CN109085756B - 一种基于遗传算法优化的水下机器人推力分配方法及系统 - Google Patents
一种基于遗传算法优化的水下机器人推力分配方法及系统 Download PDFInfo
- Publication number
- CN109085756B CN109085756B CN201810983453.9A CN201810983453A CN109085756B CN 109085756 B CN109085756 B CN 109085756B CN 201810983453 A CN201810983453 A CN 201810983453A CN 109085756 B CN109085756 B CN 109085756B
- Authority
- CN
- China
- Prior art keywords
- thrust
- rov
- underwater robot
- genetic algorithm
- optimization
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于遗传算法优化的水下机器人推力分配方法及系统,通过遗传算法对水下机器人ROV水平面上的三个控制量纵向推力、横向推力和转艏力矩进行优化处理,考虑了水下机器人ROV中推进器的推力饱和约束特性,避免了推力分配方法输出的某个推进器的期望推力超过其最大推力阈值限制,有效的提高了运动控制系统的控制能力。同时优化函数设计中考虑了误差和耗能两个因素,提高了水下机器人ROV推力分配的精度和减小了航行过程中的总耗能,提高了水下机器人ROV运动的精确性和续航能力,具有重要的工程应用价值和现实意义。
Description
技术领域
本发明属于水下机器人运动控制领域,具体涉及一种基于遗传算法优化的水下机器人推力分配方法及系统。
背景技术
水下机器人是一种复杂的机电系统装置,不仅具有很高的理论研究和科研实践价值,而且在水下资源探测、海上搜救、水下考古、打捞救助、海底地质地貌勘测、军事侦察和作战等方面具有广阔的应用前景。ROV作为水下机器人的重要代表,在水下安保领域、水下作业和水质检测等方面也有着经济、高效的应用优势,而其中的动力系统更是其能否合理构建运行平台,能否顺利完成任务使命的核心系统,推进器是ROV动力系统的执行机构,推进器的推力分配方案直接影响到ROV的整体性能。传统的推力分配方法求得的各推进器的推力值无法克服推进器的输出饱和约束问题,同时其输出推力值也较遗传优化分配方法求得的推力值大一些,说明传统的伪逆分配方法无法求得满足推进器的输出推力约束问题,也不能够实现推力的最优分配。
发明内容
本发明的目的在于克服上述不足,提供一种基于遗传算法优化的水下机器人推力分配方法及系统,能够提高水下机器人ROV运动的精确性和续航能力。
为了达到上述目的,一种基于遗传算法优化的水下机器人推力分配方法,包括以下步骤:
步骤二,根据水平推进器矢量布置,能够得到水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力表达式,根据水平各推进器对Z轴产生的力矩,能够得到水下机器人ROV绕轴旋转的回转力矩表达式;
步骤三,对水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力以及绕轴旋转的回转力矩进行处理,得到水下机器人ROV在水平方向的总推力表达式;
步骤五,采用遗传算法优化总推力表达式,首先采用染色体编码,采用二进制编码的方法,通过12位的二进制编码串来分别对四个推力变量τi=[τ1 τ2 τ3 τ4]进行编码,然后将四个编码串拼接成一个48位的二进制编码串,编码串代表遗传算法搜索空间的一个潜在解;
步骤六,采用轮盘赌选择法和最优保存策略两种方法相结合作为遗传算法的选择算子;
步骤七,采用分组单点交叉的方式作为遗传算法的交叉算子;
步骤八,采用分组基本位变异的运算方式作为遗传算法的变异算子;
步骤九,根据选择算子、交叉算子和变异算子对四台推进器在水平面上沿X轴和Y轴方向的推力以及绕轴旋转的回转力矩基于遗传优化算法进行推力分配,分配成四台推进器的期望推力值。
步骤二中,水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力表达式为:
水下机器人ROV绕轴旋转的回转力矩表达式为:
其中,a为水下机器人ROV的宽度,b为水下机器人ROV的长度,
τix=τicosα,τiy=τisinα,i=1,2,3,4。
步骤三中,水下机器人ROV在水平方向的总推力表达式:
转换为矩阵向量形式:
其中,水平推进器的矢量布置矩阵的表达式B(α)为:
步骤四中,建立优化目标函数的具体方法如下:
为达到推进器推力分配误差最小化的目标,建立数学模型如下:
为使每个推进器分配到的推力值在满足各自的推力输出约束条件下推进器总体耗能尽可能小,建立数学模型如下:
其中,τmin≤τHT≤τmax;
一种基于遗传算法优化的水下机器人推力分配方法所采用的系统,包括主控制器,主控制器连接运动执行模块,运动执行模块与水下机器人ROV中四台推进器连接,主控制器连接设备状态采集模块和运动感知模块;
设备状态采集模块用于采集设备当前的工作状态,并发送至主控制器;
