-
公开(公告)号：CN113325694B
公开(公告)日：2022-12-09
申请号：CN202110580904.6
申请日：2021-05-26
Applicant: 西安交通大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于机器学习的模型预测控制参数的整定方法，属于机械学习领域。本发明包括：1)确定BP神经网络的结构；2)选取一系列控制参数作为BP神经网络训练样本的输出数据；3)将控制参数输入到机器人的模型预测控制器中，采集路径跟踪实验中对应的性能指标，作为BP神经网络训练样本的输入数据；4)利用训练样本训练BP神经网络；5)将设定的性能指标作为BP神经网络的输入，进行输出，得到控制参数，实现模型控制参数的整定；6)将整定的控制参数输入到机器人的模型预测控制器中，采集路径跟踪实验产生的性能指标，与预设的性能指标对比，判断整定的控制参数是否满足要求。本发明在参数整定的快速性和有效性上得到了显著提升。
-
公开(公告)号：CN115421494A
公开(公告)日：2022-12-02
申请号：CN202211147813.4
申请日：2022-09-19
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 本发明属于人工智能和机器人路径规划领域，公开了一种清洁机器人路径规划方法、系统、计算机设备及存储介质，包括：获取各清洁机器人的垃圾仓容量和运行速度、机器人库的坐标以及各待清洁点的坐标、垃圾量和清洁工作量；根据各清洁机器人的垃圾仓容量和运行速度、机器人库的坐标以及各待清洁点的坐标、垃圾量和清洁工作量，调用预设的用于清洁机器人路径规划的深度强化学习模型，得到各清洁机器人的路径规划结果。可实现多清洁机器人的路径规划，可以求解存在多个机器人、大量待清洁点的清洁机器人路径规划问题，贴合实际应用场景，求得的路径规划方案优于传统优化方法，求解路径规划问题所需的运算时间远低于蚁群算法及动态规划算法等传统方法。
-
公开(公告)号：CN113449878A
公开(公告)日：2021-09-28
申请号：CN202110706288.4
申请日：2021-06-24
Applicant: 西安交通大学
IPC: G06N20/00
Abstract: 本发明公开了一种数据分布式的增量学习方法、系统、设备及存储介质，包括以下步骤：确定各增量学习阶段的类别，建立各数据分布节点的数据集合；得各数据分布点模型；形成共享数据集；得各数据分布节点的模型参数；将各数据分布节点的模型参数进行加权聚合，得初步的全局共享模型；将M个数据分布节点模型在共享数据集上计算得到的预测输出logit值进行集成，得集成输出logit值，将初步的全局共享模型在共享数据集上对该集成输出logit值进行学习，得全局共享模型的模型参数；将全局共享模型的模型参数下发至各数据分布节点，对各个数据分布节点上的全局共享模型进行更新，该方法、系统、设备及存储介质能够有效提高模型的学习能力。
-
公开(公告)号：CN113256125A
公开(公告)日：2021-08-13
申请号：CN202110593648.4
申请日：2021-05-28
Applicant: 西安交通大学
IPC: G06Q10/06 , G06Q10/04 , G06F30/20 , G06F111/04
Abstract: 本发明属于人工智能和机器人协同控制领域，公开了一种异构机器人集群任务分配方法、系统、设备及存储介质，包括以下步骤：获取各待分配任务及异构机器人集群内各机器人的基本信息；基本信息包括机器人的数量、待分配任务的数量、各机器人的服务能力、待分配任务的服务顺序以及各机器人在任意两待分配任务间的移动时间；获取各机器人服务各待分配任务的耗时时间；根据基本信息以及各机器人服务各待分配任务的耗时时间，通过预设的异构机器人集群任务分配鲁棒优化模型，得到各机器人的待服务任务及待服务任务的服务顺序。可对各机器人工作量、待分配任务完成顺序进行合理调度分配，提高服务作业效率和质量，同时更切合应用场景，符合实际需要。
-
公开(公告)号：CN113269424A
公开(公告)日：2021-08-17
申请号：CN202110536812.8
申请日：2021-05-17
Applicant: 西安交通大学
Abstract: 本发明属于人工智能和机器人集群控制领域，公开了一种机器人集群任务分配方法、系统、设备及存储介质，包括以下步骤：获取机器人集群内可用的机器人和待分配的任务点；获取各机器人能承担的最大工作量以及需要承担的最小工作量，以及各任务点的坐标及工作量；通过整数规划K均值聚类法，基于各机器人能承担的最大工作量以及需要承担的最小工作量，以及各任务点的坐标及工作量的约束，对待分配的任务点进行划分，得到与各机器人一一对应的若干任务簇并分配给各机器人。基于各机器人能承担的最大工作量以及需要承担的最小工作量，以及各任务点的坐标及工作量，对聚类过程进行约束，限制各任务簇的工作量，使各机器人分得的工作量满足预设上限和下限的限制。
