-
公开(公告)号：CN118886539A
公开(公告)日：2024-11-01
申请号：CN202410908390.6
申请日：2024-07-08
Applicant: 哈尔滨工程大学
IPC: G06Q10/04 , B63B71/00 , B63B35/00 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084 , G06F13/42
Abstract: 本发明提供了一种基于TX2传输的海洋船舶实时预测平台，涉及TX2与电脑串口数据通信领域，海洋船舶运动姿态实时预测领域，采用Bi‑LSTM‑TPA模型船舶姿态预测方法，使用方法包括：采集船舶航行过程中的运动姿态数据，通过串口传输给TX2设备，在TX2设备端对数据进行实施预测，并将预测值返回给船舶系统。本发明可以在实现实施预测船舶运动姿态的基础上，通过将实时预测模型运算转移至TX2设备，有效的缓解船舶系统运算负担较大的问题。
-
公开(公告)号：CN113610121A
公开(公告)日：2021-11-05
申请号：CN202110829209.9
申请日：2021-07-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种跨域任务深度学习识别方法，从多个训练环境中估计非线性，不变因果预测因子，使模型只根据主体的特征预测，步骤一、生成生成主体特征与背景特征无关的数据集；步骤二、搭建门控参数增强网络模型；步骤三、计算损失函数；步骤四、训练并且保存参数；步骤五、将待识别样本输入步骤四训练后的分类器并输出识别结果。对比于现有的其它方法(如CLP,ALP,PGD,VIB),本发明提出的CDI方法能够很好地抑制背景对于主体识别的影响，准确率和稳定性远高于其它现有方法。
-
公开(公告)号：CN107263511A
公开(公告)日：2017-10-20
申请号：CN201710425602.5
申请日：2017-05-26
Applicant: 哈尔滨工程大学
CPC classification number: B25J13/08 , B25J11/00 , G05D1/0088 , G05D1/0246 , G05D2201/0203
Abstract: 本发明公开了一种全向机场跑道检测机器人系统及其控制方法，包括：采集模块，用于获取本体状态以及机场跑道视频，并将所获取的本体状态发送到远程智能终端；控制模块，用于接收远程智能终端发送的机场跑道巡检路线后，根据巡检路线执行轨迹进行运动以及对机场跑道进行视频采集，并根据所采集的视频进行机场跑道裂纹或异物判断：若有裂纹，则将裂纹处的位置发送回远程监控端；若有异物，则控制处理模块对异物进行清理；若无裂纹和异物，则继续执行轨迹跟踪和视频采集；处理模块，用于控制机械手或吸尘器对异物进行清理。通过设置多个模块，对机器人实现多模块的控制，机器人各主要部分实现模块化设计，功能实现灵活，便于更换、升级和维护。
-
公开(公告)号：CN106018409A
公开(公告)日：2016-10-12
申请号：CN201610543353.5
申请日：2016-06-29
Applicant: 哈尔滨工程大学
CPC classification number: G01N21/84 , G01N21/01 , G01N21/8851 , G01N2021/8887
Abstract: 本发明公开了一种机场跑道异物和裂纹的识别系统及其检测识别方法，该系统包括摄像头、FPGA处理器、DSP处理器，所述摄像头、FPGA处理器、DSP处理器依次连接，所述FPGA处理器和DSP处理器分别连接有显示模块。该识别方法是S1、摄像头采集机场跑道路面的跑道彩色图像；S2、FPGA读取跑道彩色图并转为跑道灰度图像，进行Sobel边缘检测；S3、边缘检测后一路存储到SDRAM中，另一路进行Hough变换，去除标线；S4、形态学滤波；S5、检测跑道图像中是否有异物和裂纹，若有将道面边缘检测图像送DSP处理；S6、对边缘检测图像进行填充，形成特征，S7、特征提取，识别出是异物还是裂纹。
-
公开(公告)号：CN103516960A
公开(公告)日：2014-01-15
申请号：CN201310484497.4
申请日：2013-10-16
