CN107918396A - 一种基于船体模型的水下清洗机器人路径规划方法及系统 - Google Patents
一种基于船体模型的水下清洗机器人路径规划方法及系统 Download PDFInfo
- Publication number
- CN107918396A CN107918396A CN201711240097.3A CN201711240097A CN107918396A CN 107918396 A CN107918396 A CN 107918396A CN 201711240097 A CN201711240097 A CN 201711240097A CN 107918396 A CN107918396 A CN 107918396A
- Authority
- CN
- China
- Prior art keywords
- path
- unit
- robot
- error
- hull
- 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.)
- Pending
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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
Abstract
本发明公开了一种基于船体模型的水下清洗机器人路径规划方法及系统,方法包括根据船体模型,将船体清洗作业区域分成若干单位面;在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;对各单位面上的分区路径进行轨迹优化连接,得到离线路径;将得到的离线路径输入至机器人进行作业;对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。本发明通过对模型进行分区路径规划,然后优化连接,最后根据路径跟踪误差进行校正,从而可优化清洗轨迹,大大缩短作业时间,有效提升清洗效果,并且通用性较高,可适用于各种船体中。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种基于船体模型的水下清洗机器人路径规划方法及系统。
背景技术
现阶段水下爬壁清洗机器人的清洗作业是在确定船体尺寸条件下,人工操控机器人沿着设定的工作路径清洗作业区域的过程,这其中要保证:一是对船外壁无偏差地进行覆盖式路径运动;二是在不同曲面切换不同的清洗工艺模式,并同时避免船体壁面涂层被破坏。因为对于不同种类,用途,型号的船舶,其船体壁面形貌差异很大,所以每次作业前都要对其先进行路径规划。目前,通用的方法是依靠有经验的工程师逐条编写路径,针对不同船体,工程师对路径规划的时间一般为7-15天,而且极为繁琐和耗费精力,且通用性不高。
发明内容
为了解决上述技术问题,本发明的目的是提供一种能缩短作业时间的基于船体模型的水下清洗机器人路径规划方法及系统。
本发明所采取的技术方案是:
一种基于船体模型的水下清洗机器人路径规划方法,包括以下步骤:
A、根据船体模型,将船体清洗作业区域分成若干单位面;
B、在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;
C、对各单位面上的分区路径进行轨迹优化连接,得到离线路径;
D、将得到的离线路径输入至机器人进行作业;
E、对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。
作为所述的一种基于船体模型的水下清洗机器人路径规划方法的进一步改进,所述步骤C具体包括:
C1、查找任意两个单位面之间的最短距离;
C2、根据任意两个单位面之间的最短距离,通过邻近算法查找任意两个单位面之间的最短路径;
C3、根据最短距离和最短路径,得到单位面之间的连接序列;
C4、查找相连接的每个单位面中的连接路径。
作为所述的一种基于船体模型的水下清洗机器人路径规划方法的进一步改进,所述步骤E具体包括:
E1、对机器人进行路径跟踪,得到机器人的实际输出路径;
E2、根据实际输出路径和离线路径,计算路径跟踪误差;
E3、判断路径跟踪误差是否小于预设的跟踪精度范围,若是,则继续进行作业;反之,则执行步骤E4;
E4、将路径跟踪误差输入到补偿器中;
E5、通过补偿器对输出的控制信号进行信号补偿。
本发明所采用的另一技术方案是:
一种基于船体模型的水下清洗机器人路径规划系统,包括:
划分单元,用于根据船体模型,将船体清洗作业区域分成若干单位面;
分区规划单元,用于在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;
