CN116954137B - 跨介质航行器的运动控制方法、系统、装置、设备及介质 - Google Patents
跨介质航行器的运动控制方法、系统、装置、设备及介质 Download PDFInfo
- Publication number
- CN116954137B CN116954137B CN202311214035.0A CN202311214035A CN116954137B CN 116954137 B CN116954137 B CN 116954137B CN 202311214035 A CN202311214035 A CN 202311214035A CN 116954137 B CN116954137 B CN 116954137B
- Authority
- CN
- China
- Prior art keywords
- motion state
- data
- cross
- medium
- actual
- 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
- 230000033001 locomotion Effects 0.000 title claims abstract description 552
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 59
- 238000004891 communication Methods 0.000 claims description 43
- 230000006870 function Effects 0.000 claims description 40
- 238000007781 pre-processing Methods 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 239000007787 solid Substances 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 230000010365 information processing Effects 0.000 description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 10
- 238000013528 artificial neural network Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000012800 visualization Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000006722 reduction reaction Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本申请实施例提供了一种跨介质航行器的运动控制方法、系统、装置、设备及介质,方法包括:获取跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器的目标运动状态数据;将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,得到跨介质航行器的预测运动状态数据;根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成控制指令;将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。根据本申请实施例,能够实现跨介质航行器在多介质环境中运动的精确控制。
Description
技术领域
本申请属于航行器技术领域,尤其涉及一种跨介质航行器的运动控制方法、系统、装置、设备及介质。
背景技术
跨介质航行器是一种可用于海上作业的智能化、无人化装备,其具备在水面高速航行,水下低速航行的跨域运动能力,能够很好地满足海上跨域作业的要求。
在跨介质航行器的运动过程中,需要对其进行有效监测,以根据监测数据实现对跨介质航行器的运动控制。但现有的跨介质航行器的运动控制方法只适用于单一介质环境,难以实现跨介质航行器在多介质环境中运动的精确控制。
发明内容
本申请实施例提供了一种跨介质航行器的运动控制方法、系统、装置、设备及介质,能够实现跨介质航行器在多介质环境中运动的精确控制。
第一方面,本申请实施例提供了一种跨介质航行器的运动控制方法,应用于跨介质航行器的数字孪生软件系统,跨介质航行器的运动控制方法包括:获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据;将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令;将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
根据本申请第一方面的实施方式,在将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中之前,跨介质航行器的运动控制方法还包括:对实际运动状态数据、实际内部环境数据和实际外部环境数据进行数据预处理;将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据,包括:将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。
根据本申请第一方面前述任一实施方式,对实际运动状态数据、实际内部环境数据和实际外部环境数据进行数据预处理,包括:对实际运动状态数据、实际内部环境数据和实际外部环境数据进行滤波、降噪、标准化以及归一化处理。
