一种基于DDPG-DKNN的无人潜器路径跟踪方法

    公开(公告)号:CN120029289A

    公开(公告)日:2025-05-23

    申请号:CN202510170922.5

    申请日:2025-02-17

    Applicant: 海南大学

    Abstract: 本发明涉及海洋智能系统技术领域,具体涉及一种基于DDPG‑DKNN的无人潜器路径跟踪方法,包括:实时采集无人潜器的航行指标,并以此构建DDPG算法的状态空间。基于双层网络架构,在Actor网络中生成动作策略,采用Critic网络评估其值函数,为策略的优化提供反馈。引入DKNN算法,在重播缓冲区中选择与当前状态最相似的样本,优化经验回放过程,增强算法的泛化能力。基于均方误差计算Critic网络的损失函数,采用随机梯度下降法迭代更新参数,不断提高网络的评估精度。基于DDPG‑DKNN算法实时生成控制策略。与现有技术相比,本发明具有提高无人潜器的路径跟踪精度等优点。

    一种无人潜器的自适应航迹控制方法

    公开(公告)号:CN119882790A

    公开(公告)日:2025-04-25

    申请号:CN202510007917.2

    申请日:2025-01-03

    Applicant: 海南大学

    Abstract: 本发明涉及海洋智能系统技术领域,尤其涉及一种无人潜器的自适应航迹控制方法,该方法通过实时采集无人潜器在复杂海洋环境中的运行参数,基于DUAE算法自适应地提取参数的关键特征,并将其作为IDDPG算法的状态空间。通过在IDDPG算法中引入连续的高斯噪声,有效提高控制策略的探索性,从而避免陷入局部最优解。采用小批次随机采样的方式从重播缓冲区中采集样本,降低样本间的相关性,并通过软更新方法防止目标网络发生过拟合。基于IDDPG算法实时生成自适应航迹控制策略,确保无人潜器高精度地完成航迹跟踪任务。与现有技术相比,本发明具有提高了无人潜器的航迹跟踪精度和任务执行效率等优点。

    一种无人水面艇的自适应航迹控制方法

    公开(公告)号:CN117111594B

    公开(公告)日:2024-04-12

    申请号:CN202310530731.6

    申请日:2023-05-12

    Applicant: 海南大学

    Abstract: 本发明涉及一种无人水面艇的自适应航迹控制方法,包括:针对复杂环境下无人水面艇运行数据具有时变性和高度非线性的特点,基于Peephole LSTM方法,通过引入常量误差传输子来学习无人艇航行数据的非线性特征,挖掘数据间的时序规律,形成无人艇的状态空间。基于深度强化学习DDPG算法对无人水面艇进行实时自适应航迹控制,通过构建双层网络架构,使用最大化全局的奖励来调整优化网络的动作策略。采用经验回放技术,将每一时刻的样本存储于重播缓冲区中,通过非均匀小批次抽样,降低样本间的相关性。通过迭代计算损失函数,来定期更新目标网络的参数。与现有技术相比,本发明具有提高了无人水面艇的航行效率和安全性等优点。

    一种基于UAE-DDQN的无人船航向控制方法

    公开(公告)号:CN117311364A

    公开(公告)日:2023-12-29

    申请号:CN202311456014.X

    申请日:2023-11-03

    Applicant: 海南大学

    Abstract: 本专利涉及一种基于UAE‑DDQN的无人船航向控制方法,包括:在复杂海况下实时采集无人水面艇的航行数据,使用欠完备自编码器UAE将指标集输入至隐藏层中,提取最显著特征,并将之作为深度强化学习DDQN(Dueling Deep‑Q Network)的状态空间。基于DDQN对无人艇进行智能航向控制,使用状态值函数和行动优势函数来计算值函数。将预测网络和目标网络相结合,加速模型的收敛性能。从优先重播缓冲区中进行小批次采样,采集先前时刻的状态、动作值和奖励值进行计算,防止网络发生过拟合。基于预测网络输出的值函数,不断优化智能航向控制策略。本发明具有提高了无人水面艇的航行效率和安全性等优点。

    基于trot步态的十六自由度四足机器人运动控制方法

    公开(公告)号:CN117032290A

    公开(公告)日:2023-11-10

    申请号:CN202311119587.3

    申请日:2023-08-31

    Applicant: 海南大学

    Abstract: 本发明涉及一种基于trot步态的十六自由度四足机器人运动控制方法,方法包括:获取对应的步态时序图;根据建立的十六自由度四足机器人运动学模型获取当前时刻的位姿对应的速度,同时获取期望位姿;根据当前时刻的位姿对应的速度,通过比例‑微分算法求解当前时刻的位姿的支撑相和摆动相的二阶导数;根据建立的十六自由度四足机器人动力学模型,将支撑相和摆动相的二阶导数转化为达到期望位姿的关节扭矩,并执行关节扭矩,循环上述步骤。与现有技术相比,本发明具有实现十六自由度的机器人控制,优化扭矩分配等优点。

