CN108200175A - 基于协同云控制的多无人船编队协同控制系统及方法 - Google Patents

基于协同云控制的多无人船编队协同控制系统及方法 Download PDF

Info

Publication number
CN108200175A
CN108200175A CN201810008486.1A CN201810008486A CN108200175A CN 108200175 A CN108200175 A CN 108200175A CN 201810008486 A CN201810008486 A CN 201810008486A CN 108200175 A CN108200175 A CN 108200175A
Authority
CN
China
Prior art keywords
cloud
unmanned boat
control system
collaboration
control
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
Application number
CN201810008486.1A
Other languages
English (en)
Other versions
CN108200175B (zh
Inventor
万占鸿
王艳
宋天予
吕修阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201810008486.1A priority Critical patent/CN108200175B/zh
Publication of CN108200175A publication Critical patent/CN108200175A/zh
Application granted granted Critical
Publication of CN108200175B publication Critical patent/CN108200175B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63B—SHIPS OR OTHER WATERBORNE VESSELS; EQUIPMENT FOR SHIPPING 
    • B63B35/00—Vessels or similar floating structures specially adapted for specific purposes and not otherwise provided for
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Ocean & Marine Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及基于协同云控制的多无人船编队协同控制系统及方法，该方法包括：通过岸基控制系统与协同云控制系统建立云岸连接，基于云岸连接岸基控制系统与协同云控制系统通信，以获取岸基控制系统对无人船编队的控制信息以及无人船编队状态信息；通过协同云控制系统与无人船编队建立云船连接，基于云船连接发送协同云控制系统对无人船编队的控制指令以及获取无人船编队的状态信息。本发明基于协同云控制系统，采用分布式计算方法，调用多台云端服务器，充分利用有效资源，提高了计算能力；提高了无人船编队调度控制精度和及时性，有效地防止无人船编队发生碰撞；且多无人船同时作业，提高了作业速度及作业效率。