优化连接单元,用于对各单位面上的分区路径进行轨迹优化连接,得到离线路径;
作业单元,用于将得到的离线路径输入至机器人进行作业;
路径跟踪单元,用于对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。
作为所述的一种基于船体模型的水下清洗机器人路径规划系统的进一步改进,所述优化连接单元具体包括:
最短距离查找单元,用于查找任意两个单位面之间的最短距离;
最短路径查找单元,用于根据任意两个单位面之间的最短距离,通过邻近算法查找任意两个单位面之间的最短路径;
连接序列查找单元,根据最短距离和最短路径,得到单位面之间的连接序列;
连接路径查找单元,用于查找相连接的每个单位面中的连接路径。
作为所述的一种基于船体模型的水下清洗机器人路径规划系统的进一步改进,所述路径跟踪单元具体包括:
实际输出路径获取单元,对机器人进行路径跟踪,得到机器人的实际输出路径;
误差计算单元,用于根据实际输出路径和离线路径,计算路径跟踪误差;
误差判断单元,用于判断路径跟踪误差是否小于预设的跟踪精度范围,若是,则继续进行作业;反之,则执行误差输入单元;
误差输入单元,用于将路径跟踪误差输入到补偿器中;
信号补偿单元,用于通过补偿器对输出的控制信号进行信号补偿。
本发明的有益效果是:
本发明一种基于船体模型的水下清洗机器人路径规划方法及系统通过对模型进行分区路径规划,然后优化连接,最后根据路径跟踪误差进行校正,从而可优化清洗轨迹,大大缩短作业时间,有效提升清洗效果,并且通用性较高,适用于各种船体。
附图说明
图1是本发明一种基于船体模型的水下清洗机器人路径规划方法的步骤流程图;
图2是本发明一种基于船体模型的水下清洗机器人路径规划系统的模块方框图;
图3是本发明实施例的路径选取示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明:
参考图1,本发明一种基于船体模型的水下清洗机器人路径规划方法,包括以下步骤:
A、根据船体模型,将船体清洗作业区域分成若干单位面;
B、在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;
C、对各单位面上的分区路径进行轨迹优化连接,得到离线路径;
D、将得到的离线路径输入至机器人进行作业;
E、对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。
进一步作为优选的实施方式,所述步骤C具体包括:
C1、查找任意两个单位面之间的最短距离;
C2、根据任意两个单位面之间的最短距离,通过邻近算法查找任意两个单位面之间的最短路径;
C3、根据最短距离和最短路径,得到单位面之间的连接序列;
C4、查找相连接的每个单位面中的连接路径。
进一步作为优选的实施方式,所述步骤E具体包括:
E1、对机器人进行路径跟踪,得到机器人的实际输出路径;
E2、根据实际输出路径和离线路径,计算路径跟踪误差;
E3、判断路径跟踪误差是否小于预设的跟踪精度范围,若是,则继续进行作业;反之,则执行步骤E4;
E4、将路径跟踪误差输入到补偿器中;
E5、通过补偿器对输出的控制信号进行信号补偿。
本发明实施例中,基于船体壁面和清洗工具的三维模型,首先运用模型分切算法将船体壁面模型分切成为数个简单的单位面(例如船体的左右侧要分开),然后对每个单位面的清洗路径进行规划,完成后将各个单位面路径进行连接并进行优化,验证规划是否满足约束条件,若满足,则开始按照规划路径进行跟踪清洗作业,若不满足,则重新进行规划,直到约束条件被满足。当完成路径规划后,将规划方案作为机器人输入命令,机器人开始作业后,在线实时监测路径跟踪误差,若误差满足跟踪精度要求,则继续作业,若误差超过跟踪精度要求,则在线进行路径规划校正,直到满足精度要求。
现阶段水下爬壁清洗机器人的清洗作业是在确定船体尺寸条件下,人工操控机器人沿着设定的工作路径清洗作业区域的过程,这其中要保证:一是对船外壁无偏差地进行覆盖式路径运动;二是在不同曲面切换不同的清洗工艺模式,并同时避免船体壁面涂层被破坏。因为对于不同种类,用途,型号的船舶,其船体壁面形貌差异很大,所以每次作业前都要对其先进行路径规划。目前,通用的方法是依靠有经验的工程师逐条编写路径,针对不同船体,工程师对路径规划的时间一般为7-15天,而且极为繁琐和耗费精力,且通用性不高。因此,合理、简便的路径规划算法,可以优化清洗轨迹、缩短作业时间,提升清洗效果。
本发明实施例中是基于清洗区域表面的三维模型、工具模型、不同壁面清洗工艺标准和最优化约束条件,自动产生其最优的清洗路径规划方案。清洗路径规划方案给出清洗过程中清洗工具的位置,方向和速度等参数以满足所给定的约束条件。基于三维模型的自动最优路径规划的通用框架可描述为:给定船体壁面的三维模型M,清洗工具模型G,约束条件Ω和最优化标准Ψ,求出满足约束条件的清洁工具路径Γ。
