-
公开(公告)号：CN109582027A
公开(公告)日：2019-04-05
申请号：CN201910032577.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人水面艇避障领域，具体涉及一种基于改进粒子群优化算法的USV集群避碰规划方法。本发明主要包括以下步骤：根据导航雷达和光电传感器的参数特性建立USV综合视域模型；构建坐标系；构建环境模型；设计用于USV集群避碰规划的滚动优化策略和改进粒子群优化算法；将综合传感器探测到的信息及目标点的信息输入到改进粒子群优化算法中，获得USV下一时刻的航行和航速的调整指令。本发明不仅克服了标准粒子群优化算法易于陷入局部最优的缺点，而且结合了USV当前环境信息，提高了USV避碰规划的实时性，在适应度函数中加入了USV的转角优化，在获得最优路径的同时也提高了路径的平滑性。
-
公开(公告)号：CN110750096A
公开(公告)日：2020-02-04
申请号：CN201910953377.1
申请日：2019-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于移动机器人导航技术领域，具体涉及一种静态环境下基于深度强化学习的移动机器人避碰规划方法。本发明使用激光测距仪采集原始数据，将处理后的数据作为A3C算法的状态S，通过构建A3C-LSTM神经网络，将状态S作为网络输入，通过A3C算法，神经网络输出相应参数，利用参数通过正态分布选择移动机器人每一步执行的动作。本发明无需对环境进行建模，通过深度强化学习算法最终实现移动机器人成功在复杂静态障碍物环境下避障。本发明设计具有转艏约束的连续动作空间模型，且采用多线程异步学习，与一般深度强化学习方法相比，大大提高学习训练时间，减少样本相关性，保障探索空间的高利用性与探索策略的多样性，提升算法收敛性、稳定性以及避障成功率。
-
公开(公告)号：CN110716575A
公开(公告)日：2020-01-21
申请号：CN201910934538.2
申请日：2019-09-29
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明属于UUV控制技术领域，具体涉及一种基于深度双Q网络强化学习的UUV实时避碰规划方法。本发明提供了一种适用于UUV工作环境和感知特点的自主避碰规划方法，通过UUV与环境之间不断地试错交互，利用成功或失败的经验，产生奖励或惩罚的信号不断地改进UUV的策略，让UUV具有自我学习的能力。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，通过直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
-
Patent Agency Ranking
公开(公告)号：CN110163519B
公开(公告)日：2023-08-18
申请号：CN201910454595.0
申请日：2019-05-29
Applicant: 哈尔滨工程大学
IPC: G06Q50/26 , G06Q10/063 , G06N7/01
Abstract: 本发明提供一种面向基地攻防任务的UUV红蓝方威胁评估方法，步骤一、红蓝方威胁态势评估要素分析；步骤二、通过对红蓝方威胁态势要素的分析，建立红蓝方态势威胁评估贝叶斯网络,贝叶斯网络的根节点为威胁评估的结果为威胁等级，子节点为相应威胁要素；步骤三、建立红蓝方态势威胁评估贝叶斯网络条件概率表；步骤四、依据当前红蓝方态势判断各个贝叶斯网络节点状态并将其作为贝叶斯网络的输入得到根节点的概率，得到威胁评估的结果。本发明提供一种面向基地攻防任务的UUV红蓝方威胁评估方法，通过不同的仿真案例展现出对UUV威胁评估的有效性。
-
公开(公告)号：CN110163519A
公开(公告)日：2019-08-23
申请号：CN201910454595.0
申请日：2019-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种面向基地攻防任务的UUV红蓝方威胁评估方法，步骤一、红蓝方威胁态势评估要素分析；步骤二、通过对红蓝方威胁态势要素的分析，建立红蓝方态势威胁评估贝叶斯网络,贝叶斯网络的根节点为威胁评估的结果为威胁等级，子节点为相应威胁要素；步骤三、建立红蓝方态势威胁评估贝叶斯网络条件概率表；步骤四、依据当前红蓝方态势判断各个贝叶斯网络节点状态并将其作为贝叶斯网络的输入得到根节点的概率，得到威胁评估的结果。本发明提供一种面向基地攻防任务的UUV红蓝方威胁评估方法，通过不同的仿真案例展现出对UUV威胁评估的有效性。
-
公开(公告)号：CN110750096B
公开(公告)日：2022-08-02
申请号：CN201910953377.1
申请日：2019-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明属于移动机器人导航技术领域，具体涉及一种静态环境下基于深度强化学习的移动机器人避碰规划方法。本发明使用激光测距仪采集原始数据，将处理后的数据作为A3C算法的状态S，通过构建A3C‑LSTM神经网络，将状态S作为网络输入，通过A3C算法，神经网络输出相应参数，利用参数通过正态分布选择移动机器人每一步执行的动作。本发明无需对环境进行建模，通过深度强化学习算法最终实现移动机器人成功在复杂静态障碍物环境下避障。本发明设计具有转艏约束的连续动作空间模型，且采用多线程异步学习，与一般深度强化学习方法相比，大大提高学习训练时间，减少样本相关性，保障探索空间的高利用性与探索策略的多样性，提升算法收敛性、稳定性以及避障成功率。
-
公开(公告)号：CN109582027B
公开(公告)日：2022-02-22
申请号：CN201910032577.3
申请日：2019-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明属于无人水面艇避障领域，具体涉及一种基于改进粒子群优化算法的USV集群避碰规划方法。本发明主要包括以下步骤：根据导航雷达和光电传感器的参数特性建立USV综合视域模型；构建坐标系；构建环境模型；设计用于USV集群避碰规划的滚动优化策略和改进粒子群优化算法；将综合传感器探测到的信息及目标点的信息输入到改进粒子群优化算法中，获得USV下一时刻的航行和航速的调整指令。本发明不仅克服了标准粒子群优化算法易于陷入局部最优的缺点，而且结合了USV当前环境信息，提高了USV避碰规划的实时性，在适应度函数中加入了USV的转角优化，在获得最优路径的同时也提高了路径的平滑性。
-
公开(公告)号：CN110188461A
公开(公告)日：2019-08-30
申请号：CN201910454611.6
申请日：2019-05-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种面向基地攻防任务的多UUV红蓝方AHP威胁评估方法，步骤一、搭建层次结构模型；步骤二、分析同一层的各评价指标对上一层中某准则的重要程度，并进行两两对比，按9标度法构造成对对比矩阵；步骤三、计算各评价指标对于该准则的相对权重；步骤四、计算各层指标对评估目标的综合权重，进行层次单排序及其一致性检验；步骤五、层次总排序与一致性检验，各个目标的权重排序，选择威胁程度最大的红方UUV为目标UUV进行优先攻击。本发明提供一种面向基地攻防任务的多UUV红蓝方AHP威胁评估方法，通过仿真案例展现出对多UUV目标威胁评估的有效性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.086 seconds)
