-
公开(公告)号:CN118759910B
公开(公告)日:2025-02-11
申请号:CN202410817056.X
申请日:2024-06-24
Applicant: 浙江大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于模糊模型的无人海洋船舶事件触发输出控制方法,包括:建立无人海洋船舶系统T‑S模糊模型及其系统模型参数;设计满足无人海洋船舶系统状态稳定及耗散性能的周期动态事件触发控制器,根据所设计的控制器,得到无人海洋船舶闭环系统;采用矩阵不等式等技术,建立控制器增益的求解方法;采用所设计的控制器和所求得控制器增益对无人海洋船舶系统进行安全控制。本发明建立一种保障无人海洋船舶系统的安全控制方法,可以有效抵抗外界扰动带来的不利影响,为无人海洋船舶系统的安全稳定工作提供了关键的技术支持。
-
公开(公告)号:CN119336053A
公开(公告)日:2025-01-21
申请号:CN202411443830.1
申请日:2024-10-16
Applicant: 浙江大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明公开了一种面向未知动态环境的水下机器人路径规划方法、电子设备、介质,包括:智能体根据当前Q网络的输出选取动作,与环境交互,得到状态;考虑路径规划中的安全约束,对状态进行处理,得到第一类指导信息、第二类指导信息,从而更新状态;根据更新后的状态,计算奖励;将动作、状态、奖励存入经验回放池中;重复上述过程,直至经验回放池中的数据量达到阈值;从经验回放池中抽取一批经验数据,分别输入至Q网络、目标Q网络中,计算Q值、目标Q值;采用梯度下降法最小化损失函数,以更新Q网络参数;将Q网络的参数复制到目标Q网络;直至损失函数收敛,得到训练好的目标Q网络;配置测试环境,利用训练好的目标Q网络输出规划路径。
-
公开(公告)号:CN119274020A
公开(公告)日:2025-01-07
申请号:CN202411349589.6
申请日:2024-09-26
Applicant: 浙江大学
IPC: G06V10/774 , G06V20/05 , G06T11/00 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种水下声光配对数据集制备方法、电子设备、介质,包括:配置用于拍摄光学图像的水下航行器ROV、被拍摄模型与水下环境;分别调整水下航行器ROV和被拍摄模型的角度、姿态和距离以采集被拍摄模型的视频;截取视频,得到原始光学图像集;对原始光学图像集进行预处理,得到光学数据集;获取声纳数据集;将光学数据集作为内容图像,将声呐数据集作为风格图像;将内容图像与第一风格图像输入至风格迁移网络中,得到风格迁移中间图像;将风格迁移中间图像与第二风格图像输入至风格迁移网络中,得到最终的风格迁移图像,即与该光学数据匹配的声呐数据;对所有光学数据和与之配对的声纳数据进行标注,得到声光配对数据集。
-
公开(公告)号:CN119012133A
公开(公告)日:2024-11-22
申请号:CN202410996127.7
申请日:2024-07-24
Applicant: 浙江大学
Abstract: 本发明公开了一种量测时延下的水下无线传感器网络的目标跟踪方法、装置、电子设备、介质,包括:基于水声传播导致的时延,以及时延下的传感器的量测构建水下量测时延模型;根据所述水下量测时延模型,设计增广状态估计器,所述增广状态估计器用于对水声传播导致的时延进行补偿;对所述增广状态估计器进行解耦,扩展为适用于水下无线传感器网络的分布式增广状态估计器;设定水下跟踪目标的形态特征、动力学参数、初始状态及参考轨迹,部署水下无线传感器网络利用所述分布式增广状态估计器进行目标跟踪。本发明可以有效补偿水声传播缓慢导致的量测时延对于水下目标跟踪精度和稳定性的影响,使跟踪误差保持在较小范围内。
-
公开(公告)号:CN118963355A
公开(公告)日:2024-11-15
申请号:CN202411050740.6
申请日:2024-08-01
Applicant: 浙江大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种基于数据驱动的无人船航向角系统安全控制方法及系统,属于无人船智能控制领域。构建带有干扰项的无人船航向角系统动态线性化数据模型;基于无模型自适应控制原理获得所述模型的偏导数估计以及控制器;通过离散扩展状态观测器对未知的外部干扰和非线性不确定性进行估计,以及对无人船航向角系统的输出进行估计;获得考虑离散扩展状态观测器的偏导数估计以及控制器;再基于抗饱和补偿法对得到的控制器进行更新;最终,实现无人船航向角系统安全控制。本发明所研发的无人船航向控制器,突破了传统控制方法的局限,无需依赖复杂的系统模型信息,仅利用系统的输入输出数据,实现了一种完全数据驱动的智能控制策略。
-
公开(公告)号:CN118941942A
