-
公开(公告)号：CN115167124B
公开(公告)日：2025-04-18
申请号：CN202210696253.1
申请日：2022-06-20
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明公开了一种实现轨迹跟踪与振动抑制的仿生扑翼控制系统及方法，涉及自动控制技术领域。本发明通过搭建虚拟仿生扑翼模型并进行分析，建立了仿生扑翼控制系统的模型方程，结合模型方程设计了仿生扑翼控制算法，采用神经网络逼近了系统的不确定信息，构造了仿生扑翼控制算法执行模块，然后设计了仿生扑翼控制算法评估模块对控制算法进行评估，进而不断在线调整仿生扑翼控制算法，同时仿真系统的运动过程，对控制参数进行调整，使系统在实现轨迹跟踪的同时，能够抑制系统振动。
-
公开(公告)号：CN119149905A
公开(公告)日：2024-12-17
申请号：CN202411101676.X
申请日：2024-08-12
Applicant: 安徽大学
IPC: G06F18/10 , G06F18/213 , G06F18/2337 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/084
Abstract: 本发明提供一种适应不同驾驶风格的车辆轨迹预测方法及装置，涉及自动驾驶技术领域。所述适应不同驾驶风格的车辆轨迹预测方法包括：获取原始的车辆轨迹的样本数据集；对样本数据集进行滤波处理，获得滤波处理后的样本数据集；采用主成分分析法进行降维处理，获得降维后的数据；采用模糊C均值聚类算法进行软聚类处理，获得硬标签；构建初始的基于全局‑局部注意力机制残差双向长短时记忆网络；对初始的网络进行训练，获得训练好的基于全局‑局部注意力机制残差双向长短时记忆网络；获取目标车辆在观察时间域内的状态信息；将状态信息输入训练好的网络中，获得在预测时间域内目标车辆的未来轨迹。采用本发明，可提高车辆轨迹预测的准确性。
-
公开(公告)号：CN118493399A
公开(公告)日：2024-08-16
申请号：CN202410848632.7
申请日：2024-06-27
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明提供一种基于多功能抓取及对象无关框架的机器人抓取方法及系统，涉及机器人智能控制领域。所述方法包括：对训练集中的RGB图像信息进行预处理，得到处理后的RGB图像信息；根据处理后的RGB图像信息和深度信息，搭建抓取检测模型；基于IOU计算得到损失计算策略；基于损失计算策略，对抓取检测模型进行训练，得到携带最优的权重参数的抓取检测模型；控制器根据携带最优的权重参数的抓取检测模型，建立抓取位姿配置在相机坐标系与世界坐标系间的转化关系，得到三维世界坐标系下的抓取位姿；机器人根据三维世界坐标系下的抓取位姿，将物体运输至制定的目标位置，本发明提升了机器人抓取物体的能力。
-
公开(公告)号：CN117350515B
公开(公告)日：2024-04-05
申请号：CN202311578796.4
申请日：2023-11-21
Applicant: 安徽大学
IPC: G06Q10/0631 , G06N3/092
Abstract: 本发明涉及一种基于多智能体强化学习的远洋海岛群能量流调度方法，方法包括：海岛群能量流传输模式设计，以用于描述海岛群间能量传输过程；根据海岛群能量流传输模式，构建海岛群能量流传输模型；根据海岛群能量流传输模型，建立海岛群能源系统能量管理模型；使用多智能体强化学习方法实现海岛群能量流调度，并对能量管理策略求解。本发明基于多智能体强化学习方法，考虑海岛群的布局特点、可再生能源禀赋及电力船舶的移动储能特性，以满足对人居岛负载需求变化的自适应性。与其他算法相比本发明提出的方法在集中式训练、分布式执行的基础上，加入了基线函数，以提高算法的学习效率和稳定性，高效地处理远洋海岛群的能量流调度和能量管理问题。
-
公开(公告)号：CN116673962A
公开(公告)日：2023-09-01
申请号：CN202310848848.9
申请日：2023-07-12
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明属于机器人智能控制技术领域，具体涉及一种基于Faster R‑CNN和GRCNN的机械臂智能抓取方法及系统；方法包括Faster R‑CNN网络模型检测物体类别和位置，再将检测到的目标物体对应像素的深度图像部分提取出来后，经过处理输入到GRCNN网络模型中，GRCNN网络模型输出置信度最高的像素点作为抓取点，这组置信度最高的抓取点经过相机坐标系和机器人坐标系的转换后，得到机器人坐标系下的抓取位姿表示模型。最后这组抓取位姿表示模型被送入到机械臂的控制器中，控制器控制机械臂执行抓取任务；本发明实现机械臂与外界环境的交互感知，适用于大量未知物体的抓取检测。机械臂具有自主识别和智能决策能力，提升抓取检测的成功率，整个的抓取方案具有任务泛化性。