运动感知模块用于监控四台推进器的工作状态,并发送至主控制器;
主控制器用于根据设备状态采集模块和运动感知模块发送的信息,调整四台推进器的推力,并将控制信号发送至运动执行模块;
运动执行模块用于根据主控制器发送的控制信息,对四台推进器进行驱动。
主控制器连接安保探测模块和供电模块。
与现有技术相比,本发明的方法是通过遗传算法对水下机器人ROV水平面上的三个控制量纵向推力、横向推力和转艏力矩进行优化处理,考虑了水下机器人ROV中推进器的推力饱和约束特性,避免了推力分配方法输出的某个推进器的期望推力超过其最大推力阈值限制,有效的提高了运动控制系统的控制能力。同时优化函数设计中考虑了误差和耗能两个因素,提高了水下机器人ROV推力分配的精度和减小了航行过程中的总耗能,提高了水下机器人ROV运动的精确性和续航能力,具有重要的工程应用价值和现实意义。
本发明的系统通过设备状态采集模块和运动感知模块采集信息,并反馈给主控制器,主控制器根据采集的信息对运动执行模块进行控制,从而驱动四台推进器,从而使本发明具有容错分配的功能,当运动感知模块采集到某一推进器出现故障时,主控制器能够基于遗传算法将推力分配至其他推进器上,提高了水下机器人ROV动力系统的可靠性。
附图说明
图1为水下机器人ROV的简化模型图;
图2为水下机器人ROV中水平推进器的布置示意图;
图3为本发明中遗传算法步骤示意图;
图4为本发明中运动控制及推力分配系统的组成框图;
图5为本发明中交叉算子方法的示意图;
图6为本发明中变异算子方法示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
如图1和图2所示,本发明根据通用型水下机器人ROV水平方向上四个呈45°矢量对称布置的特点,结合水下机器人ROV水平方向上的进退、横移、转艏三个自由度分别建立运动学方程,然后对水平面的三个控制量(纵向推力、横向推力和偏航推力矩)进行归一化处理得到ROV推力分配的数学模型。以实现推进器推力分配误差最小、推进器总体耗能最小、限定推进器阈值为目标设计优化目标函数,按照图3所示的遗传算法步骤根据实际的通用型水下机器人ROV水平方向上四个推进器呈矢量对称分布的物理背景特点制定具体的染色体编码、适应度函数设计、选择算子、交叉算子、变异算子方法,实现将水平面上三个控制量分配成四台推进器的期望推力的目的。同时,如图4所示,当四个推进器中任何一个出现故障时,运动控制系统检测到故障推进器后,本发明算法将把该故障推进器赋值为零,水平面上的三个控制量由其余三个推进器负责执行。
参见图4,本发明包括以下步骤:
步骤一,所研究的通用型水下机器人ROV在水面上能够实现进退、横移、转艏三个自由度的运动,对水平面上的三个控制量(纵向推力、横向推力、转艏力矩)进行归一化处理得到水平面上的总推力(矩)矢量该总推力(矩)矢量包含三个分量:进退运动的推力τx、横移运动的推力τy以及转艏运动的扭矩τN,即分配到各推进器的推力矢量τHT=[τ1 τ2 τ3 τ4]。
步骤二,根据图2水平推进器矢量布置图,可以得到四台推进器在水平面上沿X轴和Y轴方向的推力表达式为:
根据图2水平各推进器对Z轴产生的力矩示意图,可以得到ROV绕轴旋转的回转力矩表达式为:
式中:a——ROV的宽度;b——ROV的长度;τix=τicosα,τiy=τisinα,i=1,2,3,4。
步骤三,对三个方向的表达式进行处理,综合式(1)和(2),得到ROV在水平方向的总推力(矩)表达式为:
将式(3)写成如下矩阵向量形式;
其中水平推进器的矢量布置矩阵的表达式B(α)为:
步骤四,设计优化目标函数,本发明推力分配目标为实现推进器推力分配误差最小,使每个推进器分配到的推力值满足各自的推力输出约束条件下推进器总体耗能尽可能小。
为使每个推进器分配到的推力值满足各自的推力输出约束条件,将此问题抽象成相应的数学模型,即求解τHT=[τ1 τ2 τ3 τ4],使其满足:
τHT——水平4个推进器的目标控制量;
B(α)——推进器矢量布置矩阵;
τmin,τmax——推进器的最大和最小的输出推力值。
为达到推进器推力分配误差最小化的目标,建立数学模型如下:
即由各推进器的实际输出推力合成的总推力(矩)与所设计的遗传算法解算出来的目标运动量的差值最小。
为使每个推进器分配到的推力值在满足各自的推力输出约束条件下推进器总体耗能尽可能小,建立数学模型如下:
τmin≤τHT≤τmax
其中,
该方程的作用是使每个推进器分配到的推力值在满足各自的推力输出约束条件下推进器总体耗能尽可能小。同时能够保证ROV水平方向4个推进器的推力值大小尽可能保持一致,也可以避免某个推进器过度使用而增大故障概率。
将式(7)和式(8)相加得到优化目标函数:
τmin≤τHT≤τmax。
步骤五,设计染色体编码方式。采用12位的二进制编码串来分别对四个推力变量τHT=[τ1 τ2 τ3 τ4]进行编码,然后将4个编码串拼接成1个48位的二进制编码串,此编码串即代表遗传算法搜索空间的一个潜在解。12位的二进制编码串可以表示0至4096内的4096个数,而所研究的通用型ROV的推进器的推力取值范为[-18,20],因此采用12位二进数对一个推进器的推力值进行编码的精度为[20-(-18)]/4096=0.009。最优解解码时需要将48位的二进制编码串切割成4个12位的编码串,设此二进制串对应的十进制值分别为y1、y2、y3、y4,则推力变量τi的解码公式为:
