申请/专利权人:南京理工大学
申请日:2023-08-23
公开(公告)日:2024-04-09
公开(公告)号:CN117850218A
主分类号:G05B13/04
分类号:G05B13/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.26#实质审查的生效;2024.04.09#公开
摘要:本发明为一种基于DDPG的两栖无人平台路径跟踪控制方法。包括如下步骤:1建立两栖无人平台四自由度运动学与动力学模型;2基于运动学与动力学模型,构建基于actor‑critic的神经网络模型;采集两栖无人平台状态信息St和动作信息Ft,设置奖励函数rt,计算t+1时刻的状态信息St+1,储存为经验数据;3选取训练数据,采用DDPG算法训练神经网络模型,更新模型参数;4基于神经网络模型控制两栖无人平台路径运动,并通过不断更新两栖无人平台的位置,实现路径跟踪。本发明采用基于DDPG的两栖无人平台路径跟踪控制方法,使得两栖无人平台系统能够动态自适应调节,克服水下机器人运动控制时水动力参数不确定性带来的影响,提高路径跟踪的精度。
主权项:1.基于DDPG的两栖无人平台路径跟踪控制方法,其特征在于,包括如下步骤:步骤1:建立两栖无人平台四自由度运动学与动力学模型;步骤2:基于步骤1的运动学与动力学模型,构建基于actor-critic的神经网络模型;采集两栖无人平台状态信息St和动作信息Ft,设置神经网络模型的奖励函数rt,计算t+1时刻的状态信息St+1,并储存为经验数据St,Ft,rt,St+1),存入经验回放缓存R中;步骤3:从储存的经验数据中选取训练数据,采用DDPG算法训练基于actor-critic的神经网络模型,更新神经网络模型参数;步骤4:基于神经网络模型控制两栖无人平台路径运动,并通过不断更新两栖无人平台的位置,实现路径跟踪。
全文数据:
权利要求:
百度查询: 南京理工大学 基于DDPG的两栖无人平台路径跟踪控制方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。