基于深度学习的无人艇目标探测与自主识别系统和方法

    公开(公告)号:CN116188963A

    公开(公告)日:2023-05-30

    申请号:CN202211432945.1

    申请日:2022-11-16

    Abstract: 本发明提出一种基于深度学习的无人艇水下目标探测与自主识别系统和方法,包括水下目标探测系统、船载分布式目标自主识别系统和自动布放回收系统;利用前视声纳和合成孔径声纳感知水下环境,生成高分辨率图像数据;利用光纤拖缆将探测数据上传至船载分布式目标自主识别模块;利用深度学习算法对探测的数据进行目标自主识别;利用显控软件对探测数据和目标识别结果进行显示;利用自动布放装置对拖体进行自动释放与回收。通过三个系统模块的协同配合,实现水面无人艇的高精度自主探测识别功能,为水面无人艇水下探测识别提供一种新的解决方案。

    一种面向无人艇动态回收的视觉导引方法

    公开(公告)号:CN116149316A

    公开(公告)日:2023-05-23

    申请号:CN202211470319.1

    申请日:2022-11-22

    Abstract: 本发明提出了一种面向无人艇动态回收的视觉导引方法,通过检测部署于母船上的视觉导引信标,并结合母船以及无人艇的航姿数据,解算出无人艇与母船的横向及纵向距离,从而自动调节无人艇的目标航迹,无人艇利用航迹跟踪算法完成航迹调整,最终保持在预定的回收位置。本发明通过利用视觉导引的方式,使无人艇自主保持与母船的相对位置关系。本发明以自主的方式控制无人艇进入母船的回收位置,无需人工参与,无需中断母船的航行任务。采用视觉引导,实施成本低,且不受外界的电磁干扰,能够在电磁静默或电磁干扰等对抗环境下正常工作。

    基于深度强化学习的半潜式无人艇定深控制方法及装置

    公开(公告)号:CN117826846A

    公开(公告)日:2024-04-05

    申请号:CN202311560671.9

    申请日:2023-11-20

    Abstract: 本发明公开了一种基于深度强化学习的半潜式无人艇定深控制方法及装置,所述方法包括:构建半潜式无人艇在垂直面的二维运动模型,二维运动模型表征了所述半潜式无人艇的控制器发出的控制动作、环境信息与半潜式无人艇的运动状态的对应关系;由半潜式无人艇的控制动作、环境信息与对应的所述半潜式无人艇的运动状态组成训练数据,对DQN网络模型进行训练,得到训练完毕的DQN网络模型;半潜式无人艇使用自身的传感器采集半潜式无人艇当前状态和环境信息,提取特征向量输入训练完毕的DQN网络模型,输出半潜式无人艇的控制动作,基于控制动作,驱动半潜式无人艇的深度驱动装置。本方法显著提高半潜式无人艇的自主性、智能性和适应性。

    一种半潜式无人船避障方法及系统

    公开(公告)号:CN117472051A

    公开(公告)日:2024-01-30

    申请号:CN202311409478.5

    申请日:2023-10-27

    Abstract: 本发明涉及无人船自主避障技术领域,特别是涉及一种半潜式无人船避障方法及系统。包括:S1、通过激光雷达感知模块对无人船周围环境进行实时扫描,获取无人船的水上障碍物信息;S2、通过声纳模块获取无人船的水下障碍物信息;S3、通过融合模块将所述水上障碍物信息和水下障碍物信息进行融合,生成全景环境信息;S4、通过路径规划模块根据所述全景环境信息,规划所述无人船的最优的路径。本发明提出了一种能够全面感知环境、实时数据融合和智能化路径规划的半潜式无人船避障方法,以提高无人船在复杂海洋环境中的安全行驶能力。

    一种无人航行器与搭载平台水面动态对接方法

    公开(公告)号:CN116224983A

    公开(公告)日:2023-06-06

    申请号:CN202211521543.9

    申请日:2022-11-30

    Abstract: 本发明涉及一种无人航行器与搭载平台水面动态对接方法,属于水上无人航行器对接回收技术领域。该方法包括无人航行器按照预设航路追及搭载平台阶段,无人航行器基于其与搭载平台之间的实时相对距离和方位自主追击搭载平台阶段,无人航行器追击至搭载平台的对接位置后与搭载平台保持同速同向航行阶段,利用搭载平台上安装的可伸缩的牵引杆及牵引杆端部通过绳索连接的编织网实现无人航行器与搭载平台的对接,之后无人航行器停机并依赖搭载平台拖带航行。本发明所述方法涉及的搭载平台结构简单,对接操作简便,自主化程度高,对接效率高,对接精度高,实现了水面及水下无人航行器的自主对接,具有很好的应用前景。

    基于马尔科夫决策过程的水下声呐小目标检测方法

    公开(公告)号:CN116152648A

    公开(公告)日:2023-05-23

    申请号:CN202211459901.8

    申请日:2022-11-16

    Abstract: 本发明提出一种基于马尔科夫决策过程的水下声呐小目标检测方法,该方法包含以下步骤:构建基于深度学习的多尺度目标检测模型,为特征金字塔网络设置动态融合权重系数,为损失函数中各尺度初始化权重系数;定义目标检测模型的状态空间S、状态转移概率P、奖励值R;定义动态特征融合的动作集合A和策略π;定义补偿尺度训练的动作集合A'和策略π';开始训练,在每一时刻计算状态和奖励;根据所得概率对当前时刻的权重值进行更新;计算总体损失进行反向传播更新模型参数,直至训练结束,生成目标检测模型;本发明在水下声呐小目标检测任务中取得了良好的检测精度。

Patent Agency Ranking