一种基于强化学习的自动化集装箱码头AGV最优控制方法

    公开(公告)号:CN114609907A

    公开(公告)日:2022-06-10

    申请号:CN202210247663.8

    申请日:2022-03-14

    Abstract: 本发明公开了一种基于强化学习的自动化集装箱码头AGV最优控制方法,包括以下步骤:一、建立AGV的运动学模型,二、使用前馈控制转换系统模型,三、设计基于强化学习的最优控制律。针对自动化港口AGV的最优轨迹跟踪控制问题,本发明将AGV最优的轨迹跟踪控制问题转化为最优的镇定问题。基于强化学习的近似最优控制策略及其神经网络权值更新律不仅削弱了对持续激励条件的依赖,而且还可以保证AGV的轨迹跟踪误差和权值更新误差一致最终有界稳定。

    一种基于递归滑模的移动机器人有限时间轨迹跟踪控制方法

    公开(公告)号:CN112286229A

    公开(公告)日:2021-01-29

    申请号:CN202011141204.9

    申请日:2020-10-22

    Abstract: 本发明公开了一种基于递归滑模的移动机器人有限时间轨迹跟踪控制方法,方法包括:获取移动机器人的误差动力学模型;将误差动力学模型分为角度误差子系统和位置误差子系统;对角度误差子系统进行状态转换,得到角度误差二阶系统,其中,对移动机器人设计的非奇异角度控制器可根据角速度误差二阶系统来消除移动机器人在前进方向上的角度误差;对位置误差子系统进行状态转换,得到三阶级联系统,其中,对移动机器人设计的非奇异位置控制器可根据三阶级联系统来消除移动机器人在前进方向上的位置误差;本发明设计的基于高阶递归滑模面的切换控制器可以解决使用高阶递归滑模面设计有限时间控制器时产生的奇异性问题。

Patent Agency Ranking