CN108037755A - 一种多无人艇围捕方法 - Google Patents
一种多无人艇围捕方法 Download PDFInfo
- Publication number
- CN108037755A CN108037755A CN201711219838.XA CN201711219838A CN108037755A CN 108037755 A CN108037755 A CN 108037755A CN 201711219838 A CN201711219838 A CN 201711219838A CN 108037755 A CN108037755 A CN 108037755A
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- seize
- boat
- unmanned
- 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
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000007717 exclusion Effects 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种多无人艇围捕方法,包括:获取主无人艇的主艇位置pi、主艇航向和主艇速度vi,获取邻居无人艇的邻居位置pj和被围捕物的目标物位置p0;根据主艇位置pi与目标物位置p0利用追击控制器得到追击量Fn,根据主艇位置pi和邻居位置pj利用排斥控制器得到无人艇之间的排斥量Ff,根据主艇位置pi和目标物位置p0利用围捕控制器获得围捕量Fc;根据主艇航向主艇速度vi、追击量Fn、排斥量Ff、围捕量Fc,利用航向航速控制器得到主无人艇的控制量,控制量包括主无人艇的电机转速τu和主无人艇的舵机角度τr;利用控制量控制主无人艇,对被围捕物进行围捕。本发明提高了无人艇完成任务的效率和稳定性,完成任务具有多样性。
Description
技术领域
本发明属于无人艇控制领域,更具体地,涉及一种多无人艇围捕方法。
背景技术
随着机器人研究的普及,无人船的研究也是百花齐放。但目前无人艇的研究大部分都局限在单艇的研究上,单艇的工作效率和任务的多样性往往有限,通过多个无人艇的合作可以极大地提高工作效率,且可以完成单艇难以实现的任务。现有的多智能体技术中主要对象为陆面上的机器人,而无人艇的各方面特性与陆面上的机器人相差甚远,已有技术难以直接应用在多无人艇上。
由此可见,现有技术存在工作效率低、完成任务单一的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种多无人艇围捕方法,由此解决现有技术存在工作效率低、完成任务单一的技术问题。
为实现上述目的,本发明提供了一种多无人艇围捕方法,包括:
(1)获取主无人艇的主艇位置pi、主艇航向和主艇速度vi,获取邻居无人艇的邻居位置pj和被围捕物的目标物位置p0;
(2)根据主艇位置pi与目标物位置p0利用追击控制器得到追击量Fn,根据主艇位置pi和邻居位置pj利用排斥控制器得到无人艇之间的排斥量Ff,根据主艇位置pi和目标物位置p0利用围捕控制器获得围捕量Fc;
(3)根据主艇航向主艇速度vi、追击量Fn、排斥量Ff、围捕量Fc,利用航向航速控制器得到主无人艇的控制量,控制量包括主无人艇的电机转速τu和主无人艇的舵机角度τr;利用控制量控制主无人艇,对被围捕物进行围捕。
进一步的,追击控制器为:
其中,kn为追击调整参数,kn的范围为50~110,L为围捕半径,L的范围为5m~15m。
进一步的,排斥控制器为:
其中,kf为排斥调整参数,kf范围为90~200,dl为排斥距离,dl的范围为3m~6m,sign(.)为符号函数,j表示多无人艇中邻居无人艇的个数,j的范围为1~N。
进一步的,符号函数为:
其中,x=dl-||pj-pi||。
进一步的,围捕控制器为:
其中,kc为围捕调整参数,kc范围为70~100,(p0-pi)⊥为(p0-pi)的垂直向量。
进一步的,航向航速控制器为广义预测控制器。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明获取主无人艇的主艇位置pi、主艇航向和主艇速度vi,获取邻居无人艇的邻居位置pj和被围捕物的目标物位置p0;上述信息容易采集,同时通讯消耗小,本发明利用主无人艇和邻居无人艇的相关信息,融合单个无人艇的自主控制能力和群体智能于一体,实现了多艘无人艇对目标物围捕的任务,扩展了无人艇的应用范围,提高了无人艇完成任务的效率和稳定性,完成任务具有多样性,利用多艇之间的合作可以实现譬如联合追击、围捕、集体巡逻、舰艇编队等任务。为无人艇的应用开拓了一个广泛前景。落实了多智能体理论的应用和实现,为响应国家倡导的机器人路线做出了贡献。
