-
公开(公告)号：CN119902432A
公开(公告)日：2025-04-29
申请号：CN202411951191.X
申请日：2024-12-27
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明提供一种基于改进A‑star算法与强化学习的集群路径规划方法及系统，属于无人机集群控制领域。为解决现有传统路径规划中未考虑集群体积导致其碰撞和在高动态环境下失效问题。本发明基于改进的A*路径规划算法进行路径规划，考虑约束条件生成最优路径；通过局部目标点的设定，引导高速飞行器沿最短路径飞行；结合SAC强化学习算法，构建奖励函数以引导高速飞行器向目标飞行；根据高速飞行器的约束条件设计目标飞行奖励；采用基于改进A‑star与深度强化学习的分层控制框架，进一步优化集群飞行路径和避障能力。本发明在复杂障碍环境中确保集群的精确路径规划与稳定编队控制，有效提升了无人机集群在复杂环境中的避障能力和协同控制。
-
公开(公告)号：CN119847176A
公开(公告)日：2025-04-18
申请号：CN202411953656.5
申请日：2024-12-27
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明提供一种基于滑模控制的高速飞行器时间协同制导方法及系统，属于飞行器制导与控制领域。为解决现有制导方法计算量大、实时性不足及协同精度较差的问题。本发明通过集中式协同策略快速预测多飞行器的剩余飞行时间，利用“谁慢跟随谁”的原则调整飞行器的时间偏差；基于滑模控制设计底层时间可控制导律，引入饱和函数改进抖振现象并解决奇点问题；通过三维偏置比例导引律实现飞行器横向轨迹弯曲以调整飞行时间；利用变步长数值积分法提高剩余飞行时间计算的精度与效率；在滑翔段末端完成多飞行器的编队变换以支持末制导任务。本发明在降低计算复杂度的同时，显著提高了时间协同的精度和鲁棒性，为多飞行器协同制导任务提供了可靠的技术支持。
-
公开(公告)号：CN119828727A
公开(公告)日：2025-04-15
申请号：CN202411951184.X
申请日：2024-12-27
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明提供一种基于安全强化学习的高速飞行器集群协同方法及系统，属于飞行器集群协同领域。为解决现有强化学习算法应用于高速飞行器集群协同任务中不可解释性导致的安全性问题。本发明将安全强化学习理论引入飞行器集群智能决策问题，基于李雅普诺夫稳定性理论提出了改进软演员‑评论家算法，建立以法向过载为控制量的动力学模型，将任务划分为目标打击、编队保持和威胁区规避，设计飞行器引导奖励函数，通过与演员‑评论家算法对比，得出该方法能够使智能体在整个训练过程中保持较低的安全成本的结论。本发明可实现部分安全性可解释的高速飞行器集群协同智能策略的获得，从而有效地避免因奖励函数设计不当引起威胁区规避任务失败的情况。
-
公开(公告)号：CN116630423A
公开(公告)日：2023-08-22
申请号：CN202310611932.9
申请日：2023-05-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于ORB特征的微小型机器人多目标双目定位方法及系统，涉及目标定位领域，以解决现有双目定位方法由于计算量过大而导致目标定位效率及准确性较差的问题。本发明的技术要点包括：计算同时刻双目相机采集的两张图片中对应目标区域的多个哈希相似度，将多个哈希相似度的平均值作为目标的相似度，并根据相似度进行双目目标匹配；对匹配的目标区域进行ORB特征提取和匹配；对各个目标区域内已经匹配的ORB特征点进行定位，将目标区域内定位关键点的平均距离作为目标与相机之间的距离；根据目标相对相机深度，通过相机投影原理计算目标的三维定位信息。本发明降低了计算量且保障了目标定位的精准性。
-
公开(公告)号：CN113848984B
公开(公告)日：2022-06-10
申请号：CN202111271065.6
申请日：2021-10-29
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种无人机集群控制方法及系统，涉及无人机控制技术领域，用以解决现有技术对于无人机集群控制效果差且避障能力弱的问题。本发明的技术要点包括：实时获取无人机集群中每个无人机采集的环境信息和其他无人机信息；将经过预处理后的环境信息和其他无人机信息输入预训练的深度神经网络，获得无人机集群控制指令；判断无人机当前飞行状态，若判断结果为没有碰撞风险，则根据无人机集群控制指令对无人机进行控制；若判断结果为有碰撞风险，则根据避碰指令进行避障。本发明可以在复杂多变的环境中实现无人机的集群控制且具有很强的泛化能力，提升了无人机集群在复杂环境中执行任务的能力。本发明可扩展到大规模的无人机集群应用场景中。
