一种基于元学习的无人艇轨迹跟踪控制器结构及控制方法

    公开(公告)号:CN117539239A

    公开(公告)日:2024-02-09

    申请号:CN202311184319.X

    申请日:2023-09-13

    Abstract: 本发明提供了一种基于元学习的无人艇轨迹跟踪控制器结构及控制方法,涉及无人艇轨迹跟踪控制技术领域,结构包括运动学控制器、动力学控制器、元学习预估器、学习的基函数和c个环境条件数据集;所述动力学控制器的输入端分别与运动学控制器、元学习预估器的输出端相连,所述动力学控制器的输出端分别与无人艇模型和c个环境条件数据集的输入端相连;所述元学习预估器的输入端分别与学习的基函数和无人艇模型的输出端相连,所述元学习预估器的输出端与所述动力学控制器的输入端相连;本发明用元学习技术精确刻画无人艇与环境交互过程中的复杂动态特征,形成有效的船舶模型特征和海洋环境特征知识表达,有效提高无人艇在不同环境下的适应性。

    一种无人艇三体追逃博弈规划与控制方法

    公开(公告)号:CN118897550A

    公开(公告)日:2024-11-05

    申请号:CN202410944693.3

    申请日:2024-07-15

    Abstract: 本发明一种无人艇三体追逃博弈规划与控制方法,包括以下步骤:基于目标‑防御无人艇团队输入约束、目标无人艇合速度约束、目标‑防御无人艇团队初始状态约束、目标‑防御无人艇团队状态约束及目标‑防御无人艇团队代价函数构建目标‑防御无人艇团队博弈策略,输出目标无人艇纵荡速度信息、目标无人艇横荡速度信息和防御无人艇的角速度信息;设计航向自抗扰动力学控制器,基于目标无人艇控制输入力矩实现目标无人艇逃脱攻击无人艇的追逃控制;设计艏摇角速度自抗扰动力学控制器,设计纵荡速度自抗扰动力学控制器,基于防御无人艇控制输入力、防御无人艇控制输入力矩实现防御无人艇对攻击无人艇的拦截控制,该方法有较高的鲁棒性和稳定性。

    基于在线深度学习的无人船轨迹跟踪控制器及控制方法

    公开(公告)号:CN117031957A

    公开(公告)日:2023-11-10

    申请号:CN202311083403.2

    申请日:2023-08-25

    Abstract: 本发明提供了一种基于在线深度学习的无人船轨迹跟踪控制器及控制方法,涉及无人船控制技术领域,在线深度学习船舶动态模型接收当前时刻动态数据集收集的数据并输出DNN学习的动态模型至扩张状态观测器和动态控制器;扩张状态观测器接收当前时刻的DNN学习的动态模型和无人船实际速度信息并输出DNN逼近误差的估计值至动态控制器;动态控制器接收DNN逼近误差的估计值、给定参考轨迹位置信息、无人船实际位置信息、无人船实际速度信息、当前时刻的DNN学习的动态模型并输出控制输入向量的导数至被控无人船的数学模型。本发明所设计的在线深度学习控制方法通过使用扩张状态观测器来估计DNN的逼近误差,保证了DNN学习过程中网络输入信息的准确性,使DNN能够快速捕获模型特征。

Patent Agency Ranking