-
公开(公告)号：CN111240345B
公开(公告)日：2023-04-07
申请号：CN202010087514.0
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于双BP网络增强学习框架的水下机器人轨迹跟踪方法，它属于水下机器人轨迹跟踪技术领域。本发明解决了现有技术在进行控制器参数的在线优化时，需要依赖大量的专家先验知识建立模糊规则，导致控制器参数的在线优化耗时耗力的问题。本发明利用强化学习方法可以通过与环境的不断交互，在得到环境给出的强化值后便能通过循环迭代寻找到最优策略的特点，将强化学习方法与双BP网络结合起来，通过在线调节水下机器人的速度和艏向控制系统控制律的相关参数，使得所设计的速度和艏向控制系统能在不同的环境中选择与该环境相对应的最优控制参数，克服了现有技术中控制器参数在线优化的耗时耗力的问题。本发明可以应用于水下机器人的轨迹跟踪。
-
公开(公告)号：CN112965371B
公开(公告)日：2021-09-28
申请号：CN202110133191.9
申请日：2021-01-29
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法，本发明涉及水面无人艇轨迹快速跟踪控制方法。本发明的目的是为了解决将目前的控制方法应用到水面无人艇时存在的控制精度有限，且调整速度慢的问题。过程为：步骤一、建立水面无人艇系统模型；步骤二、基于步骤一中建立的水面无人艇系统模型，建立轨迹跟踪误差模型；步骤三、建立固定时间收敛系统；步骤四、基于步骤二、步骤三设计固定时间干扰观测器；步骤五、基于步骤四的固定时间干扰观测器，设计径向基函数神经网络；步骤六、基于步骤二、步骤三、步骤四、步骤五，设计有限时间反步跟踪控制器。本发明用于水面无人艇轨迹跟踪控制领域。
-
公开(公告)号：CN113238567A
公开(公告)日：2021-08-10
申请号：CN202110482857.1
申请日：2021-04-30
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于扩展状态观测器的底栖式AUV弱抖振积分滑模点镇定控制方法，涉及水下航行器控制领域，针对现有技术中的控制方法存在控制精度有限，调整速度慢的问题，包括：步骤一：建立可底栖式AUV运动方程，并根据可底栖式AUV运动方程构建可底栖式AUV误差模型；步骤二：根据可底栖式AUV误差模型构建可底栖式AUV点镇定跟踪误差模型；步骤三：设计自适应超螺旋扩展状态观测器；步骤四：构建二阶无抖振非奇异积分终端滑模面；步骤五：根据可底栖式AUV点镇定跟踪误差模型、自适应超螺旋扩展状态观测器和二阶无抖振非奇异积分终端滑模面设计控制器。本申请能在有限时间内收敛到稳定状态，且位姿误差收敛到零后能保持较好的稳定性，收敛速度快。
-
公开(公告)号：CN112904872A
公开(公告)日：2021-06-04
申请号：CN202110069579.7
申请日：2021-01-19
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 基于扰动逼近的底栖式AUV固定时间快速轨迹跟踪控制方法，涉及水下航行器控制领域，针对现有技术中难以实现快速高精度轨迹跟踪控制的问题，包括步骤一：建立可底栖式AUV运动方程，并根据可底栖式AUV运动方程构建轨迹跟踪误差模型；步骤二：构建快速固定时间收敛系统，并根据快速固定时间收敛系统及轨迹跟踪误差模型设计观测器，并根据观测器估计扰动集总项；步骤三：基于快速固定时间收敛系统设计固定时间滑模面；步骤四：利用快速固定时间收敛系统、固定时间滑模面及扰动集总项设计控制器。采用本申请可以实现快速高精度轨迹跟踪控制。
-
公开(公告)号：CN111736617A
公开(公告)日：2020-10-02
申请号：CN202010526631.2
申请日：2020-06-09
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于速度观测器的可底栖式水下机器人预设性能轨迹跟踪控制方法，属于水下机器人控制技术领域。为了解决现有的AUV控制方法没有比较全面的考虑影响控制精度的因素导致控制精度比较低的问题，以及现有的预设性能控制方法很难通过搭载的传感器设备测量所需的状态信息导致控制效果不理想的问题，本发明设计控制器与状态观测器使可底栖式水下机器人在存在建模不确定性、海流扰动与推进器故障的情况下，其位置与姿态量仍然能够跟踪期望值，并使跟踪误差具有预先给定的动态性能及稳态响应情况；本发明还引入一种可预设收敛时间的性能函数，利用该性能函数可以在预期时间内实现预定的轨迹跟踪性能。主要用于可底栖式水下机器人的轨迹跟踪控制。
