-
公开(公告)号：CN107015477B
公开(公告)日：2019-10-18
申请号：CN201710218855.5
申请日：2017-04-05
Applicant: 同济大学
IPC: G05B13/04
Abstract: 基于状态反馈的车辆路径跟踪H∞控制方法。首先获得参考路径横纵坐标，求出参考航向角，根据车辆当前位置寻找参考路径上对应的参考点，计算参考点和车辆当前点的位置偏差和航向角偏差。然后，将基于单轨的传统车辆动力学模型改进为基于位置偏差和航向角偏差的动力学模型，得到系统的状态方程。接着，将本模型中车辆横向运动控制主要影响因素参考横摆率作为系统的有界扰动，根据状态反馈H∞控制律，设计静态的状态反馈控制器。最后，转化为具有线性矩阵不等式约束和线性目标函数的凸优化问题，利用线性矩阵不等式工具箱求解控制器系数矩阵，得到控制器输出，即为轮胎转角，进而实现车辆的路径跟踪控制。适用于复杂交通场景下的车辆路径跟踪控制。
-
公开(公告)号：CN108229730A
公开(公告)日：2018-06-29
申请号：CN201711374968.0
申请日：2017-12-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于模糊奖励的无人驾驶车辆轨迹生成方法，包括以下步骤：1)获取多条示教车辆的轨迹信息，并统计轨迹信息中轨迹特征的特征期望；2)在无人驾驶车辆运行过程中，根据特征期望获取当前空间状态下的奖励值；3)根据每个空间状态下的奖励值在空间中选择轨迹点坐标，拟合后形成最终的无人驾驶车辆的车辆轨迹。与现有技术相比，本发明具有规律统计、具有健壮的迁移能力、简单易操作、贴近示教、适用于小数据集等优点。
-
公开(公告)号：CN107220416A
公开(公告)日：2017-09-29
申请号：CN201710321281.4
申请日：2017-05-09
Applicant: 同济大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F17/5095
Abstract: 本发明涉及一种全车主动悬架系统自适应backstepping控制器设计方法，该方法包括如下步骤：(1)建立全车主动悬架非线性模型；(2)确定自适应backstepping控制器，所述的自适应backstepping控制器包括前右悬架控制器、前左悬架控制器、后右悬架控制器以及后左悬架控制器，各控制器分别连接对应悬架的执行器；(3)确定自适应控制目标；(4)结合全车主动悬架非线性模型和自适应控制目标确定自适应backstepping控制器的控制律。与现有技术相比，本发明在改善汽车驾驶舒适性的同时，汽车驾驶安全、悬架行程和执行器饱和现象等都能得到满足，设计的控制器控制更加准确可靠。
-
公开(公告)号：CN107124158A
公开(公告)日：2017-09-01
申请号：CN201710195823.8
申请日：2017-03-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于对数量化的无线传感器网络滤波信息处理系统及方法，该系统包括：分别对应设置l个传感器、事件触发器、滤波器和量化器的传感器采样单元、事件触发单元、分布式滤波单元和量化单元，对应的1个传感器、事件触发器、滤波器和量化器依次连接，形成l组独立的滤波信息处理链路，l组滤波信息处理链路输出端连接有融合单元；传感器分别获取l个观测变量，传感器测得的观测变量进行事件触发输出至滤波器，滤波器进行系统状态变量估计，量化器进行量化，融合单元对l组状态变量量化估计值进行融合得到状态变量估计值。与现有技术相比，本发明能够实现信号有效地传输，降低传输数据量、减少网络拥塞、丢包等现象，提高系统性能。
-
公开(公告)号：CN106292288A
公开(公告)日：2017-01-04
申请号：CN201610841970.3
申请日：2016-09-22
Applicant: 同济大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明涉及基于策略梯度学习法的模型参数修正方法及其应用，该模型参数修正方法包括以下步骤：S1：选择倒立摆输入参数和机器人躯干姿态参数为修正量，建立修正量的模型参数修正方程；S2：选择机器人质心跟踪的误差以及机器人姿态相对于身体直立状态的误差作为机器人对当前环境的适应度指标，建立适应度评价函数；S3：根据适应度评价函数，利用策略梯度学习法优化模型参数修正方程中的增益系数，将优化后的增益参数代入模型参数修正方程得到修正量。与现有技术相比，本发明策略方程收敛快速，机器人能在未知的扰动下快速、实时地调节步态和身体姿态，提高了机器人行走的自适应性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN103456016B
