-
公开(公告)号：CN117891282A
公开(公告)日：2024-04-16
申请号：CN202410044948.0
申请日：2024-01-11
Applicant: 北京科技大学
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：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
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
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
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。
-
公开(公告)号：CN116300977B
公开(公告)日：2023-07-21
申请号：CN202310572466.8
申请日：2023-05-22
Applicant: 北京科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种依托强化学习的铰接车轨迹跟踪控制方法及装置，涉及自动驾驶技术领域。包括：获取待控制铰接车的车辆状态以及环境观测量；将车辆状态以及环境观测量输入到构建好的铰接车轨迹跟踪最优控制模型；根据车辆状态、环境观测量以及铰接车轨迹跟踪最优控制模型，得到每个时间步的车辆状态，实现铰接车轨迹跟踪控制。本发明提供了一种依托强化学习的铰接车轨迹跟踪控制方法的构建及求解方法，以实现铰接车轨迹跟踪控制高实时、高精度的在线计算。
-
Patent Agency Ranking
公开(公告)号：CN115626184B
公开(公告)日：2023-07-21
申请号：CN202211629437.2
申请日：2022-12-19
Applicant: 北京科技大学
Abstract: 本发明公开了一种自动驾驶车辆的权重系数和控制策略自学习方法及装置，涉及车辆自动驾驶控制技术领域。包括：获取待优化的控制策略；将待优化的控制策略输入到构建好的控制策略双层优化模型；其中，控制策略双层优化模型包括权重系数优化层以及控制策略优化层；根据待优化的控制策略、权重系数优化层以及控制策略优化层，得到优化后的控制策略，基于优化后的控制策略对自动驾驶车辆进行控制。本发明基于给定的专家驾驶策略，通过模仿该目标控制策略实现控制代价函数权重系数和控制策略的自学习。本发明能够解决在控制自动驾驶车辆时，为了实现良好的控制性能而面临的不断调整代价函数的权重系数，且该方法能够实现控制策略的自提升。
-
公开(公告)号：CN115781696A
公开(公告)日：2023-03-14
申请号：CN202310063392.5
申请日：2023-01-18
Applicant: 北京科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种强化学习型液压机械臂集成控制方法及装置，涉及工业机械臂控制技术领域。包括：获取待控制的液压机械臂的当前位姿与目标位姿；根据当前位姿与目标位姿，计算得到位姿差距；将位姿差距输入到构建好的基于强化学习的控制策略模型；根据位姿差距以及基于强化学习的控制策略模型，完成液压机械臂的控制任务。本发明基于约束型强化学习，在液压机械臂与环境交互的过程中，通过探索试错的方式实现机械臂控制策略的自学习。本发明适用于液压机械臂智能作业过程，通过控制各个关节同时执行动作，实现了一种集成式控制的功能，在保证作业安全性的前提下有效提升了液压机械臂的工作效率。
-
公开(公告)号：CN117302204B
公开(公告)日：2024-02-20
申请号：CN202311625357.4
申请日：2023-11-30
Applicant: 北京科技大学
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：CN116560241B
公开(公告)日：2023-09-15
申请号：CN202310838056.3
申请日：2023-07-10
Applicant: 北京科技大学
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。
-
公开(公告)号：CN116300977A
公开(公告)日：2023-06-23
申请号：CN202310572466.8
申请日：2023-05-22
Applicant: 北京科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种依托强化学习的铰接车轨迹跟踪控制方法及装置，涉及自动驾驶技术领域。包括：获取待控制铰接车的车辆状态以及环境观测量；将车辆状态以及环境观测量输入到构建好的铰接车轨迹跟踪最优控制模型；根据车辆状态、环境观测量以及铰接车轨迹跟踪最优控制模型，得到每个时间步的车辆状态，实现铰接车轨迹跟踪控制。本发明提供了一种依托强化学习的铰接车轨迹跟踪控制方法的构建及求解方法，以实现铰接车轨迹跟踪控制高实时、高精度的在线计算。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
