CN112685839B - 基于目标驱动的射流装置运动控制方法 - Google Patents
基于目标驱动的射流装置运动控制方法 Download PDFInfo
- Publication number
- CN112685839B CN112685839B CN202110029588.3A CN202110029588A CN112685839B CN 112685839 B CN112685839 B CN 112685839B CN 202110029588 A CN202110029588 A CN 202110029588A CN 112685839 B CN112685839 B CN 112685839B
- Authority
- CN
- China
- Prior art keywords
- jet flow
- flow body
- target
- pitch angle
- angle
- 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
Abstract
本发明提供一种基于目标驱动的射流装置运动控制方法，该方法包括：获取目标在射流本体坐标系下的横坐标和纵坐标；根据横坐标和纵坐标，获取射流本体的偏航角；将目标与射流本体之间的水平距离输入到俯仰角预测模型中，获取射流本体的俯仰角，俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；根据偏航角和所述俯仰角，对射流本体进行逆运动学求解，获取射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。本发明提出的方法不仅减少了逆运动学求解的计算步骤，而且利用神经网络技术避免了对射流进行了复杂的数学建模，达到了简化了计算过程、降低计算复杂度目的。
Description
技术领域
本发明涉及船舶技术领域，尤其涉及一种基于目标驱动的射流装置运动控制方法。
背景技术
常规的机械臂逆运动学问题是指已知机械臂末端的6D位姿，求机械臂的所有关节的转动角度。机械臂的逆运动学求解通常有四种方法：解析法、几何法、迭代法和优化法。解析法在每一个方程式左端的元素上左乘一系列变换矩阵的逆，然后考察方程式右端的元素，找出那些为零或常数的元素，并令这些元素与左端对应位置的元素相等，以产生一个有效的三角函数方程式，然后求解这个三角函数方程式。几何法首先对机械臂的结构进行分析，确定影响机械臂末端位姿的相关关节，按机械臂的机构几何关系直接求出各相关关节的逆解。解析法和几何法都会因机械装置结构的不同而有所差异，其优点是速度快、精度高且能得到所有解，但是通用性差、适用性弱，仅针对特定结构可解。
迭代法主要基于雅可比矩阵，具体有雅可比转置、雅可比伪逆等形式，这是一类基于微分运动学思想的解法，通常可以具有统一的求解方式，优点是适用性广，但速度较慢，且存在数值稳定性问题。
优化法通常是定义一个误差函数，然后通过优化算法来完成特定约束条件下的数值求解。基于优化思想的逆运动学求解方法具有较好的通用性，但是数值处理过程中带来的累计误差可能导致这些方法在某些情况下失效，或者计算过程中出现矩阵奇异、矩阵条件数过大等因素也可能导致该方法失效。
以上四种方法是根据末端的6D位姿来求解各个关节的转动角度，对于本装置，射流装置喷射出来的水流需要击中被击目标，被击目标的坐标即为落点位置，如图1所示。所以本装置关注的是射流落点的位置与关节角转动角度之间的关系。传统的方法，首先需要先通过数学建模法计算出落点位置与射流装置末端位姿之间的关系，然后再通过求运动学逆解获得末端位姿与关节转动角度之间的关系。通过被击目标的坐标来求解射流装置末端的6D位姿。具体来说，首先需要采用数学建模法对射流装置喷射出来的水流曲线进行建模，推导出射流装置炮口坐标与被击目标坐标之间的关系表达式，然后对表达式求反函数，从而实现根据被击目标的坐标来求解出射流装置末端的位姿。求解运动学逆解的方法与常规的机械臂逆运动学问题相同。
综上所述，现有的解决方案是采用数学建模法和经典的逆运动学求解方法两者结合的方式来对射流装置进行逆运动学求解。
即：针对如图1所示的射流装置，在已知被击目标在射流装置坐标系下的坐标的条件下，求射流装置的关节1和关节2的转动角度θ1和θ2。
从当前逆运动学求解的方法来看，对于此装置的逆运动学求解，首先得采用数学建模的方法根据被击目标坐标解出射流装置的末端位姿，然后再利用常规的逆运动学求解方法求出电机1和电机2的转动角度。然而现有方式存在着两个缺点：
第一，数学建模法不仅计算过程极其复杂，而且在某些场景下甚至无法求解出结果。
第二，水流微分长度的选取、空气摩擦系数的确定以及水流截面方向的不断变化等因素都影响着数学模型的准确率以及求解精度。
发明内容
本发明提供一种基于目标驱动的射流装置运动控制方法，用以解决现有技术中射流装置运动控制计算复杂、准确率低的缺陷，实现高效准确的射流运动控制。
