-
公开(公告)号:CN110231821A
公开(公告)日:2019-09-13
申请号:CN201910474756.2
申请日:2019-06-03
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于移动机器人编队运动规划领域,具体涉及一种多机器人编队的改进自适应零空间行为融合方法,包括以下步骤:将机器人的编队运动过程分解成3种运动行为:奔向目标点、避障、编队;确定3种运动行为的执行顺序,其优先级顺序为为避障、奔向目标点、编队;建立每一行为的运动模型;根据机器人运动信息求解行为运动模型;本发明的方法是在传统的零空间行为融合方法基础上,在避障行为中提出了一种逻辑优先的机器人间障碍物选定策略,有效避免了在两个机器人互为障碍物时,复选产生“越避越远”偏离任务路线的现象,提高了多机器人编队任务效率,有利于编队队形保持,在运动规划上具有显著进步。
-
公开(公告)号:CN110162053A
公开(公告)日:2019-08-23
申请号:CN201910451388.X
申请日:2019-05-28
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明提供的是一种异构多无人艇编队的自适应行为融合方法。确定每一无人艇的最大航行速度;将最小值作为异构体运动规划的一致速度;将运动过程分解成奔向目标点、避障和编队3种运动行为;确定无人艇编队运动过程中3种运动行为的执行顺序;建立每一运动行为的运动模型;根据无人艇环境信息求解行为运动模型;将无人艇进行编号,执行艇在判断避碰的障碍物时选择在避障范围内比自身小的序号进行优先避障;进行运动模型的耦合,得到最终的速度和方向;判断无人艇是否到达终点。本发明引入一致速度的变量,协调异构无人艇间的机动性能,可以同时兼顾效率与性能。同时从理论上为行为的融合进行排序,更加严谨,可控性高,便于参数分析与调试。
-
公开(公告)号:CN109375637A
公开(公告)日:2019-02-22
申请号:CN201811032862.7
申请日:2018-09-05
Applicant: 哈尔滨工程大学
IPC: G05D1/08
Abstract: 本发明属于舰船运动自动控制领域,具体涉及一种舰船用融合神经网络PD的紧格式无模型自适应航向控制算法;包括在紧格式无模型自适应控制算法的基础上引入比例项和微分项构成融合PD型CFDL_MFAC算法;将神经网络控制与PD_CFDL_MFAC算法相结合提出融合神经网络PD的紧格式无模型自适应航向控制算法;计算航向偏差e(k),其中e(k)=y*(k)-y(k)等。本发明通过比例项和微分项的引入,提高了算法的自适应性以及抵抗外界不确定干扰的能力。
-
公开(公告)号:CN109189075A
公开(公告)日:2019-01-11
申请号:CN201811169436.8
申请日:2018-10-08
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明提供一种舰船用模糊遗忘因子无模型自适应航向控制方法,建立航向系统模型,下达期望航向指令y(k)*,设定航向偏差的阈值e0,根据舰船期望航向y*(k),与舰船当前航向y(k),计算航向偏差e(k)和偏差变化率ec(k),当e(k)的绝对值|e(k)|小于航向偏差的阈值e0,跳出循环,否则继续执行,模糊遗忘因子MFAC控制器根据e(k)、ec(k)在线调整遗忘因子β并解算出航向系统的期望输入u(k),系统接收并执行航向系统输入指令u(k),令k=k+1,更新舰船当前航向y(k)。本发明解决了MFAC控制算法产生积分饱和问题,提高了系统响应速度以及控制精度,提高了控制系统的自适应性以及鲁棒性。
-
公开(公告)号:CN109116849A
公开(公告)日:2019-01-01
申请号:CN201811017347.1
申请日:2018-09-01
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种考虑无人艇运动性能的零空间行为融合在线优化方法,属于多无人艇编队运动规划技术领域。主要步骤为(1)确定无人艇的回转半径;(2)将运动过程分解;(3)确定行为优先级;(4)建立并求解每一行为的运动模型并求解;(5)行为融合;(6)在线优化;(7)判断无人艇是否到达终点,若到达则该过程结束,若没有到达则返回步骤(4)。本发明以零空间行为规划结果为基础,解算出符合无人艇实际运动特性的航点集,解决无人艇在跟踪规划路线时的迂回航行或者路径点不可达问题;针对零空间行为融合方法规划结果进行的优化,考虑无人艇的回转性能,光顺规划的航点集,进而有助于提高无人艇的控制精度;减少了能源消耗,有助于节约能源。
-
公开(公告)号:CN110263400B
公开(公告)日:2022-08-02
