CN107065860A - 一种面向渔业捕捞的无人船群协同自组织作业系统及方法 - Google Patents
一种面向渔业捕捞的无人船群协同自组织作业系统及方法 Download PDFInfo
- Publication number
- CN107065860A CN107065860A CN201710103730.8A CN201710103730A CN107065860A CN 107065860 A CN107065860 A CN 107065860A CN 201710103730 A CN201710103730 A CN 201710103730A CN 107065860 A CN107065860 A CN 107065860A
- Authority
- CN
- China
- Prior art keywords
- unmanned boat
- collaboration
- group
- organizing
- fishery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Abstract
本发明公开了一种面向渔业捕捞的无人船群协同自组织作业系统及该系统的实现方法,所述方法包括:通过无人船群协同自组织作业系统建立一个无人船群协同自组织捕捞作业机制;采用主无人船和从无人船式协同导航定位技术对无人船群进行精确定位;根据作业区域和作业环境,制定协同搜索策略和协同路径跟踪策略,并根据策略完成探鱼、追踪鱼群、拖网和收网作业。本发明基于无线电台的无线通信系统和基于CAN总线的多传感器集成测控系统,每艘无人船通过传感器集成系统收集环境以及位置信息,再通过通信系统交流数据并进行协同控制。
Description
技术领域
本发明涉及群体协同自组织技术领域,尤其涉及一种面向渔业捕捞的无人船群协同自组织作业系统及方法。
背景技术
在当前,渔业仍然是全球亿万人民的重要食物、营养、收入和生计的来源。然而,我国在渔船方面的技术仍落后于其他渔业强国,即使拥有良好的渔业资源,落后的技术始终限制着我国渔业的发展。所以,为加快渔业发展,实现渔业智能化和现代化,增强我国渔业的国际竞争力,必须加大渔船技术的研究力度。针对渔船作业,人们最关注的是安全问题。据统计,在1999-2008的10年间,我国平均每年每10万渔船渔民中有160死于各种事故,其中90%的事故为作业事故。不仅如此,在国际海事界公认,有80%的海上事故是人为因素造成的,这些因素包括船员由于心理或者生理的各种因素,导致船员做出错误判断或者操作失误,还有船员的综合素质不高,也容易造成事故。如今人工智能的发展越来越火热,若将无人技术应用于渔业,实现渔船无人作业,将能够保障渔民的生命安全,减少渔船安全事故,从而实现渔业的安全生产,减少财产损失,同时还能够提高作业效率,对渔业的发展大有帮助。
面对不同渔业捕捞作业过程,对无人船的要求也各不相同,比如探鱼需要灵活性较好的的无人船,拖网则需要拖载能力强的无人船,而单艘无人船作业的能力有限,其优势无法兼顾所有作业过程,若将多艘功能不同无人船联合在一起,构成一个协同自组织作业系统,使功能不同的无人船能够协同自组织作业,将能够大幅度提高无人船的捕捞作业效率,所以,针对单艘无人船无法克服自身局限性、功能单一、作业能力差等缺点,研究无人船群的协同自组织系统对渔业的发展有重大意义。
发明内容
为解决上述技术问题,本发明的目的是提供一种面向渔业捕捞的无人船群协同自组织作业系统及方法。
本发明的目的通过以下的技术方案来实现:
一种面向渔业捕捞的无人船群协同自组织作业系统,包括:基于无线电台的无线通信系统和基于CAN总线的多传感器集成测控系统;
基于无线电台的无线通信系统,用于各无人船之间完成数据交流,并且由协同控制平台完成协同自组织作业控制;
基于CAN总线的多传感器集成测控系统,用于将无人船间的数据使用CAN协议,并经过CAN总线传输至控制器。
一种面向渔业捕捞的无人船群协同自组织作业系统实现方法,包括:
步骤A通过无人船群协同自组织作业系统建立一个无人船群协同自组织捕捞作业机制;
步骤B采用主无人船和从无人船式协同导航定位技术对无人船群进行精确定位;
步骤C根据作业区域和作业环境,制定协同搜索策略和协同路径跟踪策略,并根据策略完成探鱼、追踪鱼群、拖网和收网作业。
与现有技术相比,本发明的一个或多个实施例可以具有如下优点:
