-
公开(公告)号：CN113625729A
公开(公告)日：2021-11-09
申请号：CN202110911753.8
申请日：2021-08-10
Applicant: 哈尔滨工程大学
Abstract: 本发明公开一种大时延下的水下机器人遥操作装置及实现方法，包括：采集模块、模型构建模块、遥操作模块、水下机器人、仿真显示器、第一通信装置、第二通信装置；采集模块用于获取水下场景影像；模型构建模块用于构建虚拟水下任务场景模型和虚拟水下机器人；遥操作模块用于输出控制指令、获取虚拟水下机器人的未来运动状态、更新虚拟水下任务场景模型；水下机器人用于动作获取真实运动状态；仿真显示器用于显示虚拟水下任务场景模型、虚拟水下机器人、未来运动状态和真实运动状态；第一通信装置用于时延传输控制指令；第二通信装置用于时延回传真实运动状态。本发明能够通过多步预测克服时延影响，解决大时延下的水下机器人状态预测问题。
-
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：CN109211240B
公开(公告)日：2021-06-18
申请号：CN201811028732.6
申请日：2018-09-01
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明涉及水下目标定位技术领域，具体涉及一种单目视觉水下航行器导航定位校正方法。通过将航行器航行到预定校正区域，根据视觉系统追踪到水下标志物；调整航行器姿态，控制航行器向水下标志物航行一段距离，根据视觉系统采集图像信息，根据航位推算系统记录航行器位置、位移及姿态信息；通过将航行器围绕水下标志物运动至其他不同位置，重复操作；通过视觉系统的输出信息以及航位推算子系统的输出信息，进行回归优化分析计算；通过计算水下航行器的导航定位校正值，完成导航定位校正。本发明具有成本低、精度高、方便灵活等特点。
-
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。
-
公开(公告)号：CN108873687B
公开(公告)日：2020-06-26
申请号：CN201810759163.6
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下机器人技术领域，具体设计一种基于深度Q学习的智能水下机器人行为体系结构规划方法。包括：AUV行为规划体系结构分层设计；基于深度Q学习的行为规划及动作规划策略设计。主要流程为:将AUV的行为规划体系结构划分为“任务‑行为‑动作”三个层次,首先任务分解层将AUV收到的任务指令分解为各个行为，然后行为规划层通过获取到的环境信息对完成任务所需要的行为进行规划，最后动作执行层利用Q学习的方法训练AUV完成最优动作规划，通过控制AUV执行机构产生动作达到目标指令。本方法利用强化学习的方法训练水下机器人，使AUV能够在真实的动态水下环境中实现自主行为规划，省去了大量逻辑编程，提高了水下机器人的智能性。
-
Patent Agency Ranking
公开(公告)号：CN111216857A
公开(公告)日：2020-06-02
申请号：CN202010050457.9
申请日：2020-01-17
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种深海水下机器人剩余浮力被动消除装置，属于水下机器人技术领域，装置主体包括气囊、底板、阀、密封装置、压载固定螺栓、压载防脱杆、压载，可压缩气囊与底板一侧粘接，并且在底板另一侧具有水、气两个通路及相应的阀和密封装置，压载固定螺栓与底板相连，压载可安装到压载固定螺栓并通过压载防脱杆防止压载松脱，装置主体可通过固定孔安装到机器人载体上。本发明可实现无需任何外部控制的条件下，在预定深度被动地损失定量的浮力，消除深海水下机器人载体增加的剩余浮力，同时不破坏水下机器人在海面的正浮状态，并且浮力消除量可根据工作水深在机器人下水前进行调整，结构简单、使用方便。
-
公开(公告)号：CN110221304A
公开(公告)日：2019-09-10
申请号：CN201910479008.3
申请日：2019-06-04
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种水下机器人多声呐数据融合方法，在对声呐数据和姿态传感器融合的基础上，提高测量精度为目的，基于改进SH自适应滤波算法进行优化。本发明基于测距声呐的测距误差模型针对不同传感器进行时间对准，通过对AUV测距距离，艏向角，横摇角等传感器信号的测量数据融合，采用SH自适应卡尔曼滤波对数据进行修正，并针对算法鲁棒性较差的情况，对系统噪声进行自适应调整并适当减少对量测噪声估计的无偏性，实现对声呐测距数据的准确估计，并改进遗忘因子算法，增强系统鲁棒性。本发明较传统方法具有很大的优点，可用于各类水下机器人，具有深远的应用前景。
-
公开(公告)号：CN108444481B
公开(公告)日：2019-08-06
申请号：CN201810248836.1
申请日：2018-03-25
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提供了一种基于辅助决策系统的水下潜器路径规划方法，属于水下潜器路径规划领域。本发明提供的方法包括：根据海图信息以及已知声呐信息确定规划空间；对已知声呐性能建模，确定水下潜器安全虚拟外壳；利用Q学习算法进行全局路径规划；采集传感器信息，判断是否需要采用辅助决策系统，若需要则启动辅助决策系统进行躲避声呐或障碍物；判断是否到达目标点。本发明将水下潜器的声隐身性能作为影响因素引入路径规划中，并与辅助决策系统相结合，使水下潜器可以在复杂环境中保持声隐身状态下同时进行自主路径规划，提高了水下潜器的自主能力、实用性以及安全性。
-
公开(公告)号：CN109711022A
公开(公告)日：2019-05-03
申请号：CN201811543506.1
申请日：2018-12-17
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度学习的潜艇抗沉系统，包括潜艇仿真试验平台、分类单元、深度学习单元、高压气控制单元和在线学习单元；搭载潜艇仿真试验平台，采集数据；将采集的数据导入分类单元，将破损后潜艇的状态分为可自救和坐沉；将分类单元中可自救的样本数据进入深度学习单元，实时分析数据，判断潜艇状态，并向高压气控制单元发出指令；对指定舱室吹除压载水，达到矫正姿态，实现智能抗沉的目的；将使用历史数据构建的基于深度学习的潜艇抗沉系统加入潜艇仿真实验平台，使其进行在线学习。本发明当潜艇出现非正常运行工况，该系统能够在很短的时间内给出高压气吹除方案，调整潜艇的姿态，使其在一定程度上能够正常运行，实现辅助决策的功能。
-
-
-
-
-
-
-
-
Search Results
202
records
(took 0.062 seconds)
