-
公开(公告)号:CN113052372B
公开(公告)日:2022-08-02
申请号:CN202110283966.0
申请日:2021-03-17
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于深度强化学习的动态AUV追踪路径规划方法,通过引入深度强化学习算法,运用航路模型来处理AUV的路径追踪问题。首先对目标和AUV状态分析,判断并选择采用哪种航路进行追踪,建立三种航路模型,用训练好的模型对AUV下一状态进行预测。采用纯方位最小二乘估计法对检测到的目标信号进行运动要素解算,获得目标信息。将目标和AUV运动情况作为状态输入,AUV下一状态的动作和航向作为输出,建立状态——动作映射策略。根据任务要求,选择奖赏函数,AUV每段时间所采取的决策都会获得相应评价。本发明结合深度学习和强化学习的优点,将深度强化学习算法用在AUV路径追踪上,实现了对动态AUV的追踪路径规划。
-
公开(公告)号:CN113051529A
公开(公告)日:2021-06-29
申请号:CN202110284192.3
申请日:2021-03-17
Applicant: 哈尔滨工程大学
IPC: G06F17/18
Abstract: 本发明提供一种基于统计观测局地化均权重粒子滤波数据同化方法,获取模式积分初始背景场;判断是否达到统计观测开始时刻,累加观测求取统计观测均值;根据统计观测均值计算提议密度调整集合粒子;在给定同化时刻,使用均权重方法计算粒子权重,调整粒子状态;使用重采样方法,调整集合粒子维持粒子数稳定,更新观测对应位置粒子状态;使用局地化函数,确定同化观测对应位置周围的粒子权重;根据局地化权重更新粒子权重,更新周围粒子状态;计算统计观测局地化均权重粒子滤波的状态后验估计值。本发明可以有效提高非高斯网格化模式的数据同化质量,可以更好的应用于实时数据同化在网格化复杂模式中,提高同化质量。
-