-
公开(公告)号：CN112001033B
公开(公告)日：2022-08-26
申请号：CN202010914963.8
申请日：2020-09-03
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/17 , G06T17/00 , G06F111/06
Abstract: 基于联合CST算法的仿生蟹翼型优化设计方法，它属于仿生蟹翼型优化技术领域。本发明解决了由于传统CST算法自身所存在的一些缺点，导致利用传统CST算法优化后的仿生蟹翼型的水动力性能有待提升的问题。本发明首先基于NACA0012和改进的直接CST算法进行基础翼型描述，再采用改进的扰动CST算法对基础翼型进行修正获得优化后的翼型，通过实验对比证明，同样条件下，采用改进的直接CST算法和改进的扰动CST算法可以有效提高仿生蟹翼型的水动力性能。本发明可以应用于仿生蟹翼型优化。
-
Patent Agency Ranking
公开(公告)号：CN112001033A
公开(公告)日：2020-11-27
申请号：CN202010914963.8
申请日：2020-09-03
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/17 , G06T17/00 , G06F111/06
Abstract: 基于联合CST算法的仿生蟹翼型优化设计方法，它属于仿生蟹翼型优化技术领域。本发明解决了由于传统CST算法自身所存在的一些缺点，导致利用传统CST算法优化后的仿生蟹翼型的水动力性能有待提升的问题。本发明首先基于NACA0012和改进的直接CST算法进行基础翼型描述，再采用改进的扰动CST算法对基础翼型进行修正获得优化后的翼型，通过实验对比证明，同样条件下，采用改进的直接CST算法和改进的扰动CST算法可以有效提高仿生蟹翼型的水动力性能。本发明可以应用于仿生蟹翼型优化。
-
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。
-
公开(公告)号：CN112947505B
公开(公告)日：2022-11-25
申请号：CN202110303184.9
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习算法与未知干扰观测器的多AUV编队分布式控制方法，属于机器人控制技术领域。为了解决现有的控制方法对AUV编队进行控制存在控制精度差的问题，本发明针对多AUV编队中的AUV，利用纵向和艏向的复合控制系统进行控制；纵向和艏向的复合控制系统包括：基于纵向干扰观测器确定的纵向分布式控制器、基于艏向干扰观测器确定的艏向分布式控制器，以及用于确定控制器控制增益的Actor‑Critic算法；Actor‑Critic算法由Actor当前网络、Actor目标网络、Critic当前网络和Critic目标网络四个网络构成，四个网络均使用RBF神经网络。本发明主要用于水下机器人的控制。
-
公开(公告)号：CN111736617B
公开(公告)日：2022-11-04
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。
-
公开(公告)号：CN112947505A
公开(公告)日：2021-06-11
申请号：CN202110303184.9
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习算法与未知干扰观测器的多AUV编队分布式控制方法，属于机器人控制技术领域。为了解决现有的控制方法对AUV编队进行控制存在控制精度差的问题，本发明针对多AUV编队中的AUV，利用纵向和艏向的复合控制系统进行控制；纵向和艏向的复合控制系统包括：基于纵向干扰观测器确定的纵向分布式控制器、基于艏向干扰观测器确定的艏向分布式控制器，以及用于确定控制器控制增益的Actor‑Critic算法；Actor‑Critic算法由Actor当前网络、Actor目标网络、Critic当前网络和Critic目标网络四个网络构成，四个网络均使用RBF神经网络。本发明主要用于水下机器人的控制。
-
-
-
-
-
Search Results
6
records
(took 0.039 seconds)