通过一种面向渔业捕捞的无人船群协同自组织作业系统,建立面向渔业捕捞的无人船群协同自组织作业的机制,通过无人船群协同作业识别模型识别出无人船群组合最优状态,捕捞作业过程采用最优的协同搜索策略和协同路径跟踪策略,快速搜索鱼群及快速围捕,使捕捞作业实现智能化。
附图说明
图1是本发明面向渔业捕捞的无人船群协同自组织作业系统的实施例图;
图2是本发明面向渔业捕捞的无人船群协同自组织作业系统的无人船控制系统框图;
图3为面向渔业捕捞的无人船群协同自组织作业系统实现方法图;
图4是本发明面向渔业捕捞的无人船群协同自组织作业机制例图;
图5是本发明面向渔业捕捞的无人船群组合协同识别机理模型图;
图6是本发明面向渔业捕捞的无人船群主从式协同导航定位技术原理图;
图7是本发明面向面向渔业捕捞无人船群协同自组织作业系统在协同搜索中的策略框图;
图8a和8b是本发明面向面向渔业捕捞的无人船群协同平行搜索策略示意图;
图9a、9b、9c和9d是本发明面向面向渔业捕捞的无人船群分批次协同搜索策略示意图;
图10a和10b是本发明面向面向渔业捕捞的无人船群象限协同搜索策略示意图;
图11是本发明面向渔业捕捞的无人船群协同圆形路径跟踪策略示意图;
图12a、12b、和12c是本发明面向渔业捕捞的无人船群协同直线路径跟踪策略示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合实施例及附图对本发明作进一步详细的描述。
如图1所示,提供了一种面向渔业捕捞的无人船群协同自组织作业系统,该系统是通过面向渔业捕捞的无人船群协同自组织作业方法实施于无人船群协同自组织作业实现的,包括:基于无线电台的无线通信系统和基于CAN总线的多传感器集成测控系统;
基于无线电台的无线通信系统,用于各无人船之间完成数据交流,并且由协同控制平台完成协同自组织作业控制;
基于CAN总线的多传感器集成测控系统,用于将无人船间的数据使用CAN协议,并经过CAN总线传输至控制器。
上述基于无线电台的无线通信系统包括无线数传电台,无线图传电台,声波通信设备和天线设备;
上述基于CAN总线的多传感器集成测控系统集成于各无人船中,参见图2,包括无人船核心控制器、GPS接收机、多普勒计程仪、惯性导航设备、摄像头、探鱼仪、风速风向传感器和激光雷达。
本实施例还提供了一种面向渔业捕捞的无人船群协同自组织作业系统实现方法(如图3所示),所述方法包括以下步骤:
步骤10通过无人船群协同自组织作业系统建立一个无人船群协同自组织捕捞作业机制;
步骤20采用主无人船和从无人船式协同导航定位技术对无人船群进行精确定位;
步骤30根据作业区域和作业环境,制定协同搜索策略和协同路径跟踪策略,并根据策略完成探鱼、追踪鱼群、拖网和收网作业。
上述步骤10通过无人船群协同自组织作业系统建立一个无人船群协同自组织捕捞作业机制具体包括:参见图4,通过协同自组织作业,将协同作业策略实施于经过搜索鱼群、发现鱼群、开始围网和围网结束等四个流程,使无人船群迅速完成捕捞作业。根据无人船群捕捞作业流程,定义三类无人船,包括:①号无人船,一类搭载有高精度探鱼仪且灵活性高的无人船,在搜索鱼群时具有优势;②号无人船,一类搭载有高精度导航设备的无人船,能够精确定位鱼群和无人船群;③号无人船,一类拖载能力强的无人船,在围捕和拖网时其重要作用。
参见图5,无人船群组合协同识别机理模型,基于协同学思想的阐述,协同学在无人船组成识别可形成一个观点:“识别确定性的过程即为识别协同的过程”。系统识别协同过程即:初始状态的配置,其中也包括部分有序化的无人船子系统,属于这个子系统的序参量在竞争中取胜,最后支配整个系统并使其进入这个特定的有序状态,完成系统的宏观质变。通过识别协同,使得无人船群协同自组织捕捞作业系统从不确定状态进入确定状态中,运用了这一机理,即各种特征的集合一旦给出,序参量间互相竞争,最终具有最强初始支撑的序参量(在平衡注意参数情况下,即对应初始模最大的序参量;在不平衡注意参数情况下,不仅与序参量初始值有关,而且还与注意参数大小有关)赢得胜利,从而呈现系统原来所缺少的特征。可以看出,在识别协同之际的互补过程和系统确定化过程的联想之间有一个完全对应的关系。
该模型共分为三层:输入单元层的q(0)表示初始模式的输入,也就是每个单元接收所需要的无人船组合特征向量;中间层表示序参量ξ,第一层的每个单元通过合作将结果投射到第二层,得到序参量之后相互进行竞争,经过若干步迭代所构建的无人船群协同捕捞作业模型收敛达到稳定,即说明某个序参量役使无人船组合识别过程进入稳定状态;最后被识别出的组合特征向量被投影到第三层输出结果,所胜出的序参量即对应识别出的无人船组合状态。下面基于该模型,进行无人船群协同动力学方程的建立。
