觉检测方法在多尺度融合上的不足，并专注于全局的危险驾驶行为检测，大大降低了对多尺度危险驾驶的检测性能的问题。
-
公开(公告)号：CN117333516A
公开(公告)日：2024-01-02
申请号：CN202311265831.7
申请日：2023-09-27
Applicant: 大连海事大学
IPC: G06T7/269 , G01P5/20 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于光流卷积神经网络的鲁棒性粒子图像测速方法，包括构建光流卷积神经网络模型，所述光流卷积神经网络的特征编码器为基于Transformer机制的特征编码器，根据粒子图像的特征构建4D的相关代价体，对4D的相关代价体进行下采样后得到相关金字塔，采用互相关算法计算粒子图像对的粗略速度场，构建基于卷积GRU的光流更新器，根据相关金字塔的相关值预测粒子图像的速度场，并基于互相关算法计算的粗略速度场，迭代更新粒子图像的速度场，生成PIV数据集并从中选择训练集，利用L1距离损失函数对光流卷积神经网络模型的参数进行优化，并根据优化后的光流卷积神经网络模型对粒子图像进行测速。本发明有效提高估计速度场的精度、空间分辨率和鲁棒性。
-
公开(公告)号：CN119740639A
公开(公告)日：2025-04-01
申请号：CN202510258379.4
申请日：2025-03-06
Applicant: 大连海事大学
IPC: G06N3/098 , G06F9/50 , G06N3/045 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/23
Abstract: 本发明提供一种面向工业物联网的高效异构联邦学习方法，属于联邦学习技术领域。将神经网络模型分割为边缘特征提取器和全局分类器；边缘特征提取器部署在边缘设备上，全局分类器部署在服务器上；边缘设备上还集成有边缘分类器，与边缘特征提取器结合构成边缘模型；服务器基于同步时间聚合本轮边缘训练中边缘特征提取器的权重参数，更新全局模型；同时，通过运行时间模型计算每个边缘设备的运行时间；根据运行时间以及同步时间定制每个边缘模型的规格参数；将更新后的全局模型和边缘模型规格参数下发至对应边缘设备；各边缘设备根据下发的全局模型和模型规格参数生成用于下一轮边缘训练的边缘模型。通过上述步骤实现兼具效率与效能的异构联邦学习。
-
公开(公告)号：CN118625806B
公开(公告)日：2025-01-21
申请号：CN202410664205.3
申请日：2024-05-27
Applicant: 大连海事大学 , 珠海云洲智能科技股份有限公司
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种障碍物环境下无人艇集群协同捕获移动目标的方法，通过获取暴漏区域与遮蔽区域临界点的二维空间位置坐标，获取障碍物影响下的无人艇与移动目标的会遇点的二维空间位置坐标；以基于第一博弈模型，获取第一博弈模型中的参与者所采取的第一策略的综合收益；进而根据无人艇集群的第一执行策略的选择概率，基于第二博弈模型，获取无人艇集群的最终的第二执行策略，以获取无人艇的下一决策时刻的航速、航向，进而根据无人艇的下一决策时刻的二维空间位置坐标，判断捕获任务是否结束。本发明考虑了障碍物所带来的负面影响以及正面影响，能够在提升各无人艇之间协同效果的基础上，减弱障碍物所带来的负面影响，扩大障碍物所带来的正面影响。能够使无人艇集群在障碍物环境下快速靠近移动目标，从而使得捕获任务快速完成，具有较强的可行性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.033 seconds)
