您好,欢迎访问北京理工大学机构知识库!
所在位置: 首页 - 作者导航 - 陈杰
- 合作者关系

陈杰

自动化学院

职称:教授

陈杰所有成果
导出

发明人:吕茂斌,孙光辉,解博炜,刘格远,邓方,陈杰,付海岭,周家东

申请日期:2023.06.25

摘要:本发明公开了一种桌面级大负载四自由度机械臂结构,该机械臂结构包括依次相连的第一关节、第一连杆、第二关节、第二连杆、第三关节、第三连杆、第四关节、第四连杆以及夹爪部分;第一关节包括底板、支撑结构、第一电机、第一行星减速器、法兰连接件以及交叉滚子轴承;第二关节、第三关节以及第四关节均包括行星减速器、法兰 ...

发明人:孙健,马永胜,徐勇,窦丽华,陈杰

申请日期:2023.07.24

摘要:本发明涉及一种异构无人集群系统的强化学习最优输出跟踪控制方法,属于多无人系统技术领域。为实现异构无人集群系统的最优输出跟踪控制目标,提出一种新颖的分层控制方案,在分布式层,设计一个预设时间的完全分布式观测器,在给定的时间内精确地估计领导者的状态。在分散式层,设计一个基于强化学习的数据驱动跟踪控制器追 ...

发明人:孙健,刘文婕,王钢,李依霏,李卓,陈杰

申请日期:2023.06.27

摘要:本发明公开了一种切换异构不确定性下分布式数据驱动协同方法,涉及分布式探测系统协同技术领域,在离线数据收集阶段,收集每个单体系统输入‑状态轨迹和不确定性的边界,构造基于数据的粗糙集合。在线运行阶段,每个单体将实时输入和状态数据融入粗糙集合中得到精炼集合,根据精炼集合设计控制器,从而实现未知分布式系统的 ...

发明人:辛斌,张若伟,窦丽华,王晴,陈杰

申请日期:2023.07.03

摘要:本发明公开了一种城市环境下无人机基于侦察拓扑的路径规划方法,首先对城市环境进行预处理,利用环境的先验信息将城市环境中不同的区域进行划分,然后构建了无人机的侦察拓扑模型,将单个目标点扩展为目标点候选集,以便在路径规划过程中生成更多的候选方案;将概率路图法和侦察拓扑模型相结合,以解决无人机在城市环境中执 ...

发明人:王钢,李依霏,孙健,刘文婕,李卓,陈杰

申请日期:2023.06.27

摘要:本发明公开了一种数据驱动的非线性多智能体系统在线协同控制方法,涉及多智能体系统协同控制技术领域,考虑无向连通图下存在外部扰动且系统模型未知的仿射非线性多智能体系统,实现了对该系统的一致终值有界控制。该方案包含以下步骤:考虑存在外部扰动且系统模型未知的离散时间仿射非线性多智能体系统,设计分布式状态反馈 ...

作者:吴狄,陈杰,Oquendo Flavio,张娟 (北京理工大学复杂系统智能控制与决策教育部重点实验室;南布列塔尼大学VALORIA研究室)

出处:中南大学学报(自然科学版) 2009

关键词:分布式仿真系统;商空间;粒计算;系统设计模型

摘要:针对分布式仿真系统设计中存在的设计层次不明确的问题,提出基于商空间粒计算理论的系统分层模型,该模型包括系统总体设计层、系统体系结构层和系统执行结构层,解决系统设计的层次问题并分析各层次之间的关系。在此基础上,为了建立系统设计的形式化系统资源分配模型,提出基于仿真任务、仿真资源和仿真服务的系统设计分布 ...

发明人:王晴,王雨珏,辛斌,张世通,陈杰

申请日期:2023.08.25

摘要:本发明公开了一种针对多角度协同打击任务的异构无人机集群路径规划方法,在该方法中,首先进行地图初始化和无人机任务分配,然后根据无人机的运动学特性和动态障碍物规划每个无人机路径并考虑Dubins路径约束,最终实现无人机的多角度协同打击。本发明还涉及到A*算法的三个改进,包括栅格大小自动调整,路径平滑处理 ...

发明人:白永强,孙瀚,陈杰,窦丽华,邓方,甘明刚,蔡涛

申请日期:2023.08.28

摘要:本发明涉及一种基于对比学习的无监督目标跟踪器预训练方法,属于计算机视觉技术领域,适用于目标跟踪模型在数据无标注情况下的预训练,可广泛应用于视频监控、人机交互、医学诊断等领域。该方法能够为目标跟踪器充分挖掘鲁棒的视觉表征,以激活外观变化适应能力与时序信息挖掘间的正反馈循环,提高无监督跟踪器的性能。整个 ...

发明人:孙健,刘文婕,王钢,李依霏,李卓,邓方,陈杰

申请日期:2023.10.17

摘要:本发明公开了一种应对切换虚假数据注入攻击的数据驱动控制方法,涉及信息物理系统安全领域,在离线阶段收集未受攻击的输入‑状态数据,利用攻击者的能量上界和系统的噪声上界构造原始集合;在线运行阶段,实时收集系统的状态和输入,结合离线原始集合,通过求解一个半正定规划问题,得到当前时刻的控制增益,从而实现系统在 ...

发明人:白永强,张文博,李晨曦,陈杰,窦丽华,邓方,甘明刚,蔡涛

申请日期:2023.08.25

摘要:本发明提供了一种基于帧对齐和注意力机制的深度学习视频去雾方法,属于图像处理领域;所述方法包括:首先,利用大气散射模型和深度视频,构造合成视频去雾数据集;其次,基于可变形卷积和时间注意力机制,构造前后两个子网络;最后,将预训练的单幅图像去雾网络与子网络串联,并在合成视频数据集上训练得到端到端的视频去雾 ...