步骤六,适应度函数设计。根据第五步所述优化目标函数设计适应度函数,推力分配优化问题是求取目标函数的最小值,目标函数值越小的个体,其适应度应该越大,目标函数值越大的个体,其适应度函数应该越小。以优化问题的目标函数构建遗传算法的适应度函数f如下所示:
步骤七,设计选择算子的方式。本发明采用轮盘赌选择法和最优保存策略两种方法相结合。能够保证适应度高的个体被遗传到下一代的概率大,适应度低的个体被遗传到下一代的概率小。
步骤八,设计交叉算子的方式。如图5所示,本发明采用分组单点交叉的方式。首先随机选取两个个体作为父代,将个体染色体按单变量的编码位数分为4部分,之后在每部分编码串中随机生成交叉位置点,父代染色体同一部分point点后的基因片段相互交换,四个部分的交叉运算相互独立,互不干扰,这样进行一次交叉运算那就得到两条新的染色体,作为子代个体。
步骤九,设计变异算子的方式。本发明采用分组基本位变异的运算方式。针对采用二进制编码的个体,首先以变异概率Pm选取需要变异操作的个体,然后按图6将个体染色体分为四个部分,并随机生成四个变异点,若变异点的原有的基因值为0,则变异操作将该基因值变为1;反之,若原有基因值为1,则变异操作将基因值变为0。
步骤十,优化种群数量M的值,与迭代次数T的值。种群数量M与迭代次数T的选择应该综合以下三个方面考虑:
(1)群规模的大小直接影响算法的寻优能力,种群规模过小容易导致算法陷入局部最优解。
(2)迭代次数的大小直接影响着算法的收敛性,迭代次数过小会使算法的收敛性降低。
(3)本发明所研究的通用型ROV控制系统的运动控制周期为200ms,为了保证力控制分配的实时性,算法运行时间应尽可能维持在lOOms以内。
步骤十一,本发明基于遗传优化算法的推力分配方法包括容错分配的功能,即当ROV水平方向上四个推进器中任意一个出现故障时,基于遗传算法的容错推力分配算法能够将ROV航行需要的动力分配给其余三个推进器。如图4所示,当主控制器检测到水平方向上某一个推进器故障时,启动容错推力分配,提高ROV动力系统的可靠性。
一种基于遗传算法优化的水下机器人推力分配方法所采用的系统,包括主控制器,主控制器连接运动执行模块,运动执行模块与水下机器人ROV中四台推进器连接,主控制器连接设备状态采集模块、运动感知模块、安保探测模块和供电模块;
设备状态采集模块用于采集设备当前的工作状态,并发送至主控制器;
运动感知模块用于监控四台推进器的工作状态,并发送至主控制器;
主控制器用于根据设备状态采集模块和运动感知模块发送的信息,调整四台推进器的推力,并将控制信号发送至运动执行模块;
运动执行模块用于根据主控制器发送的控制信息,对四台推进器进行驱动。
本发明在已有通用型ROV的基础上,根据水平方向四个推进器呈矢量对称分布的特点建立ROV的动力学模型,ROV水平方向上有三个自由度,四个推进器,动力学方程组有无数个解。基于遗传算法遥控水下机器人推力分配方法能够使输出解唯一并且以优化函数为目标实现最优分配。
Claims (6)
1.一种基于遗传算法优化的水下机器人推力分配方法,其特征在于,包括以下步骤:
步骤二,根据水平推进器矢量布置,能够得到水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力表达式,根据水平各推进器对Z轴产生的力矩,能够得到水下机器人ROV绕轴旋转的回转力矩表达式;
步骤三,对水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力以及绕轴旋转的回转力矩进行处理,得到水下机器人ROV在水平方向的总推力表达式;
步骤五,采用遗传算法优化总推力表达式,首先采用染色体编码,采用二进制编码的方法,通过12位的二进制编码串来分别对四个推力变量τi=[τ1 τ2 τ3 τ4]进行编码,然后将四个编码串拼接成一个48位的二进制编码串,编码串代表遗传算法搜索空间的一个潜在解;
步骤六,采用轮盘赌选择法和最优保存策略两种方法相结合作为遗传算法的选择算子;
步骤七,采用分组单点交叉的方式作为遗传算法的交叉算子;
步骤八,采用分组基本位变异的运算方式作为遗传算法的变异算子;
步骤九,根据选择算子、交叉算子和变异算子对四台推进器在水平面上沿X轴和Y轴方向的推力以及绕轴旋转的回转力矩基于遗传优化算法进行推力分配,分配成四台推进器的期望推力值。
5.权利要求1所述的一种基于遗传算法优化的水下机器人推力分配方法所采用的系统,其特征在于,包括主控制器,主控制器连接运动执行模块,运动执行模块与水下机器人ROV中四台推进器连接,主控制器连接设备状态采集模块和运动感知模块;
设备状态采集模块用于采集设备当前的工作状态,并发送至主控制器;
运动感知模块用于监控四台推进器的工作状态,并发送至主控制器;
主控制器用于根据设备状态采集模块和运动感知模块发送的信息,调整四台推进器的推力,并将控制信号发送至运动执行模块;
运动执行模块用于根据主控制器发送的控制信息,对四台推进器进行驱动。
