-
公开(公告)号：CN113048984B
公开(公告)日：2023-10-03
申请号：CN202110359019.5
申请日：2021-04-01
Applicant: 江苏科技大学
IPC: G01C21/20
Abstract: 本发明涉及无人机器人集群技术领域，具体地说，是一种用于水下无人机器人集群的动态定位信息融合方法。通过引入动态拓扑下的一致性方法的概念，结合分布式无迹卡尔曼滤波方法，在通信网络的每个节点中都嵌入局部无迹滤波器和加权平均一致性滤波器，局部无迹滤波器利用各个AUV节点的局部多源观测信息，得到关于被测节点定位状态的局部无偏估计量；同时，加权平均一致性滤波器对所有局部后验估计进行一致融合，使全局后验估计结果以信息矩阵对后验估计均值加权的形式输出。
-
Patent Agency Ranking
公开(公告)号：CN114111796B
公开(公告)日：2023-10-24
申请号：CN202111419031.7
申请日：2021-11-26
Applicant: 江苏科技大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于信息增益的水下无人机器人的并行融合定位方法，通过信息论中信息熵与信息增益的概念，结合分布式局部信息滤波方法，在每个主AUV节点中都嵌入局部无迹滤波器，局部信息滤波器利用各个AUV节点的局部多源观测信息，得到关于被测节点定位状态的局部无偏估计量；同时，加权融合方法以局部滤波信息增益为滤波优劣评价标准对所有局部后验估计进行融合，使全局后验估计结果以信息矩阵对后验估计均值加权的形式输出。本发明解决目前一般的通信协同方法难以匹配水声信号系统的问题。
-
公开(公告)号：CN114111796A
公开(公告)日：2022-03-01
申请号：CN202111419031.7
申请日：2021-11-26
Applicant: 江苏科技大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于信息增益的水下无人机器人的并行融合定位方法，通过信息论中信息熵与信息增益的概念，结合分布式局部信息滤波方法，在每个主AUV节点中都嵌入局部无迹滤波器，局部信息滤波器利用各个AUV节点的局部多源观测信息，得到关于被测节点定位状态的局部无偏估计量；同时，加权融合方法以局部滤波信息增益为滤波优劣评价标准对所有局部后验估计进行融合，使全局后验估计结果以信息矩阵对后验估计均值加权的形式输出。本发明解决目前一般的通信协同方法难以匹配水声信号系统的问题。
-
公开(公告)号：CN114544155B
公开(公告)日：2024-10-25
申请号：CN202210105260.X
申请日：2022-01-28
Applicant: 江苏科技大学
Abstract: 本发明公开了一种基于深度学习的AUV推进器多信源融合故障诊断方法及系统，方法包括：采集AUV推进器各种故障类型的一维时间序列故障数据；将采集到的各种故障类型的一维时间序列故障数据进行数据预处理操作，得到多个多信源样本数据；将预处理后得到的多信源样本数据划分为训练集、验证集、测试集；建立卷积神经网络故障诊断模型，将训练集的多信源样本数据输入卷积神经网络故障诊断模型中进行前向传递和反向传播计算，训练卷积神经网络故障诊断模型参数；模型的验证与测试。本发明方法可自动对原始故障数据进行提取特征和诊断，无需任何手工特征提取操作，使人们对AUV推进器的故障诊断更加方便快捷。
-
公开(公告)号：CN114544155A
公开(公告)日：2022-05-27
申请号：CN202210105260.X
申请日：2022-01-28
Applicant: 江苏科技大学
Abstract: 本发明公开了一种基于深度学习的AUV推进器多信源融合故障诊断方法及系统，方法包括：采集AUV推进器各种故障类型的一维时间序列故障数据；将采集到的各种故障类型的一维时间序列故障数据进行数据预处理操作，得到多个多信源样本数据；将预处理后得到的多信源样本数据划分为训练集、验证集、测试集；建立卷积神经网络故障诊断模型，将训练集的多信源样本数据输入卷积神经网络故障诊断模型中进行前向传递和反向传播计算，训练卷积神经网络故障诊断模型参数；模型的验证与测试。本发明方法可自动对原始故障数据进行提取特征和诊断，无需任何手工特征提取操作，使人们对AUV推进器的故障诊断更加方便快捷。
-
公开(公告)号：CN113048984A
公开(公告)日：2021-06-29
申请号：CN202110359019.5
申请日：2021-04-01
Applicant: 江苏科技大学
IPC: G01C21/20
Abstract: 本发明涉及无人机器人集群技术领域，具体地说，是一种用于水下无人机器人集群的动态定位信息融合方法。通过引入动态拓扑下的一致性方法的概念，结合分布式无迹卡尔曼滤波方法，在通信网络的每个节点中都嵌入局部无迹滤波器和加权平均一致性滤波器，局部无迹滤波器利用各个AUV节点的局部多源观测信息，得到关于被测节点定位状态的局部无偏估计量；同时，加权平均一致性滤波器对所有局部后验估计进行一致融合，使全局后验估计结果以信息矩阵对后验估计均值加权的形式输出。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
