检索结果-内蒙古大学图书馆

“OODA+AI”驱动的自动化领域工程科技未来人才培养——以哈尔滨工程大学智能科学与工程学院为例

高等工程教育研究 2025年第1期 61-67页

作者：赵玉新许德新刘志林王辉哈尔滨工程大学哈尔滨工程大学船舶导航与控制国家级实验教学示范中心哈尔滨工程大学智能科学与工程学院

为了服务国家教育强国人才强国战略,培养引领自动化领域未来科技创新和产业变革人才,提出了OODA循环理论为理念,人工智能技术赋能为手段,“OODA+AI”驱动教育发展的人才培养体系新路径。构建了OODA循环人才培养迁移模型,设计了人工智能... 详细信息

为了服务国家教育强国人才强国战略,培养引领自动化领域未来科技创新和产业变革人才,提出了OODA循环理论为理念,人工智能技术赋能为手段,“OODA+AI”驱动教育发展的人才培养体系新路径。构建了OODA循环人才培养迁移模型,设计了人工智能技术融入教育教学OODA循环的方案,建设了“观察、判断、决策、执行”迭代循环的专业体系和课程体系,形成了智能多元的教学模式和方法,打造了高水平创新实验教学、高端实验教学仪器研发、智能技术应用、智慧教育赋能“两高两智”实验教学体系,为服务自动化领域未来创新型人才培养,打造助推新质生产力发展的智力引擎提供了有效支撑。

关键词： OODA循环人工智能教学改革人才培养自动化领域

来源：评论

学校读者我要写书评

暂无评论

BM3D-YOLOv8-s:前视声呐图像目标检测算法

引用

仪器仪表学报 2025年第2期46卷 234-246页

作者：陈美龙赵新华叶秀芬哈尔滨工程大学智能科学与工程学院哈尔滨150001

前视声呐作为海洋探测的重要传感器之一,能够远距离探测水下目标,被广泛应用于目标检测和跟踪领域中。然而,声呐数据采集时受海洋环境噪声影响,噪声分布不均匀,使得声呐图像的目标探测精度低。采用传统卷积神经网络对前视声呐目标进行... 详细信息

前视声呐作为海洋探测的重要传感器之一,能够远距离探测水下目标,被广泛应用于目标检测和跟踪领域中。然而,声呐数据采集时受海洋环境噪声影响,噪声分布不均匀,使得声呐图像的目标探测精度低。采用传统卷积神经网络对前视声呐目标进行跟踪时,因为声呐图像序列帧率较低、目标特征不清晰,容易出现目标丢失问题。针对前视声呐图像噪声污染严重的问题,结合前视声呐图像的特点,提出了一种改进的BM3D算法,减少3D转换处理的计算量,在基础估计的相似块匹配距离计算过程中,采用曼哈顿距离替代欧氏距离,更好地处理声呐图像中不同类型和强度的噪声;针对目标丢失问题,提出了基于YOLOv8-s改进网络的前视声呐图像目标检测算法,包括基于ConvNeXt的C2N改进算法、添加浅特征检测头和归一化Wasserstein距离(NWD)损失函数的改进。进行了声呐图像数据采集,并进行了实验验证。实验结果表明,改进后模型的准确率为87.2%,mAP0.5为85.4%。与改进前的YOLOv8-s模型相比,虽然模型大小只增加了4.6 MB,但是精度增加了5.1个百分点,mAP@0.5增加了4个百分点,对比其他检测模型实验结果,改进后的YOLOv8-s能够有效提升声呐图像的目标检测精度。

关键词：前视声呐噪声 BM3D 目标检测 YOLOv8-s

来源：评论

学校读者我要写书评

暂无评论

基于SCI-CA模型的船舶纵摇多维多步预测方法

引用

控制与决策 2025年第1期40卷 64-70页

作者：王宇超赵洵杨周琦傅荟璇哈尔滨工程大学智能科学与工程学院哈尔滨150000

海洋环境复杂多变,船舶航行容易受到风浪、洋流等因素的干扰,船舶运动具有非线性、耦合性等特点.针对传统的船舶运动姿态预测方法对时序数据的提取效率尚有不足,难以达到高精度预测效果的问题,提出样本卷积交互-通道注意力(SCI-CA)神经... 详细信息

