-
公开(公告)号：CN112241176B
公开(公告)日：2022-10-28
申请号：CN202011109095.2
申请日：2020-10-16
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明是一种水下自主航行器在大尺度连续性障碍物环境中路径规划避障控制方法。本发明涉及水下机器人路径避障规划技术领域，本发明建立存在大尺度连续性障碍物模拟训练环境，以避障传感器信息为输入，航行速度和偏航角速度为输出搭建深度强化学习神经网络的状态与动作，针对运动规划避障控制过程的多目标结构，对奖赏函数进行了模块化设计，为了避免稀疏奖励引起系统不稳定，结合人工势场法设置连续性奖励。本发明利用基于改进的深度确定性策略梯度算法，对水下自主航行器进行避障训练，将训练所得到的避障策略写入机器人下位机控制系统；水下自主航行器在水下峡谷中行驶时，利用训练学习到的避障策略进行避障，安全的到达目标区域。
-
公开(公告)号：CN113534668B
公开(公告)日：2022-06-10
申请号：CN202110930108.0
申请日：2021-08-13
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开了基于最大熵的演员‑评论家框架的AUV运动规划方法，包括以下步骤：S1：构建AUV操纵性模型；S2：确定AUV的状态空间与动作空间；S3：基于MDP决策过程，提出基于最大熵的强化学习算法，构建神经网络结构，搭建AUV运动规划系统；S4：设置一个综合的奖励函数来评估AUV决策的优劣，指导AUV完成运动规划任务的目标：在躲避障碍物到达目标点的同时，航行路程及所用时间达到最优；S5：通过自交互训练获得最优策略，保存训练好的神经网络参数，将最优策略对应的具体指令传递给下位机，最终实现感知‑规划‑控制的运动规划过程；本发明能够发现到达目标位置的多种策略，在应对各种突发态势时有较好的鲁棒性，且能在多约束的条件下顺利完成指定任务。
-
公开(公告)号：CN112199792B
公开(公告)日：2021-07-20
申请号：CN202011064774.2
申请日：2020-09-30
Applicant: 哈尔滨工程大学
IPC: G06F30/17 , G06F30/20 , G06T17/00 , G06F111/04 , G06F111/06 , G06F111/10 , G06F119/14
Abstract: 本发明的一种微小型水下机器人多学科优化设计方法，所述优化设计方法包括以下步骤：步骤一、分别建立各学科的数学模型和机器人整体的运动学模型；步骤二、完成微小型水下机器人的多学科优化，引入带有可分层的全局变量，在改进的AAO框架下，构建各学科的基于试验设计的近似模型，在isight软件平台下完成优化，并得到微小型水下机器人多学科优化的可行解；步骤三、对多学科优化得到的可行解展开性能评估，在改进的层次分析法下完成机器人的性能评估并从中得到最终方案；步骤四、完成微小型水下机器人的三维建模，进行关于机器人的仿真验证。本发明解决了传统的串行设计模式中整体性较差的问题，同时也解决了现有AAO算法存在的问题。
-
公开(公告)号：CN116486243A
公开(公告)日：2023-07-25
申请号：CN202211434552.4
申请日：2023-01-30
Applicant: 哈尔滨工程大学
IPC: G06V20/05 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于DP‑ViT的声呐图像目标检测方法，将提出了Dual‑Sc ale Patch Embedding(DSPE),将ViT与CNN结合，提出了Dual Path Transformer Block(DPTB)，充分结合了transformer的序列编码能力、全局信息感知能力与CN N的泛化能力。这样既能够保留CNN的平移旋转不变性，也能保留transformer的优势。本发明提出的DP‑ViT分别在侧扫声呐和前视声呐目标检测任务中，相比于现有技术的目标检测方法，具有更好的性能，并且大幅降低了声呐图像对比度低、干扰噪声大对检测任务的影响。在样本较少情况下相比于单一transformer的方法有更加明显的优势。
-
公开(公告)号：CN113534668A
公开(公告)日：2021-10-22
申请号：CN202110930108.0
申请日：2021-08-13
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 本发明公开了基于最大熵的演员‑评论家框架的AUV运动规划方法，包括以下步骤：S1：构建AUV操纵性模型；S2：确定AUV的状态空间与动作空间；S3：基于MDP决策过程，提出基于最大熵的强化学习算法，构建神经网络结构，搭建AUV运动规划系统；S4：设置一个综合的奖励函数来评估AUV决策的优劣，指导AUV完成运动规划任务的目标：在躲避障碍物到达目标点的同时，航行路程及所用时间达到最优；S5：通过自交互训练获得最优策略，保存训练好的神经网络参数，将最优策略对应的具体指令传递给下位机，最终实现感知‑规划‑控制的运动规划过程；本发明能够发现到达目标位置的多种策略，在应对各种突发态势时有较好的鲁棒性，且能在多约束的条件下顺利完成指定任务。