本发明提供一种基于目标驱动的射流装置运动控制方法，包括：
获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
根据本发明提供的一种基于目标驱动的射流装置运动控制方法，所述根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角，包括：
根据所述横坐标和所述纵坐标，计算所述偏航角的正弦值；
根据所述偏航角的正弦值，获取所述偏航角。
根据本发明提供的一种基于目标驱动的射流装置运动控制方法，所述根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角，应用如下公式获得：
其中，θy表示所述偏航角，xGx表示所述横坐标，xGy表示所述纵坐标。
根据本发明提供的一种基于目标驱动的射流装置运动控制方法，所述俯仰角预测模型依次包括输入层、隐藏层和输出层，所述隐藏层包括三层全连接层，每层全连接层的节点数量分别为5、7和10。
根据本发明提供的一种基于目标驱动的射流装置运动控制方法，所述俯仰角预测模型的激活函数如下：
Relu(x)＝max(0,x)，
其中，x表示所述俯仰角预测模型中某一节点的计算结果。
根据本发明提供的一种基于目标驱动的射流装置运动控制方法，所述俯仰角预测模型中每层的数学表达式如下：
outputi＝Relu(Wi×outputi-1+Bi)，
其中，outputi表示第i层的输出，outputi-1表示第i-1层的输出，Wi表示第i层的权重，Bi表示第i层的偏置。
根据本发明提供的一种基于目标驱动的射流装置运动控制方法，所述俯仰角预测模型的损失函数如下：
Loss(GT,θp)＝(GT-θp)2，
其中，GT表示所述水平距离，θp表示所述输出层的输出值。
本发明还提供一种基于目标驱动的射流装置运动控制系统，包括：
横纵坐标模块，用于获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
偏航角模块，用于根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
俯仰角模块，用于将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
伺服模块，用于根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于目标驱动的射流装置运动控制方法的步骤。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于目标驱动的射流装置运动控制方法的步骤。
本发明提供的一种基于目标驱动的射流装置运动控制方法，并且给出了针对此射流装置的逆运动学求解的新方法，该方法包含两个方面：首先利用射流装置与被击目标两者间的几何约束计算出炮管的偏航角。然后通过构建一个神经网络，采集用于训练和验证的数据集，再通过神经网络训练、验证和测试等步骤得到神经网络的参数，最终将训练好的神经网络应用到实际的俯仰角计算中。
本发明实施例分析了射流装置结构，结合了目前神经网络技术，采用传统方法与神经网络技术结合的方式，针对此射流装置提出了基于目标驱动的射流装置逆运动学求解方法。本发明提出的方法不仅减少了逆运动学求解的计算步骤，而且利用神经网络技术避免了对射流进行了复杂的数学建模，达到了简化了计算过程、降低计算复杂度目的。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明中射流装置的示意图；
图2为本发明中一种基于目标驱动的射流装置运动控制方法的流程图；
图3为本发明中射流装置与被击目标的坐标关系俯视图；
图4为本发明中被击目标与射流装置的位置关系侧视图；
图5为本发明提供的俯仰角预测模型的结构示意图；
图6为本发明中神经网络拟合结果图；
图7为本发明提供的一种基于目标驱动的射流装置运动控制系统的结构示意图；
图8为本发明提供的一种电子设备的实体结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
针对上述问题，本发明实施例提供一种针对射流装置的、基于目标驱动的射流装置你运动学求解方法，此方法使用几何法计算炮管偏航角，使用基于目标驱动的神经网络拟合法计算炮管俯仰角。
利用此方法，只需要根据被击目标落点坐标即可直接计算出电机1和电机2所需要转动的角度θ1和θ2，不仅省去了计算末端执行器位姿的步骤，同时通过引入神经网络技术，还避免了对射流进行复杂的数学建模的问题。
通过本发明方法，达到了在射流装置上能根据被击目标坐标准确且快速计算出电机1和电机2的转动角度的目的，并且具有实现简单的特点。
具体地，本发明实施例提供一种基于目标驱动的射流装置运动控制方法，如图2所示，该方法包括：
本发明实施例以图1中的射流装置为例进行说明，该射流装置包括两个电机，分别为电机1和电机2，其中，电机1的转动角度对应着炮管偏航角，电机2的转动角度对应着炮管的俯仰角。