-
Patent Agency Ranking
公开(公告)号：CN111736600A
公开(公告)日：2020-10-02
申请号：CN202010526389.9
申请日：2020-06-10
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法，属于控制技术领域。本发明为了解决现有的USV的轨迹跟踪控制方法并没有考虑时滞约束而导致的控制效果不佳的问题。本发明通过利用一种移位函数，实现对水面无人艇系统的误差变量进行移位转换，同时还设计了一种非对称障碍Lyapunov函数，设计相应的控制律和自适应律，保证无论初始条件如何，都可以实现最终一致有界的跟踪控制效果，而且时滞不对称时变约束可以在有限时间之后实现。主要用于水面无人艇的轨迹跟踪控制。
-
公开(公告)号：CN111290270A
公开(公告)日：2020-06-16
申请号：CN202010087509.X
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于Q-learning参数自适应技术的水下机器人反步速度和艏向控制方法，属于机器人控制技术领域。为了解决现有的水下机器人的控制方法存在需要先验知识的问题，以及控制器参数不能实时调整的问题。本发明设计了基于Q学习算法的参数自适应反步速度和艏向控制器，将偏差和偏差变化率作为该Q学习的输入，输出调整参数，根据调整参数确定的控制参数，结合控制参数和反步法设计的控制器实现速度和艏向控制，主要用于水下机器人速度和艏向的控制。
-
公开(公告)号：CN111273677A
公开(公告)日：2020-06-12
申请号：CN202010087517.4
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习技术的自主水下机器人速度和艏向控制方法，属于机器人控制技术领域。为了解决现有的水下机器人的控制方法依赖于控制对象模型精度的问题，以及不依赖模型的控制方法控制精度不高的问题。本发明设计了基于Q学习的速度和艏向控制器，将偏差和偏差变化率作为Q学习控制器的输入，将纵向推力和偏航力矩作为Q学习控制器的输出，使得Q学习控制器完全替代传统常规的控制器，从而达到水下机器人自主学习和自主决策的目标。主要用于水下机器人速度和艏向的控制。
-
公开(公告)号：CN111176122A
公开(公告)日：2020-05-19
申请号：CN202010087510.2
申请日：2020-02-11
Applicant: 哈尔滨工程大学
Abstract: 一种基于双BP神经网络Q学习技术的水下机器人参数自适应反步控制方法，它属于水下机器人控制器参数调节技术领域。本发明解决了传统Q学习方法进行控制器参数调节时的学习效率低，以及传统反步法进行控制器参数调节时存在的参数不易实时在线调整的问题。本发明利用基于双BP神经网络Q学习算法与反步法相结合的方式实现对反步法控制器参数的自主在线调节，以满足控制参数能够实时在线调整的要求。同时由于引入了双BP神经网络以及经验回放池，其强大的拟合能力使得基于双BP神经网络Q学习参数自适应反步控制方法能够大大降低训练次数，以提升学习效率，在训练较少次数的情况下达到更好的控制效果。本发明可以应用于水下机器人控制器参数的调节。
-
公开(公告)号：CN111273677B
公开(公告)日：2023-05-12
申请号：CN202010087517.4
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习技术的自主水下机器人速度和艏向控制方法，属于机器人控制技术领域。为了解决现有的水下机器人的控制方法依赖于控制对象模型精度的问题，以及不依赖模型的控制方法控制精度不高的问题。本发明设计了基于Q学习的速度和艏向控制器，将偏差和偏差变化率作为Q学习控制器的输入，将纵向推力和偏航力矩作为Q学习控制器的输出，使得Q学习控制器完全替代传统常规的控制器，从而达到水下机器人自主学习和自主决策的目标。主要用于水下机器人速度和艏向的控制。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.037 seconds)
