-
公开(公告)号:CN119902432A
公开(公告)日:2025-04-29
申请号:CN202411951191.X
申请日:2024-12-27
Applicant: 哈尔滨工业大学
IPC: G05B13/04
Abstract: 本发明提供一种基于改进A‑star算法与强化学习的集群路径规划方法及系统,属于无人机集群控制领域。为解决现有传统路径规划中未考虑集群体积导致其碰撞和在高动态环境下失效问题。本发明基于改进的A*路径规划算法进行路径规划,考虑约束条件生成最优路径;通过局部目标点的设定,引导高速飞行器沿最短路径飞行;结合SAC强化学习算法,构建奖励函数以引导高速飞行器向目标飞行;根据高速飞行器的约束条件设计目标飞行奖励;采用基于改进A‑star与深度强化学习的分层控制框架,进一步优化集群飞行路径和避障能力。本发明在复杂障碍环境中确保集群的精确路径规划与稳定编队控制,有效提升了无人机集群在复杂环境中的避障能力和协同控制。
-
公开(公告)号:CN119847176A
公开(公告)日:2025-04-18
申请号:CN202411953656.5
申请日:2024-12-27
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明提供一种基于滑模控制的高速飞行器时间协同制导方法及系统,属于飞行器制导与控制领域。为解决现有制导方法计算量大、实时性不足及协同精度较差的问题。本发明通过集中式协同策略快速预测多飞行器的剩余飞行时间,利用“谁慢跟随谁”的原则调整飞行器的时间偏差;基于滑模控制设计底层时间可控制导律,引入饱和函数改进抖振现象并解决奇点问题;通过三维偏置比例导引律实现飞行器横向轨迹弯曲以调整飞行时间;利用变步长数值积分法提高剩余飞行时间计算的精度与效率;在滑翔段末端完成多飞行器的编队变换以支持末制导任务。本发明在降低计算复杂度的同时,显著提高了时间协同的精度和鲁棒性,为多飞行器协同制导任务提供了可靠的技术支持。
-
公开(公告)号:CN119828727A
公开(公告)日:2025-04-15
申请号:CN202411951184.X
申请日:2024-12-27
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D109/28
Abstract: 本发明提供一种基于安全强化学习的高速飞行器集群协同方法及系统,属于飞行器集群协同领域。为解决现有强化学习算法应用于高速飞行器集群协同任务中不可解释性导致的安全性问题。本发明将安全强化学习理论引入飞行器集群智能决策问题,基于李雅普诺夫稳定性理论提出了改进软演员‑评论家算法,建立以法向过载为控制量的动力学模型,将任务划分为目标打击、编队保持和威胁区规避,设计飞行器引导奖励函数,通过与演员‑评论家算法对比,得出该方法能够使智能体在整个训练过程中保持较低的安全成本的结论。本发明可实现部分安全性可解释的高速飞行器集群协同智能策略的获得,从而有效地避免因奖励函数设计不当引起威胁区规避任务失败的情况。
-
公开(公告)号:CN116630423A
公开(公告)日:2023-08-22
申请号:CN202310611932.9
申请日:2023-05-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于ORB特征的微小型机器人多目标双目定位方法及系统,涉及目标定位领域,以解决现有双目定位方法由于计算量过大而导致目标定位效率及准确性较差的问题。本发明的技术要点包括:计算同时刻双目相机采集的两张图片中对应目标区域的多个哈希相似度,将多个哈希相似度的平均值作为目标的相似度,并根据相似度进行双目目标匹配;对匹配的目标区域进行ORB特征提取和匹配;对各个目标区域内已经匹配的ORB特征点进行定位,将目标区域内定位关键点的平均距离作为目标与相机之间的距离;根据目标相对相机深度,通过相机投影原理计算目标的三维定位信息。本发明降低了计算量且保障了目标定位的精准性。
-
公开(公告)号:CN113848984B
公开(公告)日:2022-06-10
申请号:CN202111271065.6
申请日:2021-10-29
Applicant: 哈尔滨工业大学
IPC: G05D1/10
Abstract: 一种无人机集群控制方法及系统,涉及无人机控制技术领域,用以解决现有技术对于无人机集群控制效果差且避障能力弱的问题。本发明的技术要点包括:实时获取无人机集群中每个无人机采集的环境信息和其他无人机信息;将经过预处理后的环境信息和其他无人机信息输入预训练的深度神经网络,获得无人机集群控制指令;判断无人机当前飞行状态,若判断结果为没有碰撞风险,则根据无人机集群控制指令对无人机进行控制;若判断结果为有碰撞风险,则根据避碰指令进行避障。本发明可以在复杂多变的环境中实现无人机的集群控制且具有很强的泛化能力,提升了无人机集群在复杂环境中执行任务的能力。本发明可扩展到大规模的无人机集群应用场景中。
