-
公开(公告)号：CN119737956B
公开(公告)日：2025-05-13
申请号：CN202510244389.2
申请日：2025-03-03
Applicant: 安徽大学
IPC: G01C21/20
Abstract: 本发明涉及路径规划技术领域，具体为基于无人机辅助通信的救援系统路径规划方法和系统，本发明基于无人机的初始状态，采用嵌套回滚策略适应NRPA方法，进行路径规划，获得当前最佳路径和最佳得分，同时采用适应性调整策略不断整飞行动作权重、更新飞行策略，使飞行策略倾向于高质量路径，并且，以平均吞吐量最大、任务分配公平为目标在路径规划时进行条件约束，综合考虑无人机的电池电量，使无人机能够根据当前的任务需求和环境条件，灵活调整飞行路径，优化计算资源的分配，提高系统的整体性能和响应速度。
-
公开(公告)号：CN118857304A
公开(公告)日：2024-10-29
申请号：CN202411320837.4
申请日：2024-09-23
Applicant: 安徽大学
IPC: G01C21/20 , G06Q10/047
Abstract: 本发明涉及一种无人机辅助无线通信系统路径规划方法。该方法采用嵌套蒙特卡洛搜索（NMCS）技术，针对无人机的飞行路径进行动态规划，以适应救援现场需求的不断变化。系统通过优化、分配和调整计算资源，为地面用户提供计算任务卸载服务，同时考虑能耗等约束条件。NMCS算法通过初始化状态和嵌套层级、设置初始奖励值，并在循环中检查当前状态是否为终止状态。对于每个合法移动，算法计算新状态并执行随机模拟或递归调用NMCS函数。该方法记录并比较所有移动中的最高奖励，以更新最佳奖励和已选择路径。
-
公开(公告)号：CN118794436B
公开(公告)日：2025-01-24
申请号：CN202410765315.9
申请日：2024-06-14
Applicant: 安徽大学
IPC: G01C21/20 , G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了一种无通信环境下基于具身智能的多自主水下机器人导航方法，包括：步骤1：每个自主水下机器人通过自身携带的传感器获取多模态的局部环境信息；步骤2：进行多模态的局部环境信息的融合；步骤3：提取环境特征值和临近自主水下机器人特征值；步骤4：对环境特征值进行学习，理解环境，并根据临近自主水下机器人特征值推测临近自主水下机器人的运动轨迹；步骤5：协作关系学习，生成导航决策；步骤6：将生成的导航决策发送给每个自主水下机器人的控制器进行编译，生成控制指令，实现对自主水下机器人的导航控制。本发明引入具身智能技术，设计了无通信多自主水下机器人协同导航方案，可实现基于具身智能的自主水下机器人导航。
-
公开(公告)号：CN118288291B
公开(公告)日：2024-10-22
申请号：CN202410566263.2
申请日：2024-05-09
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明涉及机器人容错控制技术领域，解决了随着模块化机器人中重构模块数量的增加，动态规划方法会引发“维数灾”问题，使得求解HJB方程变得更加困难的技术问题，尤其涉及一种具有多传感器故障的模块化机器人输出反馈最优容错控制方法，包括：引入低通滤波器，建立传感器故障与执行器故障之间的映射关系，并根据映射关系构建融合机器人系统状态和低通滤波器输出的增广系统；根据神经网络与机器人系统的输入/输出数据建立用以在线辨识机器人系统的动力学信息与传感器故障的联合输出型故障观测器。本发明所提出的方法适用于解决多种类型传感器故障系统的容错控制问题，能够达到满意的容错控制效果，满足应用需求，且可以减少设计成本。
-
公开(公告)号：CN118331288B
公开(公告)日：2024-08-23
申请号：CN202410764660.0
申请日：2024-06-14
Applicant: 安徽大学
Abstract: 本发明公开了基于语义强化学习的自主水下机器人轨迹跟踪控制方法，包括：获取海洋环境图像信息；进行强化学习训练，得到最优的运动决策；进行海洋环境特征点提取和语义理解，得到海洋环境语义；判断自主水下航行器的运动决策是否安全，若安全，则执行运动决策，否则对不安全的动作，在安全约束下利用强化学习重新做出新的运动决策，若仍不安全，则存储当前不安全事件并基于状态恢复机制重训练。本发明使自主水下机器人能够更好的理解环境信息以及变化，预测潜在的危险，能够保证自主水下机器人的安全性，一旦自主水下机器人发生碰撞，能够自动恢复到上一个最优安全状态，而不是恢复到初始状态重新开始训练，提高训练效率。
-
Patent Agency Ranking
公开(公告)号：CN117350496B
公开(公告)日：2024-05-24
申请号：CN202311337880.7
申请日：2023-10-17
Applicant: 安徽大学
IPC: G06Q10/0631 , H02J3/00 , G06Q10/083 , G06Q50/06 , G06N3/0455 , G06N3/092