公开(公告)日:2024-11-12
申请号:CN202410927778.0
申请日:2024-07-11
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种复杂海面环境下船只目标检测方法、电子设备、介质,包括:获取海面船只遥感图像数据集;对海面船只遥感图像数据集添加云雾遮挡、高斯噪声和椒盐噪声干扰,得到模拟复杂海面环境的船只遥感图像数据集;对模拟复杂海面环境的船只遥感图像数据集进行数据增强;基于RTMDet网络模型构建目标检测模型,所述目标检测模型中的CSPLayer模块的卷积核设置为5*5普通卷积核和7*7膨胀卷积核,共同构成感受野为23的深度可分离卷积;将模拟复杂海面环境的船只遥感图像数据集输入至目标检测模型进行训练;将待检测的海面船只遥感图像输入至训练好的目标检测模型中进行检测,得到受干扰环境下目标的位置和类别置信度。
-
公开(公告)号:CN118572709A
公开(公告)日:2024-08-30
申请号:CN202410680327.1
申请日:2024-05-29
Applicant: 浙江大学
IPC: H02J3/12 , G06N3/0455 , G06N3/044 , G06N3/006 , G06N3/092
Abstract: 本发明公开了一种基于Transformer‑RNN模型的电压调控方法、电子设备、介质,所述方法具体为:通过并行的多智能体利用预先训练好的变换器‑RNN模型处理多智能体观测值,所述多智能体观测值包括电网中每个节点上的电压、有功功率、无功功率,得到电压调控策略;其中,Transformer‑RNN模型的训练过程为:定义多智能体优化目标函数,将多智能体优化目标函数分解为每一智能体优化目标函数,基于每一智能体优化目标函数采用自注意力机制训练Transformer模型;根据训练好的Transformer模型获取奖励函数,基于奖励函数通过RNN模型推断每一智能体的动作。本发明方法能够在智能电网复杂环境下实现了更高的协同决策性能。
-
公开(公告)号:CN118244630A
公开(公告)日:2024-06-25
申请号:CN202410188467.7
申请日:2024-02-20
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于软切换的无人船多模预测控制方法、系统及存储介质,该方法包括:建立无人船运动数学模型;设定无人船运动的双级控制模式;基于无人船的运动数学模型对无人船构建非线性模型预测控制器,以适应无人船复杂、变化环境下的航行;根据双级控制模式的第一级,添加对应的障碍物避碰约束;根据双级控制模式的第二级,构建基于软切换的多模控制;通过使用CasADi 3.6.4,基于IPOPT包对NMPC优化问题求解;通过基于软切换的多模控制非线性模型预测控制器进行无人船多模预测控制。本发明将避碰方案集成到模型预测控制器中,并划分控制模式实现多模预测控制,具有提高对无人船控制的准确性和安全性的效果。
-
公开(公告)号:CN111275644B
公开(公告)日:2023-06-02
申请号:CN202010064566.6
申请日:2020-01-20
Applicant: 浙江大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于Retinex算法的水下图像增强方法和装置。该方法包括:对原始RGB水下图像进行白平衡处理和颜色校正,得到预处理后的图像;将所述预处理后的图像转化至LAB色彩空间;采用单通道Retinex算法对L通道进行图像增强处理和亮度矫正,采用双边滤波对A和B通道进行颜色校正,得到LAB图像;将所述LAB图像转换至RGB图像,完成水下图像增强操作。本发明解决了水下图像清晰度低,偏色严重,物体边缘轮廓线不清晰等问题,达到色彩校正、边缘增强的效果。
-
公开(公告)号:CN115294415A
公开(公告)日:2022-11-04
申请号:CN202210931506.9
申请日:2022-08-04
Applicant: 浙江大学
IPC: G06V10/771 , G06V10/774 , G06V20/70 , G06V10/766 , G06N5/00 , G06N3/04
Abstract: 本发明公开了一种面向老年用户的服务机器人人工标注数据筛选方法,属于智能机器人技术领域。服务机器人在进入某一老年用户家居环境时,根据其在用户家居环境中收集到的新类别数据,需选出最具学习价值同时又最易于老年用户标注的图像,将其呈现给用户进行标注。具体的筛选方法为:机器人以图像的三种属性(感知亮度、对比度、尺寸大小)为特征,结合图像标注难易度预测模型,得到图像对于老年用户的标注难易度预测。将图像的标注难易度预测值与其他三种描述图像学习价值的指标相结合,计算出图像的筛选价值度量,进而根据该度量选择一定比例的价值度量最大的图像,作为请求老年用户给出标注并要求机器人学习的数据。
-
-
-
-
-
-
-
-
-