110，获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
首先进行基于几何分析的偏航角计算，在射流装置(也即射流本体)锁定目标准备射击时，将射流装置的固定末端作为坐标系原点Ox，该坐标系原点、炮口和目标中心共线，如图3所示，该射流本体坐标系中是以固定末端为原点的，X轴位于竖直方向上，将固定末端到目标的方向作为X轴的正方向，Y轴位于水平方向上，将固定末端到目标的方向作为Y轴的正方向。
120，根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
从图3中可以看出，此时炮管与Yx轴的夹角即为偏航角θy，根据图2的几何关系可知：
此种情况下，本发明实施例中可以根据正弦角度或余弦角度来推导出射流本体的偏航角。
优选地，由于本装置偏航角的范围是-90°到90°，在这个范围之内通过式(1)求得的θy只有正值，无法达到实际要求，因此，选用式(2)来求偏航角θy，即电机1转动的角度θ1：
偏航角
其中，θy表示所述偏航角，xGx表示所述横坐标，xGy表示所述纵坐标。
130，将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
然后将目标和射流本体之间的水平距离输入到俯仰角预测模型中，得到该射流本体的俯仰角，该俯仰角预测模型为神经网络模型，该神经网络模型以水平距离为样本、以实际真实的俯仰角度为标签进行训练得到。
140，根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
根据该偏航角，对电机1进行逆运动学求解，得到电机1的旋转角度；根据该俯仰角，对电机2进行逆运动学求解，得到电机2的旋转角度。根据各个电机的旋转角度，对电机进行伺服控制，以控制射流本体打击目标。
本发明实施例提出了一种基于目标驱动的射流装置运动控制方法，并且给出了针对此射流装置的逆运动学求解的新方法，该方法包含两个方面：首先利用射流装置与被击目标两者间的几何约束计算出炮管的偏航角。然后通过构建一个神经网络，采集用于训练和验证的数据集，再通过神经网络训练、验证和测试等步骤得到神经网络的参数，最终将训练好的神经网络应用到实际的俯仰角计算中。
本发明实施例分析了射流装置结构，结合了目前神经网络技术，采用传统方法与神经网络技术结合的方式，针对此射流装置提出了基于目标驱动的射流装置逆运动学求解方法。本发明提出的方法不仅减少了逆运动学求解的计算步骤，而且利用神经网络技术避免了对射流进行了复杂的数学建模，达到了简化了计算过程、降低计算复杂度目的。
在上述实施例的基础上，优选地，所述俯仰角预测模型依次包括输入层、隐藏层和输出层，所述隐藏层包括三层全连接层，每层全连接层的节点数量分别为5、7和10。
本发明实施例中，被击目标与射流装置的位置关系侧视图如图4所示，考虑到俯仰角与射流落点的关系是非线性的，并且为了减少计算时间，设计了三层全连接层的网络模型，如图5所示，隐含层包含了三层全连接层，其中每层全连接层的节点数量分别为5、7、10。
俯仰角预测模型的激活函数采用的是Relu函数：
Relu(x)＝max(0,x)， (4)
每层的数学表达式可表示为：
outputi＝Relu(Wi×outputi-1+Bi)， (5)
输入层的输入是Sx，即目标到射流装置坐标系原点的直线距离，输出层的输出是θp，即电机2转动的角度θ2，Wi和Bi是每层的权重和偏置量。俯仰角预测模型的损失函数采用的是均方误差损失函数：
Loss(GT,θp)＝(GT-θp)2， (6)
其中GT为当前射流装置与落点的直线距离的真实射流装置俯仰角。
针对此射流装置，神经网络模型优化的目标是降低Loss(GT,θp)函数的值，即让模型的预测值与真实值尽可能的接近。
如图6所示，此落点预测神经网络模型中，利用Adam优化器即可优化Loss(GT,θp)函数的值，学习率取0.001。
训练网络的数据采集是采用人工测量求均值的方式，采集范围是-9°～32°，采集分辨率为1°，每个角度采集20次。将数据集划分为训练集、验证集和测试集，划分方式是将其中俯仰角为-5°、0°、5°、10°、15°、20°、25°、30°的数据划分为测试集和验证集，其余的数据划分为训练集。表1为俯仰角预测神经网络预测结果，神经网络在测试集上的表现结果如表1所示，预测的俯仰角精度可保持在0.2度左右。
表1
与本发明最相近的方法是数学建模法和几何法两者结合的方法。数学建模法准确率高的原因是利用牛顿运动定律，结合射流的运动规律并考虑空气阻力对射流的实时影响来对射流的运动曲线进行精确的数学建模，以此计算出射流的准确落点。在理想条件下，这种方法计算的射流落点与真实的射流落点是没有误差的，但是真实场景下本装置喷射出来的水流在达到某点之后就会开始分散，这将大大影响射流受到的空气阻力，当不能对射流的规律进行精准的数学建模的话，计算出来的射流装置末端位姿与真实所需要的值存在误差。其次，在求解过程中，数学积分公式推导以及最后对积分公式求反函数十分困难，以致难以实际实现并应用在本装置中。