申请号:CN201910503700.5
申请日:2019-06-12
Applicant: 哈尔滨工程大学
IPC: G06F30/15 , G06F30/20 , G06F119/14
Abstract: 本发明提供一种无人艇非线性动力学模型的积分辨识方法,通过获取所需辨识双体无人艇Z型试验数据;对数据中大幅度偏离真实值的野值进行剔除处理;建立无人艇一阶非线性K‑T方程的运动模型;选取舵角和艏向角速度与时间的关系列表;对K‑T方程进行积分化处理,对需辨识的模型方程两侧基于时间区域进行积分,利用积分方式舍掉角加速度,引入艏向角数据;对积分区间离散并求积,对积分区间以控制节拍为基准进行离散,并采取牛顿‑科特斯求积公式插值求积;利用最小二乘方法使辨识方程两侧差值的平方最小,即可求得K,T,α的值。本发明的方法可以对无人艇操纵模型的一阶非线性项进行辨识,在无人艇动力学模型辨识上具有显著进步,可以同时兼顾效率与性能。
-
公开(公告)号:CN110231821B
公开(公告)日:2022-05-31
申请号:CN201910474756.2
申请日:2019-06-03
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 本发明属于移动机器人编队运动规划领域,具体涉及一种多机器人编队的改进自适应零空间行为融合方法,包括以下步骤:将机器人的编队运动过程分解成3种运动行为:奔向目标点、避障、编队;确定3种运动行为的执行顺序,其优先级顺序为为避障、奔向目标点、编队;建立每一行为的运动模型;根据机器人运动信息求解行为运动模型;本发明的方法是在传统的零空间行为融合方法基础上,在避障行为中提出了一种逻辑优先的机器人间障碍物选定策略,有效避免了在两个机器人互为障碍物时,复选产生“越避越远”偏离任务路线的现象,提高了多机器人编队任务效率,有利于编队队形保持,在运动规划上具有显著进步。
-
公开(公告)号:CN109489672B
公开(公告)日:2022-03-18
申请号:CN201910041363.2
申请日:2019-01-16
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提出了考虑海流与无人艇动力学影响的节能A星路径规划方法,步骤包括:(1)获取全局海图信息并网格化;(2)获取无人艇的起点和终点位置信息;(3)将当前位置设为起点位置,创建OPEN和CLOSD表;(4)计算在海流影响下的无人艇航速堆;(5)将当前位置存入OPEN表;(6)依次判断当前位置无人艇是否可以向周围八个方向行驶等。本发明在传统A星路径规划算法的基础上,结合海流影响下的无人艇动力学模型,设计考虑海流影响的能耗启发函数E_heurstic,并通过调整该函数的权值,实现对算法节能效率的动态调节,为无人艇在海面上长时间工作提供技术支持。
-
公开(公告)号:CN109116727B
公开(公告)日:2021-05-11
申请号:CN201811031880.3
申请日:2018-09-05
Applicant: 哈尔滨工程大学
IPC: G05B13/02
Abstract: 本发明属于海洋运载器运动控制领域,具体涉及一种基于低通滤波器的PID型一阶全格式无模型自适应航速控制算法;包括向海洋运载器下达期望航速指令即y*(k);通过传感器测得海洋运载器当前的实际航速y(k),并计算航速误差e(k);若|e(k)|小于预先设定的误差阈值e0,则认为海洋运载器航速收敛到期望航速,否则将e(k)作为基于低通滤波器的PID_FO_FFDL_MFAC算法的输入,并由该控制器解算出当前时刻的期望指令u(k),海洋运载器推进机构即螺旋桨或喷水推进等模式执行期望指令,海洋运载器航速发生改变;通过海洋运载器上搭载的传感器测得此刻海洋运载器的实际航速,本发明通过引入低通滤波器降低了微分项的引入对系统性能的不利影响,从而使得海洋运载器航速能够快速稳定收敛到期望航速。
-
公开(公告)号:CN109240289B
公开(公告)日:2021-04-20
申请号:CN201811015888.0
申请日:2018-09-01
Applicant: 哈尔滨工程大学
Abstract: 波浪滑翔器艏摇信息自适应滤波方法涉及波浪滑翔器的运动控制领域,具体涉及波浪滑翔器艏摇信息自适应滤波方法。波浪滑翔器艏摇信息自适应滤波方法,包括浮体艏摇响应自适应滤波方法和潜体艏摇响应自适应滤波方法,二者并行运行。本发明提供的一种波浪滑翔器艏摇信息自适应滤波方法,根据波浪滑翔器实际航行的动态数据修正数据模型,实现自适应滤波,能够同时估计波浪滑翔器的浮体和潜体的艏向角与转艏角速度,在不确定性环境干扰和模型参数摄动的影响下仍然能够达到良好的滤波效果。本发明结构简单,易于实现,具有较好的自适应性,应用于波浪滑翔器运动控制系统中能够有效改善控制效果。
-
-
-
-
-
-
-
-
-