(2)本发明设置追击控制器中,追击调整参数的范围为50~110,围捕半径的范围为5m~15m。提高了追击量的准确性,设置排斥控制器中排斥调整参数范围为90~200,排斥距离的范围为3m~6m,提高了排斥量的准确性,设置围捕控制器中围捕调整参数范围为70~100,提高了围捕量的准确性,无人艇之间的排斥量可以避免无人艇之间的碰撞,提高了围捕的安全性。排斥量和追击量实现对被围捕物的追击和围捕作用。准确的排斥量、排斥量和追击量,提高了控制量的精度,进而提高了后续利用控制量控制主无人艇的准确性。
附图说明
图1为本发明实施例提供的一种多无人艇围捕方法的示意图;
图2为本发明实施例提供的多无人艇围捕过程中多无人艇初始位置图;
图3为本发明实施例提供的多无人艇围捕过程中多无人艇追击目标物图;
图4为本发明实施例提供的多无人艇围捕过程中多无人艇开展围捕图;
图5为本发明实施例提供的多无人艇围捕过程中多无人艇最终形成围捕图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,一种多无人艇围捕方法,包括:
(1)获取主无人艇的主艇位置pi、主艇航向和主艇速度vi,获取邻居无人艇的邻居位置pj和被围捕物的目标物位置p0;
(2)根据主艇位置pi与目标物位置p0利用追击控制器得到追击量Fn,根据主艇位置pi和邻居位置pj利用排斥控制器得到无人艇之间的排斥量Ff,根据主艇位置pi和目标物位置p0利用围捕控制器获得围捕量Fc;追击控制器为:
其中,kn为追击调整参数,kn的范围为50~110,L为围捕半径,L的范围为5m~15m。
排斥控制器为:
其中,kf为排斥调整参数,kf范围为90~200,dl为排斥距离,dl的范围为3m~6m,sign(.)为符号函数,j表示多无人艇中邻居无人艇的个数,j的范围为1~N。符号函数为:
其中,x=dl-||pj-pi||。
围捕控制器为:
其中,kc为围捕调整参数,kc范围为70~100,(p0-pi)⊥为(p0-pi)的垂直向量。
(3)根据主艇航向主艇速度vi、追击量Fn、排斥量Ff、围捕量Fc,利用航向航速控制器得到主无人艇的控制量,控制量包括主无人艇的电机转速τu和主无人艇的舵机角度τr;利用控制量控制主无人艇,对被围捕物进行围捕。航向航速控制器为广义预测控制器。广义预测控制器为:
其中,ε为Fa=Fn+Fc+Ff与预测值的误差,Δτu和Δτr分别为τu,τr的增量,θ为由系统线性方程得出的系统矩阵,Q为误差权重矩阵,R为输入权重矩阵,τu(k)和τr(k)分别为k时刻τu,τr的离散表达式,τu(k+1)和τr(k+1)分别为(k+1)时刻τu,τr的离散表达式。
在多无人艇围捕过程中,多艘无人艇的位置和航向随机分布,但保持有一定距离避免调整时的碰撞,如图2所示。当接收到围捕指令的时候,无人艇检测目标所在位置并展开追击,追击过程中由于无人艇之间排斥力的存在可以避免碰撞,其目标一致性可以使多艘无人艇保持一定的队形向同一方向行驶,如图3所示。在靠近目标的时候,靠前的无人艇速度加快截住目标物的运动方向,靠后的无人艇减慢速度,如图4所示。最后实现多无人艇在目标物一定距离的范围内进行圆周运动,防止目标物逃脱,完成对目标物的围捕,如图5所示。在围捕过程中,无人艇之间不发生任何碰撞,并且每个无人艇只需要邻居无人艇和目标物的位置信息,所需的信息量极小。
多无人艇发现目标物,并随其展开追击,其控制器的结构如图1所示。追击过程中控制器中的追击量起主要作用,可以看出追击速度与离围捕圈的距离||p0-pi||-L成正相关,当距离远的时候追击速度快,距离近的时候追击速度慢,因此当其中一艘无人艇距离比较远时,会以较快的速度追上距离较近的无人艇从而形成一个队形向目标物追击;当无人艇追击到离目标物的接近L时,控制器中的追击量Fn逐渐变小,直至离目标物的距离为L时,追击量Fn为0,此时围捕量起主要作用。无人艇沿着以目标物为圆心,当前位置的切线方向行驶,相对目标物进行圆周运动,对目标物进行全方位的围捕。多无人艇之间通过排斥力避免两艇在追击过程中的碰撞,在追上目标物的时候,由于排斥力的作用,靠后的无人艇会通过排斥力将靠前的无人艇推向前,自身也会因为排斥力减缓速度,因此便形成了靠前的无人艇去截住,靠后的无人艇去围住的控制效果。在围捕形成时,无人艇之间的排斥力可以使得所有无人艇均匀分布在目标物的围捕圈上,使得任意临近的两无人艇之间的距离保持一致,达到了围捕性能最佳的效果。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种多无人艇围捕方法,其特征在于,包括:
(1)获取主无人艇的主艇位置pi、主艇航向和主艇速度vi,获取邻居无人艇的邻居位置pj和被围捕物的目标物位置p0;
(2)根据主艇位置pi与目标物位置p0利用追击控制器得到追击量Fn,根据主艇位置pi和邻居位置pj利用排斥控制器得到无人艇之间的排斥量Ff,根据主艇位置pi和目标物位置p0利用围捕控制器获得围捕量Fc;
(3)根据主艇航向主艇速度vi、追击量Fn、排斥量Ff、围捕量Fc,利用航向航速控制器得到主无人艇的控制量,控制量包括主无人艇的电机转速τu和主无人艇的舵机角度τr;利用控制量控制主无人艇,对被围捕物进行围捕。
