-
公开(公告)号：CN117341918A
公开(公告)日：2024-01-05
申请号：CN202311376743.4
申请日：2023-10-24
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种用于无人帆船的翼展可变龙骨，具体涉及船舶工程技术领域。本发明包括龙骨、驱动电机和翼展控制机构，所述龙骨包括固定端和嵌于其内的翼展端，所述翼展控制机构包括第一传动杆、第二传动杆、第三传动杆、内齿轮、外齿轮和驱动电机，内齿轮设于外齿轮内且与外齿轮圆心重合，内齿轮外壁上设有与外齿轮内壁齿槽相配合的棘爪，第二传动杆和第三传动杆分别设于内齿轮的两侧，第二传动杆一端固定在内齿轮边缘处，另一端与第一传动杆顶端相连接，第一传动杆底端与翼展端相固定，第三传动杆一端固定在内齿轮的圆心处，另一端与驱动电机相连接。本发明利用翼展控制机构及时调整翼展面积，兼顾了无人帆船的速度与稳性，适用于多种海况。
-
公开(公告)号：CN116540717A
公开(公告)日：2023-08-04
申请号：CN202310581706.0
申请日：2023-05-22
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明涉及路径规范领域，尤其涉及一种基于改进DWA的AUV局部路径规划方法，所述局部路径规划方法包括以下步骤：参照AUV在水平面的局部路径规划定义质量矩阵；参照AUV传统运动状态方程，以控制输入矢量和速度矢量为变量，得到其加速度函数；设定多种应用情形，根据角速度的具体取值得到最大加速度，进而对容许速度进行评估定义；设计自适应参数，采用自适应的方式，根据障碍物信息和自身状态调整速度评价函数的参数；根据选择的最优期望速度，选取正定函数，基于反步法设计控制器，形成决策‑控制闭环；AUV通过自身搭载的感知设备获取其状态信息和周围障碍物信息，依上述算法求解得到控制期望和控制输入，以实现灵活精准避障。
-
公开(公告)号：CN115503920B
公开(公告)日：2023-07-21
申请号：CN202211167917.1
申请日：2022-09-23
Applicant: 哈尔滨工程大学
Abstract: 一种适用于帆船的可调节帆面面积的风帆，属于船用风帆技术领域。提供一种可通过调节风帆面积结合风速来控制帆船速度的风帆。包括空心支撑杆、转动安装在空心支撑杆内部的两个旋转立柱、一端缠绕在对应旋转立柱上的两个风帆帆面以及安装在风帆帆面和空心支撑杆之间的多个自动伸缩杆；所述两个风帆帆面作为侧翼设置在空心支撑杆两侧，所述两个旋转立柱正反转时，由多个自动伸缩杆配合伸缩，使风帆帆面能够展开扩大面积，提高帆船的航速或者使风帆帆面能够卷入空心支撑杆内部缩小面积，降低帆船的航速。本发明从风帆的帆面面积入手，使帆船的航速不完全由风速决定。通本发明还可以通过各结构间的配合实现降帆，以保证航行安全。
-
公开(公告)号：CN111240344B
公开(公告)日：2023-04-07
申请号：CN202010087508.5
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于双神经网络强化学习技术的自主水下机器人无模型控制方法，属于机器人控制技术领域。为了解决现有的依赖于控制对象模型的水下机器人控制方法存在适用性有限的问题和控制精度不高的问题，以及不依赖控制对象模型的水下机器人控制方法存在训练量大的问题。本发明的控制器，将当前时刻和下一时刻的偏差和偏差变化率分别作为当前BP神经网络和目标BP神经网络的连续输入，当前BP神经网络的输出为实际Q值，目标神经网络的输出为期望Q值，另外将纵向推力和偏航力矩也作为神经网络的输出，从而当状态值平缓变化时，其动作输出为连续值；基于BP神经网络和Q学习的控制器实现水下机器人的控制。主要用于水下机器人的控制。
-
公开(公告)号：CN109558694B
公开(公告)日：2023-03-17
申请号：CN201811602018.3
申请日：2018-12-26
Applicant: 哈尔滨工程大学
IPC: G06F30/28 , G01M10/00 , G06F113/08 , G06F119/14
Abstract: 本发明属于水下机器人领域，具体涉及一种水下机器人和机械手系统抓取运动过程的水动力分析方法。包括UVMS系统循环水槽试验和CFD数值模拟。UVMS循环水槽试验包括：使用平面运动机构测量UVMS系统保持不同机械手姿态在流场中的受力；使用CFD方法复现水槽试验，验证CFD方法的准确性。本发明应用CFD软件对UVMS机械手水下运动过程进行数值模拟，并拟合获取水下机械手的水动力系数。能够在UVMS系统设计初期代替部分复杂、高昂的水池试验，针对所设计机械手对UVMS系统受力、力矩的扰动作用进行定性、定量分析，获取机械手基于切片理论的水动力系数，进而建立较为准确的水下机械手水动力模型，为UVMS系统的进一步优化设计和运动仿真提供参考。