-
公开(公告)号:CN108734737B
公开(公告)日:2021-09-03
申请号:CN201810616013.X
申请日:2018-06-14
Applicant: 哈尔滨工业大学
IPC: G06T7/73
Abstract: 基于视觉SLAM估计空间旋转非合作目标转轴的方法,本发明涉及估计空间旋转非合作目标转轴的方法。本发明的目的是为了解决现有方法估计的精度较差,计算条件受限制,以及并未考虑到相机拍摄的图片中存在其他碎片等干扰,使旋转非合作目标转轴估计的误差大的问题。过程为:一、得到训练好的YOLO目标检测模型;二、建立k叉数字典;三、估计出每帧旋转矩阵和平移矩阵;四、对RGBD相机采集的每帧图像处理,直至检测出两次回环或达到指定时间或帧数,RGBD相机停止采集图像;五、拟合成的空间平面的法线是非合作目标转轴的斜率,空间圆弧的圆心是非合作目标转轴经过的点。本发明用于航天在轨服务领域。
-
公开(公告)号:CN112001970A
公开(公告)日:2020-11-27
申请号:CN202010866388.9
申请日:2020-08-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于点线特征的单目视觉里程计方法,针对传统单目相机的视觉导航方案普遍面临尺度缺失的问题,本发明仅依靠一个单目相机,即可实现在真实环境下的视觉导航需求,实时计算出相机本体的位置和姿态信息,本发明的位置信息是具备绝对尺度的,具有米制单位,可直接用于相机平台的定位。避免了尺度缺失的问题。此外,线段特征的加入使得本发明在以室内,城市街道为代表的人工环境中更加精确且鲁棒。
-
公开(公告)号:CN112001120A
公开(公告)日:2020-11-27
申请号:CN202010857495.5
申请日:2020-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于强化学习的航天器对多拦截器自主规避机动方法,它属于反拦截技术领域。本发明解决了现有航天器程序式机动对多拦截器规避成功率低的问题。本发明提供一种不受航天器质量、材质限制的基于深度神经网络的自主规避机动方法,由两个部分组成,分别为离线训练系统和在线决策网络,其对航天器自身计算资源使用较少,具备实时决策能力,提升了航天器对多拦截器的规避成功率。当航天器采用本发明所述自主规避机动方法时规避机动平均成功率为49%,规避成功率提高了29%。该方法能够有效降低规避过程中发动机开关时间,使用能量更为节省。本发明可以应用于航天器对多拦截器的自主规避。
-
公开(公告)号:CN111982129A
公开(公告)日:2020-11-24
申请号:CN202010854885.7
申请日:2020-08-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于月面数字高程地图的综合全局路径规划方法,属于月球探测路径规划技术领域。为了解决月面路径规划问题中不能综合考虑距离代价、地形代价及太阳光照条件代价,且针对大范围路径规划搜索时间过长的问题。本发明基于月面DEM地图提取月面地形特征,然后基于月面特征生成综合平滑度地图,并基于月面太阳光照信息生成有效太阳能量分布地图,根据地形综合平滑度信息以及有效太阳能量分布信息设计多代价启发式函数;将多代价函数值作为A*算法中的每个节点的g(n)值,选择g(n)值变小的节点进行搜索,直到搜索到目标节点,然后根据parent表回溯构建路径。本发明用于月球探测路径规划。
-
公开(公告)号:CN108982901B
公开(公告)日:2020-06-09
申请号:CN201810615505.7
申请日:2018-06-14
Applicant: 哈尔滨工业大学
IPC: G01P3/38
Abstract: 一种匀速旋转体的转速测量方法,它用于转速测量技术领域。本发明解决了传统转速测量方法存在的转速测量时需要人为参与,在无人环境无法测量匀速旋转体转速的问题。本发明首先训练YOLO目标检测模型,利用RGBD相机实时采集匀速旋转体的彩色图像和深度图像,不需要人为的参与,利用模型选择出置信值大于0.85的图像,提取选择图像的ORB特征与局部地图中的地图点匹配,利用PnP方法得到每帧图像的旋转矩阵和平移矩阵;然后利用g2o和回环检测优化每帧图像的旋转矩阵;最后利用随机抽样一致方法对所有帧图像的转速进行直线拟合,以直线的截距作为匀速旋转体的转速;同时转速测量的相对误差可以达到4%以内。本发明可以应用于转速测量技术领域用。
-
-
-
-
-
-
-
-
-