公开(公告)号：CN119512079A

公开(公告)日：2025-02-25

申请号：CN202411494398.9

申请日：2024-10-24

Applicant: 北京科技大学 ,  清华大学

Inventor： 段京良 ,  陈良发 ,  马飞 ,  李升波 ,  陈梓睿 ,  吴思潮

IPC: G05D1/43 ,  G05D1/644 ,  G05D109/10

Abstract: 本发明提供一种面向机器人智能控制的平滑强化学习方法及装置，涉及机器人智能控制技术领域。该方法包括：获取当前时刻机器人的环境观测样本信息；根据当样本信息，构建平滑强化学习控制模型；根据样本信息，构建控制模型的奖励函数；采用机器人的离散时间运动学方程，构建控制模型的约束条件；将样本信息、奖励函数以及约束条件输入控制模型中进行在线训练，获得当前时刻机器人的平滑控制动作；构造控制模型的目标函数；根据目标函数对控制模型进更新，获得更新后的控制模型；根据平滑控制动作，获得下一时刻的观测样本信息，输入更新后的控制模型中，获得下一时刻机器人平滑控制动作。采用本发明可使机器人完成高实时且高精度的平滑控制任务。

公开(公告)号：CN118163112B

公开(公告)日：2024-09-10

申请号：CN202410470434.1

申请日：2024-04-18

Applicant: 北京科技大学

Inventor： 段京良 ,  吴江 ,  陈良发 ,  吴思潮 ,  曹星宇 ,  于光远 ,  赵俊杰 ,  朱哿宇 ,  马飞

IPC: B25J9/16

Abstract: 本发明涉及机械臂控制领域，特别是指一种基于扩散模型的机械臂逆解控制方法及装置，方法包括：获取待控制的凿岩台车钻臂的目标孔位数据，输入至训练好的凿岩台车钻臂逆解控制模型，得到钻臂的各个关节变量；根据各个关节变量，得到轨迹规划结果，完成凿岩台车钻臂控制。本发明具有应用范围广(数据来源真实环境，无需构造其余标签数据)、精度高(寻孔目标函数不断逼近实际孔位坐标)、可选性多(多组不同的关节位姿均可对应同一目标孔位)、计算效率高(对比传统数值法求逆解，神经网络求解速度可到毫秒级别)的优点，突破了现有无人凿岩台车钻臂控制逆运动学求解方面精度低、高维求解困难、运动速度突变的瓶颈。

公开(公告)号：CN117891282B

公开(公告)日：2024-06-21

申请号：CN202410044948.0

申请日：2024-01-11

Applicant: 北京科技大学

Inventor： 段京良 ,  吴江 ,  许皓渊 ,  闫昊琪 ,  陈良发 ,  赵俊杰 ,  黄晨 ,  马飞

IPC: G05D3/12 ,  E21D9/10 ,  G06N3/048 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明涉及机械臂控制技术领域，特别是指一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置。无需标签数据的凿岩台车钻臂逆运动控制方法包括：根据目标炮孔位置信息进行输入信息构建，获得目标炮孔的样本六维输入；基于深度神经网络结构进行模型构建，获得待训练运动预测模型；构建误差函数以及安全约束函数；采用样本六维输入，根据误差函数以及安全约束函数，对待训练运动预测模型进行离线训练，获得运动预测模型；根据样本六维输入，通过运动预测模型进行在线预测，获得关节变量；根据关节变量进行正运动学计算，得到末端执行器位置进行钻孔。本发明是一种面对凿岩台车的基于神经网络的高效、准确的钻臂逆运动控制方法。

公开(公告)号：CN117302204A

公开(公告)日：2023-12-29

申请号：CN202311625357.4

申请日：2023-11-30

Applicant: 北京科技大学

Inventor： 段京良 ,  肖礼明 ,  张发旺 ,  陈良发 ,  闫昊琪 ,  于光远 ,  李轩 ,  马飞

IPC: B60W30/09 ,  B60W30/165 ,  B60W60/00

Abstract: 本发明公开了一种依托强化学习的多风格车辆轨迹跟踪避撞控制方法及装置，涉及自动驾驶车辆控制及智能算法技术领域。包括：获取待控制车辆的信息；将信息输入到构建好的基于强化学习框架的车辆轨迹跟踪避撞最优控制模型，输出多风格参数化策略网络；将信息中的自车状态、车辆观测信息以及风格指标系数输入到多风格参数化策略网络，输出动作量；根据动作量，实现多风格车辆轨迹跟踪避撞控制。本发明能够实现车辆轨迹跟踪避撞控制高精度、高实时性、高安全性且控制风格多样性的在线计算。

公开(公告)号：CN116560241A

公开(公告)日：2023-08-08

申请号：CN202310838056.3

申请日：2023-07-10

Applicant: 北京科技大学

Inventor： 段京良 ,  陈良发 ,  闫昊琪 ,  刘征宇 ,  高路路 ,  马飞

IPC: G05B13/04

Abstract: 本申请提出一种面向铰接车的显式循环模型预测控制轨迹跟踪方法和装置，涉及自动驾驶技术领域，该方法包括：获取铰接车的自车状态和第一预测时域内的第一参考轨迹，将铰接车的自车状态和第一参考轨迹输入初始化后的参数化策略网络进行前向求解，得到第一预测时域内各预测时刻的自车状态，根据各预测时刻的自车状态和第一参考轨迹构建参数化策略网络的目标函数进行迭代训练得到最优参数化策略网络，获取铰接车的待预测自车状态、预设的第二预测时域和第二预测时域内的第二参考轨迹，将待预测自车状态和第二参考轨迹输入最优参数化策略网络生成铰接车的自车控制动作，并根据自车控制动作控制铰接车。本申请具有计算效率高、精度高、省内存的优点。