-
公开(公告)号：CN110716575A
公开(公告)日：2020-01-21
申请号：CN201910934538.2
申请日：2019-09-29
申请人： 哈尔滨工程大学
IPC分类号： G05D1/06
摘要： 本发明属于UUV控制技术领域，具体涉及一种基于深度双Q网络强化学习的UUV实时避碰规划方法。本发明提供了一种适用于UUV工作环境和感知特点的自主避碰规划方法，通过UUV与环境之间不断地试错交互，利用成功或失败的经验，产生奖励或惩罚的信号不断地改进UUV的策略，让UUV具有自我学习的能力。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，通过直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
-
公开(公告)号：CN110827238B
公开(公告)日：2023-07-21
申请号：CN201910932903.6
申请日：2019-09-29
申请人： 哈尔滨工程大学
IPC分类号： G06T7/00
摘要： 本发明提供一种改进的全卷积神经网络的侧扫声纳图像特征提取方法，数据集的获取，并将数据集分为训练集和测试集，对数据集的目标区域进行标注；以VGG16网络为基础网络，搭建全卷积网络模型，并改进FCN模型的跳层结构；训练改进的全卷积网络模型，即训练FCNB模型；用训练好的网络对测试集的数据进行特征提取；定性评价特征提取结果，对比分析改进后与改进前的网络的特征提取结果。本发明保留了更多的细节信息，克服了传统方法抗散斑能力差、效率低、速度慢以及准确率低的缺点；有利于方法的泛化使用；特征提取效果得到了明显提升，该方法收敛性更好，稳定性更高。
-
公开(公告)号：CN109711087B
公开(公告)日：2022-06-21
申请号：CN201910033312.5
申请日：2019-01-14
申请人： 哈尔滨工程大学
摘要： 本发明属于UUV自主控制技术领域，具体涉及一种UUV动态威胁态势评估方法。本发明能够有效的解决UUV在水下的动态威胁态势评估问题，准确地评估当前时刻以及一段连续时间内的威胁态势，并能通过灵敏度分析得到当前各种威胁的威胁度排序。本发明不单纯使用静态贝叶斯网络或动态贝叶斯网络进行评估，而是将两者结合使用，使用了环境、平台、任务三级评估网络，便于评估方了解当前UUV系统各部分的状况，同时可以推理出各威胁的威胁方式；最后从整体出发，再使用静态网络对整个网络进行灵敏度分析，针对现场感知的环境类、平台健康类、任务类威胁给出在线定量定性的评估结果，为UUV后续的自主控制提供输入信息，决定当前最亟待解决的威胁问题。
-
公开(公告)号：CN110991647A
公开(公告)日：2020-04-10
申请号：CN201911125114.8
申请日：2019-11-18
申请人： 哈尔滨工程大学
摘要： 本发明属于UUV态势评估领域，具体涉及一种基于本体的UUV态势感知推理方法。本发明能够有效的解决UUV在水下环境的态势感知推理问题，以完成对UUV在执行任务时所面对的态势进行评估，从而便于后续的决策和事件处理。本发明具体包括以下步骤：(1)基于本体对UUV态势感知中的态势感知要素进行建模，充分表达态势感知要素之间的关联关系；(2)对本体进行实例化，输入态势感知要素实例；(3)将本体和贝叶斯之间进行结构转换，建立态势感知要素关系描述与态势感知推理之间的桥梁，为后期的推理奠定基础；(4)利用转换后的贝叶斯网络对态势感知进行推理，得到当前态势感知推理结果。
-
公开(公告)号：CN110827238A
公开(公告)日：2020-02-21
申请号：CN201910932903.6
申请日：2019-09-29
申请人： 哈尔滨工程大学
IPC分类号： G06T7/00
摘要： 本发明提供一种改进的全卷积神经网络的侧扫声纳图像特征提取方法，数据集的获取，并将数据集分为训练集和测试集，对数据集的目标区域进行标注；以VGG16网络为基础网络，搭建全卷积网络模型，并改进FCN模型的跳层结构；训练改进的全卷积网络模型，即训练FCNB模型；用训练好的网络对测试集的数据进行特征提取；定性评价特征提取结果，对比分析改进后与改进前的网络的特征提取结果。本发明保留了更多的细节信息，克服了传统方法抗散斑能力差、效率低、速度慢以及准确率低的缺点；有利于方法的泛化使用；特征提取效果得到了明显提升，该方法收敛性更好，稳定性更高。
-
公开(公告)号：CN109711087A
公开(公告)日：2019-05-03
申请号：CN201910033312.5
申请日：2019-01-14
申请人： 哈尔滨工程大学
摘要： 本发明属于UUV自主控制技术领域，具体涉及一种UUV动态威胁态势评估方法。本发明能够有效的解决UUV在水下的动态威胁态势评估问题，准确地评估当前时刻以及一段连续时间内的威胁态势，并能通过灵敏度分析得到当前各种威胁的威胁度排序。本发明不单纯使用静态贝叶斯网络或动态贝叶斯网络进行评估，而是将两者结合使用，使用了环境、平台、任务三级评估网络，便于评估方了解当前UUV系统各部分的状况，同时可以推理出各威胁的威胁方式；最后从整体出发，再使用静态网络对整个网络进行灵敏度分析，针对现场感知的环境类、平台健康类、任务类威胁给出在线定量定性的评估结果，为UUV后续的自主控制提供输入信息，决定当前最亟待解决的威胁问题。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.022 秒)