无人船群协同动力学方程的建立:
在无人船协同自组织捕捞作业时,针对不同的作业背景,最佳组合状态也不同。当搜索区域大时,需要多艘①号无人船,提高搜索效率;当作业环境复杂时,需要多艘②号无人船,提高定位精度;当鱼群较大时,需要多艘③号无人船,提高围网能力,从而获得无人船群组合的最佳状态。无人船群组合的所有模式q包含了各种组合状态,可以用公式(1)来表示:
q=(v1,v2,…,vM) (1)
其中,M为所要识别的组合状态数目,每一个组合状态可以由一个组合状态向量vk(k=1,2,...M)来进行表征,该特征向量包含了N个分量,也就是由一系列的信号特征值所构成:
其中需要满足M≤N,保证无人船组合状态的线性无关。因此,基于协同识别认知方法,通过引入伴随矢量可以将无人船组合状态识别的协同动力学方程做以下的表示:
其中,q(0)是为初始的无人船组合状态;λk是注意参数,只有当该参数为正的时候,原始的无人船组合状态才可以被识别出来;B和C为指定系数,F(t)为不确定的涨落力。在公式(3)中的可以称为学习矩阵,当注意参数λk为正值时会导致无人船组合状态q的指数增长,第二项用于对各类组合状态的识别,第三项则限制了q增长。
vk必须满足公式(4)所示的归一化和零均值条件:
之后引入序参量ξk,被定义为在最小二乘意义下于vk上的投影:
其中因此根据正交关系推导出序参量如公式(6)所示:
通过求解序参量方程式,可得到无人船群组合识别过程中演化前后的状态:
结合如下性质:
根据所构建的损伤协同动力学的演化方程,将公式(7)离散化可以得到:
其中,γ为迭代步长。通过求解动力学方程,可以得到无人船群组合识别演化前后的状态,从动力学过程对无人船群组合识别状态进行分析与处理,这就是研究无人船群组合状态协同识别的理论基础。
上述步骤20无人船群通过基于双领航者的主从式协同导航定位对无人船群以及鱼群位置进行精确定位,其原理参见图6。主从式协同导航定位兼顾了导航精度和设备成本,其中主无人船装备高精度惯性导航设备、多普勒计程仪、GPS接收机、水声通信设备等,其导航以惯性导航为主,初始位置通过GPS获得,以多普勒速度仪测量的绝对速度作为惯导外部输入,进一步提高了其进度。从无人船装备MEMS捷联航姿系统、GPS接收机、多普勒计程仪、水声通信设备等。主无人船在作业前,均通过GPS进行时间校正,以保证时间同步。在协同定位过程中,主无人船按照预先设定的时间间隔向外发送固定频率的声信号脉冲,同时广播主无人船的自身位置信息。从无人船接收到声信号脉冲及主无人船的位置信息后,由声信号脉冲解算出相对距离,再根据主无人船的位置来完成协同定位。下面介绍基于主从式协同定位导航技术,更新从无人船的位置信息。
首先建立多无人船协同导航定位的数学模型,从无人船的运动方程可表示为:
其中Vk、分别为从无人船的前向合成速度、航向角,均受高斯白噪声干扰。运动方程可简写为:
Xk+1=f(Xk,uk,wk)=Xk+Γ(uk+wk) (10)
其中,表示从无人船在tk时刻的状态;Γ(uk+wk)为非线性项,为高斯白噪声,且:
从无人船的位置与主无人船之间的关系为:
其中为(X1,Y1)、(X2,Y2)为两主无人船的位置。式(12)中包含有待估计的状态,因此把此方程组作为量测方程,可表示为
式中,wk为量测噪声,假设为相互独立不相关的零均值,其方差为
量测方程的雅可比矩阵为
由于系统模型是一个非线性系统,通常使用EKF算法进行状态估计。由EKF算法得到状态预测方程为
预测协方差为
式中,Fx是f关于Xk的雅可比矩阵,Fu是f关于uk的雅可比矩阵。
卡尔曼滤波的状态更新,要求量测方程中必须包含待估计的状态信息。在多无人船协同导航中,无人船之间的相对位置关系可以被观测。依据扩展卡尔曼滤波计算公式
Pk+1=(I-Kk+1Hk+1)Pk+1,k (20)
卡尔曼增益为
状态更新为
获得量测更新后,依据扩展卡尔曼滤波,从无人船的位置状态得到更新,从而完成对从无人船的协同导航定位。
参见图7,系统根据作业区域选择协同搜索策略,包括平行协同搜索、分批次协同搜索和象限协同搜索策略。