海洋环境复杂多变,船舶航行容易受到风浪、洋流等因素的干扰,船舶运动具有非线性、耦合性等特点.针对传统的船舶运动姿态预测方法对时序数据的提取效率尚有不足,难以达到高精度预测效果的问题,提出样本卷积交互-通道注意力(SCI-CA)神经网络船舶纵摇运动预测模型.该模型采用多类别船舶运动姿态数据作为输入,将输入拆分为两个子序列,利用样本卷积交互网络(SCI)的递归下采样卷积交互结构,结合多分辨率聚合而成的丰富特征,提高船舶运动数据深层特征的利用率.再通过通道注意力机制(CA)提高有效通道的权重比例,并以残差结构输入到全连接层,得到最后的预测结果.实船数据验证结果表明,SCI-CA组合模型预测结果较其他模型预测精度高,其平均绝对百分比误差(MAPE)、均方根误差(RMSE)均有明显降低,验证了SCI-CA模型预测船舶运动的有效性.

关键词：船舶纵摇 SCI-Net 通道注意力交互学习结构组合模型多步预测

来源：评论

学校读者我要写书评

暂无评论

带有输入死区的欠驱动水面船有限时间路径跟踪控制

引用

控制理论与应用 2025年第3期42卷 463-472页

作者：王元慧王心玮邵兴超任哲达哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

针对模型不确定、外界环境干扰和输入死区下的欠驱动水面船路径跟踪控制问题,本文提出一种自适应有限时间路径跟踪控制方法.首先,设计有限时间视线制导律生成期望纵向速度和艏向角指令;继而,采用反步法分别设计有限时间纵向速度和艏向... 详细信息

针对模型不确定、外界环境干扰和输入死区下的欠驱动水面船路径跟踪控制问题,本文提出一种自适应有限时间路径跟踪控制方法.首先,设计有限时间视线制导律生成期望纵向速度和艏向角指令;继而,采用反步法分别设计有限时间纵向速度和艏向角控制器跟踪生成的期望信号,其中结合径向基函数神经网络和最小学习参数算法逼近模型参数不确定性,以及运用自适应技术补偿环境干扰、神经网络逼近误差和未知死区非线性组成的合成干扰;此外,为了避免复杂计算,运用二阶跟踪微分器得到虚拟艏向控制律的导数,基于李雅普诺夫稳定性理论,证明整个闭环系统是实际有限时间稳定的;最后,仿真结果验证了所提方案的有效性.

关键词：欠驱动水面船路径跟踪输入死区有限时间神经网络最小学习参数

来源：评论

学校读者我要写书评

暂无评论

北斗双频精密单点定位模糊度固定及性能分析

引用

哈尔滨工程大学学报 2025年第2期46卷 283-291页

作者：赵琳孙治国杨福鑫张洁谭波李亮哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

为了全面评估北斗全球导航卫星系统精密单点定位模糊度固定的性能,本文基于北斗B1I/B3I双频无电离层组合精密单点定位模糊度固定(PPP-AR)模型,通过设计宽巷、窄巷部分模糊度子集选取的质量控制策略以保障模糊度固定的可靠性,对全球36个... 详细信息

为了全面评估北斗全球导航卫星系统精密单点定位模糊度固定的性能,本文基于北斗B1I/B3I双频无电离层组合精密单点定位模糊度固定(PPP-AR)模型,通过设计宽巷、窄巷部分模糊度子集选取的质量控制策略以保障模糊度固定的可靠性,对全球36个测站60 d的静态数据进行性能评估。研究表明:在首次固定时间、固定解收敛时间和固定成功率方面,亚太BDS-2/3最好,亚太BDS-3次之,非亚太BDS-3最差。虽然BDS-2/3的平均固定成功率最高,但高度角优先固定方法未顾及固定成功率对PPP-AR核检的影响,使得部分观测时间的固定成功率有所下降。北斗固定解定位精度均为厘米级,以亚太BDS-2/3静态模式为例,北、东、天的均方根值分别为0.7、0.6和1.9 cm。