-
Patent Agency Ranking
公开(公告)号：CN112241176A
公开(公告)日：2021-01-19
申请号：CN202011109095.2
申请日：2020-10-16
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明是一种水下自主航行器在大尺度连续性障碍物环境中路径规划避障控制方法。本发明涉及水下机器人路径避障规划技术领域，本发明建立存在大尺度连续性障碍物模拟训练环境，以避障传感器信息为输入，航行速度和偏航角速度为输出搭建深度强化学习神经网络的状态与动作，针对运动规划避障控制过程的多目标结构，对奖赏函数进行了模块化设计，为了避免稀疏奖励引起系统不稳定，结合人工势场法设置连续性奖励。本发明利用基于改进的深度确定性策略梯度算法，对水下自主航行器进行避障训练，将训练所得到的避障策略写入机器人下位机控制系统；水下自主航行器在水下峡谷中行驶时，利用训练学习到的避障策略进行避障，安全的到达目标区域。
-
公开(公告)号：CN112199792A
公开(公告)日：2021-01-08
申请号：CN202011064774.2
申请日：2020-09-30
Applicant: 哈尔滨工程大学
IPC: G06F30/17 , G06F30/20 , G06T17/00 , G06F111/04 , G06F111/06 , G06F111/10 , G06F119/14
Abstract: 本发明的一种微小型水下机器人多学科优化设计方法，所述优化设计方法包括以下步骤：步骤一、分别建立各学科的数学模型和机器人整体的运动学模型；步骤二、完成微小型水下机器人的多学科优化，引入带有可分层的全局变量，在改进的AAO框架下，构建各学科的基于试验设计的近似模型，在isight软件平台下完成优化，并得到微小型水下机器人多学科优化的可行解；步骤三、对多学科优化得到的可行解展开性能评估，在改进的层次分析法下完成机器人的性能评估并从中得到最终方案；步骤四、完成微小型水下机器人的三维建模，进行关于机器人的仿真验证。本发明解决了传统的串行设计模式中整体性较差的问题，同时也解决了现有AAO算法存在的问题。
-
公开(公告)号：CN111966118A
公开(公告)日：2020-11-20
申请号：CN202010820394.0
申请日：2020-08-14
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明的一种ROV推力分配与基于强化学习的运动控制方法，属于水下机器人技术领域。包括：进行ROV动力学建模，确定ROV推进器空间布置及推进系统模型，提出ROV推力分配方法；在所述ROV推力分配方法的基础上，加入DDPG控制器；在所述DDPG控制器的基础上，加入抗扰控制器。该ROV推力分配方法在进行推力分配的同时降低推进器能耗，从而降低了整个ROV的能耗。DDPG算法能够在动作输出幅度能进行连续值输出，更适用水下机器人控制问题，同时DDPG控制器能够在连续决策问题中进行学习。采用抗扰控制器可以提高该运动控制方法对ROV未建模水动力、外界扰动及其他不确定因素的抗扰能力。
-
公开(公告)号：CN111966118B
公开(公告)日：2021-07-20
申请号：CN202010820394.0
申请日：2020-08-14
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 本发明的一种ROV推力分配与基于强化学习的运动控制方法，属于水下机器人技术领域。包括：进行ROV动力学建模，确定ROV推进器空间布置及推进系统模型，提出ROV推力分配方法；在所述ROV推力分配方法的基础上，加入DDPG控制器；在所述DDPG控制器的基础上，加入抗扰控制器。该ROV推力分配方法在进行推力分配的同时降低推进器能耗，从而降低了整个ROV的能耗。DDPG算法能够在动作输出幅度能进行连续值输出，更适用水下机器人控制问题，同时DDPG控制器能够在连续决策问题中进行学习。采用抗扰控制器可以提高该运动控制方法对ROV未建模水动力、外界扰动及其他不确定因素的抗扰能力。
-
公开(公告)号：CN111930141A
公开(公告)日：2020-11-13
申请号：CN202010703073.2
申请日：2020-07-21
Applicant: 哈尔滨工程大学
IPC: G05D1/10
Abstract: 本发明是一种水下机器人三维路径可视化跟踪方法。本发明属于水下机器人三维路径规划技术领域，本发明建立大地坐标系、载体坐标系和曲线坐标系，根据坐标系建立水下机器人的六自由度模型根据建立的水下机器人的六自由度模型，建立路径跟踪误差模型，确定航向角偏差和潜浮角偏差；采用反步滑模控制方法，对建立的水下机器人的六自由度模型进行三维路径跟踪；采用深度强化学习方法对三维路径跟踪进行训练，完成水下机器人三维路径可视化跟踪。本发明使得跟踪误差连续，提高了路径跟踪的稳定性；在视线法制导率中加入积分项来引入时间的影响；添加了边界奖励函数来加快路径跟踪的收敛速度，降低了超调，提高了精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