Abstract: 本发明涉及一种基于混合动作空间强化学习的远洋海岛群能量管理方法，方法包括：海岛能量枢纽模型构建，以描述满足海岛多元能源需求的能量转换；海岛间船舶能量传输模型构建，用于表征船舶动态运输过程；根据海岛能量枢纽模型和船舶能量传输模型，建立海岛群综合能源系统能源管理模型；建立包含混合动作空间的深度强化学习方法进行能量管理策略求解。本发明基于一种包含混合动作空间的深度强化学习方法解决海岛群综合能源系统能量管理问题，其考虑了海岛群环境的强不确定性和动态特性，满足对极端环境变化的自适应性，同时，与其他算法相比本发明提出的方法可在不改变模型结构的条件下实现海岛群能量管理策略的快速求解。
-
公开(公告)号：CN119559515B
公开(公告)日：2025-04-15
申请号：CN202510116630.3
申请日：2025-01-24
Applicant: 安徽大学
IPC: G06V20/10 , G06V20/64 , G06V10/44 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/092 , G01C21/20
Abstract: 本发明提出一种基于体素空间注意力机制的移动机器人视觉导航方法，包括：基于视觉传感器获取RGB图像数据及Depth深度数据，设计体素网格，将二维像素转化为三维点云数据，并投射到三维体素空间；设计体素空间注意力模块，处理体素网格，计算每个体素的注意力权值，以选择感兴趣的区域，确定导航目标位置；设计注意力权值解码模块，将注意力模型的最终输出解码为该移动机器人在下一时刻要执行的动作，实现机器人的导航运动规划；并基于深度强化学习框架优化参数，实现机器人视觉导航决策。本发明实现在室内场景中视觉导航的运动规划，相比于传统方法，利用体素空间注意力机制帮助引导机器人发现目标物体，减少了训练时间，提升导航泛化性。
-
公开(公告)号：CN117350496A
公开(公告)日：2024-01-05
申请号：CN202311337880.7
申请日：2023-10-17
Applicant: 安徽大学
IPC: G06Q10/0631 , H02J3/00 , G06Q10/083 , G06Q50/06 , G06N3/0455 , G06N3/092
Abstract: 本发明涉及一种基于混合动作空间强化学习的远洋海岛群能量管理方法，方法包括：海岛能量枢纽模型构建，以描述满足海岛多元能源需求的能量转换；海岛间船舶能量传输模型构建，用于表征船舶动态运输过程；根据海岛能量枢纽模型和船舶能量传输模型，建立海岛群综合能源系统能源管理模型；建立包含混合动作空间的深度强化学习方法进行能量管理策略求解。本发明基于一种包含混合动作空间的深度强化学习方法解决海岛群综合能源系统能量管理问题，其考虑了海岛群环境的强不确定性和动态特性，满足对极端环境变化的自适应性，同时，与其他算法相比本发明提出的方法可在不改变模型结构的条件下实现海岛群能量管理策略的快速求解。
-
公开(公告)号：CN119921308A
公开(公告)日：2025-05-02
申请号：CN202510011305.0
申请日：2025-01-03
Applicant: 安徽大学
IPC: H02J3/00 , H02J3/38 , G06F18/213 , G06F18/22 , G06F18/23213 , G06F18/2431 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了非平稳数据流下的风电机组发电功率自适应预测方法，包括以下步骤：S1.对数值天气预报NWP数据进行特征提取，得到样本相关特征和序列相关特征，构成样本‑序列特征向量；S2.根据样本‑序列特征向量进行相似度搜索和聚类，划分出不同的气象模式；S3.使用每个气象模式的历史NWP和功率数据离线训练LightGBM网络，得到功率预测模型，根据实时收集NWP气象数据进行功率预测，基于漂移检测与DDA算法，对每个气象模式下功率预测模型的预测性能进行实时监测，并自适应地调整模型参数，实现非平稳数据流下风电功率自适应预测。本发明能够实时监测输入输出映射关系的变化，并自适应地调整模型以适应新的映射关系，提高功率预测精度。
-
公开(公告)号：CN119740674A
公开(公告)日：2025-04-01
申请号：CN202411777334.X
申请日：2024-12-05
Applicant: 安徽大学
IPC: G06N7/01
Abstract: 本发明涉及水陆跨域机器人控制技术领域，解决了现有技术难以实现水陆跨域机器人运动控制的技术问题，尤其涉及一种基于优化贝叶斯网络的水陆跨域机器人运动控制方法，包括构建三层贝叶斯网络结构，通过MMPC‑K2算法进行三层贝叶斯网络结构的结构学习，采用引入置信度改进的IF‑THEN推理规则进行贝叶斯网络模型的参数学习，将概率最大的决策方案反馈至所设计的CPG输出网络中控制水陆跨域机器人腿部执行步态切换。本发明能够综合考虑所有传感器信息，利用评分最高的网络结构、输入节点先验概率与改进IF‑THEN规则输出最优方案，实现水陆跨域机器人自主决策，以及实现机器人腿部根据不同地形切换相对应的步态。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
