-
公开(公告)号：CN112650231A
公开(公告)日：2021-04-13
申请号：CN202011481194.3
申请日：2020-12-15
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明提供一种实现避碰和避障的欠驱船编队控制系统，导引系统是由虚拟的船来产生期望的轨迹，从而得到船舶编队领导者在各个时刻的期望位姿及期望速度。GPS，陀螺仪等传感器采集各个船舶实际位姿及速度信息。图论描述了编队中的信息流向。各船舶间的信息经过图论传输给避碰和避障系统。避碰和避障系统根据障碍物的位置和船舶之间的位置产生响应的信息。控制器基于避碰和避障系统、期望编队、以及领导船的位姿速度信息设计，辅助动态系统被用来处理控制器的饱和问题，控制器产生的信号传输给船舶的执行机构，调整每艘欠驱船的艏向和速度，到达期望编队。本发明实现了编队避碰和避障设计，同时考虑了欠驱船的推力饱和；这使本专利更容易应用到实践。
-
公开(公告)号：CN108459503B
公开(公告)日：2021-03-30
申请号：CN201810165096.5
申请日：2018-02-28
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于量子蚁群算法的无人水面艇航迹规划方法，属于无人水面艇和航迹规划技术领域。本发明通过量子蚁群算法来解决无人水面艇的航迹规划问题，包含以下步骤：根据地理信息数据库中的障碍物分布情况，建立航行区域的静态环境模型；根据无人水面艇航迹规划的目标函数和约束条件，建立无人水面艇的航迹规划综合评价函数；采用量子蚁群算法对无人水面艇进行全局静态航迹规划。本发明提出的算法既能体现量子计算的高效性，又保持了蚁群算法较好的寻优能力和较强的鲁棒性，可以提高算法的计算速度，能够有效且快速地得到无人水面艇在复杂海况下的最优航迹，使无人水面艇在满足约束条件的前提下，得到最优航迹，从而完成任务要求。
-
公开(公告)号：CN112327838A
公开(公告)日：2021-02-05
申请号：CN202011176582.0
申请日：2020-10-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于改进自映射算法的多无人水面艇多任务分配方法，包括导引系统、多任务分配模块、路径规划模块、控制系统、船舶执行机构、无人水面舰艇、传感器系统、数据处理系统；首先得到每艘无人水面舰艇需要完成的任务的集合；之后将每艘无人水面舰艇需要访问的任务节点传输到路径规划模块；其次为了实现对每艘无人水面舰艇得到的任务集进行访问，本发明的优势是使用改进自映射算法的多任务分配模块能够对多无人水面艇系统进行多任务分配，使用改进自映射算法和人工势量场函数的路径规划模块对多无人水面艇进行并行的路径规划设计，最终实现多无人水面艇的多任务分配和路径规划功能。
-
公开(公告)号：CN112230566A
公开(公告)日：2021-01-15
申请号：CN202011176584.X
申请日：2020-10-29
Applicant: 哈尔滨工程大学
IPC: G05B17/02
Abstract: 本发明提供一种使用多水面船的无动力浮体协同定位控制方法，导引系统将无动力浮体的跟踪的信息传给无动力浮体控制器；传感器系统无动力浮体和多水面船的位置信息传递给非线性扩张状态观测器，无动力浮体控制器和多水面船协同控制器；非线性扩张状态观测器将估计的速度和复合干扰分别传递给无动力浮体控制器和多水面船编队控制器；无动力浮体控制器将控制信息传递控制分配系统；控制分配系统将信息传递给拖链系统等，最后实现无动力浮体实现位置移动。本发明综合考虑无动力浮体和多水面船的速度信息未知，存在环境干扰和模型不确定性的情况下，实现对无动力浮体的协同定位；无动力浮体跟踪参考信号的跟踪性能得到了保证。
-
公开(公告)号：CN107065569B
公开(公告)日：2020-11-03
申请号：CN201710396708.7
申请日：2017-05-31
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明提供的是一种基于RBF神经网络补偿的船舶动力定位滑模控制系统及方法。包括显控计算机(1)、导引系统(2)、扩张状态观测器(3)、滑模控制器(4)、RBF神经网络补偿器(5)、执行机构(6)、动力定位船舶(7)、传感器系统(8)。本发明的基于RBF神经网络补偿的船舶动力定位滑模控制系统及方法考虑了船舶运动中的未建模动态、模型不确定、环境干扰和执行机构输入饱和问题，提高船舶动力定位系统的抗干扰能力和定位精度，在推进器、螺旋桨等执行机构输入受限情况下能够达到较好的控制效果。
-
Patent Agency Ranking
公开(公告)号：CN105867122B