三维模型包含了清洗区域的几何信息,基于自由清洗区域表面的三维模型,工具模型和不同壁面清洗工艺标准和最优化约束条件,通过最优路径规划算法系统生成水下爬壁清洗机器人的最优路径。本实施例中将产生的路径输入到专用仿真软件来检验生成的路径是否满足约束条件,并且,生成的路径也会输入到仿真软件来仿真清洗路径。
在本方法的具体实施例中,首先对船体清洗作业区域分成若干单位面,然后在轨迹规划中有两个主要因素要考虑:一是单位面的轨迹规划,二是两个单位面之间的过渡规划。在所有确定清洗工具移动速度因素中,机器人的加减速,工具方向的变化是主导因素。
考虑到如上两个因素,本实施例中使用了整数规划来解决这个问题。每个单位面区域可以看成一个顶点的集合,假设有n顶点(v1、v2、...、vn)划分为k组g1、g2、...、gk。每组至少有四个顶点,但是只有两个顶点可以选定。
本实施例采用一种优化办法进行轨迹连接。假设xij是两单位面顶点vi和vj之间的边缘路径权重。将变量xij定义为:
轨迹连接问题描述为如下整数规划问题:
其中
这是一个NP-hard问题:即不可能在相对线性时间内找到最优化解决方法。因此我们提出分步优化方法,具体步骤如下:
S1:找到任意两个单位面之间的最短距离。由于确定了每块单位面内的点数,任意两个之间的最短单位面可以通过多项式找到。
S2:通过每块单位面视为一个顶点,任意两块单位面的权重是步骤S1中的最短距离。然后由最相邻方法来在所有组中查找最短路径。
其中
S为一个子回路
S3:查找两单位面中两个点的连接路径,确定每个单位面中的路径模式。在步骤S2中,确定单位面之间的连接序列,连接每两个面,最短距离必须确定,每个单位面有4个点,确定路径路程最小。步骤2必须在两个单位面之间找到最佳路径。由于步骤S2是一个受约束的多目标优化问题,它必须转移到单个目标优化中来优化它,有不同的方法执行多目标优化,如比重法,非偏好法,非线性方法,效用理论和目标规划。关联方法在优化中不利用任何偏好信息,即
其中:
x=(x1,x2,...,xn)T
而fj是理想方案的解决方法。P的常值是1,在应用无偏好法后,多目标约束的问题被转移到单个目标的约束问题。一旦确定了最短路径,则可以计算穿过所有单位面的最小距离dmin。对于每个单位面,可以计算最小成本函数。然后可以获得所有单位面的最小函数tmin。优化问题得以解决。
如图3的连接,顶点属于不同的组,每组中两个顶点的路径,具有顶点i和j的两组之间的连接权重是dij。
水下爬壁清洗机器人对规划的清洗路径的精确跟踪,是提高清洗效果和清洗效率的基本保证。关于水下机器人的路径跟踪控制问题,国际上已经开展了大量的研究工作。但不同于目前国际上研究的水下爬壁机器人这种被控对象,清洗机器人工作在浅海区域,海浪和潮汐运动将不可避免地对机器人的运动产生扰动进而对机器人的路径跟踪精度产生影响。本实施例即重点针对水下爬壁清洗机器人在海浪等扰动下的精确路径跟踪控制开展研究。研究具有对海浪、潮汐运动等扰动进行实时自适应补偿能力、抵抗扰动引起的瞬时输出控制信号饱和的能力、并便于水下爬壁清洗机器人实际应用的高效路径跟踪控制策略和方法。
水下机器人的运动控制是其完成自主作业任务中一个必不可少的环节。在三种经典的运动控制形式:点阵定、轨迹跟踪与路径跟踪之中,路径跟踪控制问题是一类更广泛、更具实际意义的问题,受到水下机器人运动控制设计人员的广泛关注。国内外现有研究成果所关注的水下机器人路径跟踪控制问题,大多处于控制理论研究背景下,且考虑的控制对象均为无缆水下机器人情况。因此,本实施例面向于水下爬壁机器人的实际应用,研究易于工程实现的路径跟踪控制策略,同时研究海浪和潮汐扰动引起的路径跟踪控制的新问题:
1)水下爬壁清洗机器人在恶劣天气航行过程中不可避免的会经历海浪或潮汐的急剧干扰,对整个被控系统的影响体现为模型中的参数呈非线性不确定性以及模型中的未建模部分呈现出非规则的动态变化,由此所激发的未建模水动力动态问题为控制器的实时自适应补偿能力出了更高的要求,若忽视这个问题,控制精度将大幅下降。因此,本实施例将对该问题进行深入研究,设计水下爬壁清洗机器人路径跟踪控制框架下的智能补偿器,使所设计的路径跟踪控制策略具有自适应未建模水动力动态变化的能力,实时补偿海浪、潮汐等干扰所带来的影响,提高控制精度。
2)从实际角度出发,饱和是控制系统执行机构潜在的问题之一,也是大多数执行机构中不可避免的。水下爬壁清洗机器人在克服强海流干扰的影响时,执行机构很可能无法瞬时输出满足实际期望的控制命令,进而导致控制信号发生饱和现象。若在控制设计中没有预先考虑该问题,将直接导致系统的动态性能降低,甚至使系统的稳定性丧失。因此,本实施例研究一种能够对无法输出的控制信号部分进行饱和内补偿的控制技术。