平行协同搜索,是以搜索区域(默认为矩形区域)横向边界为多艘无人船出发端,参见图8a为平行协同搜索开始,图8b为平行协同搜索结束;初始航向平行于该区域的纵向边界,各无人船同时向另外一个横向边界平行航行搜索,当航信至搜索区域边界时再做回转运动平行于原航路返回。每艘无人船的完整航路都是一个Dubins路径。各USV(UnmannedSurface Vehicle,无人船)沿同一方向平行进行搜索,每艘USV之间互不影响、同步作业。
分批次协同搜索,参见图9a为分批次协同搜索开始,图9b为分批次协同搜索时刻1,图9c是分批次协同搜索时刻2,图9d是分批次协同搜索结束;是首先将搜索区域(默认为矩形区域)左右对称划分为两个子区域,然后每个子区域里再沿纵向划分为n个单元,为显著区分,左右区域里各单元自下而上分别记为L1,L2,...,Ln;R1,R2,...,Rn。每一批次USV的出发点,位于横向距离的垂直平分线的垂足左右两侧d处,左右下方边界顶点USV结束任务的终点。
每一批次由两艘USV同时出发,两艘USV的横向间距为2d。第一批次的两艘USV(USV1和USV2)同时出发,航行至L1、R1和L2、R2边界时,分别向左、右回转,对L1和R1单元区域进行搜索,在第一批次的USV到达L1和R1边界进行第一次回转时,第二批次的两艘USV(USV3和USV4)同时出发,航行至L2、R2和L3、R3边界时,分别向左、右回转,对L2和R2单元区域进行搜索,在第二批次的USV到达L2和R2边界进行第一次回转时,第三批次的两艘USV(USV5和USV6)同时出发,航行至L3、R3和L4、R4边界时,分别向左、右回转,对L3和R3单元区域进行搜索,以此类推,在第n-1批次的USV到达Ln-1和Rn-1边界进行第一次回转时,第n批次的两艘USV同时出发,航行至整个搜索区域的纵向边界时,分别向左、右回转,对Ln和Rn单元区域进行搜索。以上各批次USV在各自搜索单元区域内的路径均为多个Dubins路径的组合。每艘USV完成单元区域搜索后,航行至搜索区域的左右边界处,沿纵向返回。
象限协同搜索策略,参见图10a和10b分别为象限协同搜索开始和结束,以一个由五艘无人船组成的倒V形航行编队进行说明。该编队中,相邻每艘无人船的横向距离均为2d,纵向距离均为2d。当该编队在航行至某一时刻时,基站工作人员对领航(USV1)下达水域搜索任务。USV1在进行分析以后,将指令分别传递给随航艇(USV2-USV5),各随航艇收到信息后再反馈给领航的无人船。此时,以领航USV1发布指令的位置坐标点为中心,将原航行方向看为Y轴,与其正交的方向为X轴,将其四周的搜索区域划分为一、二、三、四象限。
上述步骤30无人船群作业时需制定协同路径规划及跟踪策略,具体如下:
在无人船追踪鱼群时,需采用协同圆形路径跟踪策略,以两艘无人船围绕鱼群,参见图11,cci=1/R,USV1和USV2将各自向不同直径的同心圆轨迹上收敛,并绕圆心做定常回转运动,鱼群位置为协同圆形路径跟踪的圆点,两艘USV从载人舰船的两侧分别出发,其中,距离鱼群最近的一艘USV,它的期望航迹直径需大于鱼群所占区域长度的10%,避免赶走鱼群。
在无人船群运动时,采用协同直线路径跟踪策略,参见图12a为母艇不动,子艇按照固定路径行驶,图12b为子艇与母艇往相同方向行驶,图12c为子艇按母艇要求追踪目标T;多无人船编队的组成结构通常为:由一艘综合信息处理功能强大的USV-M作为母艇,其它若干艘功能各异的USV作为子艇。母艇的作用是辅助岸基工作人员,传递或下达命令给编队中其它各子艇。子艇的作用是执行任务,并反馈信息给岸基或母艇。以一个3艘USV组成的编队为例,母艇USV-M上载有处理信息的小型工作站,该艇型的特点是分析能力强,航行性能一般。两艘子艇USV1和USV2体积小、机动性强,但推理与决策能力一般。当预先设定的航行路径为直线时cci=0,设定两条期望的直线航行路径PL和PF平行,两子艇在各自的初始位置,向预定路径上收敛,完成协同路径跟踪。
虽然本发明所揭露的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所揭露的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (8)
1.一种面向渔业捕捞的无人船群协同自组织作业系统,其特征在于,所述系统包括:基于无线电台的无线通信系统和基于CAN总线的多传感器集成测控系统;
基于无线电台的无线通信系统,用于各无人船之间完成数据交流,并且由协同控制平台完成协同自组织作业控制;
基于CAN总线的多传感器集成测控系统,用于将无人船间的数据使用CAN协议,并经过CAN总线传输至控制器。