公开(公告)日：2018-10-19
申请号：CN201610201135.3
申请日：2016-04-01
Applicant: 哈尔滨工程大学
Abstract: 基于滚动时域估计的动力定位船舶波频模型参数估计系统，涉及船舶动力定位领域，具体涉及动力定位船舶波频模型参数估计系统。为了解决现有的利用带通滤波进行海浪滤波过程中存在的精度有限的问题，本发明包括：波频模型参数估计功能启动模块、时间窗提取模块、测量信息序列提取模块、主导频率预估器、高通滤波器、滚动时域估计器和模型参数估计结束模块；主导频率预估器取出动力定位船舶位置和艏向的测量信息并进行快速傅里叶变换获取谱曲线并确定初始的波频模型参数；高通滤波器对测量信息进行滤波估计出波频运动分量；然后，滚动时域估计器估计出波频模型参数和波频运动估计。本发明适用于动力定位船舶波频模型参数估计。
-
公开(公告)号：CN107065569A
公开(公告)日：2017-08-18
申请号：CN201710396708.7
申请日：2017-05-31
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明提供的是一种基于RBF神经网络补偿的船舶动力定位滑模控制系统及方法。包括显控计算机(1)、导引系统(2)、扩张状态观测器(3)、滑模控制器(4)、RBF神经网络补偿器(5)、执行机构(6)、动力定位船舶(7)、传感器系统(8)。本发明的基于RBF神经网络补偿的船舶动力定位滑模控制系统及方法考虑了船舶运动中的未建模动态、模型不确定、环境干扰和执行机构输入饱和问题，提高船舶动力定位系统的抗干扰能力和定位精度，在推进器、螺旋桨等执行机构输入受限情况下能够达到较好的控制效果。
-
公开(公告)号：CN106054884A
公开(公告)日：2016-10-26
申请号：CN201610429103.9
申请日：2016-06-16
Applicant: 哈尔滨工程大学
IPC: G05D1/02
CPC classification number: G05D1/0692
Abstract: 本发明提供一种基于神经网络的L1自适应船舶动力定位双环控制系统，包括海洋船舶、外环位置跟踪回路控制器、基于神经网络的L1自适应内环控制器和路径生成器。外环位置跟踪回路控制器能够跟踪系统的参考路径，得到虚拟的速度指令，基于神经网络的L1自适应内环控制器包括自适应小波神经网络逼近、状态预测器、参数自适应律和L1控制规律，L1控制规律中包含一个滤波器，基于神经网络的L1自适应内环控制器解决了系统中的不确定性问题，并利用递归小波神经网络对系统中的耦合项进行了逼近。L1控制器在进行反馈的同时，将一个低通滤波器引入到了反馈回路中，削弱控制信号中未知高频噪声对系统的影响。本发明可应用于其它船舶动力定位系统控制问题上。
-
公开(公告)号：CN103760900B
公开(公告)日：2016-06-29
申请号：CN201410003233.7
申请日：2014-01-03
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明提供的是一种考虑控制输入约束的船舶运动控制系统。包括导引系统、控制系统、传感器系统、微分同胚变换器、数据处理系统，还包括控制输入补偿系统；导引系统根据输入的期望值与船舶的初始位置，计算船舶在各个时刻的期望位姿及期望速度；传感器采集船舶实际位姿信息和速度信息；数据处理系统得到船舶的低频位姿信息和速度；微分同胚变换器得到新的状态变量；控制系统根据新的状态变量进行相应解算得到相应的控制指令信息；控制指令信息传递给输入约束补偿系统经补偿后，得到最终的控制指令发送给船舶的执行机构。本发明是一种模型存在未知非线性函数并考虑控制输入约束时基于自适应神经网络估计的利用滤波反步法设计的船舶运动控制系统。
-
公开(公告)号：CN103324201B
公开(公告)日：2014-12-17
申请号：CN201310236660.5
申请日：2013-06-14
Applicant: 哈尔滨工程大学
IPC: G05D1/08
Abstract: 本发明提供的是一种救生艇救生对接过程的姿态控制方法，包括有限时间状态观测器(3)、干扰估计器(6)、线速度镇定回路(7)、姿态控制回路(8)和传感器装置(13)。本发明包括了一个有限时间状态观测器，通过对位置和姿态传感器信息进行处理，快速得到救生艇的线速度和角速度信息，从而用于控制器使用，干扰估计器可以估计和补偿由海流及脐带缆等造成外界干扰力的作用。本发明适用于全驱动的救生艇，在恶劣救生环境下的对接作业过程，能够使救生艇有效的抵抗外界干扰力作用，并在有限时间内使救生艇的三个姿态角跟踪到给定值，从而实现与失事艇的对接救生。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.021 seconds)