Description

基于协同云控制的多无人船编队协同控制系统及方法
技术领域
本发明属于无人船领域，更具体地，涉及一种多无人船编队系统。
背景技术
无人船作为开发和利用海洋资源的重要工具之一，凭借其模块化、无人化、智能化、小型化等优点，正受到越来越多国家的重视与关注，并积极投入研究。在我国许多的近海地区、河岸、湖区、水库、海港等水域，大部分还是运用人工方法开展水域信息的采集，但是，人工方法采集水域信息存在很多问题，一方面可能危及工作人员的生命安全问题，一方面人工采样的周期比较长，因而拿到的样本大概率受到干扰而变质，严重影响了水域信息的反馈。相比之下，无人船具有很多优势，可以通过简单地对无人船进行操作进行自主采样。但是单无人船作业，作业范围、作业时间、作业方式有限，且难以完成复杂的任务，在需要大面积采样或者大区域快速搜索的时候，单个无人船工作的弊端尤为明显。
为了适应未来的挑战，能够顺利、高效地完成复杂任务，除了提高单艘无人船的功能和效用外，还需要实现及时、准确的多无人船编队调度，利用多艘无人船同时工作，更高效地完成任务。
发明内容
本发明所要解决的技术问题是，提供基于协同云控制的多无人船编队协同控制，利用多无人船同时工作，通过维持适当的队形提高了工作效率，加快对目标任务的完成，降低了系统能耗，同时增强了无人船队系统的鲁棒性；利用协同云控制系统控制整个无人船编队，通过单独发送给定舵角和给定航速控制命令到每艘无人船，实现精确控制，有效地防止无人船编队发生碰撞，提高了控制系统的准确性、实时性。且利用4G网络通信，增加数据传输距离与传输速度。
为达到上述目的，本发明采取的技术方案是构建一种基于协同云控制的多无人船编队协同控制，实现了多无人船按照既定规划航线同时工作，完成目标任务，包括岸基控制系统、协同云控制系统及无人船编队；
所述的岸基控制系统与协同云控制系统建立云岸连接，基于云岸连接岸基控制系统与协同云控制系统通信，以获取岸基控制系统对无人船编队的控制信息以及无人船编队状态信息；
所述的协同云控制系统与无人船编队建立云船连接，基于云船连接发送协同云控制系统对无人船编队的控制指令以及获取无人船编队的状态信息；
优选的，所述岸基控制系统用于发布无人船编队要执行的总任务到协同云控制系统，同时接收协同云控制系统通过云岸连接发送过来的无人船编队状态信息、协同云控制系统的控制命令信息以及协同云控制系统各个云端服务器的状态信息。
优选的，所述岸基控制系统调用电子海图，通过在电子海图上输入起始点、终止点坐标自动生成每艘无人船的航线。
优选的，岸基控制系统显示所接收到的每艘无人船的状态信息，具体为每艘无人船的经纬度信息、航向、航速以及各个侧面的障碍物距离；
优选的，岸基控制系统显示所接收到的协同云控制系统的控制命令信息，具体为协同云控制系统对每艘船的控制命令，包括给定舵角和给定航速；
优选的，岸基控制系统显示所接收到的协同云控制系统各个云端服务器的状态信息，具体为各个云端服务器的计算能力，当前所接收到的任务以及计算结果。
优选的，所述协同云控制系统接收到岸基控制系统发布的总任务、航线，同时接收到通过云船连接发送过来的无人船编队状态信息，根据这些信息分析决策输出控制命令，有效地控制无人船编队完成总任务。
优选的，其特征在于，所述主云控制器，不仅是一个云控制器，还是一个任务管理器；在任务的初始阶段，主云控制器根据任务的规模从备选云控制器中选择多个合适的云控制器作为分云控制器；然后主云控制器根据当前的计算资源，对总体任务进行分割为多个分任务，并将不同的分任务分配给相应的分云控制器，同时将网络控制参数、经验池、当前时刻及之前时刻的无人船状态信息发送给分云控制器，待分云控制器计算完成后，将计算结果反馈给主云控制器，主云控制器再根据当前任务分配情况计算出最终控制信号。
优选的，所述主云控制器将将不同的分任务分配给相应的分云控制器时，根据各个分云控制器的计算能力进行分配任务。
优选的，所述主云控制器根据无人船的数量选择相应数量的分云控制器。
优选的，所述主云控制器通过每艘无人船的当前位置以及所跟踪航线得到每艘无人船的期望航向。
优选的，所述主云控制器将每艘无人船下一时刻、当前时刻及前一时刻的状态信息、期望航向、期望航迹误差、实际航迹误差作为对应分云控制器的输入，分云控制器通过自主学习决策输出控制命令，并将控制命令及网络参数反馈给主云控制器，主云控制器再将控制命令发送给对应的无人船。