2.根据权利要求1所述的面向渔业捕捞的无人船群协同自组织作业系统,其特征在于,
所述基于无线电台的无线通信系统包括无线数传电台,无线图传电台,声波通信设备和天线设备;
所述基于CAN总线的多传感器集成测控系统集成于各无人船中,包括无人船核心控制器、GPS接收机、多普勒计程仪、惯性导航设备、摄像头、探鱼仪、风速风向传感器和激光雷达。
3.根据权利要求1或2所述的面向渔业捕捞的无人船群协同自组织作业系统实现方法,其特征在于,所述方法包括以下步骤:
步骤A通过无人船群协同自组织作业系统建立一个无人船群协同自组织捕捞作业机制;
步骤B采用主无人船和从无人船式协同导航定位技术对无人船群进行精确定位;
步骤C根据作业区域和作业环境,制定协同搜索策略和协同路径跟踪策略,并根据策略完成探鱼、追踪鱼群、拖网和收网作业。
4.根据利要求3所述的面向渔业捕捞的无人船群协同自组织作业系统实现方法,其特征在于,所述步骤A还包括:
建立一个基于协同学理论的无人船群协同捕捞作业识别模型;
各类无人船之间经过“合作-竞争-协调”三步连续动态协同过程。
5.根据利要求4所述的面向渔业捕捞的无人船群协同自组织作业系统实现方法,其特征在于,
所述合作过程,根据无人船群的多组组合状态获取组合向量,并且将组合向量自动转换成的特征向量进行计算,构造出序参量,形成协同神经网络;
所述竞争过程,将组合的特征向量输入到神经网络,当各组合状态通过合作投射到决策序参量时,其各序参量之间进行竞争,当序参量迭代后认知网络收敛达到稳定,则所述序参量使系统进入定常状态;
所述协调过程,将无人船群协同自组织作业系统进入定常状态的序参量输出的测量数据进行协调运算,得到无人船群协同自组织作业系统协同组合识别的结果。
6.根据权利要求3所述的面向渔业捕捞的无人船群协同自组织作业系统实现方法,其特征在于,所述步骤C具体包括:
制定无人船群协同搜索策略和协同路径跟踪策略;
无人船群协同搜索时,根据作业区域选择协同搜索策略,当作业区域横向距离大于纵向距离时,采用平行协同搜索策略;当作业区域横向距离小于纵向距离时,采用分批次协同搜索策略;当作业区域横、纵向距离相近时,采用象限协同搜索策略;
无人船群协同路径跟踪时,根据目标任务选择协同路径跟踪策略,当无人船群追踪鱼群时,采用协同圆形路径跟踪策略;当无人船群运动时,采用协同直线路径跟踪策略。
7.根据权利要求3所述的面向渔业捕捞的无人船群协同自组织作业系统实现方法,其特征在于,所述主无人船和从无人船式协同导航定位方法包括:
基于双领航者的主无人船和从无人船式协同导航定位;
从无人船根据前向合成速度及航向角建立运动方程,基于从无人船的运动方程和从无人船与主无人船的位置关系得到量测方程,从无人船接收主无人船位置及相对距离后,通过量测方程解算自身位置。
8.根据权利要求7所述的面向渔业捕捞的无人船群协同自组织作业系统实现方法,其特征在于,量测方程中必须包含待估计的状态信息,获得量测更新后,依据扩展卡尔曼滤波,从无人船的位置状态得到更新,从而完成对从无人船的协同导航定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710103730.8A CN107065860B (zh) | 2017-02-24 | 2017-02-24 | 一种面向渔业捕捞的无人船群协同自组织作业系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710103730.8A CN107065860B (zh) | 2017-02-24 | 2017-02-24 | 一种面向渔业捕捞的无人船群协同自组织作业系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107065860A true CN107065860A (zh) | 2017-08-18 |
CN107065860B CN107065860B (zh) | 2020-12-22 |
Family
