-
公开(公告)号：CN110231821A
公开(公告)日：2019-09-13
申请号：CN201910474756.2
申请日：2019-06-03
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于移动机器人编队运动规划领域，具体涉及一种多机器人编队的改进自适应零空间行为融合方法，包括以下步骤：将机器人的编队运动过程分解成3种运动行为：奔向目标点、避障、编队；确定3种运动行为的执行顺序，其优先级顺序为为避障、奔向目标点、编队；建立每一行为的运动模型；根据机器人运动信息求解行为运动模型；本发明的方法是在传统的零空间行为融合方法基础上，在避障行为中提出了一种逻辑优先的机器人间障碍物选定策略，有效避免了在两个机器人互为障碍物时，复选产生“越避越远”偏离任务路线的现象，提高了多机器人编队任务效率，有利于编队队形保持，在运动规划上具有显著进步。
-
公开(公告)号：CN110162053A
公开(公告)日：2019-08-23
申请号：CN201910451388.X
申请日：2019-05-28
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明提供的是一种异构多无人艇编队的自适应行为融合方法。确定每一无人艇的最大航行速度；将最小值作为异构体运动规划的一致速度；将运动过程分解成奔向目标点、避障和编队3种运动行为；确定无人艇编队运动过程中3种运动行为的执行顺序；建立每一运动行为的运动模型；根据无人艇环境信息求解行为运动模型；将无人艇进行编号，执行艇在判断避碰的障碍物时选择在避障范围内比自身小的序号进行优先避障；进行运动模型的耦合，得到最终的速度和方向；判断无人艇是否到达终点。本发明引入一致速度的变量，协调异构无人艇间的机动性能，可以同时兼顾效率与性能。同时从理论上为行为的融合进行排序，更加严谨，可控性高，便于参数分析与调试。
-
公开(公告)号：CN109375637A
公开(公告)日：2019-02-22
申请号：CN201811032862.7
申请日：2018-09-05
Applicant: 哈尔滨工程大学
IPC: G05D1/08
Abstract: 本发明属于舰船运动自动控制领域，具体涉及一种舰船用融合神经网络PD的紧格式无模型自适应航向控制算法；包括在紧格式无模型自适应控制算法的基础上引入比例项和微分项构成融合PD型CFDL_MFAC算法；将神经网络控制与PD_CFDL_MFAC算法相结合提出融合神经网络PD的紧格式无模型自适应航向控制算法；计算航向偏差e(k)，其中e(k)＝y*(k)-y(k)等。本发明通过比例项和微分项的引入，提高了算法的自适应性以及抵抗外界不确定干扰的能力。
-
公开(公告)号：CN109189075A
公开(公告)日：2019-01-11
申请号：CN201811169436.8
申请日：2018-10-08
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明提供一种舰船用模糊遗忘因子无模型自适应航向控制方法，建立航向系统模型，下达期望航向指令y(k)*，设定航向偏差的阈值e0，根据舰船期望航向y*(k)，与舰船当前航向y(k)，计算航向偏差e(k)和偏差变化率ec(k)，当e(k)的绝对值|e(k)|小于航向偏差的阈值e0，跳出循环，否则继续执行，模糊遗忘因子MFAC控制器根据e(k)、ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k)，系统接收并执行航向系统输入指令u(k)，令k＝k+1，更新舰船当前航向y(k)。本发明解决了MFAC控制算法产生积分饱和问题，提高了系统响应速度以及控制精度，提高了控制系统的自适应性以及鲁棒性。
-
公开(公告)号：CN109116849A
公开(公告)日：2019-01-01
申请号：CN201811017347.1
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种考虑无人艇运动性能的零空间行为融合在线优化方法，属于多无人艇编队运动规划技术领域。主要步骤为(1)确定无人艇的回转半径；(2)将运动过程分解；(3)确定行为优先级；(4)建立并求解每一行为的运动模型并求解；(5)行为融合；(6)在线优化；(7)判断无人艇是否到达终点，若到达则该过程结束，若没有到达则返回步骤(4)。本发明以零空间行为规划结果为基础，解算出符合无人艇实际运动特性的航点集，解决无人艇在跟踪规划路线时的迂回航行或者路径点不可达问题；针对零空间行为融合方法规划结果进行的优化，考虑无人艇的回转性能，光顺规划的航点集，进而有助于提高无人艇的控制精度；减少了能源消耗，有助于节约能源。
-
Patent Agency Ranking
公开(公告)号：CN109343555B
