-
公开(公告)号：CN117991794B
公开(公告)日：2025-01-28
申请号：CN202410141342.9
申请日：2024-01-31
Applicant: 广东海洋大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及基于强化学习激励信号塑性的无人船操纵优化方法及装置，包括以下：S1、依据自适应演化控制算法，构建航行态势分析网络、样本存储网络，构建二维平面坐标体系；S2、依照无人船基本物理构造舵机最大、小运作角度构造智能体自主控制船舶的舵机决策动作空间；S3、构造无人船自身物理特征核心信息及航行态势信息进行激励的软性惩罚函数，并入航行态势分析网络，以形成全局环境激励网络；S4、对形成的全局环境激励网络进行反复的基础经验和经验复用的自主采样强化学习；S5、基于状态随机转移矩阵迁移样本存储网络内航行样本逼近近似策略，得到更新后的船舶操纵智能体模型。本发明能够使无人船智能体能够成功执行类似于实际船舶的打舵操作。
-
公开(公告)号：CN119289993A
公开(公告)日：2025-01-10
申请号：CN202411402221.1
申请日：2024-10-09
Applicant: 广东海洋大学
Abstract: 本发明涉及基于RRT算法的梯度奖惩措施改进无人船路线规划方法，包括以下：步骤110、对目标地图进行初始化设置，确定无人船的初始状态，设置RRT算法的根节点与步长；步骤120、获取起点位置以及终点位置；步骤130、基于所述RRT算法以梯度奖惩机制构建一条连接所述起点位置和终点位置的RRT路径规划曲线；步骤140、以所述RRT路径规划曲线作为无人船路线规划结果，控制无人船对应行驶。本发明所提出的基于RRT算法的梯度奖惩措施改进无人船路线规划方法，通过引入梯度奖惩措施，本技术方案能够更好地适应不同环境的航行需求，提供更优化和适应性强的路径规划。能够更准确地搜索到最佳路径，降低路径规划的复杂度并提高导航系统的响应速度。
-
公开(公告)号：CN118689220A
公开(公告)日：2024-09-24
申请号：CN202410802559.X
申请日：2024-06-20
Applicant: 广东海洋大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及基于RRT算法的无人水面艇强化学习路径规划方法及装置，包括以下：基于RRT算法对无人水面艇于目标环境中进行规划得到第一路径；对所述第一路径中的每个节点，通过计算奖励的方式进行训练确定该节点的无人水面艇自动操作策略；重复对所述第一路径中的每个节点进行训练直到达到拟合状态，此时得到优化后的第一路径，优化后的第一路径中的每个节点的无人水面艇自动操作策略均达到最优；以优化后的第一路径对无人水面艇进行自动控制。本发明可以使无人水面艇更快找到终点，减少训练次数，更快的到达拟合的状态，实现路径规划的作用，同时结合无人水面艇船舶实际特性，更加贴切实际。该方法也提高路径搜索速度，避免了路径生成的随机性。
-
公开(公告)号：CN118517030A
公开(公告)日：2024-08-20
申请号：CN202410798708.X
申请日：2024-06-20
Applicant: 广东海洋大学
Abstract: 本发明涉及管道施工技术领域，更具体地，涉及一种水下管道开沟与回填一体化设备，包括挖掘模块、移动模块、回填模块、第二旋转机构和控制器，所述挖掘模块安装在所述移动模块的前方，所述回填模块安装在所述移动模块的后方，所述第二旋转机构安装在所述移动模块上，所述挖掘模块和所述回填模块均安装在所述第二旋转机构上，本发明的水下管道开沟与回填一体化设备，通过移动模块进行移动，挖掘模块铲出沟槽，向沟中铺设管道后，设备倒退或者用第二旋转机构将挖掘模块和回填模块位置调换，回填模块将铲出的泥土填回沟中，无需拆装部件就能实现开沟与回填的全部工作，简化了工作流程，提高了工作效率。
-
公开(公告)号：CN117944854B
公开(公告)日：2024-08-09
申请号：CN202410127028.5
申请日：2024-01-29
Applicant: 广东海洋大学
Abstract: 本发明公开了一种双轮盘AUV自动回收投放装置，包括回收引导机构、两个轮盘存储机构和投放机构，两个轮盘存储机构分别设在回收引导机构的两侧，投放机构设在回收引导机构的下方；轮盘存储机构包括回转驱动组件、回转支架和多个AUV储存模块，多个AUV储存模块均布在回转支架的外侧。通过设置回收引导机构进行约束缓冲，减少控制航行的AUV设备所需要的机械耗能设备，降低成本；通过设置两个轮盘存储机构的双轮盘式AUV储存仓，减少占用空间，可实现更高的传动精度和位置控制精度，提高AUV设备回收效率；通过AUV储存模块对AUV设备的夹持，实现自动化、智能化AUV设备的投放与回收作业，在一定程度上降低人工成本，对AUV设备的容错率更高，适用范围更广。
-
Patent Agency Ranking
公开(公告)号：CN117991790A
公开(公告)日：2024-05-07
申请号：CN202410133388.6
申请日：2024-01-31
