-
公开(公告)号：CN117631691A
公开(公告)日：2024-03-01
申请号：CN202410103249.9
申请日：2024-01-25
Applicant: 安徽大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种多旋翼无人机抓取轨迹设计方法、装置、设备及介质，包括：对机载相机采集的位置信息进行滤波处理，获取滤波后的目标物位置信息；获取滤波后的目标物位置信息后，以当前位置作为起点，以目标物位置作为抓取点，在抓取平面的前进方向上增加一个合理高度的终点，设计由起点、抓取点和终点3个路径点组成的抓取轨迹；模仿老鹰捕猎飞行曲线来建立抓取轨迹的目标函数，并通过求解目标函数的最小值来生成最优抓取轨迹；通过时间缩放方法来改变生成的最优抓取轨迹的运动时间，得到经过时间缩放后的新抓取轨迹，实现抓取轨迹调速功能。本发明设计的空中抓取轨迹有很好的仿生性和速度可调性，能够提高空中抓取作业的成功率，实际可行性强。
-
公开(公告)号：CN117590744A
公开(公告)日：2024-02-23
申请号：CN202311488926.5
申请日：2023-11-09
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明提出了一种非线性网络控制系统多目标协同最优控制方法，竞争神经网络将被控系统状态、控制器接收到的传感器数据和目标构成的增广状态作为输入，经过特征表征网络，分别输入状态值函数网络、连续控制策略网络和优势值函数网络。状态值函数网络输出不同通讯网络模式下的状态值函数。连续控制策略网络输出不同通讯网络模式下的连续控制信号。优势值函数采用标准正态分布形式，输出不同通讯网络模式下的优势值函数。通过更新竞争网络同时对离散网络调度策略和连续控制策略协同优化。本发明协同优化非线性系统的网络调度策略和被控对象的控制策略，实现全局最优,本发明可以有效处理多目标学习任务，提高策略对不同任务的泛化能力。
-
公开(公告)号：CN117387635B
公开(公告)日：2024-02-23
申请号：CN202311707956.0
申请日：2023-12-13
Applicant: 安徽大学
Abstract: 本发明涉及一种基于深度强化学习和PID控制器的无人机导航方法，包括：获取无人机执行导航任务时的无人机状态向量；构建深度强化学习网络，将无人机状态向量输入深度强化学习网络中获取原始经验并将原始经验存储进原始经验存储池中；将原始经验存储池中的原始经验输入经验扩展模块得到扩展经验，利用扩展经验更新深度强化学习网络得到训练后的深度强化学习模型；重新获取无人机状态向量，输入到训练后的深度强化学习网络中，输出控制命令指引无人机完成导航。本发明在包含真实动力学的无人机导航任务中高效规划无人机路径，并使用PID控制器控制高仿真无人机飞行，最终使无人机沿着高效路径安全、平稳、无碰撞地到达目标区域，实现避障导航全过程。
-
公开(公告)号：CN117572776A
公开(公告)日：2024-02-20
申请号：CN202311693952.1
申请日：2023-12-08
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明是一种未知非线性系统最优跟踪控制的方法、设备及存储介质，其方法包括S100、建立扩展一个受限输入的增广多智能体非线性系统模型；S200、采用传统的基于模型的方法来证明通过求解S100所建立新系统的耦合Hamilton‑Jacobi‑Bellman方程的解得到最优控制策略的可行性；S300、在S200已证明可行性的前提下，对S100建立的扩展系统模型采用无模型强化算法，即利用RL技术，得到了一个无模型Bellman方程，同时通过一种actor‑critic体系结构，得到HJB方程的近似解；S400、最后采用Lyapunov方法,证明系统在采用该无模型强化算法下得到的最优控制策略是稳定的。本发明的无模型强化算法具有灵活性、鲁棒性和高效性，适用于多智能体未知非线性系统的最优跟踪控制问题，并在实际应用中具有较好的表现。
-
公开(公告)号：CN117260746B
公开(公告)日：2024-02-09
申请号：CN202311565023.2
申请日：2023-11-22
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明涉及一种机器人笛卡尔空间的时间最优轨迹规划方法，包括S1、在机器人示教盒上对目标点进行示教，两个目标点之间构成笛卡尔空间直线路径；S2、通过归一化因子统一机器人笛卡尔空间直线路径的位置向量和姿态向量，从而生成总路径长度；S3、建立机器人笛卡尔空间的路径约束方程；S4、建立时间最优化轨迹规划的目标函数；S5、通过最大路径加速度的时间积分来得到最大的路径速度；S6、生成时间最优轨迹。本发明将机器人位置和姿态规划通过归一化来统一处理，将机器人的动力学方程和驱动力矩特性作为约束条件，并通过时间最优算法来生成优化轨迹；本发明方法具有易执行，高效率，轨迹平滑的特点，可广泛应用于机器人轨迹规划领域。
-
Patent Agency Ranking
公开(公告)号：CN117168468B
公开(公告)日：2024-02-06
申请号：CN202311452155.4
申请日：2023-11-03
Applicant: 安徽大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于近端策略优化的多无人艇深度强化学习协同导航方法，对单个无人艇进行数学建模，确定无人艇水平面运动的运动学模型及动力学模型；将多无人艇多目标导航问题建模为马尔科夫决策过程，确定状态空间以及动作空间；根据多无人艇多目标导航的目标，建立考虑无人艇与障碍物发生碰撞情况以及无人艇与其余的无人艇发生碰撞情况的差分奖励函数；获取多个无人艇的状态信息，输入多智能体深度强化学习模型，得到多个无人艇的动作；采用训练后的多智能体深度强化学习模型进行多无人艇多目标导航。解决了多个无人艇可能因为选择同一个目标点而产生冲突的问题，从而可以引导多个无人艇通过合作在避碰避障的前提下(56)对比文件周从航,李建兴,石宇静等.基于改进MAAC算法的多无人机自主路径规划.无线电工程.2023,全文.Wang, ZY.etc.Task Scheduling forDistributed AUV Network Target Huntingand Searching: An Energy-Efficient AoI-Aware DMAPPO Approach《.IEEE INTERNET OFTHINGS JOURNAL》.2023,第10卷(第9期),第8271-8285页.
