-
公开(公告)号：CN115685758B
公开(公告)日：2025-03-28
申请号：CN202211330399.0
申请日：2022-10-27
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明提供的是一种基于有限时间指令滤波反步法的船舶动力定位控制系统及方法，包括显控计算机(1)，有限时间指令滤波反步控制器(2)，RBF神经网络误差补偿系统(3)，推进系统(4)，动力定位船舶(5)，传感器系统(6)。本发明的基于有限时间指令滤波反步法的船舶动力定位控制系统及方法首先考虑了船舶运动中的未建模动态和误差以及推进器的动态特性，将控制系统变为一个三阶系统；其次，采用自适应神经网络方法对系统中的未知干扰进行了估计；最后，在指令滤波反步控制器设计中引入了有限时间控制技术，使其具有有限时间的特性，并利用Lyapunov稳定性理论证明了系统跟踪误差和参数估计误差能在有限时间内收敛。
-
公开(公告)号：CN116337058A
公开(公告)日：2023-06-27
申请号：CN202310194348.8
申请日：2023-03-02
Applicant: 哈尔滨理工大学
Abstract: 本发明属于无人机视觉/惯性组合导航领域，提出了一种基于深度学习的视觉/惯性组合导航方法。该方法利用Mask R‑CNN神经网络预处理相机输出图像，增强了图像的特征识别；通过里程计算法求解无人机姿态信息；同时惯性导航部分对测量数据预积分，保持传感器之间的数据同步；利用陀螺仪、加速度计输出求解惯性导航部分的航姿信息；最后通过集中式容错卡尔曼滤波对视觉和惯性导航两部分的观测信息融合预测得到航姿最优误差估计，并对视觉里程计和IMU的原始数据进行修正优化。本发明具有导航精度高、可持续性强、强鲁棒性等特点。
-
公开(公告)号：CN115686008B
公开(公告)日：2025-04-08
申请号：CN202211330354.3
申请日：2022-10-27
Applicant: 哈尔滨理工大学
IPC: G05D1/43 , G05D109/10
Abstract: 本发明提供的是一种基于指令滤波反步法的船舶动力定位辅助锚泊系统(Dynamic Positioning Assisted Mooring，简称DPAM)设计方法。包括锚泊系统(1)、指令滤波控制器(2)、推进器系统(3)、位置参考系统(4)、传感器系统(5)、DPAM船舶(6)、有限时间干扰观测器(7)、显控计算机(8)、导引系统(9)、张力传感器(10)等。本发明采用指令滤波反步法设计控制器，避免了对虚拟控制律复杂的求导运算过程，有效的提高了船舶动力定位系统的的定位精度。同时，借助非线性有限时间干扰观测器对时变海洋环境干扰做出有限时间估计，存在外界干扰的情况下系统能够获得到较好的控制效果。
-
公开(公告)号：CN117519136B
公开(公告)日：2024-05-17
申请号：CN202311372132.2
申请日：2023-10-21
Applicant: 哈尔滨理工大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供一种考虑大曲率转弯的无人艇路径跟踪方法，包括：首先，建立无人艇的运动学与动力学数学模型；在此基础上，设计LOS导引算法，引入自适应观测器，实时观测并补偿漂角，引入内偏角与前视基准角，设计模糊算法以优化内偏角；然后，设计时变前视距离的LOS导引法；最后，设计PID‑GA控制器，利用遗传算法动态优化PID参数以适应环境变化，为加快遗传算法的运算速度，限定其优化的参数个数与参数取值范围。本发明针对大曲率转弯的无人艇路径跟踪问题，考虑到漂角未知且不是很小，使用带内偏角、时变前视距离的PID‑GA路径跟踪方法，避免了在期望路径外侧产生较大的稳态误差，降低了调节时间并减小了稳态误差。
-
公开(公告)号：CN118012041A
公开(公告)日：2024-05-10
申请号：CN202311545055.6
申请日：2023-11-19
Applicant: 哈尔滨理工大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供的是一种基于事件触发的多动力定位船协同控制方法。包括第艘动力定位船、第艘动力定位船、分布式协同定位控制器、传感器系统、自适应神经网络估计器、事件触发机制、辅助动态系统。本发明设计的事件触发机制可以解决由于执行器频繁响应导致的机械磨损等问题，也可以缓解分布式协同定位控制器的传输和计算压力。为了提高定位系统的性能，同时考虑了时变海洋环境干扰和模型参数不确定性、推进器输入饱和问题对控制系统的影响。
-
Patent Agency Ranking
公开(公告)号：CN116300469A
公开(公告)日：2023-06-23
申请号：CN202310343597.9
申请日：2023-03-31
