公开(公告)号：CN113110512A

公开(公告)日：2021-07-13

申请号：CN202110547276.1

申请日：2021-05-19

Applicant: 哈尔滨工程大学

Inventor： 孙超伟 ,  万磊 ,  孙延超 ,  景锐洁 ,  秦洪德 ,  张宇昂 ,  陈哲

IPC: G05D1/02

Abstract: 一种减弱未知干扰与抖振影响的可底栖式AUV自适应轨迹跟踪控制方法，属于控制技术领域。本发明是为了解决目前的控制方法不能对未知干扰下的可底栖式AUV进行很好的轨迹跟踪控制的问题。本发明基于AUV的六自由度动力学方程，使用滑模控制算法，在考虑外界未知干扰条件下设计自适应滑模控制的三维轨迹跟踪控制器，并采用非奇异快速终端滑模控制来提高控制器性能，同时采用自适应控制方法来解决未知时变干扰对控制系统的影响，使可底栖式AUV的轨迹跟踪控制其位置与姿态量η仍然能够跟踪期望值ηd，且ηe在有限时间收敛到零并保持稳定。主要用于可底栖式AUV的轨迹跟踪控制。

公开(公告)号：CN111240345B

公开(公告)日：2023-04-07

申请号：CN202010087514.0

申请日：2020-02-11

Applicant: 哈尔滨工程大学

Inventor： 孙延超 ,  张佩 ,  王卓 ,  秦洪德 ,  李鹏 ,  景锐洁 ,  曹禹 ,  张宇昂

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：CN112904872A

公开(公告)日：2021-06-04

申请号：CN202110069579.7

申请日：2021-01-19

Applicant: 哈尔滨工程大学

Inventor： 孙延超 ,  杜雨桐 ,  曹禹 ,  万磊 ,  秦洪德 ,  张宇昂 ,  夏光庆

IPC: G05D1/06

Abstract: 基于扰动逼近的底栖式AUV固定时间快速轨迹跟踪控制方法，涉及水下航行器控制领域，针对现有技术中难以实现快速高精度轨迹跟踪控制的问题，包括步骤一：建立可底栖式AUV运动方程，并根据可底栖式AUV运动方程构建轨迹跟踪误差模型；步骤二：构建快速固定时间收敛系统，并根据快速固定时间收敛系统及轨迹跟踪误差模型设计观测器，并根据观测器估计扰动集总项；步骤三：基于快速固定时间收敛系统设计固定时间滑模面；步骤四：利用快速固定时间收敛系统、固定时间滑模面及扰动集总项设计控制器。采用本申请可以实现快速高精度轨迹跟踪控制。

公开(公告)号：CN111290270A

公开(公告)日：2020-06-16

申请号：CN202010087509.X

申请日：2020-02-11

Applicant: 哈尔滨工程大学

Inventor： 王卓 ,  张佩 ,  孙延超 ,  秦洪德 ,  朱仲本 ,  张宇昂 ,  曹禹 ,  景锐洁

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：CN111273677A

公开(公告)日：2020-06-12

申请号：CN202010087517.4

申请日：2020-02-11

Applicant: 哈尔滨工程大学

Inventor： 秦洪德 ,  孙延超 ,  张佩 ,  王卓 ,  万磊 ,  景锐洁 ,  张宇昂 ,  曹禹

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。

公开(公告)号：CN111176122A

公开(公告)日：2020-05-19

申请号：CN202010087510.2

申请日：2020-02-11

Applicant: 哈尔滨工程大学

Inventor： 王卓 ,  张佩 ,  秦洪德 ,  孙延超 ,  邓忠超 ,  张宇昂 ,  景锐洁 ,  曹禹

IPC: G05B13/04 ,  G05D1/10

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。