根据本申请第一方面前述任一实施方式,在将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中之前,跨介质航行器的运动控制方法还包括:根据数据预处理后的实际运动状态数据、实际内部环境数据和跨介质航行器的固有属性数据,在数字孪生软件系统中构建跨介质航行器的孪生实体模型;根据数据预处理后的实际外部环境数据,在数字孪生软件系统中构建跨介质航行器的场景环境模型。
根据本申请第一方面前述任一实施方式,在得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据之后,跨介质航行器的运动控制方法还包括:将预测运动状态数据输入至孪生实体模型,以使孪生实体模型根据预测运动状态数据进行仿真运动。
根据本申请第一方面前述任一实施方式,在将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中之前,跨介质航行器的运动控制方法还包括:获取跨介质航行器在历史时间周期内的多个历史运动状态数据组,每个历史运动状态数据组均包括跨介质航行器在一个时间序列下多个时刻的历史运动状态数据;将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中,得到跨介质航行器在时间序列下其余时刻的运动状态数据的预测结果;根据预测结果,以及跨介质航行器在时间序列下其余时刻的历史运动状态数据,确定数据预测模型的损失函数值;在损失函数值不满足预设训练停止条件的情况下,调整数据预测模型的模型参数,并返回执行将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中,直至损失函数值满足预设训练停止条件,得到训练后的数据预测模型。
根据本申请第一方面前述任一实施方式,根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令,包括:计算实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值,以及实际运动状态数据与目标运动状态数据的第二差值,第一目标时刻为第一预设时间周期内与第一时刻间隔最短的时刻;对第一差值和第二差值进行加权求和,得到加权求和结果;将加权求和结果输入至控制算法模型,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
根据本申请第一方面前述任一实施方式,控制算法模型包括动力学预测模型和代价函数,代价函数根据动力学预测模型和跨介质航行器的组件的约束条件构建得到;将加权求和结果输入至控制算法模型,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令,包括:将加权求和结果输入至代价函数,得到组件在第二预设时间周期内的多个时刻下每个时刻分别对应的组件参数值;根据第二目标时刻对应的组件参数值,生成将跨介质航行器的运动状态调整至目标运动状态的控制指令,第二目标时刻为第二预设时间周期内与第一时刻间隔最短的时刻。
根据本申请第一方面前述任一实施方式,在根据第二目标时刻对应的组件参数值,生成将跨介质航行器的运动状态调整至目标运动状态的控制指令之后,跨介质航行器的运动控制方法还包括:将组件参数值输入至动力学预测模型,通过动力学预测模型计算组件参数值对应的跨介质航行器的动力学预测运动状态数据;将动力学预测运动状态数据输入至代价函数,并将跨介质航行器在第一时刻的实际运动状态数据,更新为物理实体硬件平台根据控制指令调整后的跨介质航行器的实际运动状态数据,返回执行获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据。
第二方面,本申请实施例提供了一种跨介质航行器的运动控制方法,应用于跨介质航行器的物理实体硬件平台,跨介质航行器的运动控制方法包括:获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据;将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统;接收数字孪生软件系统发送的控制指令,控制指令由数字孪生软件系统中的控制算法模型生成;根据控制指令,将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态。
第三方面,本申请实施例提供了一种跨介质航行器的运动控制系统,跨介质航行器的运动控制系统包括:物理实体硬件平台和数字孪生软件系统;物理实体硬件平台包括数据检测单元、第一无线通信单元与运动控制单元;数据检测单元,用于获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据;第一无线通信单元,用于将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统;运动控制单元,用于接收数字孪生软件系统发送的控制指令,控制指令由数字孪生软件系统中的控制算法模型生成;运动控制单元,还用于根据控制指令,将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态;数字孪生软件系统包括第二无线通信单元、运动数据预测单元与控制指令反馈单元;第二无线通信单元,用于获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据;运动数据预测单元,用于将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;控制指令反馈单元,用于根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令;第二无线通信单元,还用于将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