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于船舶运动姿态预报的船载视频稳像方法，其特征在于：提出基于粒子群（Particle swarm optimization，PSO）-最小二乘支持向量机（Least squares support vector machine，LSSVM）的船舶运动姿态预报方法，对船舶运动姿态进行预报，获得船舶运动矢量预报数据；根据船舶运动矢量预报数据，计算得到图像的运动矢量数据；提前计算出图像补偿矢量，对图像逐帧进行运动补偿。该方法通过引入粒子群优化算法对最小二乘支持向量机进行参数选取，提高船舶运动姿态预报精度，从而提高图像运动矢量估计准确性，提高视频稳像质量。并且提前计算出图像补偿矢量，增强稳像算法的实时性，解决传统方法根据已波动的视频估计图像的运动矢量存在滞后的问题。
-
Patent Agency Ranking
-
公开(公告)号：CN118964836A
公开(公告)日：2024-11-15
申请号：CN202410950987.7
申请日：2024-07-16
Applicant: 哈尔滨工程大学
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明提出了一种基于时序模式注意力机制的CNN‑LSTM船舶运动姿态预测方法，获取多变量实船运动的真实数据集，绘制多变量数据的热力图，选择相互之间相关程度高的多变量数据作为输入，利用滑动窗口的思想将其构造为有监督数据集，并对其进行数据预处理；搭建基于时序模式注意力机制的CNN‑LSTM混合网络，包括一维卷积层，LSTM层、时序注意力机制模块和展平层；训练网络，使用MSE评价模型；将新的船舶运动姿态数据传入到训练好的混合网络模型，得到预测数据。本发明利用基于时序模式注意力机制的CNN‑LSTM混合网络模型进行训练，与单一的网络相比，可以同时提取船舶运动姿态数据的空间维度特征和时序维度特征，网络模型具有更高的预测精度。
-
公开(公告)号：CN118131760A
公开(公告)日：2024-06-04
申请号：CN202410163684.0
申请日：2024-02-05
Applicant: 哈尔滨工程大学
IPC: G05D1/43 , G05D109/30
Abstract: 基于多步预测扰动观测器的路径跟踪控制方法和系统，涉及船舶自主航行控制技术领域。解决现有基于干扰观测器的模型预测控制方案，将干扰观测器置于模型预测之外，只进行一次扰动补偿，导致对未来扰动的影响缺乏有效的处理，系统对于未知干扰的持续影响缺乏足够的鲁棒性的问题。所述方法包括：建欠驱动水面艇的动力学模型；根据欠驱动水面艇的动力学模型构建干扰观测器；根据欠驱动水面艇的动力学模型的追踪期望路径建立目标函数；设置欠驱动水面艇的动力学模型的约束条件；根据目标函数和约束条件控制欠驱动水面艇的动力学模型进行路径跟踪。本发明保障无人艇在执行路径跟踪任务时更加可靠稳定，并能够适应不同的海洋环境。
-
公开(公告)号：CN118111436A
公开(公告)日：2024-05-31
申请号：CN202410163687.4
申请日：2024-02-05
Applicant: 哈尔滨工程大学
Abstract: 基于卡尔曼滤波的无人艇航机信号修正补偿方法和设备，属于无人艇定位技术领域，解决针对无人艇航行信息传输延迟或定位精度不准确问题。本发明方法包括：获取无人艇本体信息并计算处理得到所需要的位置信息和速度信息；接收所需要的目标位置并计算所需要的北向东向目标位置信息；利用卡尔曼滤波最优估计方法将上述两个信息进行数据融合从而计算得到修正后的实际位置数据；利用已经训练好的Elman神经网络模型来对实际位置数据进行求解；计算位置数据线性程度并根据线性程度对卡尔曼滤波最优估计和神经网络模型加权融合产生更准确的无人艇航行信息。本发明对信号传输延迟丢包等现象都有很好的解决能力。
-
公开(公告)号：CN113610121B
公开(公告)日：2023-09-29
申请号：CN202110829209.9
申请日：2021-07-22
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种跨域任务深度学习识别方法，从多个训练环境中估计非线性，不变因果预测因子，使模型只根据主体的特征预测，步骤一、生成生成主体特征与背景特征无关的数据集；步骤二、搭建门控参数增强网络模型；步骤三、计算损失函数；步骤四、训练并且保存参数；步骤五、将待识别样本输入步骤四训练后的分类器并输出识别结果。对比于现有的其它方法(如CLP,ALP,PGD,VIB),本发明提出的CDI方法能够很好地抑制背景对于主体识别的影响，准确率和稳定性远高于其它现有方法。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.03 seconds)
