-
公开(公告)号：CN111240344B
公开(公告)日：2023-04-07
申请号：CN202010087508.5
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于双神经网络强化学习技术的自主水下机器人无模型控制方法，属于机器人控制技术领域。为了解决现有的依赖于控制对象模型的水下机器人控制方法存在适用性有限的问题和控制精度不高的问题，以及不依赖控制对象模型的水下机器人控制方法存在训练量大的问题。本发明的控制器，将当前时刻和下一时刻的偏差和偏差变化率分别作为当前BP神经网络和目标BP神经网络的连续输入，当前BP神经网络的输出为实际Q值，目标神经网络的输出为期望Q值，另外将纵向推力和偏航力矩也作为神经网络的输出，从而当状态值平缓变化时，其动作输出为连续值；基于BP神经网络和Q学习的控制器实现水下机器人的控制。主要用于水下机器人的控制。
-
公开(公告)号：CN108803313B
公开(公告)日：2022-07-12
申请号：CN201810589190.3
申请日：2018-06-08
Applicant: 哈尔滨工程大学
Abstract: 本发明属于水下机器人控制领域，公开了一种基于海流预测模型的路径规划方法，包含如下步骤：根据路径关键点对航行区域进行栅格化处理；利用区域海洋模式对航行区域进行海流预测，拟合计算得到实时的海流信息；利用电子海图信息标记禁航区；将不同深度的禁航信息和起点终点位置信息按照不同深度的平面栅格进行存储栅格各点的经纬度、是否为禁航区、是否到达终点；计算当前位置到终点的方向并在所有下一步行驶方向中确定可选动作；使用Q学习寻求马尔科夫决策过程规划的最优策略并输出路径。本发明充分考虑实时的海流对路径规划的影响，通过BP神经网络和bagging算法进行拟合，使用强化学习来寻求最优解，加快收敛速度，降低运算的复杂度。
-
公开(公告)号：CN111240345A
公开(公告)日：2020-06-05
申请号：CN202010087514.0
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于双BP网络增强学习框架的水下机器人轨迹跟踪方法，它属于水下机器人轨迹跟踪技术领域。本发明解决了现有技术在进行控制器参数的在线优化时，需要依赖大量的专家先验知识建立模糊规则，导致控制器参数的在线优化耗时耗力的问题。本发明利用强化学习方法可以通过与环境的不断交互，在得到环境给出的强化值后便能通过循环迭代寻找到最优策略的特点，将强化学习方法与双BP网络结合起来，通过在线调节水下机器人的速度和艏向控制系统控制律的相关参数，使得所设计的速度和艏向控制系统能在不同的环境中选择与该环境相对应的最优控制参数，克服了现有技术中控制器参数在线优化的耗时耗力的问题。本发明可以应用于水下机器人的轨迹跟踪。
-
公开(公告)号：CN109866904A
公开(公告)日：2019-06-11
申请号：CN201910281993.7
申请日：2019-04-09
Applicant: 哈尔滨工程大学
IPC: B63H1/37
Abstract: 一种仿生水母类水下机器人的运动及速度控制方法，属于仿生机器人控制领域。现有的非线性振荡器在仿生机器人的节奏性运动控制存在频率和幅值的收敛速度慢的问题，且缺少相应的速度控制方法。一种仿生水母类水下机器人的运动及速度控制方法，设计仿生水母动力模型；建立仿生水母各关节的振荡器模型，改变振荡器的波形；设计两个振荡器之间的耦合方式，由此确定建立多个振荡器之间的耦合方式，实现多个振荡器所在关节之间相互配合协调，实现仿生水母运动的控制，根据运动控制绘制频率与平均速度变化曲线，找到对应的运动频率，推算周期性速度变化曲线作为期望速度；按照期望速度控制速度。本发明算法对仿生水母的运动收敛性好，能稳定控制运动速度。
-
公开(公告)号：CN105973270A
公开(公告)日：2016-09-28
申请号：CN201610532457.6
申请日：2016-07-07
Applicant: 哈尔滨工程大学
CPC classification number: G01C25/005 , G01C19/34
Abstract: 本发明属于测量和定位定向技术领域，特别涉及一种陀螺定向仪角动量检测及补偿方法。本发明包括陀螺电机内部的定子上以120°间隔有3个霍尔元件1，在转轴的一周均匀分布着K个磁钢2，用来检测陀螺电机转速；当霍尔片上的电流恒定不变时，电机转速的变化导致垂直于电流方向的磁场强度发生变化，不同的磁场强度会使得霍尔元件的输出电压不同；当每个磁钢经过霍尔传感器时，霍尔元件便输出一个脉冲。本发明由霍尔元件能够精确的测量陀螺仪转子的实时转速，通过实时的转子速度与预期转子的速度差及速度差的变化率为输入，保证陀螺转子的速度能够得到相应的补偿，有效抑制陀螺转子的转速波动，达到提高陀螺寻北装置的寻北精度。
