Aug, 2023

利用模型预测路径积分控制增强 AUV 自主性

PDF
TL;DR自主水下航行器（AUV）在测量海洋环境、进行水下检查任务和海洋探索方面发挥着关键作用。本研究探讨了使用模型预测路径积分控制（MPPI）对 AUV 进行控制的可行性，并对主要超参数对 MPPI 控制器性能的影响进行了详细评估。同时，我们将所提出方法与经典的 PID 和级联 PID 方法进行了比较，证明了我们提出的控制器的优越性。最后，我们加入了环境约束并展示了 MPPI 如何通过将这些约束整合在成本函数中来处理它们。
发现论文，激发创造
  • 使用协方差变量重要性采样的模型预测路径积分控制

    本文发展了一种基于广义重要性抽样方案的模型预测路径积分 (MPPI) 控制算法，并使用图形处理器 (GPU) 进行均衡优化。该广义重要性抽样方案允许在随机扩散过程的漂移和扩散项中进行变化，并在模型预测控制算法的性能中发挥重要作用。本研究在仿真中将所提出的算法与微分动态规划的模型预测控制版本进行了比较。

    Sep, 2015

  • 复杂未知杂乱环境下的 GP 引导 MPPI 高效导航

    GP-MPPI 是基于在线学习的控制策略，将 MPPI 与基于稀疏高斯过程（SGP）的局部感知模型相结合，通过构建方差表面来引导机器人在未知、杂乱环境中进行自主导航，确保机器人安全到达目标并避开障碍物。

    Jul, 2023

  • 基于交叉熵深度学习的 PID 调参：一种李雅普诺夫稳定性分析

    研究论文提出了一种基于学习的自适应控制系统，使用交叉熵深度学习方法确定自适应参数，并通过实验和指标对其稳定性进行了研究。

    Apr, 2024

  • 基于自适应模型预测控制的轮式移动机器人控制

    本文演示了一种基于自适应模型预测控制框架的控制算法，用于引导具有未知惯性的两轮移动机器人以一定方向到达目标点，其中使用了递归最小二乘算法更新了一组标称参数。

    Jan, 2022

  • 基于数据驱动的多目标振翅式无人水下机器人控制系统的机器学习模型

    利用时间序列神经网络代替推进力学模型，开发搜索式反向模型控制系统，以多个目标为目标，找到一组鳍动力学参数，并演示了如何集成此模型来进行在线控制。

    Sep, 2022

  • 面向控制的域感知神经网络模型用于自主水下车辆

    本文介绍了利用已知系统结构和先前的物理知识创造受约束的深度神经动力系统模型的具有不同程度领域知识的控制定向参数模型。使用通用微分方程构造了 AUV 动力学的数据驱动的黑盒和灰箱表示，评估了不同初始条件和控制输入的学习模型的预测性能，以评估其准确性，泛化性和控制适用性。

    Aug, 2022

  • 基于 AutoRally 车辆和微分博弈的自主赛车

    论文采用微分博弈论扩展了模型预测路径积分控制（MPPI），并引入最佳响应 MPPI（BR-MPPI）以应对实时多车交互，实验结果表明 BR-MPPI 在与熟练的人类驾驶员竞争的情况下能够在二个 AutoRally 平台的赛道上实现较好的效果。

    Jul, 2017

  • 面向水下无人机在水流干扰下的自适应控制参数的虚实转换

    利用学习驱动的自适应控制方法，结合基于模型的控制架构以及最大熵深度强化学习框架，提出了一种适应控制器的创新方法，通过生物启发的经验回放机制、增强的领域随机化技术和在物理平台上的评估协议来实现仿真到真实的迁移策略，实验证明该方法能够从 AUV 的次优仿真模型中学到有效的策略，并在实际环境中将控制性能提高 3 倍。

    Oct, 2023

  • 一种基于模糊逻辑的级联控制方法，适用于无人水下车辆轨迹跟踪系统且不受执行机构饱和的影响

    该研究提出了一种智能控制策略，旨在消除无人水下车辆轨迹跟踪过程中存在的执行器饱和问题。

    Oct, 2022

  • 一种生物启发的神经动力学辅助无人水下航行器的混合跟踪控制策略

    该研究论文提出了一种基于仿生神经动力学模型的新型混合控制策略，以提高无人水下车辆的跟踪控制，将改进后的后向运动学控制策略与新型滑模控制相结合，以实现控制信号的平滑性，这在无人水下车辆的实际应用中尤为重要。

    Sep, 2022