优选的，所述分云控制器采用深度确定性策略梯度算法控制无人船自主航行，每个分云控制器包含4个神经网络，神经网络1作为行动者输出控制命令O(t)给定舵角和给定航速，神经网络2作为行动者估计，根据无人船的下一个时刻的状态估计无人船应该采取的动作O(t+1)，神经网络3作为评论家对每次神经网络1所采取的行动打分，神经网络4作为评论家估计对每次神经网络2的输出打分。
优选的，所述分云控制器将神经网络1的输出信号及神经网络1、2、3、4的网络参数、经验池反馈给主云控制器，主云控制器选择分云控制器神经网络1的输出作为控制命令并保存神经网络1、2、3、4的网络参数。
优选的，所述主云控制器将无人船当前采样时刻以及前一采样时刻的期望航向、期望航迹误差、实际航向、实际航迹误差、实际航速、当前位置、当前障碍物距离、前一时刻的控制命令作为分云控制器神经网络1的输入S(t)。
优选的，所述期望航迹误差恒为零。
优选的，所述主云控制器将无人船下一采样时刻以及当前采样时刻的期望航向、期望航迹误差、实际航向、实际航迹误差、实际航速、当前位置、当前障碍物距离、前一时刻的控制命令作为神经网络2的输入S(t+1)。
优选的，所述主云控制器将最终控制命令给对应的无人船船载控制系统，当船载控制系统执行控制命令后，会得到坏境的奖励r(t)，所述奖励为若采取的动作有效的避开了障碍物且高精度的跟踪了航线，则得到一个正奖励，反之，得到一个负奖励。
优选的，所述分云控制器将每一个时刻神经网络1、2的输入S(t)、S(t+1)和输出O(t)、O(t+1)及奖励r(t)存储在经验池中，每次从经验池中随机抽取20组数据，将S(i)和O(i)作为神经网络3的输入，将S(i+1)和O(i+1)作为神经网络4的输入，神经网络3和4对i时刻和i+1时刻神经网络1和2的动作进行打分，将神经网络4的输出与i时刻的奖励求和后，再与神经网络3的输出求差值，通过最小化这个差值来反向求梯度，沿着梯度下降方向更新神经网络3的网络参数，神经网络4通过慢慢跟踪神经网络3的网络参数来更新自身的网络参数。
优选的，所述经验池存储最近100组数据。
优选的，所述神经网络1的网络参数通过神经网络3对神经网络1的输入反向求梯度，沿着梯度上升方向获得更新。
优选的，所述环境的反馈为对无人船每次执行协同云控制系统的控制命令后的表现评分，若无人船的航迹误差和航向误差越小，得到的分数越高，反之，得到的分数越低。
优选的，所述控制命令为对无人船编队的各艘无人船的控制命令，其控制命令包括各艘无人船的给定舵角、给定航速。
优选的，所述无人船编队的状态信息包括每艘船的经纬度信息、航向、航速，以及每艘无人船各个侧面的障碍物信息。
优选的，在每个采样时刻，活动的云控制器和备选的云控制器将发送他们的状态到主云控制器。主云控制器根据各云控制器的状态，重新列出新的分云控制器备选名单，然后在下一个采样时刻根据各云控制器的最新状态重新分配任务。
优选的，所述的各云控制器的状态包括各云控制器的计算能力，以及各分云控制器到主控制器之间网络的时间延迟和数据丢失规律。
优选的，所述云岸连接和云船连接均由4G串口收发模块通过4G网络进行数据传输。
优选的，所述无人船编队要对每艘无人船进行编号，在每个采样时刻，协同云控制系统和岸基控制系统通过编号对每艘无人船标识，且协同云控制系统发送控制命令时直接按编号发送对应的控制指令到每艘无人船。
优选的，无人船预退出编队协同控制时，预退出的无人船发送请求退出命令到协同云控制系统，待协同云控制系统发送同意预退出命令，预退出的无人船在接收到同意预退出命令后再次向协同云控制系统确认同意退出后，方可退出编队协同控制。
优选的，欲加入编队系统控制的无人船向协同云控制系统发送请求加入命令，待接收到协同云控制系统发送的同意加入命令后，再次向协同云控制系统确认同意加入信息，方可加入编队协同控制，且获得编号。
优选的，在每个采样时刻，协同云控制系统根据无人船编队的状态信息，判断无人船编队是否正常工作，若工作状态异常，将发出异常警告，并重启不能正常工作的无人船。
本发明公开的基于协同云控制的多无人船编队协同控制，利用多无人船同时工作，通过维持适当的队形搭载相关传感器作业，能对目标水域进行无死角的大范围快速搜索和探测，加快对目标任务的完成，降低了系统能耗，同时增强了无人船队系统的鲁棒性，比传统单船工作模式提高了作业效率；利用协同云控制系统控制整个无人船编队，通过单独发送给定舵角和给定航速控制命令到每艘无人船，实现精确控制，有效地防止无人船编队发生碰撞，提高了控制系统的准确性、实时性。且利用4G网络通信，增加数据传输距离与传输速度。
