-
公开(公告)号：CN111176122B
公开(公告)日：2022-05-13
申请号：CN202010087510.2
申请日：2020-02-11
Applicant: 哈尔滨工程大学
Abstract: 一种基于双BP神经网络Q学习技术的水下机器人参数自适应反步控制方法，它属于水下机器人控制器参数调节技术领域。本发明解决了传统Q学习方法进行控制器参数调节时的学习效率低，以及传统反步法进行控制器参数调节时存在的参数不易实时在线调整的问题。本发明利用基于双BP神经网络Q学习算法与反步法相结合的方式实现对反步法控制器参数的自主在线调节，以满足控制参数能够实时在线调整的要求。同时由于引入了双BP神经网络以及经验回放池，其强大的拟合能力使得基于双BP神经网络Q学习参数自适应反步控制方法能够大大降低训练次数，以提升学习效率，在训练较少次数的情况下达到更好的控制效果。本发明可以应用于水下机器人控制器参数的调节。
-
公开(公告)号：CN112965371A
公开(公告)日：2021-06-15
申请号：CN202110133191.9
申请日：2021-01-29
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法，本发明涉及水面无人艇轨迹快速跟踪控制方法。本发明的目的是为了解决将目前的控制方法应用到水面无人艇时存在的控制精度有限，且调整速度慢的问题。过程为：步骤一、建立水面无人艇系统模型；步骤二、基于步骤一中建立的水面无人艇系统模型，建立轨迹跟踪误差模型；步骤三、建立固定时间收敛系统；步骤四、基于步骤二、步骤三设计固定时间干扰观测器；步骤五、基于步骤四的固定时间干扰观测器，设计径向基函数神经网络；步骤六、基于步骤二、步骤三、步骤四、步骤五，设计有限时间反步跟踪控制器。本发明用于水面无人艇轨迹跟踪控制领域。
-
公开(公告)号：CN112947077A
公开(公告)日：2021-06-11
申请号：CN202110132890.1
申请日：2021-01-29
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于切换性能函数技术的AUV鲁棒轨迹跟踪控制方法，本发明涉及AUV鲁棒轨迹跟踪控制方法。本发明的目的是为了解决传统的预设性能控制方法在存在外界干扰的情况下，不能在规定的时间内收敛，输出的超调量较大的问题。过程为：一、基于水下机器人的控制力和力矩，获取推进器故障影响下的实际控制力与力矩；二、定义改进后的性能函数，基于改进后的性能函数设置误差上界和误差下界；三、基于误差上界和误差下界设置转换后的误差；四、基于转换后误差中跟踪误差与预警边界的关系，确定转换后误差中误差上界和下界的取值；五、基于三设计反步法虚拟控制器；六、基于五设计预设性能跟踪控制器。本发明用于AUV鲁棒轨迹跟踪控制领域。
-
公开(公告)号：CN111650948A
公开(公告)日：2020-09-11
申请号：CN202010523598.8
申请日：2020-06-10
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种可底栖式AUV的水平面轨迹快速跟踪控制方法，它属于自主式水下机器人的轨迹跟踪控制技术领域。本发明解决了将目前的控制方法应用到可底栖式AUV时存在的控制精度有限，且调整速度慢的问题。本发明将海流扰动、模型不确定性组合为扰动集总项，使用有限时间扰动观测器逼近扰动集总项值，并引入神经网络估计观测误差。进而提出一种基于有限时间扰动观测器的自适应神经网络反步控制器，来实现对可底栖式AUV的有限时间高精度轨迹跟踪控制。本发明可以应用于可底栖式AUV的轨迹跟踪控制。
-
公开(公告)号：CN111487966A
公开(公告)日：2020-08-04
申请号：CN202010286992.4
申请日：2020-04-13
Applicant: 哈尔滨工程大学
IPC: G05D1/02
Abstract: 一种基于航路点的水面无人艇自适应路径跟踪控制方法，属于控制技术领域。主要是为了解决无人艇转弯角度大于90°时经典的LOS制导会产生较大的超调，导致的转弯跟踪精度低的问题。本发明基于提出的自适应LOS圆半径解算出基本视线角，根据路径偏差和航向偏差对基本视线角进行补偿得到最终期望视线角；接着设计了基于虚拟点的转向策略，采用三个小角度转向过渡大角度转向克服转弯角度较大时产生的严重超调问题。同时本发明还设计了航速解算器和智能自适应S面航向控制器及智能自适应积分S面航速控制器，可提高无人艇的跟踪效率和抗干扰能力，也能够很好的应对无人艇模型的复杂性性和不确定性。主要用于水面无人艇自适应路径跟踪控制。
-
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：CN113009826B
公开(公告)日：2021-11-30
申请号：CN202110181019.0
申请日：2021-02-08
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法，属于水下机器人轨迹跟踪控制领域。本发明是为了解决传统预设性能控制方法引入的性能函数参数和实际误差收敛速率没有明确的数学关系，而导致误差收敛时间不确定且超调较大的问题。本发明所述方法包括：根据AUV的控制力和力矩，得到AUV推力器故障影响下的实际的控制力和力矩；建立改进的性能函数，通过改进的性能函数确定轨迹跟踪误差的上下界；根据确定的轨迹跟踪误差的上下界，得到转换后的误差；基于转换后的误差设计虚拟控制器；基于虚拟控制器设计预设性能跟踪控制器。本发明用于AUV的轨迹跟踪控制。
-
公开(公告)号：CN113110532A
公开(公告)日：2021-07-13
申请号：CN202110500855.0
申请日：2021-05-08
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 基于辅助动态系统的可底栖式AUV自适应终端滑模轨迹跟踪控制方法，本发明涉及可底栖式AUV自适应终端滑模轨迹跟踪控制方法。本发明的目的是为了解决现有方法对可底栖式AUV的轨迹跟踪控制精度低的问题。基于辅助动态系统的可底栖式AUV自适应终端滑模轨迹跟踪控制方法过程为：步骤一、建立AUV运动学方程；步骤二、基于步骤一建立的AUV运动学方程，定义位姿误差模型变量；步骤三、基于步骤一建立的AUV运动学方程和步骤二定义的位姿误差模型变量，建立AUV误差模型；步骤四、设计控制律控制步骤三建立的AUV误差模型。本发明用于AUV轨迹跟踪控制领域。
-
公开(公告)号：CN113009826A
公开(公告)日：2021-06-22
申请号：CN202110181019.0
申请日：2021-02-08
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法，属于水下机器人轨迹跟踪控制领域。本发明是为了解决传统预设性能控制方法引入的性能函数参数和实际误差收敛速率没有明确的数学关系，而导致误差收敛时间不确定且超调较大的问题。本发明所述方法包括：根据AUV的控制力和力矩，得到AUV推力器故障影响下的实际的控制力和力矩；建立改进的性能函数，通过改进的性能函数确定轨迹跟踪误差的上下界；根据确定的轨迹跟踪误差的上下界，得到转换后的误差；基于转换后的误差设计虚拟控制器；基于虚拟控制器设计预设性能跟踪控制器。本发明用于AUV的轨迹跟踪控制。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.029 seconds)