关键词：北斗全球导航卫星系统精密单点定位模糊度固定双频无电离层组合宽巷窄巷部分模糊度子集选取质量控制高度角优先固定方法

来源：评论

学校读者我要写书评

暂无评论

基于强化学习与直接升力的舰载机自动着舰控制

引用

智能系统学报 2025年第2期20卷 416-424页

作者：王子博朱齐丹孔令鑫王立鹏哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

舰载机着舰过程是舰载机作业事故率最高的阶段,为实现舰载机高精度全自动着舰,提出了一种新的舰载机自动着舰控制方法,设计了基于直接升力的控制器与基于强化学习的纵向制导律。直接升力控制实现舰载机飞行状态之间的解耦,增强舰载机姿... 详细信息

舰载机着舰过程是舰载机作业事故率最高的阶段,为实现舰载机高精度全自动着舰,提出了一种新的舰载机自动着舰控制方法,设计了基于直接升力的控制器与基于强化学习的纵向制导律。直接升力控制实现舰载机飞行状态之间的解耦,增强舰载机姿态角与气流角的稳定性。制导律通过深度强化学习算法训练的神经网络非线性拟合得到,提高了扰动情况下舰载机对理想下滑道的跟踪精度,同时避免了传统方法繁杂的参数整定工作以及对模型的依赖。通过对比仿真结果,在舰尾流扰动下,相比于滑模控制方法、预设性能控制方法、PID控制方法与基于径向基神经网络的自适应控制方法,本文方法具有更好的鲁棒性,增强了对舰尾流扰动的抑制能力,提高了着舰精度。

关键词：舰载机着舰飞行控制强化学习直接升力控制制导律舰尾流神经网络路径跟踪

来源：评论

学校读者我要写书评

暂无评论

带有扰动观测模型预测控制的水下无人航行器对接控制

引用

哈尔滨工程大学学报 2025年

作者：张伟王强吴奇阳郑岩杜雪哈尔滨工程大学智能科学与工程学院

为实现水下无人航行器的回收，本文将回收中的动态对接问题转换为水下无人航行器与母船的位姿同步控制问题。在水下无人航行器动态对接母船存在外界扰动的情况下，设计了带有扰动观测器的非线性模型预测控制方案。对水下无人航行器的五... 详细信息

为实现水下无人航行器的回收，本文将回收中的动态对接问题转换为水下无人航行器与母船的位姿同步控制问题。在水下无人航行器动态对接母船存在外界扰动的情况下，设计了带有扰动观测器的非线性模型预测控制方案。对水下无人航行器的五自由度模型加入相对于惯性系的恒定或缓慢变化的扰动，利用非线性扰动观测器对这些扰动进行估计，并将其输入到模型预测中来增强控制器的鲁棒性。研究表明：通过求解非线性优化问题得到最优控制，使得水下无人航行器能够和母船的位姿保持一致，完成对接过程。本文控制器能够有效抵抗外界扰动，提高对接任务的控制精度。

关键词：水下无人航行器动态对接位姿同步控制外界扰动估计鲁棒性非线性模型预测控制非线性扰动观测器非线性优化问题最优控制

来源：评论

学校读者我要写书评

暂无评论

修正相位缠绕误差的机载电离层异常监测方法

引用

中国惯性技术学报 2025年第2期33卷 205-212页

作者：赵琳贺崟贾春庞志超李阳哈尔滨工程大学智能科学与工程学院哈尔滨150001 天津航海仪器研究所天津300130

电离层异常是地基增强系统服务航空用户需要监测的重要风险源之一。传统机载码-载波偏离度(CCD)电离层异常监测方法需要低通滤波器平滑伪距噪声,这导致算法存在异常探测能力弱且响应时间长等问题。基于此,提出了一种基于修正相位缠绕误... 详细信息

