CN112612212A - 一种异构多无人系统编队与协同目标驱离方法 - Google Patents

一种异构多无人系统编队与协同目标驱离方法 Download PDF

Info

Publication number
CN112612212A
CN112612212A CN202011611944.4A CN202011611944A CN112612212A CN 112612212 A CN112612212 A CN 112612212A CN 202011611944 A CN202011611944 A CN 202011611944A CN 112612212 A CN112612212 A CN 112612212A
Authority
CN
China
Prior art keywords
unmanned
formation
ship
unmanned aerial
aerial vehicle
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
CN202011611944.4A
Other languages
English (en)
Other versions
CN112612212B (zh
Inventor
王曰英
陈汇资
成敏
周卫祥
吴乃龙
严怀成
杨希祥
罗均
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.)
University of Shanghai for Science and Technology
Original Assignee
University of Shanghai for Science and Technology
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 University of Shanghai for Science and Technology filed Critical University of Shanghai for Science and Technology
Priority to CN202011611944.4A priority Critical patent/CN112612212B/zh
Publication of CN112612212A publication Critical patent/CN112612212A/zh
Application granted granted Critical
Publication of CN112612212B publication Critical patent/CN112612212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive 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
    • G05B13/042Adaptive 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)
  • Traffic Control Systems (AREA)

Abstract

一种异构多无人系统编队与协同目标驱离方法,属于无人系统协同编队技术,通过无人机对未知目标的识别与跟踪、构建无人机与无人艇通信连结、多无人艇编队航行、无人机‑多无人艇协同驱离等多个步骤,来实现海岸对非法船只执行驱离任务的目的。本发明通过无人机前期侦察获得了非法目标信息,为制定更有针对性的驱离方案提供了大量的数据,之后又作为通讯和导航中继,有效解决了复杂海洋环境下无人艇艇载仪器功效下降可能引起的潜在风险,从而为无人艇编队与协同驱离的有效实施提供了重要的保障。