本发明通过引入神经网络技术到射流装置逆运动学求解问题中，既解决了水流微分长度的选取、空气摩擦系数的确定以及水流截面方向的不断变化等因素对计算准确率的干扰的问题，也克服了传统数学建模方式计算复杂甚至无法计算出结果的缺点。同时，本方法直接利用几何约束求解出偏航角、利用神经网络拟合出俯仰角，即可得到电机1和电机2的转动角度，减少了求解射流装置末端位姿的步骤，在保证计算准确率的同时又减少了计算时间。
本发明实施例提供一种基于目标驱动的射流装置运动控制系统，如图7所示，该系统包括横纵坐标模块701、偏航角模块702、俯仰角模块703和伺服模块704，其中：
横纵坐标模块701用于获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
偏航角模块702用于根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
俯仰角模块703用于将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
伺服模块704用于根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
本实施例为与上述方法对应的系统实施例，详情请参考上述方法实施例，本系统实施例在此不再赘述。
本发明实施例提供一种电子设备，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(Communications Interface)820、存储器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行一种基于目标驱动的射流装置运动控制方法，该方法包括：
获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的一种基于目标驱动的射流装置运动控制方法，该方法包括：
获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的一种基于目标驱动的射流装置运动控制方法，该方法包括：
获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于目标驱动的射流装置运动控制方法，其特征在于，包括：
获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
2.根据权利要求1所述的基于目标驱动的射流装置运动控制方法，其特征在于，所述根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角，包括：
根据所述横坐标和所述纵坐标，计算所述偏航角的正弦值；
根据所述偏航角的正弦值，获取所述偏航角。
3.根据权利要求2所述的基于目标驱动的射流装置运动控制方法，其特征在于，所述根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角，应用如下公式获得：
其中，θy表示所述偏航角，xGx表示所述横坐标，xGy表示所述纵坐标。
4.根据权利要求1至3任一所述的基于目标驱动的射流装置运动控制方法，其特征在于，所述俯仰角预测模型依次包括输入层、隐藏层和输出层，所述隐藏层包括三层全连接层，每层全连接层的节点数量分别为5、7和10。
5.根据权利要求1至3任一所述的基于目标驱动的射流装置运动控制方法，其特征在于，所述俯仰角预测模型的激活函数如下：
Relu(x)＝max(0,x)，
其中，x表示所述俯仰角预测模型中某一节点的计算结果。
6.根据权利要求4所述的基于目标驱动的射流装置运动控制方法，其特征在于，所述俯仰角预测模型中每层的数学表达式如下：
outputi＝Relu(Wi×outputi-1+Bi)，
其中，outputi表示第i层的输出，outputi-1表示第i-1层的输出，Wi表示第i层的权重，Bi表示第i层的偏置。
7.根据权利要求4所述的基于目标驱动的射流装置运动控制方法，其特征在于，所述俯仰角预测模型的损失函数如下：
Loss(GT,θp)＝(GT-θp)2，
其中，GT表示所述水平距离，θp表示所述输出层的输出值。
8.一种基于目标驱动的射流装置运动控制系统，其特征在于，包括：
横纵坐标模块，用于获取目标在射流本体坐标系下的横坐标和纵坐标，所述射流本体坐标系以所述射流本体为原点、以所述射流本体到所述目标的水平方向为Y轴、以所述射流本体到所述目标的垂直方向为X轴；
偏航角模块，用于根据所述横坐标和所述纵坐标，获取所述射流本体的偏航角；
俯仰角模块，用于将所述目标与所述射流本体之间的水平距离输入到俯仰角预测模型中，获取所述射流本体的俯仰角，所述俯仰角预测模型以水平距离为样本、实际俯仰角为标签进行训练得到；
