-
公开(公告)号：CN112947505B
公开(公告)日：2022-11-25
申请号：CN202110303184.9
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习算法与未知干扰观测器的多AUV编队分布式控制方法，属于机器人控制技术领域。为了解决现有的控制方法对AUV编队进行控制存在控制精度差的问题，本发明针对多AUV编队中的AUV，利用纵向和艏向的复合控制系统进行控制；纵向和艏向的复合控制系统包括：基于纵向干扰观测器确定的纵向分布式控制器、基于艏向干扰观测器确定的艏向分布式控制器，以及用于确定控制器控制增益的Actor‑Critic算法；Actor‑Critic算法由Actor当前网络、Actor目标网络、Critic当前网络和Critic目标网络四个网络构成，四个网络均使用RBF神经网络。本发明主要用于水下机器人的控制。
-
公开(公告)号：CN112947505A
公开(公告)日：2021-06-11
申请号：CN202110303184.9
申请日：2021-03-22
Applicant: 哈尔滨工程大学
IPC: G05D1/06
Abstract: 一种基于强化学习算法与未知干扰观测器的多AUV编队分布式控制方法，属于机器人控制技术领域。为了解决现有的控制方法对AUV编队进行控制存在控制精度差的问题，本发明针对多AUV编队中的AUV，利用纵向和艏向的复合控制系统进行控制；纵向和艏向的复合控制系统包括：基于纵向干扰观测器确定的纵向分布式控制器、基于艏向干扰观测器确定的艏向分布式控制器，以及用于确定控制器控制增益的Actor‑Critic算法；Actor‑Critic算法由Actor当前网络、Actor目标网络、Critic当前网络和Critic目标网络四个网络构成，四个网络均使用RBF神经网络。本发明主要用于水下机器人的控制。
-
公开(公告)号：CN111650832A
公开(公告)日：2020-09-11
申请号：CN202010470086.X
申请日：2020-05-28
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种水下多足步行机器人机械足姿态跟踪控制方法，它属于水下多足步行机器人机械足姿态跟踪控制技术领域。本发明解决了利用径向基神经网络逼近广义干扰时无法保证控制效果且计算量非常大，以及将预设性能方法与固定时间方法结合时控制器的设计过程繁琐复杂的问题。本发明综合考虑海流干扰、建模不确定性和执行机构故障的影响，基于区间2型模糊神经网络和预设性能终端滑模控制方法设计控制器，用于实现对UWR机械足的固定时间误差约束容错姿态跟踪控制。可以在有限计算量的工程条件下，保证UWR机械足的跟踪控制效果。且本发明的控制器设计方法较为简单，克服了现有方法中控制器设计复杂的问题。本发明可以应用于UWR机械足姿态跟踪控制。
-
公开(公告)号：CN111650832B
公开(公告)日：2022-04-15
申请号：CN202010470086.X
申请日：2020-05-28
Applicant: 哈尔滨工程大学
IPC: G05B13/04
Abstract: 一种水下多足步行机器人机械足姿态跟踪控制方法，它属于水下多足步行机器人机械足姿态跟踪控制技术领域。本发明解决了利用径向基神经网络逼近广义干扰时无法保证控制效果且计算量非常大，以及将预设性能方法与固定时间方法结合时控制器的设计过程繁琐复杂的问题。本发明综合考虑海流干扰、建模不确定性和执行机构故障的影响，基于区间2型模糊神经网络和预设性能终端滑模控制方法设计控制器，用于实现对UWR机械足的固定时间误差约束容错姿态跟踪控制。可以在有限计算量的工程条件下，保证UWR机械足的跟踪控制效果。且本发明的控制器设计方法较为简单，克服了现有方法中控制器设计复杂的问题。本发明可以应用于UWR机械足姿态跟踪控制。
-
-
-
Search Results
4
records
(took 0.025 seconds)