附图说明
图1为基于协同云控制的多无人船编队协同控制的总体架构的结构示意图。
图2为协同云控制系统每个分云控制器的结构示意图。
具体实施方式
以下结合附图对本发明的具体实施方式做进一步的详细说明。
在图1中，基于协同云控制的多无人船编队协同控制，包括岸基控制系统、协同云控制系统及无人船编队；
具体地，岸基控制系统与协同云控制系统建立云岸连接，基于云岸连接岸基控制系统与协同云控制系统通信，以获取岸基控制系统对无人船编队的控制信息以及无人船编队状态信息；
具体地，协同云控制系统与无人船编队建立云船连接，基于云船连接发送协同云控制系统对无人船编队的控制指令以及获取无人船编队的状态信息；
具体地，所述岸基控制系统用于发布无人船编队要执行的总任务到协同云控制系统，同时接收协同云控制系统通过云岸连接发送过来的无人船编队状态信息、协同云控制系统的控制命令信息以及协同云控制系统各个云端服务器的状态信息。
进一步地，岸基控制系统显示所接收到的每艘无人船的状态信息，具体为每艘无人船的经纬度信息、航向、航速以及各个侧面的障碍物距离；
进一步地，岸基控制系统显示所接收到的协同云控制系统的控制命令信息，具体为协同云控制系统对每艘船的控制命令，包括给定舵角和给定航速；
进一步地，岸基控制系统显示所接收到的协同云控制系统各个云端服务器的状态信息，具体为各个云端服务器的计算能力，当前所接收到的任务以及计算结果。
具体地，所述协同云控制系统接收到岸基控制系统发布的总任务，同时接收到通过云船连接发送过来的无人船编队状态信息，根据这些信息采用智能算法输出控制命令，有效地控制无人船编队完成总任务。
本实施例中，协同云控制系统根据每艘无人船自身的位置、编队中其他无人船的位置及其他障碍物的位置信息，判断当前该艘无人船相对于其他无人船的位置，综合该艘无人船所要跟踪的航线，进而实现对当前无人船的控制。
具体地，所述协同云控制系统的主云控制器对总体任务进行分割，调用可用的分云控制器执行各个分任务，计算完毕之后各分云控制器将计算结果反馈给主云控制器，主云控制器根据当前任务分配情况计算出最终的控制信号。
进一步地，所述控制信号为对无人船编队的各艘无人船的控制命令，其控制命令包括各艘无人船的给定舵角及给定航速。
进一步地，所述无人船编队的状态信息包括每艘船的经纬度信息、航向、航速，以及每艘无人船各个侧面的障碍物信息。
进一步地，在每艘无人船上设置GPS、姿态传感器、航速传感器，以获得每艘无人船的当前位置、当前航向和当前航速信息。
进一步地，在每艘无人船的前、后、左、右4个方位设置距离雷达，以采集4个方位的障碍物信息。
具体地，所述云岸连接和云船连接均由4G串口收发模块通过4G网络进行数据传输。
进一步地，云岸连接和云船连接均采用点对点通信方式。
具体地，所述无人船编队要对每艘无人船进行编号，在每个采样时刻，协同云控制系统和岸基控制系统通过编号对每艘无人船标识，且协同云控制系统发送控制命令时直接按编号发送对应的控制指令到每艘无人船。
具体地，无人船预退出编队协同控制时，预退出的无人船发送请求退出命令到协同云控制系统，待协同云控制系统发送同意预退出命令，预退出的无人船在接收到同意预退出命令后再次向协同云控制系统确认同意退出后，方可退出编队协同控制。
具体地，欲加入编队系统控制的无人船向协同云控制系统发送请求加入命令，待接收到协同云控制系统发送的同意加入命令后，再次向协同云控制系统确认同意加入信息，方可加入编队协同控制，且获得编号。
具体地，在每个采样时刻，协同云控制系统根据无人船编队的状态信息，判断无人船编队是否正常工作，若工作状态异常，将发出异常警告，并重启不能正常工作的无人船。
本发明公开的基于协同云控制的多无人船编队协同控制，利用多无人船同时工作，通过维持适当的队形搭载相关传感器作业，能对目标水域进行无死角的大范围快速搜索和探测，加快对目标任务的完成，降低了系统能耗，同时增强了无人船队系统的鲁棒性，比传统单船工作模式提高了作业效率；利用协同云控制系统控制整个无人船编队，通过单独发送给定舵角和给定航速控制命令到每艘无人船，实现精确控制，有效地防止无人船编队发生碰撞，提高了控制系统的准确性、实时性。且利用4G网络通信，增加数据传输距离与传输速度。

