-
公开(公告)号：CN115639751A
公开(公告)日：2023-01-24
申请号：CN202211284267.9
申请日：2022-10-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种混联平台迟滞响应的主动补偿方法，涉及海洋工程领域，首先取反的当前姿态变化信息发送到预测模型，得到下一时刻的船体姿态变化信号，提前预测海浪对船体的影响，然后进行逆运动学推算，获得执行器的补偿信息，最后通过控制器输出到执行器中，对执行器下一时刻的运动进行补偿，在执行器动作之前，将海浪对船体可能造成的影响消除，解决补偿迟滞响应的弊端。为了保证预测的精度，最后将下一时刻执行器的运行信息取反，并逆向推算出船体姿态的理论变化值，将理论变化值与船体姿态的实际变化值做差值，并将差值返回到预测模型中，将差值叠加到后一时刻的预测值中，对执行器进行进一步修正，使得补偿效果更好。
-
公开(公告)号：CN107292332A
公开(公告)日：2017-10-24
申请号：CN201710378473.9
申请日：2017-05-25
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明属于涉及函数优化技术领域，具体涉及一种基于模糊C-均值聚类的布谷鸟算法。本发明通过在布谷鸟算法的偏好随机游动中引入模糊C-均值算法，将解中具有相同性质的分量集中在一类进行更新，增强了维间抗干扰能力。同时更改偏好随机游动的步长更新范围，增加了搜索方向，提高了算法的多样性。本发明能够有效地提高CS算法的收敛速度并改善解的质量，尤其体现在求解高维函数优化问题上。
-
Patent Agency Ranking
公开(公告)号：CN115560759A
公开(公告)日：2023-01-03
申请号：CN202211086240.9
申请日：2022-09-06
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于海底油气管道检测的水下多源导航定位方法，建立集中式SINS/DVL/USBL组合导航的信息滤波模型，得到对导航误差状态的全局最优预测估计；然后分别建立SINS/DVL/USBL组合导航系统状态模型和SINS/DVL/USBL组合导航观测模型；通过改进DS‑UKF算法，通过充分利用延迟量测信息来提高顺势非线性状态估计精度；最后通过加权one‑class SVM的离群值检测算法，有效解决USBL数据的噪声和跳点问题，进而提高水下导航精度。本发明有效解决长航时管道检测机器人水下定位精度问题，同时综合信息时间延迟、信息突变等因素，极大限度地提高了水下定位精度。
-
公开(公告)号：CN107883961A
公开(公告)日：2018-04-06
申请号：CN201711078252.6
申请日：2017-11-06
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于Smooth-RRT算法的水下机器人路径优化方法，属于优化领域。针对水下机器人工作环境复杂、实时性要求高的特点，为满足路径规划需要，本文在经典快速扩展树(RRT)算法的基础上，提出Smooth-RRT算法的路径优化方法。加入收敛因子和角度因子来改进扩展树的生长点和探索点的选择，提高算法速度及实用性。为兼顾水下机器人距离最短和操控性能的特殊要求，利用贪心算法对规划路径平滑处理。实验结果表明：该方法可以快速完成路径搜索，在提高搜索效率的同时缩短了规划距离，优化处理后的路径更适合于机器人的跟踪，满足水下机器人规划系统的要求。
-
公开(公告)号：CN115639751B
公开(公告)日：2024-12-06
申请号：CN202211284267.9
申请日：2022-10-20
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种混联平台迟滞响应的主动补偿方法，涉及海洋工程领域，首先取反的当前姿态变化信息发送到预测模型，得到下一时刻的船体姿态变化信号，提前预测海浪对船体的影响，然后进行逆运动学推算，获得执行器的补偿信息，最后通过控制器输出到执行器中，对执行器下一时刻的运动进行补偿，在执行器动作之前，将海浪对船体可能造成的影响消除，解决补偿迟滞响应的弊端。为了保证预测的精度，最后将下一时刻执行器的运行信息取反，并逆向推算出船体姿态的理论变化值，将理论变化值与船体姿态的实际变化值做差值，并将差值返回到预测模型中，将差值叠加到后一时刻的预测值中，对执行器进行进一步修正，使得补偿效果更好。
-
公开(公告)号：CN111178133A
公开(公告)日：2020-05-19
申请号：CN201911221023.4
申请日：2019-12-03
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于剪枝深度模型用于自然场景图像文本识别方法；主要涉及修剪深度网络(Yolo v3-Darknet53)和修剪后的深度网络对自然场景图像中文本进行检测和识别；该方法包括对深度网络剪枝策略、过滤检测模型输出的特征图、使用VGG16网络对文本信息提取、微调包围框、对文本信息进行识别；本发明使用文本检测和识别通用的ICDAR2015作为训练集和测试集，可以有效地展现自然场景图像的多种复杂性；计算机视觉领域的CNN规模日渐庞大，本发明旨在缩减网络规模、节省训练时间、缓解硬件设备压力、减小对检测和识别准确率的影响。
-
公开(公告)号：CN107122715A
公开(公告)日：2017-09-01
申请号：CN201710196524.6
申请日：2017-03-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于频‑时显著性结合的运动目标检测方法。该方法首先对图像进行预处理，然后通过频率调谐算法检测图像中的显著性运动目标信息，再计算动态显著图，最后采用高斯混合模型算法对对动态显著图做进一步检测，得到最终检测结果。本发明方法融合了频率调谐和高斯混合模型方法，计算量较小，可抑制检测图像中运动目标的鬼影。
-
-
-
-
-
-
Search Results
7
records
(took 0.031 seconds)