ID=59621319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710103730.8A Active CN107065860B (zh) | 2017-02-24 | 2017-02-24 | 一种面向渔业捕捞的无人船群协同自组织作业系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107065860B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037755A (zh) * | 2017-11-24 | 2018-05-15 | 华中科技大学 | 一种多无人艇围捕方法 |
CN108445884A (zh) * | 2018-04-11 | 2018-08-24 | 上海大学 | 一种基于多无人艇协同的巡逻系统及方法 |
CN108545160A (zh) * | 2018-03-12 | 2018-09-18 | 上海大学 | 一种有人船与无人艇协同救援系统及方法 |
CN108592910A (zh) * | 2017-12-26 | 2018-09-28 | 浙江大学 | 一种基于风向的农用无人空气动力船路径规划方法 |
CN108955694A (zh) * | 2018-08-15 | 2018-12-07 | 北京理工大学 | 一种面向生存能力增强的多地面单元协同路径规划方法 |
CN109186605A (zh) * | 2018-09-01 | 2019-01-11 | 哈尔滨工程大学 | 一种基于uwb室内定位的无人艇船载测速测向方法 |
CN109388060A (zh) * | 2018-09-30 | 2019-02-26 | 上海交通大学 | 面向海上拖航作业的无人拖船集群协同作业系统和方法 |
CN111176281A (zh) * | 2019-12-31 | 2020-05-19 | 大连民族大学 | 基于象限法的多水面无人艇覆盖式协同搜索方法及系统 |
CN111781934A (zh) * | 2020-07-29 | 2020-10-16 | 浙江树人学院(浙江树人大学) | 一种主从分布式协同装置及其控制方法 |
CN111830916A (zh) * | 2020-07-02 | 2020-10-27 | 兰州大学 | 一种面向多目标追踪的群机器人分布式竞争协同方法 |
CN113093768A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下航行器集群控制系统及其控制方法 |
US11534068B2 (en) | 2017-08-11 | 2022-12-27 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a target position of a scanning table |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003127983A (ja) * | 2001-10-30 | 2003-05-08 | Mitsui Eng & Shipbuild Co Ltd | 自律型水中航走体の航走制御装置 |
CN101222524A (zh) * | 2008-01-09 | 2008-07-16 | 华南理工大学 | 一种分布式多传感协同测量方法及系统 |
CN101359225A (zh) * | 2008-08-29 | 2009-02-04 | 北京大学 | 一种多水下机器人协作控制系统 |
CN102117071A (zh) * | 2009-12-30 | 2011-07-06 | 中国科学院沈阳自动化研究所 | 一种多水下机器人半物理仿真系统及其控制方法 |
CN103398712A (zh) * | 2013-08-02 | 2013-11-20 | 中国人民解放军63983部队 | 交替领航的协同导航方法 |
CN103674029A (zh) * | 2013-12-19 | 2014-03-26 | 哈尔滨工程大学 | 一种基于水声通信的多艇协同导航编队构型的方法 |
CN104142688A (zh) * | 2014-08-06 | 2014-11-12 | 深圳乐智机器人有限公司 | 一种水下机器人平台 |
-
2017
- 2017-02-24 CN CN201710103730.8A patent/CN107065860B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003127983A (ja) * | 2001-10-30 | 2003-05-08 | Mitsui Eng & Shipbuild Co Ltd | 自律型水中航走体の航走制御装置 |
