-
公开(公告)号：CN102009922A
公开(公告)日：2011-04-13
申请号：CN201010191358.9
申请日：2010-06-04
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供多节螺旋式升降机构。包括底座、电机、传动机构、管套、螺杆、连接盘，管套包括驱动管套和丝杠管套机构，电机、传动机构和驱动管套均安装在底座上，电机与传动机构相连，传动机构与驱动管套相连，丝杠管套机构安装在驱动管套上，螺杆安装在丝杠管套机构上，螺杆的顶端固定连接盘。本发明大大提高了杆体的升高高度，可连续调节高度，比同类产品降低了加工精度，且升降平稳、速度快、强度和刚度好、承载能力较大，结构简单，架设方便，操作及维修方便。
-
公开(公告)号：CN101887579A
公开(公告)日：2010-11-17
申请号：CN201010209306.X
申请日：2010-06-25
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明提供的是一种基于散射模型的水下图像复原方法。水下退化图像的复原过程被看做从退化像素灰度集到原始(退化前)像素灰度集的映射，而映射函数由水下光线传播模型推演而来，即基于散射模型的分段映射函数。主要内容包括：(1)采用线性拟合法和平均法对所考虑水域的水下光线传播散射模型进行标定；(2)从退化前后图像的直方图之间的联系总结出上述映射的全面约束条件；(3)根据约束条件确定模型中的d值、构建出分段映射函数。这样就可以利用生成的分段映射函数进行图像复原。本发明可以提高水下图像对比度，突出图像纹理细节，从而提高图像质量。为水下视觉的推广打下基础。
-
公开(公告)号：CN101369016A
公开(公告)日：2009-02-18
申请号：CN200810137210.X
申请日：2008-09-27
Applicant: 哈尔滨工程大学
IPC: G01S7/52
Abstract: 本发明提供的是一种矢量水听器拖曳线列阵收放装置。它包括绞车密封舱，在绞车密封舱中设置有绞车和驱动绞车的水下电机，绞车上连接线缆，线缆与一组矢量水听器相连，矢量水听器布设在线列阵管中且线列阵管密闭，线列阵管布于导向软管中，导向软管的一端与绞车密封舱密封连接，潜水泵的输出连接绞车密封舱上的进水口，导向软管上带有疏水管路，疏水管路上设置单向阀，线缆、水下电机、潜水泵和单向阀通过电缆与控制计算机相连。本发明采用潜水泵排水压出线列阵管，使线列阵在其载体外工作，而装置的整体设计采用双管结构，具有结构简易可靠、原理简单可行而工作效果良好等特点。
-
公开(公告)号：CN119002528A
公开(公告)日：2024-11-22
申请号：CN202411099830.4
申请日：2024-08-12
Applicant: 哈尔滨工程大学
IPC: G05D1/485 , G05D101/10
Abstract: 一种基于自适应固定时间干扰观测器的多欠驱动AUV分布式抗饱和滑模编队控制方法，它属于无人水下航行器的编队控制领域。本发明解决了由于外部干扰、模型参数不确定性以及输入饱和的影响，导致现有编队控制方法的控制性能差、鲁棒性差的问题。本发明设计的自适应固定时间扰动观测器可以在固定时间内将集总干扰的估计误差稳定在零附近区域，利用自适应固定时间干扰观测器来增强多欠驱动AUV的编队轨迹跟踪能力。设计基于固定时间动态辅助系统的抗饱和分布式固定时间滑模控制方案，可确保控制器在干扰和输入饱和条件下的性能，减轻输入饱和的影响，从而实现精确高效的控制。本发明方法可以应用于AUV编队控制。
-
公开(公告)号：CN118647070A
公开(公告)日：2024-09-13
申请号：CN202410761207.4
申请日：2024-06-13
Applicant: 哈尔滨工程大学
IPC: H04W52/02 , H04W72/044 , H04B7/04 , H04B7/0413 , H04W28/08
Abstract: 本发明公开了一种智能反射面辅助的Massive MIMO系统的资源分配方法，通过对传统鱼鹰算法引入量子化机制，设计了在窃听器信息速率受限、接收端信息速率满足最小用户服务质量要求的条件下，联合优化发射功率系数和智能反射面的相移变量的优化算法，极大降低了智能反射面辅助的Massive MIMO通信系统所需的发射功率，达到安全通信场景下节能的目标。本发明将传统鱼鹰算法与量子化方法相结合，通过引入量子位置、量子旋转角和映射规则来更新量子鱼鹰的位置，并在勘探阶段加入全局策略以加快收敛速度，突破了原算法仅进行局部寻优、收敛较慢的局限，提升了寻优效果和收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN118331049A
公开(公告)日：2024-07-12
申请号：CN202410394265.8