公开(公告)日：2016-07-13
申请号：CN201310403988.1
申请日：2013-09-06
Applicant: 同济大学
IPC: G06T7/00
Abstract: 本发明涉及一种视角无关的体感摄像机网标定方法，该方法包括步骤：1)在安装的多台摄像机选定一台摄像机所在的坐标系为基准坐标系，其余为非基准坐标系；2)多台摄像机同时获取同一个人的骨架位置信息并显示；3)建立人体骨架坐标系，多台摄像机分别根据侦测得的骨架位置信息计算各摄像机相对人体骨架坐标系的旋转矩阵和平移向量；4)根据步骤3)获得的旋转矩阵和平移向量，计算各非基准坐标系相对基准坐标系的旋转矩阵和平移向量；5)根据步骤4)获得的旋转矩阵和平移向量，将非基准坐标系所在摄像机侦测的骨架位置信息映射到基准坐标系中。与现有技术相比，本发明具有操作简单、实时性强、不需特意准备其他的辅助标记物等优点。
-
公开(公告)号：CN102930246B
公开(公告)日：2015-04-08
申请号：CN201210393488.X
申请日：2012-10-16
Applicant: 同济大学
Abstract: 本发明涉及一种基于点云片段分割的室内场景识别方法，该方法包括以下步骤：结合图论方法，根据三维点云的平面法向量和颜色信息对三维点云图像进行场景预分割，将图像分割成为不同点云片段，且保证每个片段属于不同的物体；构建一个同时合并和识别的概率模型框架对点云片段进行合并和物体分类，实现对场景空间中不同物体的识别；采用融合语义信息和拓扑关系的场景空间层次模型来表示场景空间的图像特征、物体类别、物体间的关系及场景所在的区域信息，并构建一个基于有向图的场景空间信息推理模型获得场景的空间语义信息。与现有技术相比，本发明具有识别精确、操作简便等优点。
-
公开(公告)号：CN104097205A
公开(公告)日：2014-10-15
申请号：CN201310117991.7
申请日：2013-04-07
Applicant: 同济大学
IPC: B25J9/16
CPC classification number: B25J9/16
Abstract: 本发明涉及一种基于任务空间的机器人实时运动自碰撞避免控制方法，该方法包含对机器人的末端轨迹跟踪，具体包括以下步骤：1)根据机器人的三维几何信息利用包围体进行建模，将机器人的身体分割为不同的区域块，对每两个区域块所构成的区域对进行自碰撞检测；2)若检测到区域对会发生自碰撞，则在任务空间内增加一个用于调整运动轨迹的自碰撞避免任务；3)同时完成自碰撞避免任务和末端轨迹跟踪任务。与现有技术相比，本发明可以在机器人实时运动规划的过程中，避免自碰撞的发生，促进了机器人的现场应用。
-
公开(公告)号：CN103558463A
公开(公告)日：2014-02-05
申请号：CN201310512351.6
申请日：2013-10-25
Applicant: 同济大学
Abstract: 本发明涉及一种分布式实时能耗数据监测分析系统，用于采集电表的能耗数据，该系统包括电流互感器、电量检测模块、单片机、无线传输模块、电源模块和数据服务器，所述的电流互感器与电表的火线连接，所述的电流互感器、电量检测模块、单片机、无线传输模块、数据服务器依次连接；电量检测模块通过电流互感器采集电表信息，根据电表信息获得实时能耗数据并保存，单片机根据设定的数据读取时间间隔读取电量检测模块中的能耗数据，并以设定的数据发送时间间隔控制无线传输模块，无线传输模块通过无线网络将能耗数据发送给数据服务器，数据服务器根据能耗数据输出用户节能建议。与现有技术相比，本发明具有通用性强、安全方便快捷、实用价值高等优点。
-
公开(公告)号：CN103456016A
公开(公告)日：2013-12-18
申请号：CN201310403988.1
申请日：2013-09-06
Applicant: 同济大学
IPC: G06T7/00
Abstract: 本发明涉及一种视角无关的体感摄像机网标定方法，该方法包括步骤：1)在安装的多台摄像机选定一台摄像机所在的坐标系为基准坐标系，其余为非基准坐标系；2)多台摄像机同时获取同一个人的骨架位置信息并显示；3)建立人体骨架坐标系，多台摄像机分别根据侦测得的骨架位置信息计算各摄像机相对人体骨架坐标系的旋转矩阵和平移向量；4)根据步骤3)获得的旋转矩阵和平移向量，计算各非基准坐标系相对基准坐标系的旋转矩阵和平移向量；5)根据步骤4)获得的旋转矩阵和平移向量，将非基准坐标系所在摄像机侦测的骨架位置信息映射到基准坐标系中。与现有技术相比，本发明具有操作简单、实时性强、不需特意准备其他的辅助标记物等优点。
-
-
-
-
-
-
-
-
-
Search Results
289
records
(took 0.187 seconds)