其中,饱和内补偿部分可以进一步展开如下形式:
首先,控制器τ0经过饱和限制后得到含有执行器幅度限制的实际系统输入τ,然后将实际系统输入τ与τ0进行比较得到误差信号最后将误差信号输入到辅助补偿系统之中,通过设计辅助补偿系统以及τ0,实现对饱和限制进行补偿,使得水下爬壁清洗机器人在强海流运动等外部环境干扰时出现了控制信号输出饱和现象也能够达到期望的控制效果。
3)目前水下机器人路径跟踪控制策略大多基于反步法或动态面控制技术。反步法具有显著的缺陷,即随着系统阶次的增高而出现控制器“爆炸性增长”问题,导致控制器结构复杂,不易实现。在深入研究动态面控制技术的过程中发现,动态面控制技术仍有其不足之处,即控制器的设计过程中需计算参考信号的二阶导数,否则无法保证闭环系统的稳定性;而实际应用中参考信号往往是非连续的甚至无法提供二阶导数的计算,这为工程实际应用带来了困难。
因此,本实施例将针对动态面控制技术进行进一步深入研究,研究一种动态面误差补偿机制以消除控制算法对参考信号二阶导数的依赖性,使路径跟踪控制策略更利于ARV的实际工程应用。
如上所述,传统简捷控制方法要求参考信号存在二阶导数并且假设其是有界的,而其本质原因是由于引入了指令滤波器从而产生了虚拟控制律与指令滤波器状态之间的误差。因此,本实施例拟设计一种误差补偿机制避免对该误差求导数,进而去除现有简捷控制算法对参考信号二阶导数的依赖性,相比传统反步法,显著降低计算量的同时更加有利于工程实现。
由于海洋附着生物在不同船舶壁面附着程度不同,水下爬壁清洗机器人的工作区域具有环境复杂、未知、动态、和非结构化,虽然水下爬壁清洁具备一定程度的智能和自主,但其观测和作业仍需要操作人员的监控和辅助。因此,如何在水下清洗作业过程中融合人的感知、决策、控制与水下爬壁清洗机器人的自主感知、决策、控制,以实现操作人员遥控和水下爬壁清洗机器人自主控制的最优协同,一方面通过水下爬壁清洗机器人的自主控制降低操作人员对水下爬壁清洗机器人操作的复杂性,另一方面通过操作人员的监控和辅助来保证水下爬壁清洗机器人的安全和提高其工作能力,是需要研究和解决的关键问题。本实施例研究水下爬壁清洗机器人自主、遥控、以及自主+遥控的最优协同工作和控制模式,并重点研究操作人员对水下爬壁清洗机器人操作指令与水下爬壁清洗机器人自主控制指令的实时最优融合策略、方法和算法。
参考图2,本发明一种基于船体模型的水下清洗机器人路径规划系统,包括:
划分单元,用于根据船体模型,将船体清洗作业区域分成若干单位面;
分区规划单元,用于在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;
优化连接单元,用于对各单位面上的分区路径进行轨迹优化连接,得到离线路径;
作业单元,用于将得到的离线路径输入至机器人进行作业;
路径跟踪单元,用于对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。
进一步作为优选的实施方式,所述优化连接单元具体包括:
最短距离查找单元,用于查找任意两个单位面之间的最短距离;
最短路径查找单元,用于根据任意两个单位面之间的最短距离,通过邻近算法查找任意两个单位面之间的最短路径;
连接序列查找单元,根据最短距离和最短路径,得到单位面之间的连接序列;
连接路径查找单元,用于查找相连接的每个单位面中的连接路径。
进一步作为优选的实施方式,所述路径跟踪单元具体包括:
实际输出路径获取单元,对机器人进行路径跟踪,得到机器人的实际输出路径;
误差计算单元,用于根据实际输出路径和离线路径,计算路径跟踪误差;
误差判断单元,用于判断路径跟踪误差是否小于预设的跟踪精度范围,若是,则继续进行作业;反之,则执行误差输入单元;
误差输入单元,用于将路径跟踪误差输入到补偿器中;
信号补偿单元,用于通过补偿器对输出的控制信号进行信号补偿。
从上述内容可知,本发明一种基于船体模型的水下清洗机器人路径规划方法及系统通过对模型进行分区路径规划,然后优化连接,最后根据路径跟踪误差进行校正,从而可优化清洗轨迹,大大缩短作业时间,有效提升清洗效果,并且通用性较高,适用于各种船体。
以上是对本发明的较佳实施进行了具体说明,但本发明创造并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于船体模型的水下清洗机器人路径规划方法,其特征在于,包括以下步骤:
A、根据船体模型,将船体清洗作业区域分成若干单位面;
B、在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;
C、对各单位面上的分区路径进行轨迹优化连接,得到离线路径;
D、将得到的离线路径输入至机器人进行作业;