Applicant: 广东海洋大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及基于双稳态贡献因子的船舶操舵反馈控制方法及装置，包括以下：步骤S1、初始化实验状态值；步骤S2、船体于预定的舵角范围值中进行随机舵角选择，并在选定后完成相应的舵角操控，之后更新实验状态值；步骤S3、基于所述舵角操作获取对应的船体的实时双稳态贡献因子；步骤S4、基于更新的实验状态值计算船体与目标终点的中心坐标的距离L；步骤S5、基于实时双稳态贡献因子以及距离L计算反馈值，基于所述反馈值判断此时是否达到双稳态状态，若是则结束控制，若否则重复执行所述步骤S1至步骤S5。本发明能够用相对较少的必要变量就可以训练船智能体减少操舵幅度过大的情况发生，在应用在实际场景中可以增加船舶行驶的稳定性、安全性。
-
公开(公告)号：CN119289998A
公开(公告)日：2025-01-10
申请号：CN202411473322.8
申请日：2024-10-22
Applicant: 广东海洋大学
IPC: G01C21/20
Abstract: 本发明涉及基于强化学习的奖惩双梯度因子的无人船路径优化方法，包括以下：获取在设定的舵角动作空间ACTIONS中随机选择的舵角#imgabs0#，通过一阶nomoto模型进行舵角#imgabs1#与航向角#imgabs2#之间的转换；获取此时的线速度v，基于此时的线速度v与航向角#imgabs3#计算并更新采取动作action后新的横、纵坐标x、y，更新新的状态s=(x,y,#imgabs4#)；基于新的状态s=(x,y,#imgabs5#)更新船舶智能体与障碍物之间的最小距离r；基于新的状态s=(x,y,#imgabs6#)以及最小距离r通过预构造的无人船奖励函数计算得到此时的奖励反馈值reward；基于所述奖励反馈值reward判断是否碰到障碍物；基于所述奖励反馈值reward判断是否到达目的地。通过上述奖惩双梯度因子来优化奖励函数，由奖励梯度与惩罚梯度双因子驱动无人船舶智能体到达目的地的路径优化。
-
公开(公告)号：CN117991793B
公开(公告)日：2024-12-31
申请号：CN202410139816.6
申请日：2024-01-31
Applicant: 广东海洋大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种基于强化学习的船智能体智能控制方法及装置，包括以下：S1、初始化船智能体；S2、获取船智能体当前状态，所述当前状态包括船智能体于当前的航向角#imgabs0#速度v以及地理位置；S3、结合当前状态以及奖励函数，通过策略于动作空间中选择相应的舵角，并采取行动更新当前状态；S4、基于更新的当前状态，通过奖励函数计算奖励值；S5、基于更新的当前状态以及计算得到的奖励值更新Q—table(s，a)的值；S6、判断是否达到预设的终止条件，若是则输出最终的奖励函数以及策略即更新后的Q—table，若否则返回S2。本发明改进了传统船舶航道强化学习中，在极端的环境下偏向于选择大的舵角的问题，且能够更好地对船智能体进行控制。
-
公开(公告)号：CN117975239B
公开(公告)日：2024-12-13
申请号：CN202410157579.6
申请日：2024-02-02
Applicant: 广东海洋大学
IPC: G06V10/82 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/096 , G06N3/048
Abstract: 本发明涉及基于轻量级双通道特征渐进提取的图像识别方法，包括，S10、获取目标实例图片；S20、通过预训练的LDC‑PLE识别模型对目标实例图片进行图像识别得到识别结果。本发明通过将两个ResNet等预训练模型与PLE进行模型融合，对数据集进行双通道提取，可以提高传统PLE模型的性能、通用性和适用性，同时在计算效率和特征表达方面找到平衡，尤其适用于多任务学习和迁移学习的情景。这种融合方法充分发挥了两者的优势，提高了深度学习模型在各种计算机视觉任务中的表现。而在PLE的FC层前加上卷积层又可以显著降低参数量，即轻量级，使模型适用于高维度数据，同时加强模型对于有结构数据的处理能力。另外考虑到舰船识别的数据源的特殊性，本发明尤其适用于舰船识别。
-
公开(公告)号：CN118192590A
公开(公告)日：2024-06-14
申请号：CN202410422352.X
申请日：2024-04-09
Applicant: 广东海洋大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种融合舵机响应模型的无人水面艇自动驾驶方法及装置，包括以下：初始化无人水面艇的状态值，初始化后的所述状态值为坐标值(x0，y0，ψ)，其中x0，y0为无人水面艇在海面上起始的横、纵坐标值，ψ为航向角，ψ的初始值为0；基于预建立的融合舵机响应模型实时更新无人水面艇的航向角；基于实时更新的无人水面艇的航向角，计算并同步更新无人水面艇在海面上的实时横、纵坐标值，进而实时更新无人水面艇的状态值；基于实时更新的无人水面艇的状态值对无人水面艇进行舵机响应，以实现无人水面艇自动驾驶。本发明能够提高无人船舶反馈的训练数据的真实性，为模拟现实船舶操舵、响应指令提供一种可行的方法，能够使无人水面艇迅速完成操舵响应。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.03 seconds)
