-
公开(公告)号：CN117289698A
公开(公告)日：2023-12-26
申请号：CN202311279314.5
申请日：2023-09-28
IPC分类号： G05D1/02
摘要： 本发明公开了一种面向水上围捕任务的多机器人协同追踪方法，涉及机器人控制技术领域。所述方法包括：对多机器人在有障碍物的水面环境围捕围捕目标进行分析，建立多机器人协同追踪的围捕模型；基于围捕模型，根据APF方法设计多机器人围捕控制器，并在APF方法的基础上引入Wall Following rules方法；根据控制任务需求，利用全连通网络搭建强化学习评价函数模型和控制策略模型，并对多机器人围捕控制器进行训练，得到训练完成的围捕控制策略；响应于围捕控制策略，多机器人围捕控制器控制多机器人完成对围捕目标的协同追踪。相较于现有技术，本发明解决了机器人陷入局部最小值的问题，最终实现水面环境下多机器人对围捕目标的协同追踪。
-
公开(公告)号：CN117289695A
公开(公告)日：2023-12-26
申请号：CN202311222260.9
申请日：2023-09-20
IPC分类号： G05D1/02
摘要： 本发明公开了一种基于强化学习的自动驾驶船舶(ASV)主动容错路径跟踪控制方法，如下：基于ASV的机动模块建立三自由度非线性动力学模型；基于非线性动力学模型获得标称模型；建立ASV的总体控制律，使得非线性动力学模型的状态能够跟踪标称模型的状态；所述总体控制律包括用于保证基本跟踪性能的基础路径跟踪控制律、用于补偿系统不确定性和传感器故障的基于强化学习的容错鲁棒控制律；所述传感器故障采用故障诊断和识别机制(FDI)检测并估计其大小。本发明利用强化学习的无模型特性，减少容错控制设计对模型信息的依赖；引入基于模型的基础路径跟踪控制律，提高学习效率，降低对传感器故障估计精度的依赖。
-
公开(公告)号：CN117762133A
公开(公告)日：2024-03-26
申请号：CN202311649220.2
申请日：2023-12-04
申请人： 中山大学
IPC分类号： G05D1/43 , G05D109/30
摘要： 本发明涉及编队控制技术领域，公开了一种基于相对定位的无人船编队控制方法及系统，包括以下具体步骤：S1：构建无人船编队的动力学模型；S2：基于动力学模型，构建围绕中心分布的期望无人船编队队形；S3：引入在线定位算法，估计期望无人船编队队形中各个无人船之间的相对位置；S4：基于期望无人船编队队形、估计的无人船之间的相对位置，构建无人船编队的协同跟踪控制律；S5：根据协同跟踪控制律控制无人船编队。本发明解决了现有技术存在的机载计算资源、传感能力有限的问题，且具有在只有少量数量的无人机感知目标的情况下，也可以实现封闭目标的特点。
-
公开(公告)号：CN117519292A
公开(公告)日：2024-02-06
申请号：CN202311677102.2
申请日：2023-12-07
申请人： 中山大学
IPC分类号： G05D1/695 , G05D109/20
摘要： 本发明公开了一种面向多无人机系统的启发式集群预测控制方法，利用初始解对控制空间进行筛选，解决了预测控制的计算量问题。该初始解由系统当前的修正梯度确定，为无人系统下一步运动指明了粗略方向。这种方法既可以大幅减小计算量，又能够最小程度影响系统的最佳控制输入。提出的新的基于相对速度方向的避障机制，能够保证无人系统安全、平滑地绕开障碍物。这种机制不仅适用简单静态障碍物场景，还能有效处理密集动态障碍物避障问题。
-
-
-
搜索结果
4 条记录 (耗时 0.027 秒)