2.如权利要求1所述的一种多无人艇围捕方法,其特征在于,所述追击控制器为:
<mrow>
<msub>
<mi>F</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<msub>
<mi>k</mi>
<mi>n</mi>
</msub>
<mrow>
<mo>(</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>-</mo>
<mi>L</mi>
<mo>)</mo>
</mrow>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中,kn为追击调整参数,kn的范围为50~110,L为围捕半径,L的范围为5m~15m。
3.如权利要求1或2所述的一种多无人艇围捕方法,其特征在于,所述排斥控制器为:
<mrow>
<msub>
<mi>F</mi>
<mi>f</mi>
</msub>
<mo>=</mo>
<msub>
<mi>k</mi>
<mi>f</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mfrac>
<mrow>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
<mfrac>
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mi>l</mi>
</msub>
<mo>-</mo>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>p</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>d</mi>
<mi>l</mi>
</msub>
</mfrac>
</mrow>
其中,kf为排斥调整参数,kf范围为90~200,dl为排斥距离,dl的范围为3m~6m,sign(.)为符号函数,j表示多无人艇中邻居无人艇的个数,j的范围为1~N。
4.如权利要求3所述的一种多无人艇围捕方法,其特征在于,所述符号函数为:
<mrow>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>x</mi>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<mi>x</mi>
<mo><</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,x=dl-||pj-pi||。
5.如权利要求1或2所述的一种多无人艇围捕方法,其特征在于,所述围捕控制器为:
<mrow>
<msub>
<mi>F</mi>
<mi>c</mi>
</msub>
<mo>=</mo>
<msub>
<mi>k</mi>
<mi>c</mi>
</msub>
<mfrac>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&perp;</mo>
</msup>
<mrow>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>p</mi>
<mn>0</mn>
</msub>
<mo>-</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
</mfrac>
</mrow>
其中,kc为围捕调整参数,kc范围为70~100,(p0-pi)⊥为(p0-pi)的垂直向量。
6.如权利要求1或2所述的一种多无人艇围捕方法,其特征在于,所述航向航速控制器为广义预测控制器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711219838.XA CN108037755B (zh) | 2017-11-24 | 2017-11-24 | 一种多无人艇围捕方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711219838.XA CN108037755B (zh) | 2017-11-24 | 2017-11-24 | 一种多无人艇围捕方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108037755A true CN108037755A (zh) | 2018-05-15 |
CN108037755B CN108037755B (zh) | 2020-02-14 |
Family