-
Patent Agency Ranking
公开(公告)号：CN115503920A
公开(公告)日：2022-12-23
申请号：CN202211167917.1
申请日：2022-09-23
Applicant: 哈尔滨工程大学
Abstract: 一种适用于帆船的可调节帆面面积的风帆，属于船用风帆技术领域。提供一种可通过调节风帆面积结合风速来控制帆船速度的风帆。包括空心支撑杆、转动安装在空心支撑杆内部的两个旋转立柱、一端缠绕在对应旋转立柱上的两个风帆帆面以及安装在风帆帆面和空心支撑杆之间的多个自动伸缩杆；所述两个风帆帆面作为侧翼设置在空心支撑杆两侧，所述两个旋转立柱正反转时，由多个自动伸缩杆配合伸缩，使风帆帆面能够展开扩大面积，提高帆船的航速或者使风帆帆面能够卷入空心支撑杆内部缩小面积，降低帆船的航速。本发明从风帆的帆面面积入手，使帆船的航速不完全由风速决定。通本发明还可以通过各结构间的配合实现降帆，以保证航行安全。
-
公开(公告)号：CN112947505B
公开(公告)日：2022-11-25
申请号：CN202110303184.9
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习算法与未知干扰观测器的多AUV编队分布式控制方法，属于机器人控制技术领域。为了解决现有的控制方法对AUV编队进行控制存在控制精度差的问题，本发明针对多AUV编队中的AUV，利用纵向和艏向的复合控制系统进行控制；纵向和艏向的复合控制系统包括：基于纵向干扰观测器确定的纵向分布式控制器、基于艏向干扰观测器确定的艏向分布式控制器，以及用于确定控制器控制增益的Actor‑Critic算法；Actor‑Critic算法由Actor当前网络、Actor目标网络、Critic当前网络和Critic目标网络四个网络构成，四个网络均使用RBF神经网络。本发明主要用于水下机器人的控制。
-
公开(公告)号：CN113110532B
公开(公告)日：2022-11-04
申请号：CN202110500855.0
申请日：2021-05-08
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 基于辅助动态系统的可底栖式AUV自适应终端滑模轨迹跟踪控制方法，本发明涉及可底栖式AUV自适应终端滑模轨迹跟踪控制方法。本发明的目的是为了解决现有方法对可底栖式AUV的轨迹跟踪控制精度低的问题。基于辅助动态系统的可底栖式AUV自适应终端滑模轨迹跟踪控制方法过程为：步骤一、建立AUV运动学方程；步骤二、基于步骤一建立的AUV运动学方程，定义位姿误差模型变量；步骤三、基于步骤一建立的AUV运动学方程和步骤二定义的位姿误差模型变量，建立AUV误差模型；步骤四、设计控制律控制步骤三建立的AUV误差模型。本发明用于AUV轨迹跟踪控制领域。
-
公开(公告)号：CN111736617B
公开(公告)日：2022-11-04
申请号：CN202010526631.2
申请日：2020-06-09
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于速度观测器的可底栖式水下机器人预设性能轨迹跟踪控制方法，属于水下机器人控制技术领域。为了解决现有的AUV控制方法没有比较全面的考虑影响控制精度的因素导致控制精度比较低的问题，以及现有的预设性能控制方法很难通过搭载的传感器设备测量所需的状态信息导致控制效果不理想的问题，本发明设计控制器与状态观测器使可底栖式水下机器人在存在建模不确定性、海流扰动与推进器故障的情况下，其位置与姿态量仍然能够跟踪期望值，并使跟踪误差具有预先给定的动态性能及稳态响应情况；本发明还引入一种可预设收敛时间的性能函数，利用该性能函数可以在预期时间内实现预定的轨迹跟踪性能。主要用于可底栖式水下机器人的轨迹跟踪控制。
-
公开(公告)号：CN115186873A
公开(公告)日：2022-10-14
申请号：CN202210696577.5
申请日：2022-06-20
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种利用区块链计算航程选择的方法，应用在一个全海候长航程无人帆船的水翼与风舵装置上，路线选择方法选择预定的航行路线，分为两步，首先在区块链上记录的历史航行路线中选择相似起点与终点的路线，其次，在其中再选择经过的目标点最为契合的路线供管理员进行选择，本方法的步骤合理，逻辑清晰，使管理员制定航行路线的效率大大提高，并且能够应用于其他路线的规划中。
-
-
-
-
-
-
-
-
-
Search Results
328
records
(took 0.06 seconds)