申请日：2024-04-02
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明提出了一种未知海流下AUV三维路径跟随控制方法，属于船舶控制技术领域。首先，利用反馈线性化方法将非线性强耦合的航行器模型转换成二阶线性模型，然后设计三维预测器视线导引法，对海流、漂角与攻角进行预测并加以补偿，建立李雅普诺夫‑克拉索夫斯(Lyapunov‑Krasovskii)方程并证明在合适的参数下误差达成收敛。之后基于双幂次趋近律设计滑模控制器，并证明在合适的参数下控制器达到稳定。最后，通过仿真验证了AUV基于该控制器与该视线导引法在存在未知海流情况下存在良好的控制效果。
-
公开(公告)号：CN117909741A
公开(公告)日：2024-04-19
申请号：CN202410072114.0
申请日：2024-01-17
Applicant: 哈尔滨工程大学
IPC: G06F18/214 , G01S13/58 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于改进LSTM的水下无人航行器速度预测方法，包括：获取待检测数据；将所述待检测数据输入至水下无人航行器速度预测模型进行预测，获取预测结果；其中，所述水下无人航行器速度预测模型通过Attention注意力机制与LSTM模型相结合以及增加CNN卷积神经网络构建；所述水下无人航行器速度预测模型通过训练集训练获得。本发明采用基于LSTM的神经网络算法，结合Attention注意力机制和CNN卷积神经网络，构建速度预测模型。
-
公开(公告)号：CN116776247A
公开(公告)日：2023-09-19
申请号：CN202310746167.1
申请日：2023-06-21
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/213 , G06F18/214 , G06N3/04 , G06N3/048
Abstract: 一种基于深度学习的雷达辐射源结构反演方法，它属于雷达辐射源信号处理技术领域。本发明解决了现有方法在复杂的背景下无法实现对敌方雷达辐射源的深度认知的问题。本发明方法为：步骤一、生成复RF信号样本，为每个复RF信号样本添加对应的雷达辐射源结构标签后得到复RF信号训练数据集；步骤二、构建sFSAE网络和SoftMax分类器，对训练数据集中的复RF信号样本进行处理后，利用处理后的复RF信号样本和标签对sFSAE网络和SoftMax分类器进行训练；步骤三、将训练好的sFSAE网络的各层频域稀疏自编码器的特征编码器和训练好的SoftMax分类器串联起来，将对待检测RF信号的处理结果输入串联后的网络，得到对雷达辐射源结构的反演结果。本发明方法可以应用于雷达辐射源信号处理。
-
公开(公告)号：CN116605392A
公开(公告)日：2023-08-18
申请号：CN202310624781.0
申请日：2023-05-30
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种水下无人潜水器的应急抛载结构，包括钛合金耐压舱、电磁阀、抽真空阀、压载重物、o型密封圈组成，所述钛合金耐压舱安装于无人潜水器下方凹槽，对所述钛合金耐压舱开口内壁开槽，安装o型密封圈，所述o型密封圈采用径向密封，密封方式采用动密封，在钛合金耐压舱上部分布着真空阀和电磁阀，整个抛载装置则构建完成；其中压载重物与钛合金耐压舱连接处的中空腔体通过o型密封圈形成密封，o型密封圈安装方式为径向密封，防止气体或者液体进入，在钛合金耐压舱开口内壁开槽并安装o型密封圈封圈，增加机构重复利用性。本发明具有结构简单稳定、功耗低、抗腐蚀性能好等优点，保障无人潜水器在特殊情况安全回收。
-
公开(公告)号：CN114248874B
公开(公告)日：2023-06-09
申请号：CN202111625194.0
申请日：2021-12-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种水下无人航行器的水下布放回收装置和方法。针对现有AUV布放回收装置和方法在布放回收过程中存在安全性差、隐蔽性低等问题提出的，包括:AUV控制台、双层滑道、AUV布放回收舱、光学导引装置、声学导引装置、注排水装置等。本发明提供的水下布放回收装置和方法具有以下优点：1、在高海情情况下，布放回收舱可以沿着预设的滑道方向平稳的移动，可以避免AUV在布放回收过程中与其它航行设备发生碰撞，有效保障了航行安全；2、布放回收装置安装在AUV母船坞舱内，使得AUV的布放回收过程更加隐蔽；3、AUV布放回收舱下放深度可控，有效减少高海情对AUV布放回收的影响。
-
-
-
-
-
-
-
-
-
Search Results
200
records
(took 0.049 seconds)