Description

一种异构多无人系统编队与协同目标驱离方法
技术领域
本发明涉及无人系统协同编队技术领域,具体是一种异构多无人系统编队与协同目标驱离方法。
背景技术
无人艇作为海防的重要环节,当前备受各方重视和青睐,然而,传统无人艇在执行驱离等任务时,由于对入侵船只信息(如船体几何尺寸、机动性等)获取较少,往往只能盲目的出动无人艇实施驱离,这大大增加了驱离失败的可能。此外,在执行驱离任务时,若作为通信中继的主艇与非法船只发生碰撞,导致通讯设备损坏,这会造成编队之间各艇的通信失联,导致其余无人艇无法正常继续执行编队驱离任务。因此,如果岸基中控系统能在无人艇编队出发前获得目标船只的尺寸、机动性等基本信息,就可以因地制宜制定驱离方案,并且派遣针对类型的无人艇实施编队驱离任务,这就大大降低任务的执行难度。另外,如何有效的保持驱离过程中的通信通畅也是一个亟待解决的问题。
现有的无人系统编队联合执行任务,大多采用同构无人系统,即多无人艇或者多无人机,同构无人系统结构和航行控制一致,便于编队时的协同控制,即使有异构无人系统编队联合任务,也是采用了水面和水下的无人系统联合,同时应对海浪的海洋环境,相对方便控制,但是与同构无人系统联合执行任务一样,难以实现兼顾空中无人机的精准定位和水面无人艇的近距离工作,这使得无人系统能够执行的任务类型及其狭窄,因此,迫切需要一种方案能够实现海空无人系统协同编队,执行驱离任务。
发明内容
为了解决现有技术的不足,本发明提出一种异构多无人系统编队与协同目标驱离方法,来实现指导空中无人系统和水面无人系统进行协同编队执行驱离任务。
本发明要解决的技术问题是通过以下技术方案实现的:
一种异构多无人系统编队与协同目标驱离方法,包括以下步骤:
(1)无人机对未知目标的识别与跟踪:海事雷达捕获未知的动态目标,岸基中控系统向无人机下达目标跟踪指令,无人机在跟踪控制器的控制下到达动态目标上空并对未知目标进行实时监控,与此同时无人机将目标信息传输至岸基中控系统;岸基中控系统根据所获目标信息确定该目标是否合法,当该目标为合法船只时,无人机返航;当其为非法船只时,岸基中控系统根据该目标信息迅速确定参与驱离的无人艇类型与数量,并制定驱离方案;
(2)构建无人机与无人艇通信连结:无人艇编队接到驱离命令后,立即与无人机建立通信连接,无人艇编队包括主无人艇,主无人艇与其余无人艇保持通信连接,无人机与主无人艇之间采用点对点无线网桥通信链路的方式互相通信;
(3)多无人艇编队航行:主无人艇艇载工控机以无人机位置为目标点,合理的规划路径,并根据目标位置动态变化来不断优化路径,其余无人艇与主艇保持编队航行;无人艇编队航行时,主无人艇采用目标跟踪控制器,其余无人艇选择编队保持控制器;
(4)无人机-多无人艇协同驱离:当无人艇编队到达非法船只附近时,执行预先制定的驱离方案;为防止无人艇在复杂海况下部分艇载仪器功效下降,在协同驱离阶段以无人机为通信和导航中继。
在上述过程中,所述目标跟踪控制器,包括路径规划模块和滑模控制模块,路径规划模块包括广义预测控制律、驱动器、无人机/无人艇名义模型(名义模型是指不考虑外界干扰和模型参数变化时的模型)、初级路径规划模块和路径二次优化模块,广义预测控制律分别与无人机名义模型相连,驱动器分别与广义预测控制律、无人机名义模型相连,路径二次优化模块分别与初级路径规划模块和无人机名义模型相连。所述路径规划模块首先将非法目标的初始位置传输至初始路径规划模块,利用实时适应性A*搜索算法规划出初始路径,而后利用广义预测控制机制对无人机/无人艇的名义模型进行目标跟踪控制,得出基于名义模型的路径,之后又将初始路径与基于名义模型的路径同时传输至路径二次规划模块,利用双向快速扩展随机树算法得出符合运动学特性的优化路径,最终将该路径至滑模控制模块。其中A*搜索算法俗称A星算法,是启发式搜索算法中的一种,这是一种在图形平面上,有多个节点的路径,求最短路径最有效的直接搜索方法。该模块充分考虑无人机/无人艇的模型特性,生成的路径符合无人机/无人艇的动力学特性,可以有效降低无人机/无人艇的机械磨损和操控难度。
