纵平面跟踪无人水下航行器的模糊事件触发滑模控制方法

    公开(公告)号:CN115016257B

    公开(公告)日:2024-09-17

    申请号:CN202210480802.1

    申请日:2022-05-05

    IPC分类号: G05B13/04

    摘要: 纵平面跟踪无人水下航行器的模糊事件触发滑模控制方法,属于无人水下航行器控制工程领域。本发明解决了现有无人水下航行器深度跟踪控制方法能耗高,且存在对执行器磨损大的问题。本发明通过设定积分滑模面和时变阈值的事件触发机制来设计事件触发时刻对积分滑模控制器进行触发来实现对水下航行器系统状态进行控制,实现积分滑模控制器的间歇式更新方式,在此过程中还通过积分滑模面,求得等效滑模控制律,再根据等效滑模控制律,构建积分滑模控制器。本发明可以有效降低UUV控制能耗,并减轻控制过程中的执行器磨损。本发明主要用于对无人水下航行器深度方向上的航迹进行间歇式控制。

    纵平面跟踪无人水下航行器的模糊事件触发滑模控制方法

    公开(公告)号:CN115016257A

    公开(公告)日:2022-09-06

    申请号:CN202210480802.1

    申请日:2022-05-05

    IPC分类号: G05B13/04

    摘要: 纵平面跟踪无人水下航行器的模糊事件触发滑模控制方法,属于无人水下航行器控制工程领域。本发明解决了现有无人水下航行器深度跟踪控制方法能耗高,且存在对执行器磨损大的问题。本发明通过设定积分滑模面和时变阈值的事件触发机制来设计事件触发时刻对积分滑模控制器进行触发来实现对水下航行器系统状态进行控制,实现积分滑模控制器的间歇式更新方式,在此过程中还通过积分滑模面,求得等效滑模控制律,再根据等效滑模控制律,构建积分滑模控制器。本发明可以有效降低UUV控制能耗,并减轻控制过程中的执行器磨损。本发明主要用于对无人水下航行器深度方向上的航迹进行间歇式控制。

    基于多维多通道卷积神经网络的形状分类方法

    公开(公告)号:CN115170886A

    公开(公告)日:2022-10-11

    申请号:CN202210864872.7

    申请日:2022-07-21

    摘要: 基于多维多通道卷积神经网络的形状分类方法,本发明涉及形状分类方法。本发明的目的是为了解决现有方法在小样本数据集下数据集缺乏时,因图像噪声造成图像轮廓不完整时的形状分类准确率低问题。过程为:一、计算轮廓角度和轮廓单元曲度,基于轮廓角度和轮廓单元曲度进行轮廓角度编码与轮廓单元曲度编码;基于轮廓角度编码与轮廓单元曲度编码,计算出在不同尺度级下的描述子;二、建立训练集与测试集;三、建立多维多通道网络模型;四、将训练集和测试集输入多维多通道网络模型,获得训练好的多维多通道网络模型;五、将待测图像输入训练好的多维多通道网络模型,完成图像分类。本发明用于图像分类领域。

    一种具有双重锁紧功能的对接锁紧模块及分离式水下对接机器人

    公开(公告)号:CN118144963A

    公开(公告)日:2024-06-07

    申请号:CN202410552218.1

    申请日:2024-05-07

    IPC分类号: B63C11/52

    摘要: 一种具有双重锁紧功能的对接锁紧模块及分离式水下对接机器人,属于重组式水下机器人领域。为了解决现有的对接模块复杂,导致对接与分离过程较慢,且对接模块形式单一,一旦对接模块出现信号误差,可能导致两个水下机器人再次分离,无法实现有效的锁合。本发明包括头部对接锁紧模块和尾部对接锁紧模块,所述的头部对接锁紧模块和尾部对接锁紧模块是通过相互配合的机械式锁紧和电磁锁紧实现锁合;本发明主要用于分离式水下机器人的对接。

    一种基于视觉自注意力模型的水下图像增强方法

    公开(公告)号:CN116152116A

    公开(公告)日:2023-05-23

    申请号:CN202310351943.8

    申请日:2023-04-04

    摘要: 一种基于视觉自注意力模型的水下图像增强方法,本发明涉及基于视觉自注意力模型的水下图像增强方法。本发明的目的是为了解决水下图像有着颜色扭曲、对比度低、细节模糊的成像特点,这些质量较低的水下图像严重影响了光学摄像机在水下环境中的使用,限制了水下无人航行器的感知能力的问题。过程为:步骤一、采用图像增强算法对水下图像进行处理,得到增强后的水下图像,作为训练集;步骤二、构建水下图像增强视觉自注意力模型;步骤三、对水下图像增强视觉自注意力模型进行训练,获得训练好的视觉自注意力模型;步骤四、将待测水下图像输入训练好的视觉自注意力模型,完成待测水下图像识别。本发明属于水下图像增强技术领域。

    基于多策略人工蜂群算法在海洋环境下的路径规划方法

    公开(公告)号:CN117419731B

    公开(公告)日:2024-03-12

    申请号:CN202311751227.5

    申请日:2023-12-19

    IPC分类号: G01C21/20

    摘要: 基于多策略人工蜂群算法在海洋环境下的路径规划方法,本发明涉及海洋环境下的路径规划领域。本发明的目的是为了解决现有路径规划算法存在的收敛速度慢、易陷入局部最优的缺点并且在UUV进入目标点时没有考虑进入目标点期望角度的问题。具体过程为:步骤1:根据UUV所处海洋环境对洋流流场进行建模,得到洋流的流向与大小信息;根据UUV所处海洋环境,获取障碍物的数量和位置信息;所述UUV为水下无人航行器;步骤2:基于步骤1在满足UUV航迹不同情况的角度约束下,得到连接航迹起点与航迹终点的路径,计算路径的代价;步骤3:利用多策略ABC算法对步骤2的路径的代价最小值寻优问题进行求解,输出最优路径。

    一种通信时延影响下基于因子图的AUV协同定位方法

    公开(公告)号:CN116608864A

    公开(公告)日:2023-08-18

    申请号:CN202310882564.1

    申请日:2023-07-19

    IPC分类号: G01C21/20 H04W64/00

    摘要: 一种通信时延影响下基于因子图的AUV协同定位方法,本发明涉及AUV协同定位方法。本发明为解决现有系统中往往没有考虑通信时间延迟的影响,致使定位误差大;以及水声通信中码间串扰易产生测距野值,造成厚尾非高斯的量测噪声,致使鲁棒性差的问题。过程为:1:建立领航者‑跟随者AUV编队的协同定位因子图模型;2:考虑通信时延的影响,基于跟随者AUV的航速和量测信息对量测信息进行时延补偿;3:利用最大相关熵作为因子图各函数节点的代价函数,推导出各节点最优估计,利用量测信息和AUV历史位置信息对AUV当前位置信息进行误差补偿,从而对跟随者AUV的位置信息进行估计更新。本发明用于AUV协同定位技术领域。