基于深度强化学习的水面无人艇路径跟踪方法.pdf
子安****吖吖
亲,该文档总共34页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于深度强化学习的水面无人艇路径跟踪方法.pdf
本发明具体涉及基于深度强化学习的水面无人艇路径跟踪方法,包括:将目标无人艇的路径跟踪问题转换为马尔可夫决策过程,设置对应的状态空间、动作空间和奖励函数;获取目标无人艇的规划路径;根据目标无人艇的规划路径结合实时位姿信息计算参考航向角;然后基于目标无人艇的参考航向角、实时位姿信息和环境干扰信息生成目标无人艇当前的状态值;将目标无人艇当前的状态值输入经过训练的策略模型中,输出最优的动作值;策略模型基于柔性演员评论家算法构建;将最优动作值发送给目标无人艇执行;直至完成规划路径的跟踪控制。本发明无需进行环境和无人
一种基于改进EMPC的高速无人艇路径跟踪控制方法.pdf
本发明公开了一种基于改进EMPC的高速无人艇路径跟踪控制方法,包括如下步骤:步骤1:构建欠驱动水面高速无人艇的基础模型和坐标系;步骤2:在制导方法中,结合当前船速通过动态视线法对LOS前视园半径进行优化,在优化后的LOS前视园半径基础上结合横侧偏差率获取期望航向角;步骤3:在EMPC控制器离线状态中,通过白鹭群优化算法,对离线状态下的各个状态分区进行最优控制律求解,得到各个状态分区及对应分区上的线性控制律;步骤4:在EMPC控制器在线状态中,通过可达分区查找法查找步骤3中获得的对应分区上的线性控制律,控制
基于深度强化学习的无人车充电路径规划方法.pdf
本发明设计了一种利用深度强化学习模型GraphAttentionbasedPointerNetwork(GAPN)为无线传感器网络中的无人车向传感器节点进行充电的路径规划方法。流程包括如下步骤:(1)收集无线传感网络中每个节点<base:Imagehe=@17@wi=@15@file=@DEST_PATH_IMAGE002.JPG@imgContent=@drawing@imgFormat=@JPEG@orientation=@portrait@inline=@yes@/>的位置坐标信息<base:Ima
一种基于智能预测控制的水面无人船路径跟踪方法.pdf
本发明针对水面无人船的欠驱动性和受时变风浪流扰动对其操纵性的影响,公开了一种基于智能预测控制的水面无人船路径跟踪方法。针对上电期间,数据偏差较大和高速航行时,陀螺仪出现数据漂移的问题。本发明提出数据融合算法,设置阈值增量约束改进了互补滤波算法,提高导航数据精度。针对无人船在恶劣环境下容易受到干扰,船体发生较大抖动,进入接纳圆时出现转向提前或滞后的问题。本发明提出自适应视线法,自动调整接纳圆半径,使无人船有充分时间调整航向,平缓的完成转向动作,避免偏离目标路径。针对模型预测控制器中用传统目标函数求解精度不高
一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法.pdf
本发明公开了一种基于自适应布谷鸟搜索算法的水面无人艇路径规划方法,属于水面无人艇路径规划技术领域。首先构建USV规划路径,初始化参数;每个鸟窝位置在自由栅格中开始迭代,选出初始全局最优鸟窝位置。对其余鸟窝逐个进行更新,得到新的一组鸟窝位置,用评价函数逐个测试每个鸟窝的路径长度,分别计算各鸟窝的当代布谷鸟的鸟蛋被巢主鸟发现概率;然后逐个选取鸟窝位置,随机产生一个服从均匀分布的随机数,若小于发现概率,保留当前鸟窝为当代的最终鸟窝位置,与初始全局最优鸟窝位置组合,重新选出第t+1代全局最优鸟窝位置。重复迭代,直