-
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：CN117032024A
公开(公告)日：2023-11-10
申请号：CN202311006397.0
申请日：2023-08-10
申请人： 中山大学
IPC分类号： G05B19/042
摘要： 本发明公开一种基于中枢模式发生器的四足机器人运动控制方法，所述方法包括：S1：基于SO(2)群的中枢模式发生器、径向基函数神经网络构建步态规划网络；S2：引入基于模仿的优化算法对步态规划网络中的参数进行训练；S3：构建基于强化学习算法的运动规划网络；S4：结合训练后的步态规划网络的输出和运动规划网络的输出对机器人进行运动控制。该方法实现四足机器人高效平稳运动，四足机器人经过参数训练后仅需要切换状态就可以产生周期性步态并开始运动。
-
公开(公告)号：CN114519268A
公开(公告)日：2022-05-20
申请号：CN202210109721.0
申请日：2022-01-28
申请人： 中山大学
摘要： 本发明公开的基于双驱动系统的电机匹配方法、装置、设备及存储介质，通过集合多台电机对应的电机转速数据，生成电机转速数据集；对所述电机转速数据集中的电机转速数据进行两两配对，计算每一配对对应的距离相关性系数，并根据计算结果，生成相关性参数矩阵；获取并保存所述相关性参数矩阵的最小值及其对应的两组电机转速数据，将所述电机转速数据集中所述最小值对应的两组电机转速数据进行删除，生成新的电机转速数据集，重复循环上述操作，直至所述电机转速数据集中不存在电机转速数据，输出所述电机匹配结果数据集。与现有技术相比，本发明通过对多台电机进行数据匹配，以使减少配对电机之间的差异性。
-
公开(公告)号：CN114296350A
公开(公告)日：2022-04-08
申请号：CN202111631716.8
申请日：2021-12-28
申请人： 中山大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种基于模型参考强化学习的无人船容错控制方法，该方法包括：对无人船的不确定性因素进行分析，构建无人船名义动力学模型；基于无人船名义动力学模型，设计无人船标称控制器；基于最大熵的Actor‑Critic方法，根据实际无人船系统、无人船名义动力学模型的状态变量差值和无人船标称控制器的输出，构建基于模型参考强化学习的容错控制器；根据控制任务需求，搭建强化学习评价函数和控制策略模型并训练容错控制器，得到训练完成的控制策略。通过使用本发明，能够显著提高无人船系统的安全性和可靠性。本发明作为一种基于模型参考强化学习的无人船容错控制方法，可广泛应用于无人船控制领域。
-
公开(公告)号：CN113255549A
公开(公告)日：2021-08-13
申请号：CN202110620681.1
申请日：2021-06-03
申请人： 中山大学
摘要： 本发明公开了一种狼群围猎行为状态智能识别方法及系统，所述方法包括以下步骤:动物个体检测，其中，包括输入：狼群围猎视频，输出：视频每一帧图片动物所在的区域及动物种类；动物个体追踪，其中，包括输入：个体检测部分输出的每一帧的动物所在区域，输出：视频每一帧里成功追踪的动物编号；动物个体运动状态识别，其中，包括输入：视频每一帧每一个动物的区域及编号，输出：视频每一帧每一个动物的运动状态。本发明的系统的鲁棒性较强；本发明系统将目标外观空域流特征与运动时域流特征结合，共同判断种群里每一个个体的物种信息和运动状态，即针对群体的状态识别。本发明系统能直接运用于自然环境下的行为观测，使利用无人机实时观测和监督动物群落状况成为可能。
-
公开(公告)号：CN118296727A
公开(公告)日：2024-07-05
申请号：CN202410347715.8
申请日：2024-03-26
申请人： 中山大学
IPC分类号： G06F30/15 , G06F30/20 , G06F119/14
摘要： 本申请公开了一种螺旋桨驱动的转台模型参数辨识方法、装置及设备，方法包括：对转台的执行器模型和动力学模型进行理论建模，得到待辨识参数的传递函数；根据预先搭建的非拆卸辨识实验平台进行转台模型辨识实验，采集转台的状态量测量信号；对所述状态量测量信号进行处理，得到处理后的状态量测量信号；基于所述处理后的状态量测量信号，对所述待辨识参数的传递函数进行参数辨识，得到转台模型参数辨识结果。本申请通过在不拆卸转台的前提下，即在不改变转台运动特性的情况下，直接利用机载低成本传感器采集数据，对转台执行器模型和转台俯仰轴动力学模型进行高精度参数辨识。
-
公开(公告)号：CN114296350B
公开(公告)日：2023-11-03
申请号：CN202111631716.8
申请日：2021-12-28
申请人： 中山大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种基于模型参考强化学习的无人船容错控制方法，该方法包括：对无人船的不确定性因素进行分析，构建无人船名义动力学模型；基于无人船名义动力学模型，设计无人船标称控制器；基于最大熵的Actor‑Critic方法，根据实际无人船系统、无人船名义动力学模型的状态变量差值和无人船标称控制器的输出，构建基于模型参考强化学习的容错控制器；根据控制任务需求，搭建强化学习评价函数和控制策略模型并训练容错控制器，得到训练完成的控制策略。通过使用本发明，能够显著提高无人船系统的安全性和可靠性。本发明作为一种基于模型参考强化学习的无人船容错控制方法，可广泛应用于无人船控制领域。
-
公开(公告)号：CN114863300A
公开(公告)日：2022-08-05
申请号：CN202210478933.6
申请日：2022-04-29
申请人： 中山大学
摘要： 本发明公开了一种最短路径生成方法及装置，其中所述方法包括：对目标地图进行角点检测，生成目标地图内的所有目标角点，基于各个目标角点生成从路径起点出发、所有所述目标角点与所述路径起点以最短路径距离连接的初始路径。所述初始路径实现了各个目标角点间的局部最优连接关系。更进一步的，所述目标地图中随机生成测试节点，根据测试节点对所述初始路径的连接关系进行优化，实现目标地图的全局最优连接关系，根据优化结果生成最短路径，进一步提高路径的生成质量和精度。
-
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。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.019 秒)
