公开(公告)号：CN119908240A

公开(公告)日：2025-05-02

申请号：CN202510405348.7

申请日：2025-04-02

Applicant: 广州大学

Inventor： 朱冠全 ,  罗子航 ,  谢泽文 ,  梁浩民 ,  罗晓琳 ,  叶敏怡 ,  姜嘉果 ,  王明钜 ,  刘俊浩 ,  王文龙 ,  钟育彬 ,  欧阳志平

IPC: A01D46/30 ,  B25J9/16 ,  B64U20/87 ,  G01C21/20 ,  G06V20/17 ,  G06V20/10 ,  G06V20/64 ,  G06T17/00 ,  G06T7/593 ,  G06N5/01 ,  G06N7/02 ,  B64U101/30 ,  B64U101/40

Abstract: 本发明公开了一种基于机器视觉的番荔枝培育采摘一体化方法，首先通过无人机获取番荔枝的图像数据，结合多视角三维重建算法构建番荔枝的三维环境模型并提取番荔枝的空间数据；然后将番荔枝按照种植区的空间分布进行分簇，为每一簇派遣一个搭载机械臂的机器人进行培育采摘作业；接着操纵无人机统计出每一簇内的番荔枝数量，并对每一簇的机器人进行路径规划；最后基于模糊数学生成每一簇机器人的机械臂力度控制方案、移动速度控制方案及补光量控制方案，每一簇机器人按照生成的方案对番荔枝进行培育采摘。本发明结合机器视觉与模糊控制技术，实现番荔枝培育采摘的一体化服务，提高番荔枝培育采摘效率及产量，降低坏果率及损伤率。

公开(公告)号：CN119941985A

公开(公告)日：2025-05-06

申请号：CN202411983594.2

申请日：2024-12-31

Applicant: 广州大学

Inventor： 邹涛 ,  柯镇宇 ,  刘长红 ,  廖代志 ,  王明钜 ,  沈文淳 ,  何兴华

IPC: G06T17/00 ,  G06F30/27 ,  G06F30/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/092

Abstract: 本发明提供一种基于强化学习和多传感器数据融合的三维建模方法及装置。该方法包括：将目标水域对应的环境数据输入至训练完成的强化学习模型，输出数据融合策略；基于融合后的环境数据，构建目标水域对应的三维模型；强化学习模型的目标奖励函数至少包括：精度奖励函数、完整性奖励函数、融合策略优化奖励函数和环境适应性奖励函数；目标奖励函数用于优化：智能体的定位精度、智能体构建的地图的完整性、在不同数据融合策略下的定位精度和地图完整性，以及在不同水域环境下强化学习模型的性能。本发明提供的基于强化学习和多传感器数据融合的三维建模方法，显著提高了多变水域环境下的定位精度和导航效率。

公开(公告)号：CN118913278A

公开(公告)日：2024-11-08

申请号：CN202410963602.0

申请日：2024-07-18

Applicant: 广州大学

Inventor： 邹涛 ,  柯镇宇 ,  刘长红 ,  廖代志 ,  刘佳昆 ,  王明钜 ,  宋健

IPC: G01C21/20 ,  G01C21/00 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明涉及一种水域路径规划方法、装置及存储介质，其中，一种水域路径规划方法，包括以下步骤：当存在碰撞风险时，获取船舶碰撞损伤的历史数据；根据所述历史数据确定船舶碰撞损伤的特征参数；通过所述特征参数构建深度学习模型并进行模型训练；将船舶航行的实时数据输入所述深度学习模型，计算得出船舶碰撞损伤的风险结果；基于所述风险结果进行船舶行驶的水域路径规划。本发明的技术方案在存在碰撞风险时，快速准确地预测船舶的损伤类型和损伤程度以便采取有效的应急措施进行水域路径规划。

公开(公告)号：CN118409507B

公开(公告)日：2024-10-18

申请号：CN202410822336.X

申请日：2024-06-25

Applicant: 广州大学

Inventor： 张佳宁 ,  吴博淳 ,  赵志甲 ,  王福杰 ,  刘长红 ,  温嘉文 ,  刘金辉 ,  陈炫丰 ,  李天注 ,  王明钜

IPC: G05B13/04

Abstract: 本发明属于智能控制技术领域，公开了一种多智能体自适应同步迭代学习协调控制器的构建方法及系统，其构建方法包括如下步骤：S1、构造包含多个智能体，基于领航者‑跟随者跟踪控制并耦合的同步迭代学习协调控制系统网络模型；S2、基于同步迭代学习协调控制系统网络模型，采用自适应迭代学习控制和误差跟踪回路AILC相结合构建控制器。本发明构建的控制器，基于自适应控制和构建误差跟踪AILC策略，对多智能体进行误差跟踪自适应迭代学习控制，并使各智能体的控制依赖于关节参考速度而不是关节速度，并在控制器运行的过程中能够放宽控制条件，可显著提高生产线上多自由度智能机械臂的轨迹跟踪精度，改善各智能机械臂的工作性能。

公开(公告)号：CN118409507A

公开(公告)日：2024-07-30

申请号：CN202410822336.X

申请日：2024-06-25

Applicant: 广州大学

Inventor： 张佳宁 ,  吴博淳 ,  赵志甲 ,  王福杰 ,  刘长红 ,  温嘉文 ,  刘金辉 ,  陈炫丰 ,  李天注 ,  王明钜

IPC: G05B13/04

Abstract: 本发明属于智能控制技术领域，公开了一种多智能体自适应同步迭代学习协调控制器的构建方法及系统，其构建方法包括如下步骤：S1、构造包含多个智能体，基于领航者‑跟随者跟踪控制并耦合的同步迭代学习协调控制系统网络模型；S2、基于同步迭代学习协调控制系统网络模型，采用自适应迭代学习控制和误差跟踪回路AILC相结合构建控制器。本发明构建的控制器，基于自适应控制和构建误差跟踪AILC策略，对多智能体进行误差跟踪自适应迭代学习控制，并使各智能体的控制依赖于关节参考速度而不是关节速度，并在控制器运行的过程中能够放宽控制条件，可显著提高生产线上多自由度智能机械臂的轨迹跟踪精度，改善各智能机械臂的工作性能。