    一种异构海洋机器人的动态交会控制方法

    公开(公告)号:CN119882791A

    公开(公告)日:2025-04-25

    申请号:CN202510055859.0

    申请日:2025-01-14

    Applicant: 海南大学

    Abstract: 本发明涉及异构体控制技术领域,尤其涉及异构海洋机器人的动态交会控制方法,包含以下步骤:将无人艇和无人潜器的动力学模型重构成端口哈密顿能量结构;对无人潜器的上浮深度施加期望的性能约束;构造无人艇和无人潜器的期望能量配置函数,获得期望端口哈密顿能量结构;无人潜器的控制器实时调节动能的注入速率使其实际动能达到期望动能;控制器实时调节动能的注入速率使无人艇逐渐靠近无人潜器的位置,实现动态交会;实时调节对模型中不可测恒定参数估计值的变化速率,实现对不可测恒定参数的无偏辨识;与现有技术相比,本发明提出的控制方法能够实现高效、稳定且安全的无碰撞动态交会,具有良好的应用前景。

    基于ACO-DDPG的无人潜器路径规划方法及介质

    公开(公告)号:CN118838385A

    公开(公告)日:2024-10-25

    申请号:CN202410859482.X

    申请日:2024-06-28

    Applicant: 海南大学

    Abstract: 本发明涉及一种基于ACO‑DDPG的无人潜器路径规划方法及介质,包括:实时获取无人潜器的坐标点和任务完成点;初始化参数,将K只蚂蚁放在起始点上;蚂蚁根据启发式信息和由信息素启发因子控制的信息素浓度计算概率选取下一坐标点,其中,采用DDPG算法对信息素启发因子进行实时优化,DDPG算法将信息素浓度作为状态空间,将平均路径延误时间作为奖励函数;到达选取的下一坐标点,并将其存储在禁忌表中,当所有蚂蚁达到下一坐标点后,按照信息素更新规则对蚂蚁走过的所有路径进行更新;重复步骤后两个步骤,直至所有蚂蚁达到终止点。与现有技术相比,本发明具有提高无人潜器的航行效率和安全性等优点。

    一种无人水面艇的自适应航迹控制方法

    公开(公告)号:CN117111594A

    公开(公告)日:2023-11-24

    申请号:CN202310530731.6

    申请日:2023-05-12

    Applicant: 海南大学

    Abstract: 本发明涉及一种无人水面艇的自适应航迹控制方法,包括:针对复杂环境下无人水面艇运行数据具有时变性和高度非线性的特点,基于Peephole LSTM方法,通过引入常量误差传输子来学习无人艇航行数据的非线性特征,挖掘数据间的时序规律,形成无人艇的状态空间。基于深度强化学习DDPG算法对无人水面艇进行实时自适应航迹控制,通过构建双层网络架构,使用最大化全局的奖励来调整优化网络的动作策略。采用经验回放技术,将每一时刻的样本存储于重播缓冲区中,通过非均匀小批次抽样,降低样本间的相关性。通过迭代计算损失函数,来定期更新目标网络的参数。与现有技术相比,本发明具有提高了无人水面艇的航行效率和安全性等优点。

    一种无人水面艇的航行态势估计方法

    公开(公告)号:CN116659509A

    公开(公告)日:2023-08-29

    申请号:CN202310650103.1

    申请日:2023-05-31

    Applicant: 海南大学

    Abstract: 本发明公开了一种无人水面艇的航行态势估计方法,包括:监测无人水面艇航行时产生的高维时变性数据,使用熵权法对航行态势估计指标集进行度量,基于熵值判断各个指标的离散程度。基于ST‑LSTM网络估计复杂海况下无人艇的航行态势,通过将神经网络的遗忘门扩展到时间域和空间域,来实时处理输入数据与航行态势相关的信息,学习航行数据的时序相关性和可靠性,更新存储在记忆单元中信息的权值。基于ST‑LSTM网络处理并分析无人水面艇的时变性数据,来实时估计无人水面艇的航行态势。本发明具有提高了无人水面艇的任务执行效率和航行安全性等优点。

Patent Agency Ranking