Claims (7)

1.基于协同云控制的多无人船编队协同控制系统，其特征在于包括岸基控制系统、协同云控制系统及无人船编队；
所述的岸基控制系统与协同云控制系统建立云岸连接，基于云岸连接岸基控制系统与协同云控制系统通信，以获取岸基控制系统对无人船编队的控制信息以及无人船编队状态信息；
所述的协同云控制系统与无人船编队建立云船连接，基于云船连接发送协同云控制系统对无人船编队的控制指令以及获取无人船编队的状态信息
所述协同云控制系统包括主云控制器和若干个分云控制器，主云控制器对总体任务进行分割，调用可用的分云控制器执行各个分任务，计算完毕之后各分云控制器将计算结果反馈给主云控制器，主云控制器根据当前任务分配情况计算出最终的控制信号。
2.如权利要求1所述的基于协同云控制的多无人船编队协同控制系统，其特征在于，所述岸基控制系统用于发布无人船编队要执行的总任务到协同云控制系统，同时接收协同云控制系统通过云岸连接发送过来的无人船编队状态信息、协同云控制系统的控制命令信息以及协同云控制系统各个云控制器的状态信息。
3.如权利要求1所述的基于协同云控制的多无人船编队协同控制系统，其特征在于，所述协同云控制系统接收岸基控制系统发布的总任务，同时接收通过云船连接发送过来的无人船编队状态信息，输出控制命令控制无人船编队完成总任务。
4.如权利要求1所述的基于协同云控制的多无人船编队协同控制系统，其特征在于，所述控制信号为对无人船编队的各艘无人船的控制命令，所述控制命令包括各艘无人船的给定舵角及给定航速。
5.如权利要求1所述的基于协同云控制的多无人船编队协同控制系统，其特征在于，所述无人船编队的状态信息包括每艘船的经纬度信息、航向、航速，以及每艘无人船各个侧面的障碍物信息。
6.如权利要求1所述的基于协同云控制的多无人船编队协同控制系统，其特征在于，所述云岸连接和云船连接均由4G串口收发模块通过4G网络进行数据传输。
7.一种如权利要求1所述系统的多无人船编队协同控制方法，其特征在于：
对无人船编队的每艘无人船进行编号，在每个采样时刻，协同云控制系统和岸基控制系统通过编号对每艘无人船标识，且协同云控制系统发送控制命令时直接按编号发送对应的控制指令到每艘无人船；
岸基控制系统发布无人船编队要执行的总任务到协同云控制系统，协同云控制系统接收岸基控制系统发布的总任务，同时接收通过云船连接发送过来的无人船编队状态信息；协同云控制系统的主云控制器对总体任务进行分割，调用可用的分云控制器执行各个分任务，计算完毕之后各分云控制器将计算结果反馈给主云控制器，主云控制器根据当前任务分配情况计算出最终的控制信号；
协同云控制系统对无人船编队的各艘无人船发送各艘无人船的给定舵角及给定航速；协同云控制系统接收无人船编队状态信息；在每个采样时刻，协同云控制系统根据无人船编队的状态信息，判断无人船编队是否正常工作，若工作状态异常，将发出异常警告，并重启不能正常工作的无人船；
岸基控制系统接收协同云控制系统发送过来的无人船编队状态信息、协同云控制系统的控制命令信息以及协同云控制系统各个云控制器的状态信息；
当无人船预退出编队协同控制时，预退出的无人船发送请求退出命令到协同云控制系统，待协同云控制系统发送同意预退出命令，预退出的无人船在接收到同意预退出命令后再次向协同云控制系统确认同意退出后，方可退出编队协同控制。
当有编队外的无人船欲加入协同控制时，欲加入的无人船向协同云控制系统发送请求加入命令，待接收到协同云控制系统发送的同意加入命令后，再次向协同云控制系统确认同意加入信息，方可加入编队协同控制，且获得编号。
CN201810008486.1A 2018-01-04 2018-01-04 基于协同云控制的多无人船编队协同控制系统及方法 Expired - Fee Related CN108200175B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810008486.1A CN108200175B (zh) 2018-01-04 2018-01-04 基于协同云控制的多无人船编队协同控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810008486.1A CN108200175B (zh) 2018-01-04 2018-01-04 基于协同云控制的多无人船编队协同控制系统及方法