-
Patent Agency Ranking
公开(公告)号：CN111290270B
公开(公告)日：2022-06-03
申请号：CN202010087509.X
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于Q‑learning参数自适应技术的水下机器人反步速度和艏向控制方法，属于机器人控制技术领域。为了解决现有的水下机器人的控制方法存在需要先验知识的问题，以及控制器参数不能实时调整的问题。本发明设计了基于Q学习算法的参数自适应反步速度和艏向控制器，将偏差和偏差变化率作为该Q学习的输入，输出调整参数，根据调整参数确定的控制参数，结合控制参数和反步法设计的控制器实现速度和艏向控制，主要用于水下机器人速度和艏向的控制。
-
公开(公告)号：CN111240344A
公开(公告)日：2020-06-05
申请号：CN202010087508.5
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于双神经网络强化学习技术的自主水下机器人无模型控制方法，属于机器人控制技术领域。为了解决现有的依赖于控制对象模型的水下机器人控制方法存在适用性有限的问题和控制精度不高的问题，以及不依赖控制对象模型的水下机器人控制方法存在训练量大的问题。本发明的控制器，将当前时刻和下一时刻的偏差和偏差变化率分别作为当前BP神经网络和目标BP神经网络的连续输入，当前BP神经网络的输出为实际Q值，目标神经网络的输出为期望Q值，另外将纵向推力和偏航力矩也作为神经网络的输出，从而当状态值平缓变化时，其动作输出为连续值；基于BP神经网络和Q学习的控制器实现水下机器人的控制。主要用于水下机器人的控制。
-
公开(公告)号：CN108803313A
公开(公告)日：2018-11-13
申请号：CN201810589190.3
申请日：2018-06-08
Applicant: 哈尔滨工程大学
CPC classification number: G05B13/027 , G05B13/042 , G05B13/048 , G05D1/10
Abstract: 本发明属于水下机器人控制领域，公开了一种基于海流预测模型的路径规划方法，包含如下步骤：根据路径关键点对航行区域进行栅格化处理；利用区域海洋模式对航行区域进行海流预测，拟合计算得到实时的海流信息；利用电子海图信息标记禁航区；将不同深度的禁航信息和起点终点位置信息按照不同深度的平面栅格进行存储栅格各点的经纬度、是否为禁航区、是否到达终点；计算当前位置到终点的方向并在所有下一步行驶方向中确定可选动作；使用Q学习寻求马尔科夫决策过程规划的最优策略并输出路径。本发明充分考虑实时的海流对路径规划的影响，通过BP神经网络和bagging算法进行拟合，使用强化学习来寻求最优解，加快收敛速度，降低运算的复杂度。
-
公开(公告)号：CN108275252A
公开(公告)日：2018-07-13
申请号：CN201810165845.4
申请日：2018-02-28
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种螺旋桨与舵机混合动力推进机械水母，属于水下机器人领域。其包括头部外壳1、舵机驱动机机构、螺旋桨推进机构和外部蒙皮13。其特征是：所述的头部外壳1的形状以头部外壳中轴线12对称；所述的螺旋桨推进机构安装在头部外壳1的底部，且螺旋桨推进机构的中心线与头部外壳中轴线12共线；所述的舵机驱动机构以头部外壳中轴线12为对称轴，安装在螺旋桨推进机构的四周；所述的外部蒙皮13布置在舵机驱动机构的外侧，且与头部外壳1相连。本发明通过机械臂和螺旋桨混合动力驱动，通过调节机械臂和螺旋桨的驱动方式可实现多种不同运动模式。本发明可以用于学习研究、海底探测、研究仿生水母等方面。
-
公开(公告)号：CN111273677B
公开(公告)日：2023-05-12
申请号：CN202010087517.4
申请日：2020-02-11
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习技术的自主水下机器人速度和艏向控制方法，属于机器人控制技术领域。为了解决现有的水下机器人的控制方法依赖于控制对象模型精度的问题，以及不依赖模型的控制方法控制精度不高的问题。本发明设计了基于Q学习的速度和艏向控制器，将偏差和偏差变化率作为Q学习控制器的输入，将纵向推力和偏航力矩作为Q学习控制器的输出，使得Q学习控制器完全替代传统常规的控制器，从而达到水下机器人自主学习和自主决策的目标。主要用于水下机器人速度和艏向的控制。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.034 seconds)