ID=62093058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711219838.XA Active CN108037755B (zh) | 2017-11-24 | 2017-11-24 | 一种多无人艇围捕方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108037755B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112130549A (zh) * | 2019-06-24 | 2020-12-25 | 上海大学 | 一种工作模式可变的无人艇编队控制系统和控制方法 |
CN112558642A (zh) * | 2020-12-30 | 2021-03-26 | 上海大学 | 一种适用于异构多无人系统的海空联合围捕方法 |
CN116700276A (zh) * | 2023-06-30 | 2023-09-05 | 苏州优世达智能科技有限公司 | 一种基于ai强化学习的无人艇对抗辅助方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103057678A (zh) * | 2012-12-18 | 2013-04-24 | 浙江工业大学 | 海底生物捕捞机器人的自主导航和人机协同捕捞作业系统 |
KR20140089096A (ko) * | 2013-01-04 | 2014-07-14 | 건국대학교 산학협력단 | 멀티로터 기반의 복합 무인 비행체의 주 날개 받음각 제어 시스템 |
KR20150113586A (ko) * | 2014-03-31 | 2015-10-08 | 세종대학교산학협력단 | 비전센서가 결합된 다중회전익 무인비행체 및 다중회전익 무인비행체의 자율비행 제어방법, 그 방법을 수행하기 위한 프로그램이 기록된 기록매체 |
CN106970618A (zh) * | 2017-04-06 | 2017-07-21 | 北京臻迪科技股份有限公司 | 一种无人船控制方法及系统 |
CN107065860A (zh) * | 2017-02-24 | 2017-08-18 | 华南理工大学 | 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 |
CN107168341A (zh) * | 2017-07-12 | 2017-09-15 | 哈尔滨工程大学 | 面向溢油围捕的柔性连接式双无人艇自主协同方法 |
CN107329477A (zh) * | 2017-08-14 | 2017-11-07 | 河海大学常州校区 | 一种无人船导航和自动驾驶设备及其方法 |
-
2017
- 2017-11-24 CN CN201711219838.XA patent/CN108037755B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103057678A (zh) * | 2012-12-18 | 2013-04-24 | 浙江工业大学 | 海底生物捕捞机器人的自主导航和人机协同捕捞作业系统 |
KR20140089096A (ko) * | 2013-01-04 | 2014-07-14 | 건국대학교 산학협력단 | 멀티로터 기반의 복합 무인 비행체의 주 날개 받음각 제어 시스템 |
KR20150113586A (ko) * | 2014-03-31 | 2015-10-08 | 세종대학교산학협력단 | 비전센서가 결합된 다중회전익 무인비행체 및 다중회전익 무인비행체의 자율비행 제어방법, 그 방법을 수행하기 위한 프로그램이 기록된 기록매체 |
CN107065860A (zh) * | 2017-02-24 | 2017-08-18 | 华南理工大学 | 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 |
CN106970618A (zh) * | 2017-04-06 | 2017-07-21 | 北京臻迪科技股份有限公司 | 一种无人船控制方法及系统 |
CN107168341A (zh) * | 2017-07-12 | 2017-09-15 | 哈尔滨工程大学 | 面向溢油围捕的柔性连接式双无人艇自主协同方法 |
CN107329477A (zh) * | 2017-08-14 | 2017-11-07 | 河海大学常州校区 | 一种无人船导航和自动驾驶设备及其方法 |
Non-Patent Citations (2)
Title |
---|
RUBO ZHANG等: "An Adaptive Obstacle Avoidance Algorithm for", 《CAA JOURNAL OF AUTOMATICA SINICA》 * |