CN101222524A (zh) * | 2008-01-09 | 2008-07-16 | 华南理工大学 | 一种分布式多传感协同测量方法及系统 |
CN101359225A (zh) * | 2008-08-29 | 2009-02-04 | 北京大学 | 一种多水下机器人协作控制系统 |
CN102117071A (zh) * | 2009-12-30 | 2011-07-06 | 中国科学院沈阳自动化研究所 | 一种多水下机器人半物理仿真系统及其控制方法 |
CN103398712A (zh) * | 2013-08-02 | 2013-11-20 | 中国人民解放军63983部队 | 交替领航的协同导航方法 |
CN103674029A (zh) * | 2013-12-19 | 2014-03-26 | 哈尔滨工程大学 | 一种基于水声通信的多艇协同导航编队构型的方法 |
CN104142688A (zh) * | 2014-08-06 | 2014-11-12 | 深圳乐智机器人有限公司 | 一种水下机器人平台 |
Non-Patent Citations (4)
Title |
---|
JIANG DAPENG,等: "Realistic Cooperative Control Mechanism of Multiple AUVs", 《PROCEEDINGS OF THE 33RD CHINESE CONTROL CONFERENCE》 * |
刘杨: "多AUV协同导航优化算法与编队构型设计", 《万方硕士学位论文》 * |
唐继英: "《现场总线技术》", 31 July 2008, 天津:天津大学出版社 * |
马天宇: "一种新型水面无人艇操纵性及协同策略研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11534068B2 (en) | 2017-08-11 | 2022-12-27 | Shanghai United Imaging Healthcare Co., Ltd. | Systems and methods for determining a target position of a scanning table |
CN108037755A (zh) * | 2017-11-24 | 2018-05-15 | 华中科技大学 | 一种多无人艇围捕方法 |
CN108037755B (zh) * | 2017-11-24 | 2020-02-14 | 华中科技大学 | 一种多无人艇围捕方法 |
CN108592910A (zh) * | 2017-12-26 | 2018-09-28 | 浙江大学 | 一种基于风向的农用无人空气动力船路径规划方法 |
CN108545160A (zh) * | 2018-03-12 | 2018-09-18 | 上海大学 | 一种有人船与无人艇协同救援系统及方法 |
CN108445884A (zh) * | 2018-04-11 | 2018-08-24 | 上海大学 | 一种基于多无人艇协同的巡逻系统及方法 |
CN108955694A (zh) * | 2018-08-15 | 2018-12-07 | 北京理工大学 | 一种面向生存能力增强的多地面单元协同路径规划方法 |
CN109186605B (zh) * | 2018-09-01 | 2022-03-18 | 哈尔滨工程大学 | 一种基于uwb室内定位的无人艇船载测速测向方法 |
CN109186605A (zh) * | 2018-09-01 | 2019-01-11 | 哈尔滨工程大学 | 一种基于uwb室内定位的无人艇船载测速测向方法 |
CN109388060A (zh) * | 2018-09-30 | 2019-02-26 | 上海交通大学 | 面向海上拖航作业的无人拖船集群协同作业系统和方法 |
CN111176281A (zh) * | 2019-12-31 | 2020-05-19 | 大连民族大学 | 基于象限法的多水面无人艇覆盖式协同搜索方法及系统 |
CN111830916A (zh) * | 2020-07-02 | 2020-10-27 | 兰州大学 | 一种面向多目标追踪的群机器人分布式竞争协同方法 |