-
Patent Agency Ranking
公开(公告)号：CN118493399B
公开(公告)日：2025-04-25
申请号：CN202410848632.7
申请日：2024-06-27
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明提供一种基于多功能抓取及对象无关框架的机器人抓取方法及系统，涉及机器人智能控制领域。所述方法包括：对训练集中的RGB图像信息进行预处理，得到处理后的RGB图像信息；根据处理后的RGB图像信息和深度信息，搭建抓取检测模型；基于IOU计算得到损失计算策略；基于损失计算策略，对抓取检测模型进行训练，得到携带最优的权重参数的抓取检测模型；控制器根据携带最优的权重参数的抓取检测模型，建立抓取位姿配置在相机坐标系与世界坐标系间的转化关系，得到三维世界坐标系下的抓取位姿；机器人根据三维世界坐标系下的抓取位姿，将物体运输至指定的目标位置，本发明提升了机器人抓取物体的能力。
-
公开(公告)号：CN119567243A
公开(公告)日：2025-03-07
申请号：CN202411502745.8
申请日：2024-10-25
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明提供一种基于导纳的协作机器人人机交互与防碰撞控制方法及装置，涉及机器人智能控制技术领域。该方法包括：获取控制输入力；根据控制输入力，构建人机交互系统中的状态变量和控制输入的关系；根据关系，采用期望导纳模型和软饱和函数，生成机器人末端执行器的参考轨迹；根据参考轨迹，采用Actor‑Critic的算法，设计基于导纳控制的强化学习神经网络控制器；根据基于导纳控制的强化学习神经网络控制器，对人机交互系统中的控制策略进行调整，获得人机交互系统中防碰撞的策略。采用本发明，提高了人机交互系统的安全性和稳定性。
-
公开(公告)号：CN119526396A
公开(公告)日：2025-02-28
申请号：CN202411695232.3
申请日：2024-11-25
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明提供一种输入饱和的柔性双连杆机械臂强化学习控制方法及装置，涉及机器人智能控制技术领域。该方法包括：使用假设模态法，构建柔性双连杆机械臂系统的动力学模型；设计带输入饱和的强化学习自适应振动控制器；根据带输入饱和的强化学习自适应振动控制器，对柔性双连杆机械臂系统进行控制，得到最优控制策略。本发明面向柔性双连杆机械臂提出了一种带辅助系统的强化学习算法，利用辅助系统消除饱和非线性函数对机械臂轨迹跟踪的影响。此外，设计了一种强化学习算法逼近柔性双连杆机械臂系统的不确定信息，使柔性机械臂在实现轨迹跟踪的同时抑制弹性振动。
-
公开(公告)号：CN118238847B
公开(公告)日：2024-08-30
申请号：CN202410340309.9
申请日：2024-03-25
Applicant: 安徽大学
Abstract: 本发明属于自动驾驶技术领域，具体涉及一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统，包括获取驾驶轨迹和路面环境数据进行识别得到不同驾驶风格，将驾驶风格、以及自车、旁车所在驾驶环境的多维决策向量进行级联后输入到全连接神经网络中，输出车道变更决策指令；根据路面环境信息中路面附着系数确定安全性约束、舒适性约束、自适应加速度约束和自适应急动度约束，结合决策指令，通过七阶多项式函数确定换道轨迹；本发明结合当前交通情况和人类驾驶员的驾驶经验，设计了一个基于多神经网络的个性化换道决策模型，采用路面附着系数和速度的自适应约束，以取代固定约束，从而解决了在不同路面条件下安全可靠的变道决策规划问题。
-
公开(公告)号：CN116673962B
公开(公告)日：2024-03-19
申请号：CN202310848848.9
申请日：2023-07-12
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明属于机器人智能控制技术领域，具体涉及一种基于Faster R‑CNN和GRCNN的机械臂智能抓取方法及系统；方法包括Faster R‑CNN网络模型检测物体类别和位置，再将检测到的目标物体对应像素的深度图像部分提取出来后，经过处理输入到GRCNN网络模型中，GRCNN网络模型输出置信度最高的像素点作为抓取点，这组置信度最高的抓取点经过相机坐标系和机器人坐标系的转换后，得到机器人坐标系下的抓取位姿表示模型。最后这组抓取位姿表示模型被送入到机械臂的控制器中，控制器控制机械臂执行抓取任务；本发明实现机械臂与外界环境的交互感知，适用于大量未知物体的抓取检测。机械臂具有自主识别和智能决策能力，提升抓取检测的成功率，整个的抓取方案具有任务泛化性。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