伺服模块，用于根据所述偏航角和所述俯仰角，对所述射流本体进行逆运动学求解，获取所述射流本体中电机的旋转角度，并根据所述旋转角度控制所述射流本体打击所述目标。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述基于目标驱动的射流装置运动控制方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于目标驱动的射流装置运动控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110029588.3A CN112685839B (zh) | 2021-01-11 | 2021-01-11 | 基于目标驱动的射流装置运动控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110029588.3A CN112685839B (zh) | 2021-01-11 | 2021-01-11 | 基于目标驱动的射流装置运动控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112685839A CN112685839A (zh) | 2021-04-20 |
| CN112685839B true CN112685839B (zh) | 2022-08-02 |
Family
ID=75457189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110029588.3A Active CN112685839B (zh) | 2021-01-11 | 2021-01-11 | 基于目标驱动的射流装置运动控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112685839B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113701563B (zh) * | 2021-08-31 | 2023-03-31 | 深圳市瑞立视多媒体科技有限公司 | Ue4中坦克实时自动瞄准目标的方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1109400A (zh) * | 1993-08-05 | 1995-10-04 | 厄罗瓦公司 | 将工件运载件定位在机械设备内的方法及一种工件运载件 |
| CN110245569A (zh) * | 2019-05-17 | 2019-09-17 | 武汉科技大学 | 基于射流边缘分析和打击偏差反馈的船舶打击效果评估方法 |
| CN111639464A (zh) * | 2020-06-03 | 2020-09-08 | 国网重庆市电力公司电力科学研究院 | 等离子体射流发生器参数优化方法、装置及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150203215A1 (en) * | 2014-01-17 | 2015-07-23 | Eric T. Falangas | Early performance evaluation of conceptual flight and space vehicles |
-
2021
- 2021-01-11 CN CN202110029588.3A patent/CN112685839B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1109400A (zh) * | 1993-08-05 | 1995-10-04 | 厄罗瓦公司 | 将工件运载件定位在机械设备内的方法及一种工件运载件 |
| CN110245569A (zh) * | 2019-05-17 | 2019-09-17 | 武汉科技大学 | 基于射流边缘分析和打击偏差反馈的船舶打击效果评估方法 |
| CN111639464A (zh) * | 2020-06-03 | 2020-09-08 | 国网重庆市电力公司电力科学研究院 | 等离子体射流发生器参数优化方法、装置及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 基于图像分割的水炮射流落点检测;陈姚节等;《计算机工程与设计》;20201130;全文 * |
| 消防水炮水力学性能研究综述;袁晓明等;《机械设计》;20170120(第01期);全文 * |
| 考虑俯仰角的消防水炮射流轨迹理论模型;闵永林等;《机械工程学报》;20110630;全文 * |