滑模控制模块包括滑模面、切换控制律、切换增益更新律、等效控制律、驱动器、模糊逻辑神经网络、干扰观测器;切换控制律分别与滑模面、切换增益更新律相连,等效控制律则分别与滑模面、驱动器、模糊逻辑神经网络、干扰观测器相连。切换增益自适应律采用指数型函数和符号函数相结合的方式,旨在实现切换增益的幅值与误差的变化呈正比,用于降低滑模变结构在普遍存在的振荡现象;模糊逻辑神经网络的激活函数选择Sigmoid函数,使对无人机/无人艇的模型不确定性的逼近更加光滑,并获得更小的逼近误差。
在上述过程中,所述编队保持控制器采用模糊PID控制的方式,包括PID控制律、模糊更新律、驱动器,PID控制律分别与模糊更新律、驱动器相连。模糊更新律用于调节PID控制律中的微分时间常数、积分系数、微分系数。所述模糊更新律以无人艇的编队误差和误差的变化率为输入,以微分时间常数、积分系数、微分系数为输出。
在上述过程中,所述无人机与主无人艇同时搭载Kongsberg的MBR 179型号的通信设备,采用全向天线,通信半径为45km,通信带宽为1~15Mb,无线频段为4900MHZ~5900MHZ,同时防水等级达到IP66,所以可以有效的支持无人机与无人艇在复杂的海事环境中保持通信通畅;其余无人艇则选用UBNT生产的RM5系列AP作为无线通信基站,该设备同样采用全向天线,通信半径为2km,通信带宽为1~15Mb,可以满足无人艇之间的小范围通信。
在上述过程中,所述驱离方案为半菱形编队包围策略。主无人艇以岸基工控系统位置为圆心,航行至非法船只的侧面,并与其以相同的角度保持在不同半径同心圆上,其余多无人艇则分别航行至非法船只的船头和船尾,然后主无人艇逐渐逼近非法船只,并启动主无人艇上的智能水炮喷射非法船只,最终协同将其驱离。
与现有技术相比,本发明具有以下优点:
(1)本发明异构多无人系统编队与协同目标驱离方法构建了无人机-多无人艇协同驱离的模式,通过无人机前期侦察能够获得非法船只的几何尺寸、型号、机动性能等有效信息,为制定更有针对性的驱离方案提供了大量的数据。之后,又将无人机作为通讯和导航中继,有效解决了复杂海洋环境下无人艇艇载仪器功效下降可能引起的潜在风险,从而为无人艇编队与协同驱离的有效实施提供了重要的保障,与此同时,防止了主无人艇由于碰撞导致通信系统损坏而引发整个编队的通信失联的情况,为无人艇编队重组提供了先决条件。
(2)本发明主无人艇采用更高配置的定位、通信、驱离设备,其余无人艇则采用低配定位、通信设备,这大大减小了驱离的成本,使得该种编队配置模式更具实用性。
(3)本发明所设计的目标跟踪控制器中的路径规划模块以广义预测控制为基础,且充分考虑了无人机/无人艇的名义模型,使得生成的路径更加符合无人机/无人艇的动力学特性,从而不会出现由于路径规划不合理(拐角太小、不规则路径曲率太小),而出现过大的局部跟踪误差。
(4)本发明所设计的PID控制策略,采用模糊规则参数优化的方式,不断地根据编队误差和编队误差的变化率调节PID控制律中的微分时间常数、积分系数、微分系数,从而避免了恒定参数易产生的编队精度不高的问题,使得该控制器既简单又好用。
(5)本发明采用半菱形驱离策略,该方案可以有效的限制非法船只内侧向、前向、后向的突围空间,并结合水炮喷射,迫使其只能沿外侧向驶离警戒区域,保证了岸基系统和母港的安全。
附图说明
图1为本发明整个过程的流程示意图;
图2为本发明的目标跟踪控制器的逻辑流程图;
图3为本发明的编队保持控制器的逻辑流程图;
图4为本发明的编队驱离方案示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
一种异构多无人系统编队与协同目标驱离方法,参见图1,包括以下步骤:
步骤一:无人机对未知目标的识别与跟踪:海事雷达捕获未知的动态目标,岸基中控系统向无人机下达目标跟踪指令,无人机在跟踪控制器的控制下到达动态目标上空并对未知目标进行实时监控,与此同时无人机将目标信息传输至岸基中控系统;岸基中控系统根据所获目标信息确定该目标是否合法,当该目标为合法船只时,无人机返航;当其为非法船只时,岸基中控系统根据该目标信息迅速确定参与驱离的无人艇类型与数量,并制定驱离方案。
步骤二:构建无人机与无人艇通信连结:无人艇编队接到驱离命令后,立即与无人机建立通信连接,无人艇编队包括主无人艇,主无人艇与其余无人艇保持通信连接,无人机与主无人艇之间采用点对点无线网桥通信链路的方式互相通信。
