-
公开(公告)号：CN102980579A
公开(公告)日：2013-03-20
申请号：CN201210460353.0
申请日：2012-11-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明涉及的是一种自主水下航行器自主导航定位方法，特别是涉及一种基于强跟踪容积卡尔曼滤波的自主水下航行器自主导航定位方法。本发明包括如下步骤：选取自主水下航行器运动模型；选取自主水下航行器测量模型；通过自主水下航行器运动模型和测量模型构建动态系统；滤波器参数初始化；选取渐消因子；更新滤波器时间；更新滤波器量测数据；由当前时刻更新到下一时刻，重复执行步骤(5)至步骤(7)，直到到达终止时刻，结束计算，输出结果。通过引入渐消因子实时调整滤波增益矩阵，强迫输出残差序列保持相互正交，以此来减小老数据的权值，相对地增加新数据的权值，提高了滤波器的估计精度和稳定性。
-
公开(公告)号：CN102385316B
公开(公告)日：2013-03-20
申请号：CN201110275937.6
申请日：2011-09-16
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法，涉及欠驱动自主水下航行器的控制技术领域。所述的变深控制方法为：首先通过压力传感器采集压力信息，并根据该压力信息计算获得对应的自主水下航行器AUV所在的深度；然后建立欠驱动自主水下航行器AUV的数学模型和鲁棒变深控制器模型，根据海流环境以及AUV水动力参数建立欠驱动自主水下航行器AUV的数学模型，采用基于反馈增益的反步法设计鲁棒变深控制器模型；最后获得基于神经网络权重的在线学习算法和自适应鲁棒控制器参数的自适应规律，对获得的数学模型中存在的不确定性进行在线识别及误差估计，并给予补偿、优化最终控制器的输出信号，然后采用该控制器实现欠驱动自主水下航行器AUV的变深控制。
-
公开(公告)号：CN101607589B
公开(公告)日：2012-05-09
申请号：CN200910072530.6
申请日：2009-07-17
Applicant: 哈尔滨工程大学
IPC: B63G8/14
Abstract: 一种深潜救生艇四自由度动力定位装置及控位方法。它包括三台PC104总线计算机，一个操纵盒，高频短基线定位系统，低频短基线定位系统，一台罗经，六台推力器，滤波、控制和推力分配算法，数字/模拟转换板。高频短基线定位系统和低频短基线定位系统与数据处理计算机相连，操纵盒与综合显示计算机相连，罗经和六台推力器与实时控制计算机相连，滤波、控制和推力分配算法以及数字/模拟转换板加载到实时控制计算机中，三台计算机通过以太网相连。本深潜救生艇动力定位系统能够实现深潜救生艇的四自由度动力定位(X向、Y向、Z向和艏向)，方便操作人员实时监控整个动力定位过程。救生工作完成之后还可以进行救生过程回放，方便研究之用。
-
公开(公告)号：CN102385316A
公开(公告)日：2012-03-21
申请号：CN201110275937.6
申请日：2011-09-16
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法，涉及欠驱动自主水下航行器的控制技术领域。所述的变深控制方法为：首先通过压力传感器采集压力信息，并根据该压力信息计算获得对应的自主水下航行器AUV所在的深度；然后建立欠驱动自主水下航行器AUV的数学模型和鲁棒变深控制器模型，根据海流环境以及AUV水动力参数建立欠驱动自主水下航行器AUV的数学模型，采用基于反馈增益的反步法设计鲁棒变深控制器模型；最后获得基于神经网络权重的在线学习算法和自适应鲁棒控制器参数的自适应规律，对获得的数学模型中存在的不确定性进行在线识别及误差估计，并给予补偿、优化最终控制器的输出信号，然后采用该控制器实现欠驱动自主水下航行器AUV的变深控制。
-
公开(公告)号：CN119090052A
公开(公告)日：2024-12-06
申请号：CN202411084845.3
申请日：2024-08-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于拓展卡尔曼滤波和LSTM的水下管道轨迹预测方法，首先基于目标跟踪理论，建立管道的水下状态空间模型，生成水下管道轨迹的模拟数据；再搭建LSTM‑EKF，基于拓展卡尔曼滤波结构，构建三个特征用于LSTM网络训练输入；再基于实现最大的训练效果的原则选取训练算法，包括损失函数的选择，模型训练算法的选择，对拓展卡尔曼神经网络进行训练；最后考虑管道模型的不匹配情况，测试基础算法，拓展卡尔曼滤波，拓展卡尔曼神经网络的水下管道预测结果。本发明基于卡尔曼滤波流程将LSTM网络融入其中增加了传统深度学习网络不具备的可解释性，与传统算法相比较精度更高，与完美理想情况比较也相差甚少。