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于新型障碍Lyapunov函数的非线性系统输出约束控制方法，本发明涉及轨迹跟踪控制领域，尤其涉及一种基于新型障碍Lyapunov函数的非线性系统的路径跟踪及输出约束控制方法，包含以下步骤：步骤(1)：建立二阶非线性系统的数学模型；步骤(2)：设计新型障碍Lyapunov函数；步骤(3)：获得非线性系统的跟踪误差动态模型；步骤(4)：设计一阶惯性滤波器；步骤(5)：设计基于新型障碍Lyapunov函数的非线性输出约束系统的Lyapunov函数以及虚拟控制输入；步骤(6)：设计非线性系统约束控制器；步骤(7)：仿真验证。本发明为解决实际工程应用中的物理限制、系统性能、安全指标等带来的约束问题，通过构建一种新型障碍Lyapunov函数处理系统输出约束，该函数可将有约束和无约束(约束无界)的情况统一在同一方法中，并且具有更好的暂态性能和稳态性能。
-
公开(公告)号：CN115686008A
公开(公告)日：2023-02-03
申请号：CN202211330354.3
申请日：2022-10-27
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供的是一种基于指令滤波反步法的船舶动力定位辅助锚泊系统(Dynamic Positioning Assisted Mooring，简称DPAM)设计方法。包括锚泊系统(1)、指令滤波控制器(2)、推进器系统(3)、位置参考系统(4)、传感器系统(5)、DPAM船舶(6)、有限时间干扰观测器(7)、显控计算机(8)、导引系统(9)、张力传感器(10)等。本发明采用指令滤波反步法设计控制器，避免了对虚拟控制律复杂的求导运算过程，有效的提高了船舶动力定位系统的的定位精度。同时，借助非线性有限时间干扰观测器对时变海洋环境干扰做出有限时间估计，存在外界干扰的情况下系统能够获得到较好的控制效果。
-
公开(公告)号：CN115509237A
公开(公告)日：2022-12-23
申请号：CN202211329526.5
申请日：2022-10-27
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于三角函数型映射的无人船路径跟踪约束控制方法，本发明涉及路径跟踪技术领域，尤其涉及基于三角函数型映射的无人船路径跟踪约束控制方法，包含以下步骤：步骤(1)：建立无人船运动三自由度数学模型；步骤(2)：构建非线性映射函数；步骤(3)：对原有系统的状态进行非线性映射变换，得到无约束系统；步骤(4)：设计基于三角函数型映射的艏向直接约束控制器；步骤(5)：设计基于三角函数型映射的纵荡直接约束控制器；步骤(6)：仿真验证。本发明要解决无人船在行驶过程中环境受限导致的约束问题，通过构建一种三角函数型映射函数处理状态约束，将原来受约束限制的系统映射为无约束的新系统，基于新系统设计控制器。
-
公开(公告)号：CN117519136A
公开(公告)日：2024-02-06
申请号：CN202311372132.2
申请日：2023-10-21
Applicant: 哈尔滨理工大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明提供一种考虑大曲率转弯的无人艇路径跟踪方法，包括：首先，建立无人艇的运动学与动力学数学模型；在此基础上，设计LOS导引算法，引入自适应观测器，实时观测并补偿漂角，引入内偏角与前视基准角，设计模糊算法以优化内偏角；然后，设计时变前视距离的LOS导引法；最后，设计PID‑GA控制器，利用遗传算法动态优化PID参数以适应环境变化，为加快遗传算法的运算速度，限定其优化的参数个数与参数取值范围。本发明针对大曲率转弯的无人艇路径跟踪问题，考虑到漂角未知且不是很小，使用带内偏角、时变前视距离的PID‑GA路径跟踪方法，避免了在期望路径外侧产生较大的稳态误差，降低了调节时间并减小了稳态误差。
-
公开(公告)号：CN117170382A
公开(公告)日：2023-12-05
申请号：CN202311310809.X
申请日：2023-10-11
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供一种适用于同向点位跟踪的双无人船协同控制方法，包括：建立领航‑跟随无人船位置协同编队控制模型，设定期望纵向距离及方位角；基于编队协同控制模型及领航船的实时位置，对跟随船建立距离及方位角的协同动态方程；基于协同动态方程，并考虑推进器约束限制，引入障碍李亚普诺夫函数，推导跟随船的实时期望速度及偏航角；并利用非线性扰动观测器观测跟随船的集合扰动；为了使跟随船在环境扰动下能够领航船保持期望距距离及方位角，引入深度强化学习双Deep Q‑Network(DQN)网络，依据跟随船的实时状态，控制其纵向推力力矩及艏向角力矩；相比传统控制方法，本发明的技术方案能够根据跟随船实时状态快速，准确地控制其与领航船保持期望纵向距离及方位角。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