Publications (2)

Publication Number Publication Date
CN108200175A true CN108200175A (zh) 2018-06-22
CN108200175B CN108200175B (zh) 2020-07-17

Family

ID=62588372

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810008486.1A Expired - Fee Related CN108200175B (zh) 2018-01-04 2018-01-04 基于协同云控制的多无人船编队协同控制系统及方法

Country Status (1)

Country Link
CN (1) CN108200175B (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109116863A (zh) * 2018-08-24 2019-01-01 北京京东尚科信息技术有限公司 无人机调度方法、装置、系统、电子设备及可读介质
CN109407680A (zh) * 2018-12-28 2019-03-01 大连海事大学 无人船编队重构的分布式目标协同分配方法
CN109591966A (zh) * 2018-12-03 2019-04-09 江苏科技大学 一种内河湖泊水域监测双体体无人艇及信息协同艇
CN109683626A (zh) * 2018-11-08 2019-04-26 浙江工业大学 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法
CN109765892A (zh) * 2019-01-16 2019-05-17 大连海事大学 一种无人船集群的碰撞自规避编队控制器结构及设计方法
CN110443454A (zh) * 2019-07-04 2019-11-12 珠海云洲智能科技有限公司 无人艇编队的进港调度方法和装置
CN110597495A (zh) * 2019-09-06 2019-12-20 遵义师范学院 一种水面无人船舰操作系统及设计方法
CN111028546A (zh) * 2019-11-20 2020-04-17 智慧航海（青岛）科技有限公司 基于岸基雷达面向智能船舶的多船协同避碰系统和方法
CN111524393A (zh) * 2020-04-07 2020-08-11 浙江国际海运职业技术学院 一种多无人艇全覆盖路径协同规划方法
CN112051865A (zh) * 2020-08-17 2020-12-08 上海交通大学 一种双dp半潜平台的协同控制系统及其方法
CN112363502A (zh) * 2020-06-30 2021-02-12 珠海云洲智能科技有限公司 无人船位置分配策略确定方法、装置、设备及存储介质
CN112631305A (zh) * 2020-12-28 2021-04-09 大连海事大学 一种多无人船编队防碰撞抗干扰控制系统
CN112835368A (zh) * 2021-01-06 2021-05-25 上海大学 一种多无人艇协同编队控制方法及系统
CN116225032A (zh) * 2023-05-09 2023-06-06 陕西欧卡电子智能科技有限公司 基于已知航迹的无人船集群协同避障规划方法
CN117579669A (zh) * 2023-11-29 2024-02-20 青岛映蓝科技有限公司 一种遥控无人船多信道控制方法及系统

