-
公开(公告)号:CN118968274A
公开(公告)日:2024-11-15
申请号:CN202410974914.1
申请日:2024-07-19
Applicant: 海南大学
Abstract: 本发明涉及一种基于轻量化改进Yolov8的水下移动目标检测方法及系统,该方法包括:实时获取水下图像输入预先训练好的轻量化目标检测模型中进行水下移动目标检测,输出检测结果,其中,轻量化目标检测模型采用改进的Yolov8模型进行训练,轻量化目标检测模型包括骨干网络、轻量级跨尺度特征融合模块和新型动态检测头;轻量化目标检测模型的执行步骤包括:将水下图像输入骨干网络中,得到不同尺度的特征图;将不同尺度的特征图输入轻量级跨尺度特征融合模块进行逐步融合,生成富含全局和局部的融合特征;将富含全局和局部的融合特征输入新型动态检测头进行检测,输出检测结果。与现有技术相比,本发明具有提升检测精度等优点。
-
公开(公告)号:CN118195085A
公开(公告)日:2024-06-14
申请号:CN202410406933.4
申请日:2024-04-07
Applicant: 海南大学
IPC: G06Q10/04 , G06Q10/063 , G06Q50/26
Abstract: 本发明涉及一种基于后悔值策略梯度的水面无人艇集群对抗策略优化方法,首先,为满足无人艇集群对抗的要求,设计合适的对抗场景,并制定合理的奖励函数对无人艇的决策进行评价。然后,采用一种后悔值策略梯度算法,将优势值式样的后悔值与强化学习中的策略梯度相结合,以改进策略网络参数的更新方式,从而提高决策效率。最后,与部署传统演员‑评论家算法策略的无人艇进行对抗演练,并评估无人艇集群对抗的性能表现。本发明的策略优化方法具备泛化能力,能够适用于不同类型无人艇集群、应对不同对抗环境,并实现多样化的任务目标。
-
公开(公告)号:CN118192635A
公开(公告)日:2024-06-14
申请号:CN202410407734.5
申请日:2024-04-07
Applicant: 海南大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明涉及一种基于ETM‑MDQN的无人机自适应路径规划方法、装置及介质,其中方法包括以下步骤:构建深度强化学习MDQN网络,将无人机路径规划问题建模为马尔可夫决策过程;根据无人机与障碍物的实际距离状态和状态变化误差设定事件触发机制的触发条件,当满足预设的事件触发条件时更新无人机的动作策略和MDQN网络的Q值;通过最小化损失函数优化MDQN网络的参数;利用优化后的MDQN网络进行实时无人机自适应路径规划。与现有技术相比,本发明充分利用计算资源,考虑了未来多个时间步的奖励,提高了复杂环境下路径规划策略的鲁棒性和有效性。
-
公开(公告)号:CN119396141A
公开(公告)日:2025-02-07
申请号:CN202411452632.1
申请日:2024-10-17
Applicant: 海南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及无人艇轨迹跟踪技术领域,尤其涉及一种基于自适应动态事件触发的无人艇轨迹跟踪控制方法,建立了无人艇的运动学模型、期望轨迹和位置误差动态方程。结合动态事件触发机制和自适应动态规划,给出了含有动态事件触发控制律的代价函数和Hamilton函数,减少了无人艇控制器的资源消耗。利用了神经网络良好的非线性逼近能力,近似获取未知的代价函数与最优控制律。将计算得到的最优控制律应用于无人艇的控制系统,驱动无人艇按照预定的轨迹进行精确跟踪。本发明提出的方法能够有效提高无人艇轨迹跟踪的精度,节省系统计算和通信资源。
-
公开(公告)号:CN118192584A
公开(公告)日:2024-06-14
申请号:CN202410406939.1
申请日:2024-04-07
Applicant: 海南大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明涉及一种基于MPC‑NDQN的无人机着艇方法、设备、介质,方法包括如下步骤:通过构建无人机动力学模型,得到基于输入控制量和状态变量的离散化的线性状态空间方程,通过MPC得到未来一段时间内的着艇轨迹;基于着艇轨迹,利用NDQN更新噪声网络的网络参数;基于更新后的噪声网络得到最优动作,实现无人机飞行姿态的控制,NDQN中,以无人机的位姿和降落点的坐标作为状态空间,以无人机的飞行姿态作为动作空间,以着艇轨迹跟踪率作为奖励函数,且采用计及新老信息置信度和远见程度的价值函数。NDQN网络中带有标准正态分布的噪声,能在训练时产生一定的随机性,因此无人机即使在不确定的环境下也能精准跟踪最优着艇轨迹。
-
-
-
-