6.根据权利要求5所述的一种基于遗传算法优化的水下机器人推力分配方法所采用的系统,其特征在于,主控制器连接安保探测模块和供电模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983453.9A CN109085756B (zh) | 2018-08-27 | 2018-08-27 | 一种基于遗传算法优化的水下机器人推力分配方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810983453.9A CN109085756B (zh) | 2018-08-27 | 2018-08-27 | 一种基于遗传算法优化的水下机器人推力分配方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109085756A CN109085756A (zh) | 2018-12-25 |
CN109085756B true CN109085756B (zh) | 2020-11-10 |
Family
ID=64794715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810983453.9A Active CN109085756B (zh) | 2018-08-27 | 2018-08-27 | 一种基于遗传算法优化的水下机器人推力分配方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109085756B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112148026A (zh) * | 2020-08-17 | 2020-12-29 | 海洋石油工程股份有限公司 | 水下机器人动力定位系统的推力分配方法 |
CN112710420B (zh) * | 2020-12-22 | 2021-12-28 | 西安交通大学 | 一种水下机器人自推进效率测试方法及装置 |
CN113296524B (zh) * | 2021-04-25 | 2022-11-29 | 哈尔滨工程大学 | 水下仿生球形/半球形机器人的推力矢量分配优化方法 |
CN117111449B (zh) * | 2023-10-19 | 2024-01-09 | 哈尔滨工程大学 | 一种大坝缺陷检测rov抵近航行推力分配系统及方法 |
CN117608198A (zh) * | 2023-12-22 | 2024-02-27 | 广东智能无人系统研究院(南沙) | 一种推进器的加权伪逆推力分配方法、系统、装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385665A (zh) * | 2011-08-30 | 2012-03-21 | 无锡中讯科技有限公司 | 采用遗传算法的船舶动力定位系统推力分配方法 |
CN104133374A (zh) * | 2014-05-23 | 2014-11-05 | 广东工业大学 | 一种船舶及石油平台动力定位系统的推力分配方法 |
CN105911867A (zh) * | 2016-06-16 | 2016-08-31 | 哈尔滨工程大学 | 基于nsga-ii算法的船舶推力分配方法 |
CN107015485A (zh) * | 2017-03-28 | 2017-08-04 | 武汉理工大学 | 一种基于半潜船的动力定位系统半实物仿真平台及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020013754A1 (en) * | 1999-07-02 | 2002-01-31 | Glenn Frank | Financial optimization system and method |
US8065244B2 (en) * | 2007-03-14 | 2011-11-22 | Halliburton Energy Services, Inc. | Neural-network based surrogate model construction methods and applications thereof |
-
2018
- 2018-08-27 CN CN201810983453.9A patent/CN109085756B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102385665A (zh) * | 2011-08-30 | 2012-03-21 | 无锡中讯科技有限公司 | 采用遗传算法的船舶动力定位系统推力分配方法 |
CN104133374A (zh) * | 2014-05-23 | 2014-11-05 | 广东工业大学 | 一种船舶及石油平台动力定位系统的推力分配方法 |
CN105911867A (zh) * | 2016-06-16 | 2016-08-31 | 哈尔滨工程大学 | 基于nsga-ii算法的船舶推力分配方法 |
CN107015485A (zh) * | 2017-03-28 | 2017-08-04 | 武汉理工大学 | 一种基于半潜船的动力定位系统半实物仿真平台及方法 |
Non-Patent Citations (4)
Title |
---|