CN111781934A (zh) * | 2020-07-29 | 2020-10-16 | 浙江树人学院(浙江树人大学) | 一种主从分布式协同装置及其控制方法 |
CN113093768A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下航行器集群控制系统及其控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107065860B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107065860A (zh) | 一种面向渔业捕捞的无人船群协同自组织作业系统及方法 | |
CN105629976B (zh) | 一种水产养殖作业船自动导航路径跟踪方法 | |
Tan et al. | Cooperative path planning for range-only localization using a single moving beacon | |
CN108303988A (zh) | 一种无人船的目标识别追踪系统及其工作方法 | |
CN206249096U (zh) | 一种水下机器人 | |
CN108200175A (zh) | 基于协同云控制的多无人船编队协同控制系统及方法 | |
CN108594849A (zh) | 一种基于毫米波雷达的无人机避障方法 | |
CN107329477A (zh) | 一种无人船导航和自动驾驶设备及其方法 | |
CN109991386A (zh) | 无人船与无人机协同控制监控方法、装置及系统 | |
CN109443366A (zh) | 一种基于改进q学习算法的无人机群路径规划方法 | |
Fiori et al. | Insights into the use of an unmanned aerial vehicle (UAV) to investigate the behavior of humpback whales (Megaptera novaeangliae) in Vava'u, Kingdom of Tonga | |
CN108287542A (zh) | 基于协同云控制的无人机与无人船协作控制系统与方法 | |
CN111348161B (zh) | 一种应用于海洋牧场的资源环境监测系统及其操作方法 | |
CN105318888A (zh) | 基于无人机感知的无人驾驶车辆路径规划方法 | |
CN108681321A (zh) | 一种无人船协同编队的水下探测方法 | |
CN104267724A (zh) | 船舶航行的控制方法、装置和系统 | |
CN109782797A (zh) | 用于多点水质采样的多无人机协同方法、系统、装置 | |
Zhang et al. | Development of a robot combine harvester for wheat and paddy harvesting | |
CN111090283B (zh) | 一种无人艇组合定位定向方法和系统 | |
Hameed | A coverage planner for multi-robot systems in agriculture | |
Cui et al. | UAV target tracking algorithm based on task allocation consensus | |
CN112987765B (zh) | 一种仿猛禽注意力分配的无人机/艇精准自主起降方法 | |
Zhang et al. | AUV path planning based on differential evolution with environment prediction | |
Nash et al. | Tracking the fine scale movements of fish using autonomous maritime robotics: A systematic state of the art review | |
CN111652118A (zh) | 基于水下目标近邻分布的海产品自主抓取引导方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |