-
公开(公告)号：CN112919318B
公开(公告)日：2021-09-24
申请号：CN202110311537.X
申请日：2021-03-24
Applicant: 哈尔滨理工大学
Abstract: 针对船用机械臂工作过程中因干扰产生摆动问题，发明一种基于阻抗控制的船用主动减摆收放机械臂。主要包括减摆锥形吊钩，吊索，减摆机构Y，改进阻抗阻尼器Y，固定件一，固定件二，轴承一，轴承二，减摆机构X，轴承三，改进阻抗阻尼器X，固定件三，固定件四，固定件五，折臂一，轴承四，折臂二，轴承五，固定件六，托架，支柱，轴承六，永磁异步电机，减摆阻抗综合控制箱，母船甲板，位置传感器，滑轮，力传感器，滑块，连杆。设计主动减摆阻抗综合控制系统对被吊物进行主动减摆；采用基于阻抗控制的改进阻抗阻尼器，避免大幅度和高频率减摆出现装置断裂情况，提高了船用收放机械臂效率和安全性。
-
公开(公告)号：CN113359775A
公开(公告)日：2021-09-07
申请号：CN202110774053.9
申请日：2021-07-08
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于动态变采样区域的概率目标偏置快速扩展随机树(RRT)无人车路径规划方法。所述方法包括：首先，初始化地图信息，根据动态变采样区域公式判断所处区域；在此基础上进行预留安全距离的碰撞检测，并根据概率目标偏置公式和步长选择公式生成新生节点，重复上述步骤直到满足新生节点和目标节点之间的距离小于距离阈值，反向搜索，输出路径；最后，考虑最大转角约束对输出路径进行逆向寻优和3次B样条曲线拟合优化，仿真验证了所述方法的有效性。本发明能够降低节点搜索的盲目性和随机性，减少路径搜索的时间，且规划的路径平滑符合车辆运动动力学约束。
-
公开(公告)号：CN108805264B
公开(公告)日：2021-08-31
申请号：CN201810461685.8
申请日：2018-05-15
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于快速学习率的RBF评估舰载机出动能力的方法。根据舰载机出动能力指标体系模型生成器所建立的指标体系，生成指定数量的待评估样本，用于训练基于快速学习率的RBF神经网络，经过RBF隐含层神经元增减判别器判别后调整隐含层神经元数量，然后实现权重的鲁棒调节和神经网络学习率的自适应快速调节，最终实现舰载机出动能力快速评估。利用快速学习率的RBF神经网络的非线性映射能力来评估复杂非线性的舰载机出动能力，可以避免传统的评估方法主观性较强和评估过程复杂。通过评估值与阈值的比较来增减隐含层神经元数量更加合理，快速学习率和鲁棒算法保证神经网络更快的学习速率和稳定性。本发明通过仿真实验验证了评估方法的有效性。
-
公开(公告)号：CN112429165B
公开(公告)日：2021-08-24
申请号：CN202011283962.4
申请日：2020-11-17
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种船用减摇鳍的鳍体实时自动避障方法，该方法将减摇鳍的鳍体等效成长方体模型，其中障碍物的等效球模型是将障碍物看成一个质点，质点与鳍体的安全距离作为半径，标记处于鳍体中的轴中心点、长方体模型右侧面中心点与这两点在后侧面所在平面的投影点，通过测距传感器分别测出障碍物与其余四点的距离，再测出两个中心点的距离和长方体模型的宽，若障碍物将与鳍发生碰撞，则需要在降低一定减摇效果的情况下改变鳍摆角实现避障，由折算关系可知所需改变的角度。本发明优点是方法简单、操作方便、实用性强，并且避免了鳍在遇到暗礁、较大悬浮物或特殊情况时发生碰撞的不利情况，解决了传统减摇鳍的鳍体缺乏实时自动避障的问题。
-
公开(公告)号：CN112919318A
公开(公告)日：2021-06-08
申请号：CN202110311537.X
申请日：2021-03-24
Applicant: 哈尔滨理工大学
Abstract: 针对船用机械臂工作过程中因干扰产生摆动问题，发明一种基于阻抗控制的船用主动减摆收放机械臂。主要包括减摆锥形吊钩，吊索，减摆机构Y，改进阻抗阻尼器Y，固定件1，固定件2，轴承1，轴承2，减摆机构X，轴承3，改进阻抗阻尼器X，固定件3，固定件4，固定件5，折臂1，轴承4，折臂2，轴承5，固定件6，托架，支柱，轴承6，永磁异步电机，减摆阻抗综合控制箱，母船甲板，位置传感器，滑轮，力传感器，滑块，连杆。设计主动减摆阻抗综合控制系统对被吊物进行主动减摆；采用基于阻抗控制的改进阻抗阻尼器，避免大幅度和高频率减摆出现装置断裂情况，提高了船用收放机械臂效率和安全性。
-
Patent Agency Ranking
公开(公告)号：CN110046460A
公开(公告)日：2019-07-23
申请号：CN201910347970.1
申请日：2019-04-28
Applicant: 哈尔滨理工大学
IPC: G06F17/50
Abstract: 本发明涉及一种基于自适应精英遗传算法的两栖车辆布列优化方法。本发明包括：获取两栖车辆及布列空间尺寸；明确两栖车辆布列约束条件；确定两栖车辆布列目标函数；设定自适应精英遗传算法初始参数；随机产生第一代两栖车辆布列种群编码；解算当代个体适应度，保存最优个体作为精英个体；判断是否达到最大迭代次数或平均适应度达到预期值；所有个体与最差个体适应度的差作为所有个体新适应度；进行遗传选择、交叉和变异，产生新一代种群；精英个体替换新一代种群最差个体；对最后一代种群中的最优个体进行解码，得到车辆布列的最优顺序；利用最低水平线定位算法确定两栖车辆布列位置。
-
公开(公告)号：CN110045612A
公开(公告)日：2019-07-23
申请号：CN201910347969.9
申请日：2019-04-28
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 减摇鳍液压伺服模拟实验台反步自适应控制方法包括减摇鳍液压伺服模拟实验台数学模型，自适应参数辨识器，反步子系统控制器1，反步子系统控制器2，反步子系统控制器3，反步子系统控制器4。通过理论分析和半实物实验验证可得，在对减摇鳍实验台液压伺服系统的输出跟踪中，反步自适应控制器具有明显优于常规PID控制器的动态性能和静态性能，跟踪误差相比减小了60%，能够有效地降低液压系统非线性和干扰因素的影响，提高了系统的跟踪控制精确度，符合减摇鳍模拟实验台的控制要求。
-
公开(公告)号：CN109625205A
公开(公告)日：2019-04-16
申请号：CN201910017761.0
申请日：2019-01-09
Applicant: 哈尔滨理工大学
CPC classification number: B63B39/06 , G05B23/0221
Abstract: 本发明涉及一种减摇鳍多反馈升力信号的分步融合方法。本发明包括：利用A/D模块采集减摇鳍的升力信号和鳍角信号；利用序贯融合方法解算初步融合升力，并解算升力测量信号与初步融合升力均方差；利用线性变换方法解算鳍角折算升力，并解算鳍角折算升力与初步融合升力均方差；比较上述解算的均方差，保留可靠的升力信号；利用岭估计将保留的升力信号进一步融合得到最终融合升力信号；解算最终融合升力信号与实际升力信号的均方差，与前面解算的均方差作比较，验证所发明的升力融合方法的准确性。该方法的优点在于所设计序贯融合滤波算法能够加快融合速度，还可以去除出现故障或缺失的检测升力信号，采用岭估计融合算法提高系统的可靠性。本发明通过仿真实验验证了融合方法的准确性和有效性。
-
公开(公告)号：CN108805264A
公开(公告)日：2018-11-13
申请号：CN201810461685.8
申请日：2018-05-15
Applicant: 哈尔滨理工大学
CPC classification number: G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于快速学习率的RBF评估舰载机出动能力的方法。根据舰载机出动能力指标体系模型生成器所建立的指标体系，生成指定数量的待评估样本，用于训练基于快速学习率的RBF神经网络，经过RBF隐含层神经元增减判别器判别后调整隐含层神经元数量，然后实现权重的鲁棒调节和神经网络学习率的自适应快速调节，最终实现舰载机出动能力快速评估。利用快速学习率的RBF神经网络的非线性映射能力来评估复杂非线性的舰载机出动能力，可以避免传统的评估方法主观性较强和评估过程复杂。通过评估值与阈值的比较来增减隐含层神经元数量更加合理，快速学习率和鲁棒算法保证神经网络更快的学习速率和稳定性。本发明通过仿真实验验证了评估方法的有效性。
-
公开(公告)号：CN108717486A
公开(公告)日：2018-10-30
申请号：CN201810472034.9
申请日：2018-05-17
Applicant: 哈尔滨理工大学
IPC: G06F17/50
Abstract: 本发明涉及一种用于舰载机并行闭环保障作业的建模方法。该建模方法考虑了保障作业中的并行作业和闭环系统的特点，运用系统动力学方法对保障作业过程进行建模，能够同时分析系统的动态性能和静态指标，弥补常规建模方法只能得到静态指标或动态性能的缺点。本发明解决了舰载机保障作业过程中并行作业和闭环内舰载机数量固定不变的建模问题。建立了舰载机保障过程系统流图和系统状态方程，确定了保障能力的表达式。分析了保障系统的动态过程和静态性能，为提高航母作战能力提供参考意见。本发明通过仿真实验证实了建模方法的正确性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.039 seconds)