-
Patent Agency Ranking
公开(公告)号：CN114879706B
公开(公告)日：2024-11-05
申请号：CN202210692482.6
申请日：2022-06-17
Applicant: 哈尔滨工程大学
IPC: G05D1/485 , G05D101/10
Abstract: 本发明属于无人系统的自主控制技术领域，具体涉及一种RRT与人工势场法相结合的AUV目标搜索方法。本发明针对人工势场算法在密集障碍物环境下的规划局限性问题，利用RRT算法自身的随机性特点，解决了人工势场方法在AUV搜索过程中存在的目标不可达问题。二者的结合，提高了AUV在三维密集障碍物环境下的目标可达性。本发明不仅解决了三维密集障碍物环境下的搜索规划问题，更为复杂环境下的规划提供了新思路，具有创新性和实际适用性，可用于实际环境。
-
公开(公告)号：CN118331049A
公开(公告)日：2024-07-12
申请号：CN202410394265.8
申请日：2024-04-02
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明提出了一种未知海流下AUV三维路径跟随控制方法，属于船舶控制技术领域。首先，利用反馈线性化方法将非线性强耦合的航行器模型转换成二阶线性模型，然后设计三维预测器视线导引法，对海流、漂角与攻角进行预测并加以补偿，建立李雅普诺夫‑克拉索夫斯(Lyapunov‑Krasovskii)方程并证明在合适的参数下误差达成收敛。之后基于双幂次趋近律设计滑模控制器，并证明在合适的参数下控制器达到稳定。最后，通过仿真验证了AUV基于该控制器与该视线导引法在存在未知海流情况下存在良好的控制效果。
-
公开(公告)号：CN118210232A
公开(公告)日：2024-06-18
申请号：CN202410344057.7
申请日：2024-03-25
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明是一种强鲁棒性的AUV分数阶滑模控制方法，由控制部分和观测器部分共同组成，控制部分包括根据位置误差输出期望速度的外环以及根据速度误差输出执行器力与力矩的内环控制，观测器位于控制系统内环，通过定义辅助变量对干扰进行估计。对于欠驱动AUV这种动力学模型高度非线性耦合、无法直接控制横荡与垂荡运动、受环境扰动影响很大的对象来说，本发明能够起到良好的控制效果，且具有较强的鲁棒性，即使在较大的动态扰动下依旧可以保持较小的误差跟踪上期望轨迹，而在观测器的帮助下可以保证控制器输出力与力矩的平稳。
-
公开(公告)号：CN111899280B
公开(公告)日：2023-07-25
申请号：CN202010667153.7
申请日：2020-07-13
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用深度学习和混合型位姿估计的单目视觉里程计方法，包括：利用深度学习神经网络估计连续图像间光流场并从光流场提取关键点匹配对。关键点匹配对作为输入，根据2d‑2d位姿估计原理，利用对极几何的方法初步计算出旋转矩阵和平移向量。利用深度神经网络估计得到单目图像深度场，结合几何理论三角测量方法，以深度场为参考值，使用RANSAC算法计算得到绝对尺度，将位姿从归一化坐标系转到真实坐标系，当2d‑2d位姿估计失败或绝对尺度估计失败，利用3d‑2d位姿估计原理，利用PnP算法进行位姿估计。本发明能够得到精确的位姿估计和绝对尺度估计、具有较好鲁棒性、在不同场景环境下都能够很好的复现出相机轨迹。
-
公开(公告)号：CN112131777B
公开(公告)日：2023-03-24
申请号：CN202011018276.4
申请日：2020-09-24
Applicant: 哈尔滨工程大学
IPC: G06F30/25 , G06F111/04 , G06F111/08
Abstract: 本发明属于水下无人航行器阵型生成技术领域，具体涉及一种面向多UUV群组协同探测任务的阵型生成方法。本发明解决了UUV在宽广海域或对高速机动目标进行探测时，无法满足单UUV或单一UUV群组成队形实现精准探测的任务需求。本发明以高探测和高精度为目标，结合多UUV群组的阵型结构特性、UUV机动特性、UUV群组任务使命、所携带声呐的工作特性以及探测海域电子海图，生成能够实现对大面积海域、高机动目标进行精准探测的特定阵型，有效提高了多UUV群组对宽广海域及机动目标的协同探测。
-
-
-
-
-
-
-
-
-
Search Results
148
records
(took 0.035 seconds)
