-
公开(公告)号：CN119806158A
公开(公告)日：2025-04-11
申请号：CN202510179984.2
申请日：2025-02-19
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学 , 深海技术科学太湖实验室连云港中心
IPC: G05D1/43 , G05D1/661 , G06N3/092 , G05D109/30
Abstract: 本公开提供了一种气垫船回收导引控制方法、装置、设备及存储介质，包括：获取气垫船当前的第一位置和船坞的第二位置，基于第一位置、船体坐标系和北东坐标系建立所述气垫船的自由度模型，基于第一位置和第二位置建立抗扰控制器模型；基于自由度模型设定所述抗扰控制器模型的期望值，基于所述期望值计算预期回收路径并通过强化学习网络对所述预期回收路径进行修正，得到气垫船的航向控制参数；基于气垫船当前的运动状态，在弗莱纳坐标系下利用第一导引算法计算气垫船的航行路径，基于航向控制参数控制气垫船按照航行路径到达第二位置；获取船坞中的第三位置，基于第二位置和第三位置，利用第一控制系统控制气垫船由第二位置行驶到第三位置。
-
Patent Agency Ranking
公开(公告)号：CN119668271A
公开(公告)日：2025-03-21
申请号：CN202510185382.8
申请日：2025-02-19
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G05D1/43 , G05D1/661 , G06N3/092 , G05D109/30
Abstract: 本公开提供了一种基于强化学习的气垫船路径跟踪方法、装置、设备及存储介质，包括：获取气垫船和船坞登陆舰的初始位置和运动信息，基于所述初始位置和运动信息确定所述气垫船期望路径；基于第一导引算法计算所述气垫船在所述期望路径下的目标艏向角；将所述目标艏向角作为强化学习网络和抗扰控制器的输入，生成第一控制参数，基于第一神经网络对所述第一控制参数进行训练，生成目标控制参数；基于所述目标控制参数控制所述气垫船按照所述期望路径进行运动。
-
公开(公告)号：CN119354206B
公开(公告)日：2025-05-02
申请号：CN202411918785.0
申请日：2024-12-24
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G01C21/20 , G06Q10/047 , G06N3/092
Abstract: 本公开提供了一种无人艇路径规划方法、装置、设备及存储介质，方法包括：随机生成路障地图，基于所述无人艇的尺寸设置安全阈值，基于终点坐标、路障信息和安全阈值建立奖励函数；基于所述无人艇的航向角、起点坐标和终点坐标构建无人艇的初始状态信息，将初始状态信息输入第一神经网络进行模型训练，得到下一时刻的目标状态信息；基于路障信息对所述目标状态信息进行判定，当目标状态信息中的位置坐标处于路障信息中的范围坐标内，则基于第一神经网络对所述初始状态信息进行重新训练，并增加一次迭代次数；当迭代次数达到设定值后，基于第一神经网络的训练结果，构建最优路径。
-
公开(公告)号：CN119354206A
公开(公告)日：2025-01-24
申请号：CN202411918785.0
申请日：2024-12-24
Applicant: 哈尔滨工程大学三亚南海创新发展基地 , 哈尔滨工程大学
IPC: G01C21/20 , G06Q10/047 , G06N3/092
Abstract: 本公开提供了一种无人艇路径规划方法、装置、设备及存储介质，方法包括：随机生成路障地图，基于所述无人艇的尺寸设置安全阈值，基于终点坐标、路障信息和安全阈值建立奖励函数；基于所述无人艇的航向角、起点坐标和终点坐标构建无人艇的初始状态信息，将初始状态信息输入第一神经网络进行模型训练，得到下一时刻的目标状态信息；基于路障信息对所述目标状态信息进行判定，当目标状态信息中的位置坐标处于路障信息中的范围坐标内，则基于第一神经网络对所述初始状态信息进行重新训练，并增加一次迭代次数；当迭代次数达到设定值后，基于第一神经网络的训练结果，构建最优路径。
-
公开(公告)号：CN114879671B
公开(公告)日：2024-10-15
申请号：CN202210477463.1
申请日：2022-05-04
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水面无人艇轨迹跟踪控制技术领域，具体涉及一种基于强化学习MPC的无人艇轨迹跟踪控制方法。本发明在无人艇的MPC轨迹跟踪控制器设计过程中，选用无人艇的运动学模型和操纵响应模型作为预测模型，根据无人艇轨迹跟踪任务需求构造控制性能指标函数，在MPC滚动优化过程中利用强化学习的DDPG算法构建性能指标函数的求解器，通过最小化性能指标函数求解出轨迹跟踪的最优控制序列，最终将每时刻控制序列的第一个控制量作用于无人艇系统上。本发明提高了轨迹跟踪控制的鲁棒性和抗干扰，同时具备自学习能力，适应于复杂的海况环境，相较于传统的MPC控制算法其自主性和实时性更强，跟踪误差更小。
-
公开(公告)号：CN114879671A
公开(公告)日：2022-08-09
申请号：CN202210477463.1
申请日：2022-05-04
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于水面无人艇轨迹跟踪控制技术领域，具体涉及一种基于强化学习MPC的无人艇轨迹跟踪控制方法。本发明在无人艇的MPC轨迹跟踪控制器设计过程中，选用无人艇的运动学模型和操纵响应模型作为预测模型，根据无人艇轨迹跟踪任务需求构造控制性能指标函数，在MPC滚动优化过程中利用强化学习的DDPG算法构建性能指标函数的求解器，通过最小化性能指标函数求解出轨迹跟踪的最优控制序列，最终将每时刻控制序列的第一个控制量作用于无人艇系统上。本发明提高了轨迹跟踪控制的鲁棒性和抗干扰，同时具备自学习能力，适应于复杂的海况环境，相较于传统的MPC控制算法其自主性和实时性更强，跟踪误差更小。
-
-
-
-
-
Search Results
6
records
(took 0.066 seconds)
