龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：杭州电子科技大学
申请日：2024-01-29
公开（公告）日：2024-05-10
公开（公告）号：CN118011807A
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：2024.05.28#实质审查的生效;2024.05.10#公开
摘要：本发明公开了基于滑模和强化学习的AUV环境最优定位控制方法。通过使用强化学习设计神经网络使水下机器人从环境中学习，不依赖先验知识和精确的数学模型，对滑模控制中的未知部分进行补偿，大幅提高传统滑模的精度和鲁棒性，实现复杂海流环境中水下机器人环境最优艏向定位控制。本发明神经网络模型可以逼近任意非线性函数，涵盖可能出现每一个状态值，提高水下机器人的学习效率和控制精度。利用环境最优艏向定位控制进行悬停，使欠驱动水下机器人艏向始终指向预定虚拟圆心，可以顶住洋流，有效降低能耗。
主权项：1.基于滑模和强化学习的AUV环境最优定位控制方法，其特征在于，包括以下步骤：步骤1：对欠驱动水下机器人在复杂海流环境中的运动进行建模，建立引入海流干扰的运动学模型和动力学模型；步骤2：基于运动学模型和动力学模型，结合环境最优艏向原理，设计水下机器人位置和姿态滑模控制器；步骤3：对位置和姿态滑模控制器中的未知干扰部分使用强化学习补偿，建立水下机器人与环境交互的马尔可夫决策模型，定义相关状态空间、动作空间和奖励函数；步骤4：建立Actor和Critic神经网络及其各自对应的目标网络模型，采用深度确定性策略梯度算法在线训练，得到满足控制需求的控制策略；步骤5：将训练得到的控制策略作为强化学习策略，输出动作值作为干扰补偿提供给位置和姿态滑模控制器，滑模控制器输出控制律实现环境最优艏向定位控制。
全文数据：
权利要求：
百度查询： 杭州电子科技大学 基于滑模和强化学习的AUV环境最优定位控制方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号