-
Patent Agency Ranking
公开(公告)号：CN111145545B
公开(公告)日：2021-05-28
申请号：CN201911360542.9
申请日：2019-12-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于深度学习的道路交通行为无人机监测系统及方法，该系统包括采集模块，单摄像头处理模块，跨摄像头匹配模块和交通参数提取模块；单摄像头处理模块为采集模块输出的每路视频创建单摄像头处理子模块进行数据处理；单摄像头处理子模块包括图像预处理模块，车辆检测模块和车辆跟踪模块。该方法使用无人机拍摄道路交通状况，分析监测区域内车辆的交通状态，包括对监控画面的标定、基于视频的车辆检测与跟踪技术、基于地理位置的跨摄像头多目标轨迹匹配的方法、根据车辆运动轨迹分析交通状态的算法等。
-
公开(公告)号：CN113269424B
公开(公告)日：2023-06-09
申请号：CN202110536812.8
申请日：2021-05-17
Applicant: 西安交通大学
Abstract: 本发明属于人工智能和机器人集群控制领域，公开了一种机器人集群任务分配方法、系统、设备及存储介质，包括以下步骤：获取机器人集群内可用的机器人和待分配的任务点；获取各机器人能承担的最大工作量以及需要承担的最小工作量，以及各任务点的坐标及工作量；通过整数规划K均值聚类法，基于各机器人能承担的最大工作量以及需要承担的最小工作量，以及各任务点的坐标及工作量的约束，对待分配的任务点进行划分，得到与各机器人一一对应的若干任务簇并分配给各机器人。基于各机器人能承担的最大工作量以及需要承担的最小工作量，以及各任务点的坐标及工作量，对聚类过程进行约束，限制各任务簇的工作量，使各机器人分得的工作量满足预设上限和下限的限制。
-
公开(公告)号：CN113705858B
公开(公告)日：2023-07-11
申请号：CN202110882110.5
申请日：2021-08-02
Applicant: 西安交通大学
IPC: G06Q10/047 , G06N3/04 , G06N3/08
Abstract: 本发明属于人工智能和组合优化领域，公开了一种多目标区域的最短路径规划方法、系统、设备及存储介质，包括以下步骤：S1：获取各目标区域的归一化坐标；S2：随机选取一目标区域的归一化坐标，通过预设的自组织神经网络模型，得到当前目标区域的获胜神经元；S3：迭代重复S2；当前迭代次数加1，并当当前迭代次数大于预设阈值时，获取各目标区域的获胜神经元；S4：获取各目标区域的获胜神经元的索引，根据各目标区域的获胜神经元的索引，得到多目标区域的最短路径。能够在计算资源有限的情况下，快速求解多目标区域的最短路径规划问题，同时保证解具有较高的质量。
-
公开(公告)号：CN113705858A
公开(公告)日：2021-11-26
申请号：CN202110882110.5
申请日：2021-08-02
Applicant: 西安交通大学
Abstract: 本发明属于人工智能和组合优化领域，公开了一种多目标区域的最短路径规划方法、系统、设备及存储介质，包括以下步骤：S1：获取各目标区域的归一化坐标；S2：随机选取一目标区域的归一化坐标，通过预设的自组织神经网络模型，得到当前目标区域的获胜神经元；S3：迭代重复S2；当前迭代次数加1，并当当前迭代次数大于预设阈值时，获取各目标区域的获胜神经元；S4：获取各目标区域的获胜神经元的索引，根据各目标区域的获胜神经元的索引，得到多目标区域的最短路径。能够在计算资源有限的情况下，快速求解多目标区域的最短路径规划问题，同时保证解具有较高的质量。
-
公开(公告)号：CN115421494B
公开(公告)日：2024-08-27
申请号：CN202211147813.4
申请日：2022-09-19
Applicant: 西安交通大学
IPC: G05D1/43 , G05D1/644 , G05D1/648 , G05D105/10
Abstract: 本发明属于人工智能和机器人路径规划领域，公开了一种清洁机器人路径规划方法、系统、计算机设备及存储介质，包括：获取各清洁机器人的垃圾仓容量和运行速度、机器人库的坐标以及各待清洁点的坐标、垃圾量和清洁工作量；根据各清洁机器人的垃圾仓容量和运行速度、机器人库的坐标以及各待清洁点的坐标、垃圾量和清洁工作量，调用预设的用于清洁机器人路径规划的深度强化学习模型，得到各清洁机器人的路径规划结果。可实现多清洁机器人的路径规划，可以求解存在多个机器人、大量待清洁点的清洁机器人路径规划问题，贴合实际应用场景，求得的路径规划方案优于传统优化方法，求解路径规划问题所需的运算时间远低于蚁群算法及动态规划算法等传统方法。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.024 seconds)