第四方面,本申请实施例提供了一种跨介质航行器的运动控制装置,应用于跨介质航行器的数字孪生软件系统,跨介质航行器的运动控制装置包括:第一获取模块,用于获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据;第一预测模块,用于将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;指令生成模块,用于根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令;指令发送模块,用于将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
第五方面,本申请实施例提供了一种跨介质航行器的运动控制装置,应用于跨介质航行器的物理实体硬件平台,跨介质航行器的运动控制装置包括:第二获取模块,用于获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据;数据发送模块,用于将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统;指令接收模块,用于接收数字孪生软件系统发送的控制指令,控制指令由数字孪生软件系统中的控制算法模型生成;调整模块,用于根据控制指令,将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态。
第六方面,本申请实施例提供了一种电子设备,电子设备包括:处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被处理器执行时实现如第一方面或第二方面提供的跨介质航行器的运动控制方法的步骤。
第七方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如第一方面或第二方面提供的跨介质航行器的运动控制方法的步骤。
本申请实施例的跨介质航行器的运动控制方法、系统、装置、设备及介质,获取跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据;将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,得到跨介质航行器的预测运动状态数据;根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令;由物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。本申请实施例中的数据预测模型和控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请实施例提供的一种跨介质航行器的运动控制方法的流程示意图;
图2是本申请实施例提供的另一种跨介质航行器的运动控制方法的流程示意图;
图3是本申请实施例提供的又一种跨介质航行器的运动控制方法的流程示意图;
图4是本申请实施例提供的再一种跨介质航行器的运动控制方法的流程示意图;
图5是本申请实施例提供的再一种跨介质航行器的运动控制方法的流程示意图;
图6是本申请实施例提供的一种控制算法模型的逻辑示意图;
图7是本申请实施例提供的再一种跨介质航行器的运动控制方法的流程示意图;
图8是本申请实施例提供的一种跨介质航行器的运动控制方法的通信交互示意图;
图9是本申请实施例提供的一种跨介质航行器的运动控制系统的结构示意图;
图10是本申请实施例提供的一种跨介质航行器的运动控制装置的结构示意图;
图11是本申请实施例提供的另一种跨介质航行器的运动控制装置的结构示意图;
图12是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在不脱离本申请的精神或范围的情况下,在本申请中能进行各种修改和变化,这对于本领域技术人员来说是显而易见的。因而,本申请意在覆盖落入所对应权利要求(要求保护的技术方案)及其等同物范围内的本申请的修改和变化。需要说明的是,本申请实施例所提供的实施方式,在不矛盾的情况下可以相互组合。
为了解决现有技术问题,本申请实施例提供了一种跨介质航行器的运动控制方法、系统、装置、设备及介质。
下面首先对本申请实施例所提供的跨介质航行器的运动控制方法进行介绍。
图1是本申请实施例提供的一种跨介质航行器的运动控制方法的流程示意图。如图1所示,跨介质航行器的运动控制方法应用于跨介质航行器的数字孪生软件系统,该方法可以包括以下步骤S101至S104。
S101、获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据。
S102、将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。
S103、根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
S104、将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
上述各步骤的具体实现方式将在下文中进行详细描述。
本申请实施例的跨介质航行器的运动控制方法,数据预测模型和控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
图9是本申请实施例提供的一种跨介质航行器的运动控制系统的结构示意图,下面结合图1和图9介绍上述各个步骤的具体实现方式。
在S101中,由物理实体硬件平台910的数据检测单元911,获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据。通过物理实体硬件平台910的第一无线通信单元912将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至数字孪生软件系统920的第二无线通信单元921,再由第二无线通信单元921单独获取跨介质航行器处于目标运动状态时的目标运动状态数据。