其中无人机与主无人艇同时搭载Kongsberg的MBR 179型号的通信设备,采用全向天线,通信半径为45km,通信带宽为1~15Mb,无线频段为4900MHZ~5900MHZ,同时防水等级达到IP66,所以可以有效的支持无人机与无人艇在复杂的海事环境中保持通信通畅;其余无人艇则选用UBNT生产的RM5系列AP作为无线通信基站,该设备同样采用全向天线,通信半径为2km,通信带宽为1~15Mb,可以满足无人艇之间的小范围通信;
步骤三:多无人艇编队航行:主无人艇艇载工控机以无人机位置为目标点,合理的规划路径,并根据目标位置动态变化来不断优化路径,其余无人艇与主艇保持编队航行;无人艇编队航行时,主无人艇采用目标跟踪控制器,其余无人艇选择编队保持控制器。
目标跟踪控制器,在图2中,包括路径规划模块和滑模控制模块,路径规划模块包括广义预测控制律、驱动器、无人机/无人艇名义模型、初级路径规划模块和路径二次优化模块,广义预测控制律分别与无人机名义模型相连,驱动器分别与广义预测控制律、无人机名义模型相连,路径二次优化模块分别与初级路径规划模块和无人机名义模型相连。所述路径规划模块首先将非法目标的初始位置传输至初始路径规划模块,利用实时适应性A*搜索算法规划出初始路径,而后利用广义预测控制机制对无人机/无人艇的名义模型进行目标跟踪控制,得出基于名义模型的路径,之后又将初始路径与基于名义模型的路径同时传输至路径二次规划模块,利用双向快速扩展随机树算法得出符合运动学特性的优化路径,最终将该路径至滑模控制模块。该模块充分考虑无人机/无人艇的模型特性,生成的路径符合无人机/无人艇的动力学特性,可以有效降低无人机/无人艇的机械磨损和操控难度。
滑模控制模块包括滑模面、切换控制律、切换增益更新律、等效控制律、驱动器、模糊逻辑神经网络、干扰观测器;切换控制律分别与滑模面、切换增益更新律相连,等效控制律则分别与滑模面、驱动器、模糊逻辑神经网络、干扰观测器相连。切换增益自适应律采用指数型函数和符号函数相结合的方式,旨在实现切换增益的幅值与误差的变化呈正比,用于降低滑模变结构在普遍存在的振荡现象;模糊逻辑神经网络的激活函数选择Sigmoid函数,使对无人机/无人艇的模型不确定性的逼近更加光滑,并获得更小的逼近误差。
编队保持控制器采用模糊PID控制的方式,如图3所示,包括PID控制律、模糊更新律、驱动器,PID控制律分别与模糊更新律、驱动器相连。模糊更新律用于调节PID控制律中的微分时间常数、积分系数、微分系数。模糊更新律以无人艇的编队误差和误差的变化率为输入,以微分时间常数、积分系数、微分系数为输出。以微分时间常数K的更新为例,定义微分时间常数的最大值为Kmax和最小值为Kmin。
K=Kmin+N*(Kmax-Kmin)
将编队误差e和误差的导数de/dt归一化处理,使其幅值范围在[-1,1],同时控制参数N取值范围为[0,1]。构建e、de/dt、N的控制规则表,如表1所示。
表1控制规则表
Figure DEST_PATH_IMAGE002
根据上表,可获得不同e和de/dt时的控制参数N,之后将根据模糊规则得到的N带入K=Kmin+N*(Kmax-Kmin)中,进而获得优化的微分时间常数。由于控制参数N的优化规则完全取决于编队误差e和编队误差的变化率de/dt,因此每个时刻获得的K可使PID控制律中的比例环节达到最优,从而达到提高编队误差精度的效果。此外,积分系数与微分系数通过上述的模糊优化方式,也可达到相同效果。
步骤四:无人机-多无人艇协同驱离:当无人艇编队到达非法船只附近时,执行预先制定的驱离方案;为防止无人艇在复杂海况下部分艇载仪器功效下降,在协同驱离阶段以无人机为通信和导航中继。
驱离方案为半菱形编队包围策略,参见图4。以三艘无人艇编队驱离方案为例,主无人艇以岸基工控系统位置为圆心,航行至非法船只的侧面,并与其以相同的角度保持在不同半径同心圆上,其余两无人艇则分别航行至非法船只的船头和船尾,然后主无人艇逐渐逼近非法船只,并启动主无人艇上的智能水炮喷射非法船只,最终协同将其驱离。
因此,结合上述结构模型、工作过程和原理可以发现,本发明通过无人机前期侦察获得了非法目标信息,为制定更有针对性的驱离方案提供了大量的数据,之后又作为通讯和导航中继,有效解决了复杂海洋环境下无人艇艇载仪器功效下降可能引起的潜在风险,从而为无人艇编队与协同驱离的有效实施提供了重要的保障。

Claims (6)

1.一种异构多无人系统编队与协同目标驱离方法,其特征在于:包括以下步骤:
(1)无人机对未知目标的识别与跟踪:海事雷达捕获未知的动态目标,岸基中控系统向无人机下达目标跟踪指令,无人机在跟踪控制器的控制下到达动态目标上空并对未知目标进行实时监控,与此同时无人机将目标信息传输至岸基中控系统;岸基中控系统根据所获目标信息确定该目标是否合法,当该目标为合法船只时,无人机返航;当其为非法船只时,岸基中控系统根据该目标信息迅速确定参与驱离的无人艇类型与数量,并制定驱离方案;
(2)构建无人机与无人艇通信连结:无人艇编队接到驱离命令后,立即与无人机建立通信连接,无人艇编队包括主无人艇,主无人艇与其余无人艇保持通信连接,无人机与主无人艇之间采用点对点无线网桥通信链路的方式互相通信;
(3)多无人艇编队航行:主无人艇艇载工控机以无人机位置为目标点,合理的规划路径,并根据目标位置动态变化来不断优化路径,其余无人艇与主艇保持编队航行;无人艇编队航行时,主无人艇采用目标跟踪控制器,其余无人艇选择编队保持控制器;
(4)无人机-多无人艇协同驱离:当无人艇编队到达非法船只附近时,执行预先制定的驱离方案;为防止无人艇在复杂海况下部分艇载仪器功效下降,在协同驱离阶段以无人机为通信和导航中继。
2.根据权利要求1所述的异构多无人系统编队与协同目标驱离方法,其特征在于:所述目标跟踪控制器包括路径规划模块和滑模控制模块,路径规划模块包括广义预测控制律、驱动器、无人机/无人艇名义模型、初级路径规划模块和路径二次优化模块,广义预测控制律分别与无人机名义模型相连,驱动器分别与广义预测控制律、无人机名义模型相连,路径二次优化模块分别与初级路径规划模块和无人机名义模型相连;所述路径规划模块首先将非法目标的初始位置传输至初始路径规划模块,利用实时适应性A*搜索算法规划出初始路径,而后利用广义预测控制机制对无人机/无人艇的名义模型进行目标跟踪控制,得出基于名义模型的路径,之后又将初始路径与基于名义模型的路径同时传输至路径二次规划模块,利用双向快速扩展随机树算法得出符合运动学特性的优化路径,最终将该路径至滑模控制模块。
3.根据权利要求2所述的异构多无人系统编队与协同目标驱离方法,其特征在于:所述滑模控制模块包括滑模面、切换控制律、切换增益更新律、等效控制律、驱动器、模糊逻辑神经网络、干扰观测器;切换控制律分别与滑模面、切换增益更新律相连,等效控制律则分别与滑模面、驱动器、模糊逻辑神经网络、干扰观测器相连。
4.根据权利要求1所述的异构多无人系统编队与协同目标驱离方法,其特征在于:所述编队保持控制器采用模糊PID控制的方式,包括PID控制律、模糊更新律、驱动器,PID控制律分别与模糊更新律、驱动器相连;所述模糊更新律以无人艇的编队误差和误差的变化率为输入,以微分时间常数、积分系数、微分系数为输出。
5.根据权利要求1所述的异构多无人系统编队与协同目标驱离方法,其特征在于:所述无人机与主无人艇同时搭载Kongsberg的MBR 179型号的通信设备,采用全向天线,通信半径为45km,通信带宽为1~15Mb,无线频段为4900MHZ~5900MHZ,防水等级达到IP66;其余无人艇则选用UBNT生产的RM5系列AP作为无线通信基站,该设备同样采用全向天线,通信半径为2km,通信带宽为1~15Mb。
6.根据权利要求1所述的异构多无人系统编队与协同目标驱离方法,其特征在于:所述驱离方案为半菱形编队包围策略。
CN202011611944.4A 2020-12-30 2020-12-30 一种异构多无人系统编队与协同目标驱离方法 Active CN112612212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011611944.4A CN112612212B (zh) 2020-12-30 2020-12-30 一种异构多无人系统编队与协同目标驱离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011611944.4A CN112612212B (zh) 2020-12-30 2020-12-30 一种异构多无人系统编队与协同目标驱离方法

Publications (2)

Publication Number Publication Date
CN112612212A true CN112612212A (zh) 2021-04-06
CN112612212B CN112612212B (zh) 2021-11-23

Family

ID=75249719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011611944.4A Active CN112612212B (zh) 2020-12-30 2020-12-30 一种异构多无人系统编队与协同目标驱离方法

Country Status (1)

Country Link
CN (1) CN112612212B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114020026A (zh) * 2021-11-05 2022-02-08 西北工业大学 基于扩张状态观测器的固定时间多航天器编队抓捕方法和系统
CN116047909A (zh) * 2023-01-13 2023-05-02 大连海事大学 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130103195A1 (en) * 2006-12-28 2013-04-25 Science Applications International Corporation Methods and Systems for An Autonomous Robotic Platform
US20180074516A1 (en) * 2015-04-16 2018-03-15 Nec Corporation Control apparatus, control method, and storage medium
CN108170136A (zh) * 2017-12-15 2018-06-15 武汉理工大学 基于无线传感网络的多无人艇编队控制系统及方法
CN108549369A (zh) * 2018-03-12 2018-09-18 上海大学 一种复杂海况下多无人艇协同编队的系统及方法
CN108873894A (zh) * 2018-06-11 2018-11-23 上海大学 一种基于多无人艇的目标跟踪协同控制系统和方法
CN108983823A (zh) * 2018-08-27 2018-12-11 安徽农业大学 一种植保无人机集群协同控制方法
CN109143855A (zh) * 2018-07-31 2019-01-04 西北工业大学 一种基于模糊sarsa学习的旋翼无人机视觉伺服控制方法
CN109714728A (zh) * 2019-01-24 2019-05-03 上海孚实船舶科技有限公司 一种天海一体目标监测系统
US20190236365A1 (en) * 2018-01-31 2019-08-01 ImageKeeper LLC Automatic location-based media capture tracking
CN110262566A (zh) * 2019-06-24 2019-09-20 中国人民解放军国防科技大学 基于合作的基因调控方法和网络
US20190354113A1 (en) * 2016-12-07 2019-11-21 Nec Corporation Control device, control method, and program recording medium
CN111181627A (zh) * 2020-01-08 2020-05-19 中国电子科技集团公司电子科学研究院 一种目标侦测系统
CN111473818A (zh) * 2020-04-27 2020-07-31 河海大学 一种人工沙滩多源监测数据集成分析方法
WO2020163455A1 (en) * 2019-02-05 2020-08-13 Urugus S.A. Automatic optimization of machine learning algorithms in the presence of target datasets
CN111812610A (zh) * 2020-06-29 2020-10-23 珠海云洲智能科技有限公司 一种水上目标监管系统、方法、终端设备及存储介质
CN112015182A (zh) * 2020-09-03 2020-12-01 上海大学 一种基于无人机的无人艇编队巡逻控制系统及控制方法
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
CN112130566A (zh) * 2020-09-18 2020-12-25 上海大学 一种基于模糊逻辑和滑模控制策略的无人艇、无人机混合编队控制方法及其控制系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130103195A1 (en) * 2006-12-28 2013-04-25 Science Applications International Corporation Methods and Systems for An Autonomous Robotic Platform
US20180074516A1 (en) * 2015-04-16 2018-03-15 Nec Corporation Control apparatus, control method, and storage medium
US20190354113A1 (en) * 2016-12-07 2019-11-21 Nec Corporation Control device, control method, and program recording medium
CN108170136A (zh) * 2017-12-15 2018-06-15 武汉理工大学 基于无线传感网络的多无人艇编队控制系统及方法
US20190236365A1 (en) * 2018-01-31 2019-08-01 ImageKeeper LLC Automatic location-based media capture tracking
CN108549369A (zh) * 2018-03-12 2018-09-18 上海大学 一种复杂海况下多无人艇协同编队的系统及方法
CN108873894A (zh) * 2018-06-11 2018-11-23 上海大学 一种基于多无人艇的目标跟踪协同控制系统和方法
CN109143855A (zh) * 2018-07-31 2019-01-04 西北工业大学 一种基于模糊sarsa学习的旋翼无人机视觉伺服控制方法
CN108983823A (zh) * 2018-08-27 2018-12-11 安徽农业大学 一种植保无人机集群协同控制方法
CN109714728A (zh) * 2019-01-24 2019-05-03 上海孚实船舶科技有限公司 一种天海一体目标监测系统
WO2020163455A1 (en) * 2019-02-05 2020-08-13 Urugus S.A. Automatic optimization of machine learning algorithms in the presence of target datasets
CN110262566A (zh) * 2019-06-24 2019-09-20 中国人民解放军国防科技大学 基于合作的基因调控方法和网络
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
CN111181627A (zh) * 2020-01-08 2020-05-19 中国电子科技集团公司电子科学研究院 一种目标侦测系统
CN111473818A (zh) * 2020-04-27 2020-07-31 河海大学 一种人工沙滩多源监测数据集成分析方法
CN111812610A (zh) * 2020-06-29 2020-10-23 珠海云洲智能科技有限公司 一种水上目标监管系统、方法、终端设备及存储介质
CN112015182A (zh) * 2020-09-03 2020-12-01 上海大学 一种基于无人机的无人艇编队巡逻控制系统及控制方法
CN112130566A (zh) * 2020-09-18 2020-12-25 上海大学 一种基于模糊逻辑和滑模控制策略的无人艇、无人机混合编队控制方法及其控制系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NIKOLA MIŠKOVIC: "Unmanned marsupial sea–air system for object recovery", 《2014 22ND MEDITERRANEAN CONFERENCE ON CONTROL AND AUTOMATION (MED)》 *
罗均: "时空上下文融合的无人艇海面目标跟踪", 《中国科学:技术科学》 *
苏金涛: "无人集群协同反潜应用研究", 《舰船科学技术》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114020026A (zh) * 2021-11-05 2022-02-08 西北工业大学 基于扩张状态观测器的固定时间多航天器编队抓捕方法和系统
CN116047909A (zh) * 2023-01-13 2023-05-02 大连海事大学 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法
CN116047909B (zh) * 2023-01-13 2023-09-05 大连海事大学 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法