| 超声速来流下混合流动控制射流角度影响数值研究;王旭东等;《空气动力学学报》;20180815(第04期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112685839A (zh) | 2021-04-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109885883B (zh) | 一种基于gk聚类算法模型预测的无人车横向运动的控制方法 | |
| Pham et al. | Optlayer-practical constrained optimization for deep reinforcement learning in the real world | |
| CN112859898B (zh) | 一种基于双通道双向神经网络的飞行器轨迹预测方法 | |
| Hou et al. | Knowledge-driven deep deterministic policy gradient for robotic multiple peg-in-hole assembly tasks | |
| CN112685839B (zh) | 基于目标驱动的射流装置运动控制方法 | |
| CN112959326B (zh) | 机器人正运动学求解方法、装置、可读存储介质及机器人 | |
| CN108717262B (zh) | 一种基于矩特征学习神经网络的异形曲面跟踪方法及系统 | |
| CN108152812B (zh) | 一种调整网格间距的改进agimm跟踪方法 | |
| CN111399375A (zh) | 一种基于非线性系统的神经网络预测控制器 | |
| CN109344477B (zh) | 一种6自由度机械臂逆运动学求解方法 | |
| CN111047002B (zh) | 一种基于bp神经网络的校直行程预测方法 | |
| CN114147720B (zh) | 一种多自由度机械臂的逆运动学通用求解方法及装置 | |
| CN113119108A (zh) | 一种二指机械臂抓取方法、系统、装置及存储介质 | |
| CN110111356B (zh) | 运动旋转物体的转动轴方向与转动角速度解算方法 | |
| US11607806B2 (en) | Techniques for generating controllers for robots | |
| CN109766569A (zh) | 潜艇运动模型简化方法及装置 | |
| CN112652003A (zh) | 一种基于ransac测度优化的三维点云配准方法 | |
| CN114186477A (zh) | 一种基于Elman神经网络的轨道预测算法 | |
| CN114967472A (zh) | 一种无人机轨迹跟踪状态补偿深度确定性策略梯度控制方法 | |
| CN115061485A (zh) | 一种基于神经网络的无人飞行器制导指令生成方法及系统 | |
| CN110114195A (zh) | 动作转移装置、动作转移方法和存储动作转移程序的非暂时性计算机可读介质 | |
| CN114675673A (zh) | 一种空中动目标追踪方法及系统 | |
| CN113763434A (zh) | 一种基于卡尔曼滤波多运动模型切换的目标轨迹预测方法 | |
| CN113985732B (zh) | 针对飞行器系统的自适应神经网络控制方法及装置 | |
| CN112596382B (zh) | 一种串联型伺服机构几何参数优化标定方法和系统 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Lin Yunhan Inventor after: Ji Wenlong Inventor after: Chen Yaojie Inventor before: Ji Wenlong Inventor before: Lin Yunhan Inventor before: Chen Yaojie |
|
| CB03 | Change of inventor or designer information | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230921 Address after: 230088 Room 309, building 4, software park, No. 14, Tiantong Road, high tech Zone, Hefei, Anhui Province Patentee after: Anhui HENGWEI Information Technology Co.,Ltd. Address before: 430081 No. 947 Heping Avenue, Qingshan District, Hubei, Wuhan Patentee before: WUHAN University OF SCIENCE AND TECHNOLOGY |
|
| TR01 | Transfer of patent right |