-
-
公开(公告)号:CN108415418B
公开(公告)日:2020-11-06
申请号:CN201810064371.4
申请日:2018-01-23
Applicant: 上海交通大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于无向连通网络的同质无人艇集群编队方法,包括以下步骤:1)获取无人艇编队通信网络的拓扑结构;2)构建个体无人艇模型并对模型中的参数进行辨识,包括静态艏摇率增益K和有效的艏摇率时间常数T;3)构建基于无向连通网络的同质无人艇集群H2最优编队控制器或H∞最优编队控制器;4)转化H2或H∞最优编队控制器为最优PID编队控制器,并对最优PID编队控制器进行离散化;5)对最优PID编队控制器进行定量参数调节,用以抑制误差和改善鲁棒性能;6)生成编队控制命令并输出。与现有技术相比,本发明具有完全分布式的编队控制器、提供便捷的PID控制器、权衡标称性能和鲁棒性能等优点。
-
公开(公告)号:CN108594651A
公开(公告)日:2018-09-28
申请号:CN201810219126.6
申请日:2018-03-16
Applicant: 上海交通大学
IPC: G05B13/04
Abstract: 本发明涉及一种船舶动力定位推力分配智能优化方法,包括:步骤S1:确定船舶推进装置布局,载入各推进器的参数,其中,推进器的参数包括:推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围,推力大小变化率范围;步骤S2:根据各推进器的参数和当前状态得到推进器状态向量的变化率限制,并在接受到目标控制指令后,建立多步优化问题模型;步骤S3:通过遗传算法获取长期变化范围内推进器状态的全局最优解;步骤S4:得到驱动推进器的最优多步决策序列,并输出分配决策。与现有技术相比,本发明解决了遗传算法收敛速度慢、种群多样性退化迅速等问题。
-
公开(公告)号:CN108415418A
公开(公告)日:2018-08-17
申请号:CN201810064371.4
申请日:2018-01-23
Applicant: 上海交通大学
IPC: G05D1/02
CPC classification number: G05D1/0206
Abstract: 本发明涉及一种基于无向连通网络的同质无人艇集群编队方法,包括以下步骤:1)获取无人艇编队通信网络的拓扑结构;2)构建个体无人艇模型并对模型中的参数进行辨识,包括静态艏摇率增益K和有效的艏摇率时间常数T;3)构建基于无向连通网络的同质无人艇集群H2最优编队控制器或H∞最优编队控制器;4)转化H2或H∞最优编队控制器为最优PID编队控制器,并对最优PID编队控制器进行离散化;5)对最优PID编队控制器进行定量参数调节,用以抑制误差和改善鲁棒性能;6)生成编队控制命令并输出。与现有技术相比,本发明具有完全分布式的编队控制器、提供便捷的PID控制器、权衡标称性能和鲁棒性能等优点。
-
-
公开(公告)号:CN108321795B
公开(公告)日:2021-01-22
申请号:CN201810054828.3
申请日:2018-01-19
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度确定性策略算法的发电机组启停配置方法及系统,该方法将机组组合启停分配问题构造成为强化学习序列决策问题,所述的方法包括以下步骤:1)将前一历史时刻各机组出力值向量作为智能体观测状态,用以作为深度策略网络的输入向量;2)针对连续时间序列机组启停优化问题,使用深度确定性策略梯度算法给出优化决策序列,输出机组在该时刻的启停向量,实现对机组启停状态的分配。与现有技术相比,本发明采用深度确定性策略学习方法,直接得到不同时刻的启停向量,能够适应不同规模机组集群启停表的自动分配,使得系统具有较好的扩展性。
-
公开(公告)号:CN108388135A
公开(公告)日:2018-08-10
申请号:CN201810279467.2
申请日:2018-03-30
Applicant: 上海交通大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明涉及一种基于凸优化的火星着陆轨迹优化控制方法,该方法包括如下步骤:(1)建立火星着陆动力学模型并进行凸优化;(2)以燃料最优为目标进行单次离线优化得到标称轨迹;(3)采用滚动时域的模型预测控制对标称轨迹进行跟踪完成着陆控制。与现有技术相比,本发明将凸优化和滚动时域的模型预测控制有效结合,有效降低建模误差和干扰引起的累计误差,提高了着陆精度。
-
-
-
公开(公告)号:CN108572550A
公开(公告)日:2018-09-25
申请号:CN201810218580.X
申请日:2018-03-16
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于机器学习的在线实时推力分配方法,包括:步骤S1:确定船舶推进装置布局,载入各推进器的参数,其中,推进器的参数包括:推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围,推力大小变化率范围;步骤S2:接受到控制信号后,根据控制信号得到目标合推力,其中,所述合推力由纵向推力和、横向推力和与艏摇力矩和组成;步骤S3:将各推进器的推进器推力方向可变范围、推力大小可变范围、推力方向变化率范围,推力大小变化率范围作为约束条件,建立目标函数:步骤S4:采用机器学习算法中的粒子群算法对推力分配问题进行优化,得到最佳推力分配。与现有技术相比,本发明解决了粒子群算法收敛速度慢的缺陷。
-
-
-
-
-
-
-
-
-