-
公开(公告)号：CN106227223A
公开(公告)日：2016-12-14
申请号：CN201610854334.4
申请日：2016-09-27
Applicant: 哈尔滨工程大学
IPC: G05D1/06
CPC classification number: G05D1/0692
Abstract: 本发明属于水下无人航行器的轨迹跟踪和动态滑模控制技术领域，具体涉及一种基于动态滑模控制的UUV轨迹跟踪方法。建立UUV水平面模型；通过坐标转换获得误差变量，并对误差变量求导得到误差变量的导数；构造李雅普诺夫函数并且定义虚拟速度控制变量将姿态跟踪转化为虚拟速度控制；稳定虚拟速度控制变量，利用滑模控制方法对系统参数不精确及外界时变扰动进行自适应估计，建立滑模动态函数；选取动态滑模控制律，实现UUV的轨迹跟踪。本专利通过反步法和自适应动态滑模控制技术的组合，解决了UUV平面轨迹跟踪控制问题在系统中可能存在建模不确定性、未知环境扰动的问题、系统的参数不确定性。
-
公开(公告)号：CN107728639B
公开(公告)日：2020-11-10
申请号：CN201710805763.7
申请日：2017-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种时间窗约束下的异构多AUV系统任务协调方法，属于多AUV的任务协调领域。本发明利用对AUV、海域、任务类型编码，得到基本的Auv_Mission参数矩阵；根据起点向量和终点矩阵计算所有可能路径的状态转移概率P；根据状态转移概率使用轮盘赌法选择下一条路径；通过蚁群算法进行优化并记录所有走过的路径及每个任务前的等待时间，并求得的每个AUV的任务最佳分配方案及执行顺序；通过将多个可能具有不同功能，不同性能的AUV合理分配这些子任务，以实现该群体的工作效率处于最高，从而通过共同分工与协作完成整个复杂的任务。
-
Patent Agency Ranking
公开(公告)号：CN107728639A
公开(公告)日：2018-02-23
申请号：CN201710805763.7
申请日：2017-09-08
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种时间窗约束下的异构多AUV系统任务协调方法，属于多AUV的任务协调领域。本发明利用对AUV、海域、任务类型编码，得到基本的Auv_Mission参数矩阵；根据起点向量和终点矩阵计算所有可能路径的状态转移概率P；根据状态转移概率使用轮盘赌法选择下一条路径；通过蚁群算法进行优化并记录所有走过的路径及每个任务前的等待时间，并求得的每个AUV的任务最佳分配方案及执行顺序；通过将多个可能具有不同功能，不同性能的AUV合理分配这些子任务，以实现该群体的工作效率处于最高，从而通过共同分工与协作完成整个复杂的任务。
-
公开(公告)号：CN108469828A
公开(公告)日：2018-08-31
申请号：CN201810243310.4
申请日：2018-03-23
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明涉及一种改进人工势场优化算法的AUV航路规划方法，基于AUV自身特性，一般是在深海区域执行任务，AUV在航行过程中可能会和暗礁、沉船、鱼群等发生碰撞，未知环境的不安全性会对AUV的安全有很大的威胁，在海洋未知环境下，为了解决AUV在有障碍物的情况下无碰撞的完成任务，本发明引入新的斥力场函数，帮助AUV改进目标不可达的现象，引入任意的(0-π/2)旋转角度，帮助AUV逃离局部极小值的现象，将这二种方法结合在一起，对AUV的航路规划有很好的寻优性。这二处改进点综合提高了算法的寻优性和鲁棒性，降低算法的复杂性。
-
公开(公告)号：CN106525042A
公开(公告)日：2017-03-22
申请号：CN201610854298.1
申请日：2016-09-27
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明的目的在于提供一种基于蚁群与扩展卡尔曼滤波相结合的多AUV协同定位方法，首先建立AUV运动学模型，然后线性化AUV模型，采用改进的蚁群算法对Q矩阵R矩阵进行最优估计：先采用蚁群算法进行首次遍历，产生大量解；采用粒子群算法找到全局最优值；再次利用蚁群算法，将当前解集置为蚁群初始出发点，然后根据蚁群中蚂蚁获得的解的质量的优劣，选出部分最优秀的蚂蚁按其解的优劣程度加权平均释放信息素。最终，将求解出来的Q,R运用到EKF中，从而实现对从AUV的定位。本发明巧妙地将智能算法与EKF相结合，不仅解决了噪声矩阵的不确定、难选择的问题，而且提高了EKF的滤波精度，应用于多AUV的定位系统中，大大提高了对从AUV定位的精确度。
-
公开(公告)号：CN106525042B
公开(公告)日：2019-10-18
申请号：CN201610854298.1
申请日：2016-09-27
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明的目的在于提供一种基于蚁群与扩展卡尔曼滤波相结合的多AUV协同定位方法，首先建立AUV运动学模型，然后线性化AUV模型，采用改进的蚁群算法对Q矩阵R矩阵进行最优估计：先采用蚁群算法进行首次遍历，产生大量解；采用粒子群算法找到全局最优值；再次利用蚁群算法，将当前解集置为蚁群初始出发点，然后根据蚁群中蚂蚁获得的解的质量的优劣，选出部分最优秀的蚂蚁按其解的优劣程度加权平均释放信息素。最终，将求解出来的Q,R运用到EKF中，从而实现对从AUV的定位。本发明巧妙地将智能算法与EKF相结合，不仅解决了噪声矩阵的不确定、难选择的问题，而且提高了EKF的滤波精度，应用于多AUV的定位系统中，大大提高了对从AUV定位的精确度。
-
公开(公告)号：CN107622348A
公开(公告)日：2018-01-23
申请号：CN201710837778.1
申请日：2017-09-18
Applicant: 哈尔滨工程大学
IPC: G06Q10/06
Abstract: 本发明涉及任务顺序约束下的异构多AUV系统任务协调方法、多AUV系统主要由水面工作台和具有不同功能的AUV组成、水面工作台负责系统数据的处理、任务分配的优化、任务指令的下达。不同功能的AUV主要负责接收任务指令，前往任务海域执行不同的任务。本发明中，主要针对实际应用中某些需要固定执行顺序的任务，以最短完成时间为目标对AUV的任务分配进行优化，得到较优的任务分配方案。本发明通过实时性的不断对现有的变化的待执行任务进行反复优化，不断保证任务分配方案在当前情况最优。
-
-
-
-
-
-
Search Results
7
records
(took 0.027 seconds)