-
公开(公告)号：CN117250855A
公开(公告)日：2023-12-19
申请号：CN202311507034.5
申请日：2023-11-14
Applicant: 安徽大学
IPC: G05B13/02
Abstract: 本发明涉及一种基于多目标优化的飞行机器人轨迹规划方法，包括S1、采用n阶多项式曲线来参数化轨迹，整条轨迹由m个时间间隔的y维空间轨迹构成，飞行机器人运动轨迹包含四旋翼飞行器空间轨迹和机器人关节轨迹；S2、融合整条轨迹的目标函数和运动时间得到总成本函数；S3、建立轨迹端点约束方程，结合总成本函数构建有约束的二次规划方程；S4、通过解析法求解二次规划方程中轨迹的多项式系数和运动时间，生成优化轨迹；S5、根据作业任务要求，分别设置旋翼飞行器和机器人的不同路径点，并通过统一的规划时间来实现两者的同步运动。本发明通过时间的同步来统一旋翼飞行器和机器人的运动，使得飞行机器人的轨迹具有平滑性且高效性，实际可行性高。
-
公开(公告)号：CN117114088A
公开(公告)日：2023-11-24
申请号：CN202311338634.3
申请日：2023-10-17
Applicant: 安徽大学
Abstract: 本发明公开了一种基于统一AI框架的深度强化学习智能决策平台，通过参数配置模块选定深度强化学习模型的参数，利用通用模块对选定的参数进行读取，根据读取到的参数，从模型库中调取并创建相应的表征器、策略模块、学习器以及智能体，在创建策略和学习器的过程中，从数学工具中调取必要的函数定义以及优化器；同时，根据读取到的参数，在原始环境基础上创建向量环境，并实例化环境，将实例化环境和智能体输入运行器中计算动作输出，并在环境中执行动作，实现智能决策。该智能决策平台对不同功能和结构的深度强化学习模型进行模块化设计，从而兼容多种AI框架。
-
公开(公告)号：CN113848718B
公开(公告)日：2023-10-31
申请号：CN202111144802.6
申请日：2021-09-28
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于线性算子理论的固定时间的异构分群同步控制算法,所述方法包括以下步骤：步骤S1：创建一个包含N个智能体的多智能体系统，根据实际任务，创建多智能体系统的分类通信模；步骤S2：针对每个分群，创建不同的动力学模型；步骤S3：设定异构分群同步控制参数，给定任意指定的收敛时刻，再进行控制算法可行性判断；步骤S4：确定求解控制参数方法；步骤S5：用步骤S4所确定的控制器实现多智能体系统的异构分群同步的快速收敛。
-
公开(公告)号：CN116203932B
公开(公告)日：2023-07-21
申请号：CN202310498107.2
申请日：2023-05-06
Applicant: 安徽大学
IPC: G05B23/02
Abstract: 本发明公开了一种基于模型的无人艇执行器故障检测方法、存储介质及设备，该无人艇执行器故障检测方法包括：根据牛顿‑欧拉方程，并考虑洋流扰动，结合无人艇在水平面上的侧运动和偏航运动，建立无人艇在水平面运动的数学模型；建立无人艇在地面坐标系下的扩张状态观测器，并根据Lyapunov函数，得到比例观测误差收敛域，确定无人艇执行器的故障检测总残差和无人艇故障检测阈值，若无人艇执行器的故障检测总残差超出无人艇故障检测阈值，发出无人艇部分执行器故障警报信息。本发明解决了无人艇的执行器故障检测问题，能够在无硬件检测设备的情况下，根据系统状态检测是否发生执行器故障。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.03 seconds)