公开(公告)日：2021-10-01
申请号：CN201811310161.5
申请日：2018-11-06
Applicant: 哈尔滨工程大学
Abstract: 本发明提出了一种基于仿鱼侧线的岸壁效应测量及船舶艏向补偿控制方法，属于船舶运动控制技术领域，利用仿鱼侧线的方法消除岸壁效应影响，控制船舶近岸行驶时的艏向，实现步骤包括：(1)在船舶近岸侧及远离岸壁侧的船体上分别安装仿鱼侧线装置；(2)利用流体力学中流体作用于曲面时的压力计算原理，计算岸壁效应对船体产生的力F及力矩M；(3)将F及M带入船舶操纵运动方程，计算补偿舵角；(4)计算舵角，并将舵角输入船舶的自动舵装置，控制船舶运行方向。本发明具有普遍适用性，不受船体曲面、岸壁形状的限制；运用传感器测量，结果更加精准；实时获取数据，可在线、实时补偿岸壁效应的不利影响，实现艏向的前馈补偿控制。
-
公开(公告)号：CN109144066B
公开(公告)日：2021-07-06
申请号：CN201811031878.6
申请日：2018-09-05
Applicant: 哈尔滨工程大学
Abstract: 本发明属于舰船运动控制领域，具体涉及一种舰船用积分分离式PI型紧格式无模型自适应航向控制算法。包括在紧格式无模型自适应控制算法的基础上引入比例项构成PI型CFDL_MFAC算法,比例项的离散形式为kp·Δe(k)；设定航向偏差阈值e0；计算航向偏差e(k)，其中e(k)＝y*(k)‑y(k)；当e(k)的绝对值|e(k)|大于设定的航向状态偏差的阈值e1；积分分离式PI_CFDL_MFAC控制器根据e(k)，解算出航向系统的期望输入u(k)；令k＝k+1，更新航向舰船当前航向y(k)。本发明通过在控制算法中引入比例项，提高了系统的响应速度，同时在算法中引入积分分离的思想，避免了原控制算法直接应用到舰船航向控制中因积分饱合造成系统震荡甚至失稳的问题，比例项与积分分离思想的引入扩展了CFDL_MFAC理论的应用范围，从而使得舰船航向能够快速稳定收敛到期望航向。
-
公开(公告)号：CN108829113B
公开(公告)日：2021-05-28
申请号：CN201811017293.9
申请日：2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及多机器人编队控制领域，具体涉及一种多机器人编队自适应零空间行为融合方法。根据机器人编队运动意图，将机器人运动过程分解，确定行为顺序步骤，然后建立运动模型步骤，结合3种运动行为的执行顺序进行求解，得到3种运动模型，之后根据机器人在运动过程中反馈得到的运动信息，解算得到增益系数，融合运动行为步骤，得到最终的速度和方向。相对于传统零空间行为融合方法，本发明使得求解出来的速度不受工况环境改变而改变，具有很好的自适应性，同时兼顾效率与性能，可以对速度进行有效控制，在运动规划上具有显著进步。
-
公开(公告)号：CN110705623A
公开(公告)日：2020-01-17
申请号：CN201910915844.1
申请日：2019-09-26
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于全卷积神经网络的海天线在线检测方法，用于完成无人艇在水面环境下对海天线的检测任务，即根据水面无人艇所携带的光视觉传感器传回的图像信息和水面无人艇的艇体姿态信息对当前传感器视角下的海天线进行预测，基于分类拟合原理，针对复杂的水面环境，依据水面图像的大体类别信息，设计全卷积神经网络和全连接网络模型，解决复杂水面环境下传感器的稳像问题以及艇体位姿的修正问题，同时也可以缩小搜索区域，加快搜索速度，为水面无人艇环境感知和运动规划及控制提供准确的传感器信息等。
-
公开(公告)号：CN110263400A
公开(公告)日：2019-09-20
申请号：CN201910503700.5
申请日：2019-06-12
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明提供一种无人艇非线性动力学模型的积分辨识方法，通过获取所需辨识双体无人艇Z型试验数据；对数据中大幅度偏离真实值的野值进行剔除处理；建立无人艇一阶非线性K-T方程的运动模型；选取舵角和艏向角速度与时间的关系列表；对K-T方程进行积分化处理，对需辨识的模型方程两侧基于时间区域进行积分，利用积分方式舍掉角加速度，引入艏向角数据；对积分区间离散并求积，对积分区间以控制节拍为基准进行离散，并采取牛顿-科特斯求积公式插值求积；利用最小二乘方法使辨识方程两侧差值的平方最小，即可求得K,T,α的值。本发明的方法可以对无人艇操纵模型的一阶非线性项进行辨识，在无人艇动力学模型辨识上具有显著进步，可以同时兼顾效率与性能。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.036 seconds)
