-
公开(公告)号：CN112286202A
公开(公告)日：2021-01-29
申请号：CN202011251462.2
申请日：2020-11-11
申请人： 福州大学
IPC分类号： G05D1/02
摘要： 本发明提出一种非均匀采样FMT*的移动机器人路径规划方法，包括如下步骤：步骤S1、地图初始化；步骤S2、建立广义Voronoi图，即GVG；步骤S3、寻找初始化路径并实现最优路径与初始路径同伦；步骤S4、安全隧道建立；步骤S5、非均匀采样；步骤S6、构造采样集合 、探索集合 、已探索集合 ；步骤S7、搜索采样集合 的节点，组成集合 ；步骤S8、探索 中点组成集合 ；步骤S9、计算所有点 到点 的代价，实现算法的渐进最优；步骤S10、判断 与 是否有障碍物并针对结果进行处理；步骤S11、将所需的Z从放入 ；步骤S12、若Z是是目标点则返回路径解，若否则返回步骤S7继续；步骤S13、机器人对可行路径解进行处理；本发明算法收敛速度快于FMT*，能快速得到最优解，在单查询规划中具有优势。
-
公开(公告)号：CN110205342B
公开(公告)日：2020-11-27
申请号：CN201910577256.1
申请日：2019-06-28
申请人： 福州大学
摘要： 本发明提供了一种固定化红曲霉发酵过程中色素增产的方法。该方法主要应用于固定化菌株发酵领域。将海藻酸钠与羧甲基纤维素钠进行复配后对红曲霉孢子进行包埋，接种量为2%（v/v），控制初始发酵液的pH为6~8，并在初始发酵液中添加0.1ωt.%的表面活性剂，30℃、200r/min发酵6天。此方法相比于单纯地用海藻酸钠微胶囊固定化红曲霉发酵，色素产量更高，色素由囊内向囊外的渗透效果越好。
-
公开(公告)号：CN118689211A
公开(公告)日：2024-09-24
申请号：CN202410426251.X
申请日：2024-04-10
申请人： 福州大学
IPC分类号： G05D1/43 , G05D1/246 , G05D1/633 , G05D1/644 , G05D1/693 , G05D1/692 , G05D1/648 , G05D109/10
摘要： 本发明涉及一种用于非合作目标围捕的多移动机器人运动规划方法，该方法提出了一种复杂环境中的多移动机器人协同运动框架，首先，移动机器人在追逐过程中接近随机移动的目标。其次，在环绕过程中应用环绕策略，使移动机器人队伍环绕非合作目标并跟随运动。最后，在引导过程中采用引导策略，使移动机器人队伍自适应地包围移动目标，控制其运动方向，将非合作目标引导至目的地。因本发明提供了一种结合路径规划方法的协同运动规划框架，可以于任意路径规划算法结合，在非合作目标围捕问题上优势突出，能够提高机器人在复杂受限环境中协同编队作业的灵活性和运动效率。
-
公开(公告)号：CN112286202B
公开(公告)日：2021-07-27
申请号：CN202011251462.2
申请日：2020-11-11
申请人： 福州大学
IPC分类号： G05D1/02
摘要： 本发明提出一种非均匀采样FMT*的移动机器人路径规划方法，包括如下步骤：步骤S1、地图初始化；步骤S2、建立广义Voronoi图，即GVG；步骤S3、寻找初始化路径并实现最优路径与初始路径同伦；步骤S4、安全隧道建立；步骤S5、非均匀采样；步骤S6、构造采样集合、探索集合、已探索集合；步骤S7、搜索采样集合的节点，组成集合；步骤S8、探索中点组成集合；步骤S9、计算所有点到点的代价，实现算法的渐进最优；步骤S10、判断与是否有障碍物并针对结果进行处理；步骤S11、将所需的Z从放入；步骤S12、若Z是是目标点则返回路径解，若否则返回步骤S7继续；步骤S13、机器人对可行路径解进行处理；本发明算法收敛速度快于FMT*，能快速得到最优解，在单查询规划中具有优势。
-
公开(公告)号：CN110205342A
公开(公告)日：2019-09-06
申请号：CN201910577256.1
申请日：2019-06-28
申请人： 福州大学
摘要： 本发明提供了一种固定化红曲霉发酵过程中色素增产的方法。该方法主要应用于固定化菌株发酵领域。将海藻酸钠与羧甲基纤维素钠进行复配后对红曲霉孢子进行包埋，接种量为2%（v/v），控制初始发酵液的pH为6~8，并在初始发酵液中添加0.1ωt.%的表面活性剂，30℃、200r/min发酵6天。此方法相比于单纯地用海藻酸钠微胶囊固定化红曲霉发酵，色素产量更高，色素由囊内向囊外的渗透效果越好。
-
公开(公告)号：CN112356031B
公开(公告)日：2022-04-01
申请号：CN202011220903.2
申请日：2020-11-11
申请人： 福州大学
IPC分类号： B25J9/16
摘要： 本发明提出一种基于Kernel采样策略在不确定性环境下的在线规划方法，用于对机器人执行任务时的规划，在该不确定性环境中，表示为POMDP模型的不确定性是制约机器人可靠运行的主因；所述POMDP模型中，机器人可观测自身的部分状态，机器人通过不断的与环境进行交互来获得回报最大的策略；在所述在线规划方法中，处理可观测部分时，把机器人的状态表示为一个信念，记为belief，其属于一个状态的集合，以POMDP算法通过构建信念树的方式执行前向搜索，以此来获得当前信念下的最优策略；所述信念树的每一个节点代表一个信念，父节点与子节点通过行为‑观测分支连接；所述POMDP算法是在线POMDP规划算法Kernel‑DESPOT；本发明算法性能优于DESPOT和POMCP，在收敛速度以及质量上具有优势。
-
公开(公告)号：CN112356031A
公开(公告)日：2021-02-12
申请号：CN202011220903.2
申请日：2020-11-11
申请人： 福州大学
IPC分类号： B25J9/16
摘要： 本发明提出一种基于Kernel采样策略在不确定性环境下的在线规划方法，用于对机器人执行任务时的规划，在该不确定性环境中，表示为POMDP模型的不确定性是制约机器人可靠运行的主因；所述POMDP模型中，机器人可观测自身的部分状态，机器人通过不断的与环境进行交互来获得回报最大的策略；在所述在线规划方法中，处理可观测部分时，把机器人的状态表示为一个信念，记为belief，其属于一个状态的集合，以POMDP算法通过构建信念树的方式执行前向搜索，以此来获得当前信念下的最优策略；所述信念树的每一个节点代表一个信念，父节点与子节点通过行为‑观测分支连接；所述POMDP算法是在线POMDP规划算法Kernel‑DESPOT；本发明算法性能优于DESPOT和POMCP，在收敛速度以及质量上具有优势。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.02 秒)
