-
公开(公告)号：CN113592162A
公开(公告)日：2021-11-02
申请号：CN202110828428.5
申请日：2021-07-22
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多智能体强化学习的多水下无人航行器协同搜索方法，在AUV协同搜索的强化学习过程中，利用VDN方法将团队的全局价值分解为单个AUV的子值函数，用DQN对全局价值反向传播计算，AUV分别执行使团队价值Qtotal最大时的动作，实现多AUV的高效协同搜索。本发明解决了多AUV协同搜索过程中“虚假奖励”和“懒惰AUV”的问题，利用价值网络分解架构来均衡每个AUV的搜索收益值，使用强化学习的方法能够使AUV根据奖励大小来规划AUV的搜索路径，并引入参数共享方法加速算法收敛，从而提高协同搜索效率。
-
公开(公告)号：CN114675660B
公开(公告)日：2024-05-07
申请号：CN202210198014.3
申请日：2022-03-02
Applicant: 西北工业大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明一种基于PSO‑LSHADE‑CLM的多UUV协同搜索方法，属于无人水下航行器领域；首先采用栅格法对待搜索区域进行划分，概率图Pmn(t)初始化；然后根据UUV的初始位置和初始航向角得到t+1时刻的UUV状态，进而得到多UUV系统在状态X(k)下，采用决策输入U(k)后，整个系统在t+1时刻搜索效能；再通过预测总体搜索效能，得出t时刻求解多UUV系统最优决策输入的滚动优化模型；最后，根据解码粒子得到多UUV系统的一组航向角调整指令，带入多UUV系统最优决策输入的滚动优化模型中，即使搜索效能最大化，随着不断决策输入，直到搜索到目标。本发明解决了进化算法对于离散的优化问题处理不佳，容易陷入局部最优，以及进化算法初期过早收敛、对控制参数的敏感性高等缺点，从而提高协同搜索效率。
-
公开(公告)号：CN112734127A
公开(公告)日：2021-04-30
申请号：CN202110072473.2
申请日：2021-01-20
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于动态蚁群劳动分工模型的多AUV任务分配方法，首先建立异构多AUV动态任务分配问题数学模型，然后采用动态蚁群劳动分工模型，将AUV对应为蚂蚁；根据动态蚁群劳动分工模型的刺激—响应原理，将动态蚁群劳动分工的环境刺激模型、响应阈值模型及转移概率模型在异构多AUV系统动态任务分配问题上进行一一映射；最后采用循环竞争方案，解决任务冲突问题，为每个AUV分配任务。本发明方法能高效地完成任务分配过程，与传统的群智能任务分配方法相比，具有很好的自组织性、鲁棒性及快速性且能得出无冲突的任务分配方案。
-
公开(公告)号：CN102004447A
公开(公告)日：2011-04-06
申请号：CN201010544937.7
申请日：2010-11-11
Applicant: 西北工业大学
Abstract: 本发明公开了一种水下航行器组合导航与控制半实物仿真试验系统，仿真计算机计算出水下航行器的位置、姿态、速度和航向信息；SINS子系统模拟水下航行器的姿态运动；卫星导航子系统模拟水下航行器的位置和速度信息；深度模拟子系统模拟水下航行器航行深度信息；DVL导航子系统模拟求解水下航行器的速度；虚拟线加速度计模拟水下航行器的比力信息；导航控制计算机采集上述信息完成惯性导航和控制系统解算，驱动舵机运动；舵机模拟动作，并由舵角反馈电位计将舵角信息反馈给仿真计算机。本发明实现了水下航行器组合导航控制系统的联调与测试。
-
公开(公告)号：CN118528256A
公开(公告)日：2024-08-23
申请号：CN202410599484.X
申请日：2024-05-15
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于分区神经网络的软体机械臂逆运动学建模方法，首先采集软体机械手臂的运动学数据，包括软体机械手臂运动过程中的气压驱动数据和末端执行器的三维空间坐标数据，并对数据进行预处理；然后按照驱动气压方式划分区域，将逆运动学问题转化为多个子问题；最终使用采集的运动学数据集对分区神经网络进行训练，完成机械手臂逆运动学的求解。本发明方法可以用于求解软体机械手臂的逆运动学问题，并且具有较高的求解效率和控制精度。
-
Patent Agency Ranking
公开(公告)号：CN113592162B
公开(公告)日：2023-06-02
申请号：CN202110828428.5
申请日：2021-07-22
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多智能体强化学习的多水下无人航行器协同搜索方法，在AUV协同搜索的强化学习过程中，利用VDN方法将团队的全局价值分解为单个AUV的子值函数，用DQN对全局价值反向传播计算，AUV分别执行使团队价值Qtotal最大时的动作，实现多AUV的高效协同搜索。本发明解决了多AUV协同搜索过程中“虚假奖励”和“懒惰AUV”的问题，利用价值网络分解架构来均衡每个AUV的搜索收益值，使用强化学习的方法能够使AUV根据奖励大小来规划AUV的搜索路径，并引入参数共享方法加速算法收敛，从而提高协同搜索效率。
-
公开(公告)号：CN114675660A
公开(公告)日：2022-06-28
申请号：CN202210198014.3
申请日：2022-03-02
Applicant: 西北工业大学
IPC: G05D1/06
Abstract: 本发明一种基于PSO‑LSHADE‑CLM的多UUV协同搜索方法，属于无人水下航行器领域；首先采用栅格法对待搜索区域进行划分，概率图Pmn(t)初始化；然后根据UUV的初始位置和初始航向角得到t+1时刻的UUV状态，进而得到多UUV系统在状态X(k)下，采用决策输入U(k)后，整个系统在t+1时刻搜索效能；再通过预测总体搜索效能，得出t时刻求解多UUV系统最优决策输入的滚动优化模型；最后，根据解码粒子得到多UUV系统的一组航向角调整指令，带入多UUV系统最优决策输入的滚动优化模型中，即使搜索效能最大化，随着不断决策输入，直到搜索到目标。本发明解决了进化算法对于离散的优化问题处理不佳，容易陷入局部最优，以及进化算法初期过早收敛、对控制参数的敏感性高等缺点，从而提高协同搜索效率。
-
公开(公告)号：CN113033970A
公开(公告)日：2021-06-25
申请号：CN202110243834.5
申请日：2021-03-05
Applicant: 西北工业大学
Abstract: 本发明公开了一种针对大规模任务的AUV集群分层分配方法，采用层次结构将大规模的多AUV任务分配问题分为任务聚类和任务排序两个问题来进行解决。高层的任务聚类用来确定哪个AUV来执行哪些个任务。底层的任务排序用来求得AUV执行其对应任务的最佳任务执行序列，采用蚁群算法来进行任务排序。同时，针对动态环境任务突现的情况，引入包容性能影响的概念来计算任务突现时的最优执行AUV，从而避免了任务重分配，保证了算法的实时性。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.026 seconds)