张旭等: "关于多机器人围捕协调路径策略研究", 《计算机仿真》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112130549A (zh) * | 2019-06-24 | 2020-12-25 | 上海大学 | 一种工作模式可变的无人艇编队控制系统和控制方法 |
CN112558642A (zh) * | 2020-12-30 | 2021-03-26 | 上海大学 | 一种适用于异构多无人系统的海空联合围捕方法 |
CN116700276A (zh) * | 2023-06-30 | 2023-09-05 | 苏州优世达智能科技有限公司 | 一种基于ai强化学习的无人艇对抗辅助方法及系统 |
CN116700276B (zh) * | 2023-06-30 | 2023-11-07 | 苏州优世达智能科技有限公司 | 一种基于ai强化学习的无人艇对抗辅助方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108037755B (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107168329B (zh) | 基于跟随领航者法的航速航向协同控制编队航行控制方法 | |
CN108037755A (zh) | 一种多无人艇围捕方法 | |
CN105539781A (zh) | 一种基于轴向正交可调螺旋桨阵列的水下无人探测器 | |
CN112256055B (zh) | 一种采用不动点优化的三体对抗防御预测制导方法 | |
CN110633857B (zh) | 一种异构无人机群自主防御群集算法 | |
Li et al. | A UAV path planning method based on deep reinforcement learning | |
CN109613921A (zh) | 基于快速移动萤火虫算法的无人船舶局部路径规划方法 | |
Zhao et al. | Multiple missiles cooperative guidance based on leader-follower strategy | |
CN107480402B (zh) | 一种平面气动捕获终端状态可达范围确定方法 | |
CN109460058B (zh) | 一种尾部推进低速水下航行器水下对接横移控制方法 | |
Breivik et al. | Applying missile guidance concepts to motion control of marine craft | |
CN109543135B (zh) | 一种基于信息最大化的多auv协同同时导引方法 | |
Liu et al. | The application research for ship collision avoidance with hybrid optimization algorithm | |
CN108958252A (zh) | 一种基于航迹偏差距离的动力浮标航迹控制方法 | |
Yan et al. | A Path Planning Algorithm based on Artificial Potential Field Method and Ant Colony Algorithm | |
Lin et al. | Control strategies for target-attacker-defender games of USVs | |
CN109491388A (zh) | 一种无人艇动力定位系统 | |
CN111258332B (zh) | 一种无人机群编队方法 | |
CN114879694A (zh) | 一种基于概率博弈论框架的无人艇自动避碰方法 | |
Zhou et al. | Course control of unmanned sailboat based on bas-pid algorithm | |
Yuchen et al. | Research on Multi-UUV Pursuit-Evasion games strategies under the condition of strongly manoeuvrable evader | |
CN112987784A (zh) | 一种针对无人机集群协同对抗的决策方法 | |
CN106249759B (zh) | 一种导弹自主编队在队形控制过程中的冲突协调方法 | |
Liu et al. | Research on Anti-ship Missile Cooperative Trajectory Planning Based on Gauss Pseudospectral Method | |
Zhao et al. | Reinforcement Learning Method for AUV Hover Control in Uncertain Environment |
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 |