-
Patent Agency Ranking
公开(公告)号：CN116610141B
公开(公告)日：2025-05-23
申请号：CN202310478528.9
申请日：2023-04-28
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种针对对抗环境的高速飞行器大规模集群控制方法及系统，涉及飞行器集群控制技术领域，用以解决对抗环境下高速飞行器大规模集群涉及的队形控制和威胁规避问题。本发明的技术要点包括：对高速飞行器集群内的每个个体，获取采集的集群信息和环境信息；对所述集群信息和环境信息进行预处理；将预处理后的高速飞行器集群的集群信息和环境信息分别输入预训练的基于深度神经网络的飞行器集群控制策略网络，获取控制指令。本发明可适应飞行器集群个数及环境状态的变化，可以根据需求扩展到大规模的高速飞行器集群应用场景中。
-
公开(公告)号：CN118411088B
公开(公告)日：2025-04-22
申请号：CN202410620079.1
申请日：2024-05-20
Applicant: 哈尔滨工业大学
IPC: G06Q10/067 , G06Q10/0631
Abstract: 一种基于MBSE的月面活动任务建模方法及系统，本发明涉及系统工程技术领域。本发明为了解决月面活动复杂度高、任务建模困难的问题。本发明包括基于月面活动任务“功能—需求”二元关系，进行“任务—子任务—元任务”月面活动任务建模；进行面向推演的月面活动事件标准制定，以月面人员装备实体或实体集为行为主体、以离散的时间和空间域为索引维度、以实体的行为或状态变化为基本事件，构建表征实体集动态过程的时空事件序列模型；将月面活动任务看作系统，采用自顶向下的方法，从需求出发，建立基于MBSE的月面活动模型。本发明用于月面活动任务建模。
-
公开(公告)号：CN119847199A
公开(公告)日：2025-04-18
申请号：CN202411957434.0
申请日：2024-12-30
Applicant: 哈尔滨工业大学
Abstract: 本发明一种基于混合学习方法的再入飞行器编队控制方法、系统及存储介，涉及再入飞行器控制技术领域，为解决现有的基于强化学习的控制方法难以探索性能边界、控制方法不能确保安全的问题。包括：步骤一：获取单个飞行器的飞行轨迹数据；步骤二：以飞行器作为智能体，建立智能体决策网络，通过监督学习的方式进行训练得到智能体自主控制模型；步骤三：基于深度强化学习理论建立多智能体协同控制网络，将智能体自主控制模型应用到多智能体协同控制网络中，采用包括飞行器单体奖励与群体奖励的耦合奖励机制，对智能体自主控制模型进行协同控制训练，得到多智能体协同控制模型；步骤四：通过多智能体协同控制模型对再入飞行器编队进行协同控制。
-
公开(公告)号：CN118584951B
公开(公告)日：2025-02-14
申请号：CN202410619301.6
申请日：2024-05-19
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种月面探测时间网的多巡视器协同任务规划方法及系统，涉及月面探测技术领域。本发明的技术要点包括：根据月面多巡视器协同探测任务进行建模；基于月面协同探测任务，建立月面可探测点之间的可通行道路网；根据月面可通行道路网的探测信息，建立多巡视器月面探测时间网；利用单亲遗传算法对月面协同探测任务进行路径求解，获取各巡视器进行月面协同探测的最优路径。本发明有效解决了月面大范围多巡视器任务规划问题，各巡视器的探测任务量能够得到较好分配，明显降低了整体探测用时。
-
公开(公告)号：CN116610141A
公开(公告)日：2023-08-18
申请号：CN202310478528.9
申请日：2023-04-28
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 本发明公开了一种针对对抗环境的高速飞行器大规模集群控制方法及系统，涉及飞行器集群控制技术领域，用以解决对抗环境下高速飞行器大规模集群涉及的队形控制和威胁规避问题。本发明的技术要点包括：对高速飞行器集群内的每个个体，获取采集的集群信息和环境信息；对所述集群信息和环境信息进行预处理；将预处理后的高速飞行器集群的集群信息和环境信息分别输入预训练的基于深度神经网络的飞行器集群控制策略网络，获取控制指令。本发明可适应飞行器集群个数及环境状态的变化，可以根据需求扩展到大规模的高速飞行器集群应用场景中。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.027 seconds)
