-
公开(公告)号：CN113431020A
公开(公告)日：2021-09-24
申请号：CN202110626358.5
申请日：2021-06-04
Applicant: 大连海事大学
Abstract: 本发明属于生态海岸修复工程领域，在受侵蚀的潮滩开展滨海浅滩的生态滩涂培育设计方法，涉及一种应用于滨海护坡工程、生态海岸修复工程的方法。所述培育方法包括以下步骤：使用抛填土将受侵蚀潮滩待修复的区域抛填成海岸坡面；在低潮滩布设消浪沙袋，在高潮滩和中潮滩混合移栽种植盐沼植被，完成对侵蚀潮滩海岸的防护。本发明充分发挥利用当地疏浚土资源，疏浚土将变废为宝，以解决建设资源日益减少且紧张的问题；通过消浪沙袋，降低波浪的波坏作用，减少侵蚀的发生，盐沼植被可进一步固定疏浚土；施工简便，不需要大型机械配合，降低成本，经济简便，资源浪费少、安全可靠保持水土，提高美观度，有助于保护环境。
-
公开(公告)号：CN113419428A
公开(公告)日：2021-09-21
申请号：CN202110797422.6
申请日：2021-07-14
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于3D映射制导的USV(Unmanned aerialvehicle)‑UAV(Unmanned aerial vehicle)协同路径跟踪自适应控制器设计方法，包括以下步骤：S1、建立无人船‑无人机协同的系统模型；S2、构建无人船和无人机之间的有效关联；S3、设计无人船‑无人机位置控制器和自适应律；S4、设计无人船‑无人机姿态控制器和自适应律；S5、控制无人船‑无人机实现协同路径跟踪控制任务。本发明能将水面参考路径信息等量映射到空间参考平面上，在无人船‑无人机之间构建有效关联，本发明能同时为无人船‑无人机系统进行控制器设计，并且采用模糊逻辑系统和动态面技术处理无人船‑无人机协同系统中的结构不确定项和计算爆炸问题。本发明能够提升无人船‑无人机在协同路径跟踪方面的自动性。
-
公开(公告)号：CN113219978A
公开(公告)日：2021-08-06
申请号：CN202110518308.5
申请日：2021-05-12
Applicant: 大连海事大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于零阶保持器的船舶路径跟踪事件触发控制方法，包括：利用零阶保持器储存上一触发时刻船舶状态向量、控制律及自适应律。根据获取的船舶状态信息和零阶保持器中储存的船舶状态信息构建简洁事件触发机制。当满足事件触发机制时，系统输出零阶保持器中储存的船舶状态向量、控制律及自适应律。当不满足事件触发机制时，控制器触发，零阶保持器中储存的船舶状态向量、控制律及自适应律更新并输出。从而，通过基于事件触发的容错机制解决船舶路径跟踪控制中通信通道受阻和执行器故障问题。
-
公开(公告)号：CN112947375A
公开(公告)日：2021-06-11
申请号：CN202110182000.8
申请日：2021-02-09
Applicant: 大连海事大学
IPC: G05B23/02
Abstract: 本发明公开了一种考虑未知死区的复合自适应容错控制器设计方法，包括：建立船舶模型；根据船舶执行器的死区非线性特性建立死区模型，并结合船舶执行器的故障类型建立故障模型；基于鲁棒神经网络对船舶的速度变量进行估计；根据船舶实际速度与估计速度之间的误差来计算死区模型的死区参数以及执行器故障参数；根据死区参数构造死区逆模型对死区模型进行补偿；根据故障参数对故障模型进行补偿；计算死区模型和故障模型补偿后的控制律；根据控制律来调节船舶执行器的控制输入矢量，以控制船舶执行动力定位。本发明能够实现在具有未知死区的推进器出现未知故障的情况下继续保持动力定位任务的正常进行。
-
公开(公告)号：CN111723010A
公开(公告)日：2020-09-29
申请号：CN202010538383.3
申请日：2020-06-12
Applicant: 大连海事大学
IPC: G06F11/36 , G06F16/906 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于稀疏代价矩阵的软件BUG分类方法，包括以下步骤：S1：获取软件BUG报告；S2：对软件BUG报告数据进行编码操作，S3：初始化稀疏代价矩阵；S4：使用编码后的数据训练加权极限学习机、使其输出正确的报告分类结果；S5：使用训练好的加权极限学习机求出该加权极限学习机的局部泛化误差；S6：使用差分进化算法中的交叉变异策略产生新的软件BUG稀疏权重矩阵；S7：使用新的稀疏权重矩阵在相同不平衡数据集上训练新的加权极限学习机、S8：直至无法得到更低的局部泛化误差；S9：使用能够得到最低的局部泛化误差的加权极限学习机预测未知的软件BUG报告、得到其相应的报告分类结果。
-
Patent Agency Ranking
公开(公告)号：CN108545161A
公开(公告)日：2018-09-18
申请号：CN201810265888.X
申请日：2018-03-28
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于云服务器和救助终端的水上智能救生系统，该系统由监控终端、岸上终端、充电桩以及救生圈等装置，当监控终端发现水上险情发生时，触动充电桩上的报警单元并将险情信息发送到就近的岸上终端，准备人员营救的后勤工作，同时监控终端发出报警声音，就近的救援人员赶到监控终端取下救生圈及其遥控器，将救生圈扔进水中遥控控制到人员落水水域，搭载落水人员至岸边等待进一步施救。
-
公开(公告)号：CN119739077A
公开(公告)日：2025-04-01
申请号：CN202411892391.2
申请日：2024-12-20
Applicant: 大连海事大学
IPC: G05B19/042
Abstract: 本发明公开了一种基于命令滤波的自主拖船事件触发量化拖曳控制方法，包括：构建AT和被拖船的非线性系统模型，使用制导虚拟船获取AT和被拖船的参考航线；根据制导虚拟船和实船的位置构建制导律生成AT和被拖船的期望轨迹；设计AT和被拖船在前进自由度和艏摇自由度上的虚拟控制律，引入滤波器对动力学误差进行补偿，得到补偿后的动力学误差；根据补偿后的动力学误差设计AT和被拖船在前进自由度和艏摇自由度上的中间控制律和自适应律的更新律；基于AT和被拖船在前进自由度和艏摇自由度上的中间控制律和自适应律的更新律设计基于命令滤波的事件触发量化AT控制器和基于命令滤波的被拖船控制器；使用两种控制器实现AT对被拖船的拖曳控制；本发明能够提高系统的响应速度，避免微小波动引起的频繁调整，显著减少不必要的信号传输和计算量，从而节省有限的通信带宽和计算资源。
-
公开(公告)号：CN114609905B
公开(公告)日：2024-04-05
申请号：CN202210217076.4
申请日：2022-03-07
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种船舶编队事件触发控制方法，包括：S1、计算逻辑船舶的期望位置信号和期望艏向角；S2、获取船舶转向半径Rturn，设定船舶的内侧船转向半径Rmax、外侧船转向半径Rmin；确定船舶的参考转艏角速度；S3、根据船舶的期望位置信号和期望艏向角，使用径向基神经网络，设计权值估计器；S4、设计船舶控制器，船舶控制器用于控制船舶跟踪参考信号；S5、设计事件触发条件；S6、建立新的船舶模型。本发明缓和了控制器与驱动器之间通信信道的占用。通过引入径向基神经网络逼近模型不确定项，并导出权值估计器对位置神经权重在线更新，本发明采用的神经网络权值估计器随着触发条件离散更新，更够进一步节约控制系统的通信资源。
-
公开(公告)号：CN109614489B
公开(公告)日：2022-11-18
申请号：CN201811528863.0
申请日：2018-12-13
Applicant: 大连海事大学
IPC: G06F16/35 , G06F16/36 , G06F40/284
Abstract: 本发明公开了一种基于迁移学习和特征提取的Bug报告严重程度识别方法，通过将向量化表示的Bugzilla Bug报告信息作为知识库；并使用粗糙集特征提取方法对向量化表示的文本矩阵进行特征提取，将提取的特征作为迁移学习的最终知识库，用于识别Android Bug报告的严重程度。通过上述方法可以实现Android Bug报告管理系统中Bug报告严重程度的自动预测，节省了Bug报告严重程度预测所需的时间成本和人力成本，提升了工作效率。
-
公开(公告)号：CN109491914B
公开(公告)日：2021-11-30
申请号：CN201811333585.3
申请日：2018-11-09
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于不平衡学习策略高影响缺陷报告预测方法：使用文本预处理方法对缺陷报告的文本信息进行处理；将处理后文本信息分储为训练集和测试集；对训练集做多次数据平衡处理；使用多个分类器对经过平衡处理的训练集进行训练；把多个分类器的优点进行集成并输出；使用文本特征提取模块来对测试集中的缺陷报告进行文本特征提取；使用训练好的模型对测试集中的缺陷报告进行预测。本发明克服了数据的不平衡特性并加以利用，将不平衡学习策略与约束求解相结合，基于不同分类算法的不同能力，提出了利用权重优化每个分类器的判别概率以提高分类效果，并将优化后的多个分类器进行集成，通过获取更合适的权重来获得更高的准确率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.025 seconds)