电离层异常是地基增强系统服务航空用户需要监测的重要风险源之一。传统机载码-载波偏离度(CCD)电离层异常监测方法需要低通滤波器平滑伪距噪声,这导致算法存在异常探测能力弱且响应时间长等问题。基于此,提出了一种基于修正相位缠绕误差的频间差分模型以监测电离层异常的方法。利用双频载波相位进行站间、频间和历元间的差分,以构建检测统计量,并针对检测统计量中残留的相位缠绕误差,构建了基于载波相位时间差分测速的修正模型。为验证所提方法的性能,在实测动态机载GNSS数据中加入两类典型电离层异常情况进行仿真测试。与CCD方法相比,所提方法能够实时反映机载电离层延迟误差的变化情况。针对Ⅰ型异常,具备与传统CCD方法相当的监测能力;针对Ⅱ型异常,可检测异常幅值降低76%,对幅值为5 m的Ⅱ型异常,响应时间缩短24%。

关键词：卫星导航系统地基增强系统电离层异常相位缠绕频间差分

来源：评论

学校读者我要写书评

暂无评论

无人艇集群自组织协同围捕控制算法研究

引用

智能系统学报 2025年第1期20卷 162-171页

作者：夏桂华朱文序刘浩岩刘兴姜享利哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150006

无人艇(unmanned surface vessel,USV)集群协同围捕是无人艇的重要应用场景之一,文章针对无人艇集群协同围捕任务设计了一种自组织控制算法。考虑到被围对象的加速度未知且仅部分集群成员可对其测量的情况,文章设计了分布式目标状态观测... 详细信息

无人艇(unmanned surface vessel,USV)集群协同围捕是无人艇的重要应用场景之一,文章针对无人艇集群协同围捕任务设计了一种自组织控制算法。考虑到被围对象的加速度未知且仅部分集群成员可对其测量的情况,文章设计了分布式目标状态观测器(distributed target state observer,DTSO),实现围捕过程中各成员对被捕对象状态的一致性观测。设计了一种自组织围捕引导律,解决了围捕算法需要为成员预分配期望位置的问题。设计了分布式非线性模型预测控制(distributed nonlinear model predictive control,DNMPC),解决了执行器饱和与艇间距离约束的问题,实现了满足避碰安全的协同围捕控制。文章分析了控制系统的输入-状态稳定性(input-to-state stability,ISS),并通过多组不同初始状态和改变成员数量的仿真实验,验证了围捕算法的有效性。

关键词：无人艇集群控制协同围捕多智能体模型预测控制输入-状态稳定性状态观测器图论

来源：评论

学校读者我要写书评

暂无评论

基于改进DDQN船舶自动靠泊路径规划方法

引用

智能系统学报 2025年第1期20卷 73-80页

作者：李康斌朱齐丹牟进友菅紫婷哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001

船舶在自动靠泊过程中会受到风、浪、流和岸壁效应等因素的影响,故需要精确的路径规划方法防止靠泊失败。针对全驱动船舶靠泊过程的基于双深度Q网络(double deep Q network,DDQN)算法,设计了一种船舶自动靠泊路径规划方法。首先建立船... 详细信息

船舶在自动靠泊过程中会受到风、浪、流和岸壁效应等因素的影响,故需要精确的路径规划方法防止靠泊失败。针对全驱动船舶靠泊过程的基于双深度Q网络(double deep Q network,DDQN)算法,设计了一种船舶自动靠泊路径规划方法。首先建立船舶三自由度模型,然后通过将距离、航向、推力、时间和碰撞作为奖励或惩罚,改进奖励函数。随后引入DDQN来学习动作奖励模型,并使用学习结果来操纵船舶运动。通过追求更高的奖励值,船舶可以自行找到最优的靠泊路径。实验结果表明,在不同水流速度下,船舶都可以在完成靠泊的同时减小时间和推力,并且在相同水流速度下,DDQN算法与Q-learning、SARSA(state action reward state action)、深度Q网络(deep Q network,DQN)等算法相比,靠泊过程推力分别减小了241.940、234.614、80.202 N,且时间仅为252.485 s。

关键词：自动靠泊路径规划深度强化学习双深度Q网络奖励函数水流速度状态探索推力时间独立重复实验

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：