E、对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。
2.根据权利要求1所述的一种基于船体模型的水下清洗机器人路径规划方法,其特征在于:所述步骤C具体包括:
C1、查找任意两个单位面之间的最短距离;
C2、根据任意两个单位面之间的最短距离,通过邻近算法查找任意两个单位面之间的最短路径;
C3、根据最短距离和最短路径,得到单位面之间的连接序列;
C4、查找相连接的每个单位面中的连接路径。
3.根据权利要求1所述的一种基于船体模型的水下清洗机器人路径规划方法,其特征在于:所述步骤E具体包括:
E1、对机器人进行路径跟踪,得到机器人的实际输出路径;
E2、根据实际输出路径和离线路径,计算路径跟踪误差;
E3、判断路径跟踪误差是否小于预设的跟踪精度范围,若是,则继续进行作业;反之,则执行步骤E4;
E4、将路径跟踪误差输入到补偿器中;
E5、通过补偿器对输出的控制信号进行信号补偿。
4.一种基于船体模型的水下清洗机器人路径规划系统,其特征在于,包括:
划分单元,用于根据船体模型,将船体清洗作业区域分成若干单位面;
分区规划单元,用于在得到的多个单位面上分别进行分区路径规划,得到各单位面上的分区路径;
优化连接单元,用于对各单位面上的分区路径进行轨迹优化连接,得到离线路径;
作业单元,用于将得到的离线路径输入至机器人进行作业;
路径跟踪单元,用于对机器人进行路径跟踪,并根据路径跟踪误差进行补偿校正。
5.根据权利要求4所述的一种基于船体模型的水下清洗机器人路径规划系统,其特征在于:所述优化连接单元具体包括:
最短距离查找单元,用于查找任意两个单位面之间的最短距离;
最短路径查找单元,用于根据任意两个单位面之间的最短距离,通过邻近算法查找任意两个单位面之间的最短路径;
连接序列查找单元,根据最短距离和最短路径,得到单位面之间的连接序列;
连接路径查找单元,用于查找相连接的每个单位面中的连接路径。
6.根据权利要求4所述的一种基于船体模型的水下清洗机器人路径规划系统,其特征在于:所述路径跟踪单元具体包括:
实际输出路径获取单元,对机器人进行路径跟踪,得到机器人的实际输出路径;
误差计算单元,用于根据实际输出路径和离线路径,计算路径跟踪误差;
误差判断单元,用于判断路径跟踪误差是否小于预设的跟踪精度范围,若是,
则继续进行作业;反之,则执行误差输入单元;
误差输入单元,用于将路径跟踪误差输入到补偿器中;
信号补偿单元,用于通过补偿器对输出的控制信号进行信号补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240097.3A CN107918396A (zh) | 2017-11-30 | 2017-11-30 | 一种基于船体模型的水下清洗机器人路径规划方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711240097.3A CN107918396A (zh) | 2017-11-30 | 2017-11-30 | 一种基于船体模型的水下清洗机器人路径规划方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107918396A true CN107918396A (zh) | 2018-04-17 |
Family
ID=61898222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711240097.3A Pending CN107918396A (zh) | 2017-11-30 | 2017-11-30 | 一种基于船体模型的水下清洗机器人路径规划方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107918396A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717265A (zh) * | 2018-05-30 | 2018-10-30 | 重庆邮电大学 | 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法 |
CN109241552A (zh) * | 2018-07-12 | 2019-01-18 | 哈尔滨工程大学 | 一种基于多约束目标的水下机器人运动规划方法 |
CN112382135A (zh) * | 2020-04-26 | 2021-02-19 | 北京三快在线科技有限公司 | 确定飞行路径的方法、装置、存储介质和电子设备 |