trust allocation algorithm with efficiency function dependent on the azimuth angle of the actuators;F.arditti等;《Ocean Engineering》;20150901;第105卷;第206-216页 * |
半潜式平台动力定位系统推力分配优化算法研究;刘曰强;《中国优秀硕士论文全文数据库》;20091130(第11(2009)期);第C036-3页 * |
基于遗传算法的生物组织图像最佳挖取点寻优;王朝晖,等;《光电精密工程》;20050430;第13卷(第2期);第231-236页 * |
船舶推力分配多步优化算法研究;张晓迪;《中国优秀硕士论文全文数据库工程科技II辑》;20160731(第07(2016)期);第C036-32页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109085756A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109085756B (zh) | 一种基于遗传算法优化的水下机器人推力分配方法及系统 | |
CN110442135B (zh) | 一种基于改进遗传算法的无人艇路径规划方法及系统 | |
CN112462792B (zh) | 一种基于Actor-Critic算法的水下机器人运动控制方法 | |
CN111966118A (zh) | 一种rov推力分配与基于强化学习的运动控制方法 | |
CN110058600B (zh) | 三旋翼无人机舵机堵塞故障下位姿系统的容错控制方法 | |
CN114779645B (zh) | 一种有向固定通信拓扑下胸鳍拍动式机器鱼编队控制方法 | |
Sleesongsom et al. | Multiobjective optimization of a steering linkage | |
Chen et al. | Path planning of AUV during diving process based on behavioral decision-making | |
CN104252132A (zh) | 基于自适应遗传算法的行星际轨道控制优化方法 | |
CN114115195B (zh) | 水下机器人推进器故障诊断与容错控制方法 | |
CN114089634B (zh) | 一种基于多电机主从轴协同算法的水下机器人控制方法 | |
Mainenti-Lopes et al. | Design of a nonlinear controller for a rigid-flexible satellite using multi-objective Generalized Extremal Optimization with real codification | |
Wu et al. | Trajectory tracking of a novel underactuated AUV via nonsingular integral terminal sliding mode control | |
CN114114920A (zh) | 一种基于人工蜂群改进算法的船舶动力定位系统的推力分配方法 | |
Zhang et al. | An intelligent unmanned control method for redunant moving agent | |
Liu et al. | Review on fault-tolerant control of unmanned underwater vehicles | |
CN113778115A (zh) | 多旋翼无人机的控制方法、装置、介质、设备及无人机 | |
CN104914873A (zh) | 一种姿轨控发动机的耦合方法 | |
CN111324037A (zh) | 一种基于遗传算法与模拟退火算法结合的推力分配方法 | |
CN116224964A (zh) | 一种水下机器人推进系统故障的容错控制方法 | |
Wang et al. | Architecture design and flight control of a novel octopus shaped multirotor vehicle | |
CN109002636B (zh) | 一种水下无人潜航器低耦合分层架构逐级优化方法 | |
Guo et al. | Study on distributed data processing system for decentralized spherical multi-robot based on edge computing and blockchain | |
Chocron et al. | Evolutionary dynamic reconfiguration of AUVs for underwater maintenance | |
Zhang et al. | An evolutionary multiagent framework for multiobjective optimization |
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 |