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7668797B2 (en) * 2006-04-07 2010-02-23 Gary Kuvich Active semiotic system for image and video understanding by robots and unmanned vehicles, methods and apparatus
CN102801812A (zh) * 2012-08-24 2012-11-28 上海和辰信息技术有限公司 松散网络环境下新型云服务组件管理的系统与方法
CN103036927A (zh) * 2011-09-29 2013-04-10 中国电信股份有限公司 智能交通控制方法、装置与系统
CN103685540A (zh) * 2013-12-20 2014-03-26 上海电机学院 基于云计算的任务分解复合方法
US20150323699A1 (en) * 2014-05-06 2015-11-12 Clearpath Robotics, Inc. System, apparatus and method for automatic environmental data collection and analysis
CN106080941A (zh) * 2016-08-04 2016-11-09 清华大学 一种实现变速平衡控制的无人驾驶自行车
CN106375373A (zh) * 2016-08-24 2017-02-01 广西小草信息产业有限责任公司 一种基于动态云节点的任务分解方法和系统
CN106483852A (zh) * 2016-12-30 2017-03-08 北京天恒长鹰科技股份有限公司 一种基于Q‑Learning算法和神经网络的平流层飞艇控制方法
CN106530660A (zh) * 2016-12-06 2017-03-22 北京臻迪机器人有限公司 一种水下无人船控制系统
CN106741795A (zh) * 2017-01-04 2017-05-31 北京臻迪科技股份有限公司 一种电池管理方法和智能电源
CN107037816A (zh) * 2017-06-15 2017-08-11 华中科技大学 一种多无人船编队系统
CN107172184A (zh) * 2017-06-09 2017-09-15 盐城工学院 一种基于4g物联网技术的无人船云控制系统
CN107346138A (zh) * 2017-06-16 2017-11-14 武汉理工大学 一种基于增强学习算法的无人船侧向控制方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7668797B2 (en) * 2006-04-07 2010-02-23 Gary Kuvich Active semiotic system for image and video understanding by robots and unmanned vehicles, methods and apparatus
CN103036927A (zh) * 2011-09-29 2013-04-10 中国电信股份有限公司 智能交通控制方法、装置与系统
CN102801812A (zh) * 2012-08-24 2012-11-28 上海和辰信息技术有限公司 松散网络环境下新型云服务组件管理的系统与方法
CN103685540A (zh) * 2013-12-20 2014-03-26 上海电机学院 基于云计算的任务分解复合方法
US20150323699A1 (en) * 2014-05-06 2015-11-12 Clearpath Robotics, Inc. System, apparatus and method for automatic environmental data collection and analysis
CN106080941A (zh) * 2016-08-04 2016-11-09 清华大学 一种实现变速平衡控制的无人驾驶自行车
CN106375373A (zh) * 2016-08-24 2017-02-01 广西小草信息产业有限责任公司 一种基于动态云节点的任务分解方法和系统
CN106530660A (zh) * 2016-12-06 2017-03-22 北京臻迪机器人有限公司 一种水下无人船控制系统
CN106483852A (zh) * 2016-12-30 2017-03-08 北京天恒长鹰科技股份有限公司 一种基于Q‑Learning算法和神经网络的平流层飞艇控制方法
CN106741795A (zh) * 2017-01-04 2017-05-31 北京臻迪科技股份有限公司 一种电池管理方法和智能电源
CN107172184A (zh) * 2017-06-09 2017-09-15 盐城工学院 一种基于4g物联网技术的无人船云控制系统
CN107037816A (zh) * 2017-06-15 2017-08-11 华中科技大学 一种多无人船编队系统
CN107346138A (zh) * 2017-06-16 2017-11-14 武汉理工大学 一种基于增强学习算法的无人船侧向控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SHIBARCHI MAJUMDER ; MANI SHANKAR PRASAD: ""Cloud Based Control for Unmanned Aerial Vehicles"", 《2016 3RD INTERNATIONAL CONFERENCE ON SIGNAL PROCESSING AND INTEGRATED NETWORKS (SPIN)》 *
徐海恩: "" 基于4G物联网技术的无人船云控制系统设计与实现"", 《软件导刊》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109116863A (zh) * 2018-08-24 2019-01-01 北京京东尚科信息技术有限公司 无人机调度方法、装置、系统、电子设备及可读介质
CN109116863B (zh) * 2018-08-24 2021-12-03 北京京东乾石科技有限公司 无人机调度方法、装置、系统、电子设备及可读介质
CN109683626A (zh) * 2018-11-08 2019-04-26 浙江工业大学 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法
CN109683626B (zh) * 2018-11-08 2022-03-15 浙江工业大学 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法
CN109591966B (zh) * 2018-12-03 2021-05-04 江苏科技大学 一种内河湖泊水域监测双体体无人艇及信息协同艇
CN109591966A (zh) * 2018-12-03 2019-04-09 江苏科技大学 一种内河湖泊水域监测双体体无人艇及信息协同艇
CN109407680A (zh) * 2018-12-28 2019-03-01 大连海事大学 无人船编队重构的分布式目标协同分配方法
CN109407680B (zh) * 2018-12-28 2021-06-08 大连海事大学 无人船编队重构的分布式目标协同分配方法
CN109765892A (zh) * 2019-01-16 2019-05-17 大连海事大学 一种无人船集群的碰撞自规避编队控制器结构及设计方法
CN109765892B (zh) * 2019-01-16 2021-08-10 大连海事大学 一种无人船集群的碰撞自规避编队控制器结构及设计方法
CN110443454A (zh) * 2019-07-04 2019-11-12 珠海云洲智能科技有限公司 无人艇编队的进港调度方法和装置
CN110443454B (zh) * 2019-07-04 2021-12-31 珠海云洲智能科技股份有限公司 无人艇编队的进港调度方法和装置
CN110597495A (zh) * 2019-09-06 2019-12-20 遵义师范学院 一种水面无人船舰操作系统及设计方法
CN111028546A (zh) * 2019-11-20 2020-04-17 智慧航海（青岛）科技有限公司 基于岸基雷达面向智能船舶的多船协同避碰系统和方法
CN111524393A (zh) * 2020-04-07 2020-08-11 浙江国际海运职业技术学院 一种多无人艇全覆盖路径协同规划方法
CN112363502A (zh) * 2020-06-30 2021-02-12 珠海云洲智能科技有限公司 无人船位置分配策略确定方法、装置、设备及存储介质
CN112363502B (zh) * 2020-06-30 2021-10-08 珠海云洲智能科技股份有限公司 无人船位置分配策略确定方法、装置、设备及存储介质
CN112051865A (zh) * 2020-08-17 2020-12-08 上海交通大学 一种双dp半潜平台的协同控制系统及其方法
CN112631305A (zh) * 2020-12-28 2021-04-09 大连海事大学 一种多无人船编队防碰撞抗干扰控制系统
CN112631305B (zh) * 2020-12-28 2024-04-05 大连海事大学 一种多无人船编队防碰撞抗干扰控制系统
CN112835368A (zh) * 2021-01-06 2021-05-25 上海大学 一种多无人艇协同编队控制方法及系统
CN116225032A (zh) * 2023-05-09 2023-06-06 陕西欧卡电子智能科技有限公司 基于已知航迹的无人船集群协同避障规划方法
CN117579669A (zh) * 2023-11-29 2024-02-20 青岛映蓝科技有限公司 一种遥控无人船多信道控制方法及系统

