多个无人水下航行器系统的无干扰优化目标分配和运动规划
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
该论文采用一种基于共识的优化协调协议和鲁棒控制器,通过引入球面坐标变换和分布式优化运动协调策略解决了非完整约束问题,并设计了基于神经动力学的鲁棒反馈控制器来处理欠驱动问题,确保在存在未知干扰情况下,UUVs 编队系统的稳定性和所有状态的一致有界性。通过广泛的仿真比较,验证了所得到的最优编队跟踪协议的优越性和有效性。
Aug, 2023
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
本研究探讨了在无人水下器(UUV)的设计过程中,采用计算流体动力学(CFD)与基于深度神经网络(DNN)的代理模型相结合,通过贝叶斯优化(BO)实现高效样本及快速数据驱动的 UUV 设计优化问题,结果表明,BO LCB 算法是最具高效的优化框架,DNN 代理模型可以实现计算的极速提升与相关精度的优化。
Apr, 2023
通过测量地磁数据,该研究构建和训练了一种基于时间注意力的长短期记忆网络,用于长距离水下导航,并通过最大似然估计检测并量化地磁异常,以提高导航的准确性和稳定性。
Feb, 2024
研究论文探讨了人工智能技术在无人机飞行轨迹生成中的应用。研究主要关注准确预测无人机路径和高效避免碰撞所面临的挑战,通过系统地应用多样化的激活函数于单隐藏层前馈神经网络,提高了路径预测准确性。同时,提出了一种新的激活函数 “AdaptoSwelliGauss”,将 Swish 和 Elliott 激活函数与高斯分量相融合,用于无人机轨迹复杂性的捕捉。此外,提出了综合的碰撞检测、避免和分组策略,通过改变无人机轨迹和起飞时间来避免碰撞,克服了两种策略各自的不足。
May, 2024
本文提出了一种合作卸载框架,通过船舶和无人机协作来处理海事任务卸载问题,并使用马尔科夫决策过程来最小化总执行时间和能源成本,通过 Lyapunov 优化将长期限制转化为短期限制,并提出了一种基于 Q-learning 的方法来有效地解决短期问题。
Feb, 2023
该论文提出了一种名为 oHJB 的神经网络辅助远程无人机在线控制算法,通过解决 HJB 方程,该算法能够实时产生最佳控制动作,从而减少了无人机的行程时间和能量消耗。
Oct, 2019
本文研究了基于多架无人机构成的无线通信系统,通过优化多用户通信调度与关联,无人机的轨迹与发射功率控制,最大程度地提高地面用户的最小吞吐量。提出了适用于非凸优化问题的迭代算法,实现了用户调度、无人机轨迹和发射功率的交替优化,并对问题的收敛性和复杂度进行了分析。仿真结果表明,与其他基准方案相比,该优化设计能极大地提升吞吐量。
May, 2017
在此研究中,我们提出了一种针对海底人造资产稀疏环境设计的自主水下航行器的新型实时声纳全球定位算法。通过利用两种数据解释前端,并在同一声纳数据流中合并这些观测结果,我们的方法在粒子滤波器内加权高概率区域的粒子或解决对称模糊。在模拟环境中进行了初步实验,结果显示出良好的前景。这项工作为将来的方法发展和在实际情况下的全面评估奠定了基础。
May, 2024