CN112659122A (zh) * | 2020-12-10 | 2021-04-16 | 江苏科技大学 | 螺旋桨清洗路径规划方法及使用该方法的清洗机器人 |
CN115892378A (zh) * | 2022-12-23 | 2023-04-04 | 广东深蓝水下特种设备科技有限公司 | 基于水下声呐定位的船舶清洗方法、系统及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541056A (zh) * | 2010-12-16 | 2012-07-04 | 莱克电气股份有限公司 | 机器人的障碍物处理方法 |
CN103353758A (zh) * | 2013-08-05 | 2013-10-16 | 青岛海通机器人系统有限公司 | 一种室内机器人导航装置及其导航技术 |
CN104834308A (zh) * | 2015-04-10 | 2015-08-12 | 浙江工业大学 | 满足复杂需求的最优巡回控制方法 |
CN105739500A (zh) * | 2016-03-29 | 2016-07-06 | 海尔优家智能科技(北京)有限公司 | 一种智能扫地机器人的交互控制方法及装置 |
US20160313133A1 (en) * | 2015-04-27 | 2016-10-27 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
CN106843242A (zh) * | 2017-03-21 | 2017-06-13 | 天津海运职业学院 | 一种水下船体清洁的群体机器人系统 |
CN107140153A (zh) * | 2017-05-17 | 2017-09-08 | 湖南大学 | 自适应变胞履带行驶机构 |
-
2017
- 2017-11-30 CN CN201711240097.3A patent/CN107918396A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541056A (zh) * | 2010-12-16 | 2012-07-04 | 莱克电气股份有限公司 | 机器人的障碍物处理方法 |
CN103353758A (zh) * | 2013-08-05 | 2013-10-16 | 青岛海通机器人系统有限公司 | 一种室内机器人导航装置及其导航技术 |
CN104834308A (zh) * | 2015-04-10 | 2015-08-12 | 浙江工业大学 | 满足复杂需求的最优巡回控制方法 |
US20160313133A1 (en) * | 2015-04-27 | 2016-10-27 | GM Global Technology Operations LLC | Reactive path planning for autonomous driving |
CN105739500A (zh) * | 2016-03-29 | 2016-07-06 | 海尔优家智能科技(北京)有限公司 | 一种智能扫地机器人的交互控制方法及装置 |
CN106843242A (zh) * | 2017-03-21 | 2017-06-13 | 天津海运职业学院 | 一种水下船体清洁的群体机器人系统 |
CN107140153A (zh) * | 2017-05-17 | 2017-09-08 | 湖南大学 | 自适应变胞履带行驶机构 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108717265A (zh) * | 2018-05-30 | 2018-10-30 | 重庆邮电大学 | 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法 |
CN108717265B (zh) * | 2018-05-30 | 2021-05-18 | 重庆邮电大学 | 一种基于控制变量参数化的无人飞行器巡航跟踪控制系统及控制方法 |
CN109241552A (zh) * | 2018-07-12 | 2019-01-18 | 哈尔滨工程大学 | 一种基于多约束目标的水下机器人运动规划方法 |
CN109241552B (zh) * | 2018-07-12 | 2022-04-05 | 哈尔滨工程大学 | 一种基于多约束目标的水下机器人运动规划方法 |
CN112382135A (zh) * | 2020-04-26 | 2021-02-19 | 北京三快在线科技有限公司 | 确定飞行路径的方法、装置、存储介质和电子设备 |
CN112382135B (zh) * | 2020-04-26 | 2021-07-09 | 北京三快在线科技有限公司 | 确定飞行路径的方法、装置、存储介质和电子设备 |
