-
公开(公告)号：CN111240344B
公开(公告)日：2023-04-07
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。
-
公开(公告)号：CN113110532B
公开(公告)日：2022-11-04
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：CN113110512B
公开(公告)日：2022-08-26
申请号：CN202110547276.1
申请日：2021-05-19
Applicant: 哈尔滨工程大学
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：CN112904872B
公开(公告)日：2021-12-10
申请号：CN202110069579.7
申请日：2021-01-19
Applicant: 哈尔滨工程大学
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：CN111674531A
公开(公告)日：2020-09-18
申请号：CN202010485568.2
申请日：2020-06-01
Applicant: 哈尔滨工程大学
IPC: B63C11/52 , B62D57/032
Abstract: 一种仿生机器蟹单电机控制两蟹腿运动结构，它涉及一种两蟹腿运动结构，具体涉及一种仿生机器蟹单电机控制两蟹腿运动结构。本发明为了解决现有仿生机器蟹的应用结构较多，导致其整体结构可靠性较低的问题。本发明包括动力机构、第一运动杆、第二运动杆、第三运动杆、第一轴和第二轴，第一运动杆和第二运动杆交叉设置，所述动机构与第一运动杆的一端连接，第一运动杆的另一端通过第二轴与第三运动杆转动连接，第二运动杆的一端通过第一轴与第三运动杆转动连接。本发明属于机器人领域。
-
Patent Agency Ranking
公开(公告)号：CN111240345A
公开(公告)日：2020-06-05
申请号：CN202010087514.0
申请日：2020-02-11
Applicant: 哈尔滨工程大学
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：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。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.023 seconds)