Also Published As

Publication number Publication date
CN112612212B (zh) 2021-11-23

Similar Documents

Publication Publication Date Title
CN112612212B (zh) 一种异构多无人系统编队与协同目标驱离方法
Zhang et al. Collision-avoidance navigation systems for Maritime Autonomous Surface Ships: A state of the art survey
CN109597417B (zh) 一种基于避碰准则的多usv群体协同避碰规划方法
Bertaska et al. Experimental evaluation of automatically-generated behaviors for USV operations
CN110196598B (zh) 一种无人艇的动态避碰方法
CN109725331B (zh) 一种基于激光雷达的无人艇避障方法
KR102366897B1 (ko) 선박용 내비게이션 시스템 및 그의 항해 방법
CN109050835B (zh) 全驱动自主水下机器人结构及回收三维路径跟踪方法
Svec et al. Dynamics-aware target following for an autonomous surface vehicle operating under COLREGs in civilian traffic
CN110673598A (zh) 一种水面无人艇智能路径跟踪控制方法
CN110262492A (zh) 一种无人艇的实时避碰和目标跟踪方法
CN110609556A (zh) 一种基于los导航法的多无人艇协同控制方法
CN111208824B (zh) 一种无人艇航行串级控制系统及其控制方法
CN112965475A (zh) 一种基于动态导航船域和避碰规则的障碍物避碰方法
CN111928838B (zh) 一种基于舰载无人机前轮转弯技术的路径规划方法
CN116540730B (zh) 多拖轮协作的靠离泊智能辅助系统及方法
CN111984012A (zh) 一种无人船自主避障及航线规划的方法
CN109916400B (zh) 一种基于梯度下降算法与vo法相结合的无人艇避障方法
CN114550499A (zh) 融合COLREGs场景知识的船舶智能避碰方法及装置
CN113671964A (zh) 一种无人艇高性能轨迹跟踪控制系统和方法
CN102183889A (zh) 泵桨混合推进船舶航向鲁棒智能协调控制方法
Qi et al. A kelvin wake avoidance scheme for autonomous sailing robots based on orientation-restricted dubins path
Yuan et al. Model predictive control-based collision avoidance for autonomous surface vehicles in congested inland waters
Li et al. Survey on ship autonomous docking methods: Current status and future aspects
CN109213164A (zh) 基于水面无人艇船体模型的模型预测控制的高速紧急避障方法

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