Also Published As

Publication number Publication date
CN108200175B (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
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
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
CN110308740B (zh) 一种面向移动目标追踪的无人机群动态任务分配方法
CN106020237B (zh) 植保无人机的多机作业航线规划及其喷洒作业方法和系统
CN109871032A (zh) 一种基于模型预测控制的多无人机编队协同控制方法
US8788121B2 (en) Autonomous vehicle and method for coordinating the paths of multiple autonomous vehicles
CN106774331A (zh) 一种分布式控制无人艇集群分簇编队方法
CN108873894A (zh) 一种基于多无人艇的目标跟踪协同控制系统和方法
CN109521797A (zh) 无人船引导水下航行器群的优化割草型编队控制方法
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
CN106873599A (zh) 基于蚁群算法和极坐标变换的无人自行车路径规划方法
Xia et al. Cooperative task assignment and track planning for multi-UAV attack mobile targets
CN104238552A (zh) 一种有冗余的多机器人编队系统
CN108873902A (zh) 一种无人驾驶矿用车辆的远程控制方法及装置
KR102096377B1 (ko) 다수의 비행체들의 군집 비행을 위한 비행경로 결정 방법
CN110110419A (zh) 一种基于多目标学习的tbm掘进参数预测方法
CN109032136A (zh) 基于主从分布式模型预测控制的欠驱动多无人船编队跟踪方法
CN111897316A (zh) 一种场景快变条件下的多飞行器自主决策方法
US20220215758A1 (en) Control method and system for collaborative interception by multiple unmanned surface vessels
Cao et al. Hunting algorithm for multi-auv based on dynamic prediction of target trajectory in 3d underwater environment
Cui et al. UAV target tracking algorithm based on task allocation consensus
CN109657928B (zh) 一种车载传感器系统的闭环协同调度框架的协同调度方法
CN106789740B (zh) 按任务优先级序贯拍卖的多平台传感器协同管理方法
Huo et al. Live-fly experimentation for pigeon-inspired obstacle avoidance of quadrotor unmanned aerial vehicles
CN115657724A (zh) 一种有人、无人飞机协同编队队形变换系统及方法

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200717