CN112659122A (zh) * | 2020-12-10 | 2021-04-16 | 江苏科技大学 | 螺旋桨清洗路径规划方法及使用该方法的清洗机器人 |
CN112659122B (zh) * | 2020-12-10 | 2022-07-22 | 江苏科技大学 | 螺旋桨清洗路径规划方法及使用该方法的清洗机器人 |
CN115892378A (zh) * | 2022-12-23 | 2023-04-04 | 广东深蓝水下特种设备科技有限公司 | 基于水下声呐定位的船舶清洗方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918396A (zh) | 一种基于船体模型的水下清洗机器人路径规划方法及系统 | |
CN110705882A (zh) | 孪生数据驱动的船舶组立产品质量管控系统及配置方法 | |
CN108594846A (zh) | 一种障碍环境下多auv编队队形优化控制方法 | |
Liu et al. | Disturbance observer-based adaptive intelligent control of marine vessel with position and heading constraint condition related to desired output | |
CN110262494B (zh) | 一种同构多无人艇系统的协同学习与编队控制方法 | |
CN110609556A (zh) | 一种基于los导航法的多无人艇协同控制方法 | |
CN109947131A (zh) | 一种基于强化学习的多水下机器人编队控制方法 | |
CN108255060A (zh) | 基于极限学习机的船舶动力定位自抗扰控制方法 | |
CN108733057A (zh) | 一种基于自抗扰技术的水产养殖明轮船航向控制方法 | |
CN108897215A (zh) | 基于分布式模型预测控制的多海洋机器人协同环形扫描方法 | |
CN106970631A (zh) | 一种无人船自动寻找污染源的方法 | |
CN110045615A (zh) | 一种uuv水下回收自抗扰控制方法 | |
CN112965375A (zh) | 一种基于固定时间终端滑模的多无人艇编队控制方法 | |
CN109765906B (zh) | 一种基于复合正交神经网络预测控制的智能船舶循迹方法 | |
CN107717986A (zh) | 一种智能机器人的控制方法 | |
Emad et al. | Digitalization transformation and its challenges in shipping operation: the case of seafarer’s cognitive human factor | |
CN109901622A (zh) | 一种基于机理模型的自主水下机器人预测s面控制方法 | |
CN109557917A (zh) | 水下机器人自主巡线及水面监控的方法 | |
CN114004035B (zh) | 一种水面无人艇目标跟踪控制方法 | |
CN115903820A (zh) | 多无人艇追逃博弈控制方法 | |
Hu et al. | Composite disturbance observer-based backstepping stabilisation for 3-DOF ship-borne platform with unknown disturbances | |
CN111830832B (zh) | 仿生滑翔机器海豚平面路径跟踪方法及系统 | |
Li et al. | Ship Formation Algorithm Based on the Leader–Follower Method | |
Fu et al. | A hybrid approach for coordinated formation control of multiple surface vessels | |
Ding et al. | Research on static fault-tolerant control method of UUV based on MPC in two dimension |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180417 |
|
RJ01 | Rejection of invention patent application after publication |