示例性地,第一时刻可以是跨介质航行器在运动过程中的任一时刻。跨介质航行器的实际运动状态数据可以包括全球定位系统(Global Positioning System,GPS)或北斗卫星导航系统采集的位置数据,例如经度和纬度,速度测量传感器采集的航速数据,姿态传感器采集的姿态数据,例如横滚角、俯仰角和偏航角,姿态传感器采集的航向数据,深度传感器采集的深度数据,电池管理系统采集的电池数据,例如电池的剩余电量、放电电压和放电电流;跨介质航行器的实际内部环境数据可以包括环境传感器采集的内部环境数据,例如跨介质航行器内部的真空度和温湿度,用于确定跨介质航行器的壳体未发生破裂或漏水现象;跨介质航行器的实际外部环境数据可以包括外部环境测量设备采集的外部环境数据,例如空气风速、水流流速和波浪波高。本申请实施例对传感器的数量和类型不作限定。
在一些实施例中,可选地,在物理实体硬件平台910的数据检测单元911获取到跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据和实际外部环境数据之后,可以先将上述数据通过RS485或RS232等数据通信协议发送至物理实体硬件平台910的信息处理单元914。由信息处理单元914对上述数据进行数据预处理,包括数据的过滤、降噪、清洗和无效数据的剔除,再将经过数据预处理的上述数据发送至第一无线通信单元912。由第一无线通信单元912发送至数字孪生软件系统920的第二无线通信单元921。
示例性地,信息处理单元914可以是跨介质航行器内部的微控制单元(Microcontroller Unit,MCU);第一无线通信单元912和第二无线通信单元921可以是无线通信电台,例如433MHz无线通信电台,第一无线通信单元912和第二无线通信单元921能够用于实现物理实体硬件平台910和数字孪生软件系统920的双向远程数据通信。
在一些实施例中,可选地,经过滤波和降噪处理的跨介质航行器的实际运动状态数据、实际内部环境数据和实际外部环境数据可以存储在物理实体硬件平台910的数据存储单元915中。
作为本申请跨介质航行器的运动控制方法的另一种实现方式,如图2所示,在S102之前,跨介质航行器的运动控制方法还可以包括以下步骤S201。
S201、对实际运动状态数据、实际内部环境数据和实际外部环境数据进行数据预处理。
数字孪生软件系统920的第二无线通信单元921可以先将跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据和实际外部环境数据发送至数字孪生软件系统920的服务器主机924,服务器主机924通过MQTT应用层协议读取远程传输的数据,并将其存储在服务器主机924中的数据接收与存储单元926。再由服务器主机924将上述数据发送至数字孪生软件系统920的信息处理与计算单元927,由信息处理与计算单元927对上述数据进行数据预处理。
作为S201的一种实现方式,S201具体可以包括:对实际运动状态数据、实际内部环境数据和实际外部环境数据进行滤波、降噪、标准化以及归一化处理。
信息处理与计算单元927对跨介质航行器的实际运动状态数据、实际内部环境数据和实际外部环境数据进行滤波、降噪、标准化以及归一化处理,并将预处理后的上述数据存储在数据接收与存储单元926中。
作为本申请跨介质航行器的运动控制方法的另一种实现方式,如图3所示,在S102之前,跨介质航行器的运动控制方法还可以包括以下步骤S301和S302。
S301、根据数据预处理后的实际运动状态数据、实际内部环境数据和跨介质航行器的固有属性数据,在数字孪生软件系统中构建跨介质航行器的孪生实体模型。
信息处理与计算单元927将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据发送至数字孪生软件系统920的状态可视化监测单元925,状态可视化监测单元925根据数据预处理后的实际运动状态数据、实际内部环境数据和跨介质航行器的固有属性数据,在数字孪生软件系统920中构建跨介质航行器的孪生实体模型。
孪生实体模型为跨介质航行器物理实体的数字孪生模型,用于对跨介质航行器物理实体的实际运动状态数据和实际内部环境数据进行可视化的监测和展示。在跨介质航行器的运动过程中,通过孪生实体模型不断积累并更新跨介质航行器的实际运动状态数据和实际内部环境数据,可以实现对跨介质航行器系统性能和运行状态的实时监测,进而根据监测数据实现对跨介质航行器的精确控制,从而保证跨介质航行器能够具有更好的作业效果,以及跨介质航行器系统的高可用性。
示例性地,跨介质航行器的固有属性数据可以包括跨介质航行器的尺寸大小、重量、外形外观,以及跨介质航行器各组件的属性数据,例如喷水推进器的螺旋桨尺寸大小、螺旋桨转速和直流电机输入电流大小等属性数据。
S302、根据数据预处理后的实际外部环境数据,在数字孪生软件系统中构建跨介质航行器的场景环境模型。
状态可视化监测单元925根据数据预处理后的实际外部环境数据,在数字孪生软件系统920中构建跨介质航行器的场景环境模型,场景环境模型用于对跨介质航行器所处的真实的运动环境进行还原。
在S102中,信息处理与计算单元927将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据发送至数字孪生软件系统920的运动数据预测单元922,利用运动数据预测单元922中的数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。
作为本申请跨介质航行器的运动控制方法的另一种实现方式,如图4所示,在S102之后,跨介质航行器的运动控制方法还可以包括以下步骤S401。
S401、将预测运动状态数据输入至孪生实体模型,以使孪生实体模型根据预测运动状态数据进行仿真运动。
运动数据预测单元922将跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据发送至状态可视化监测单元925,状态可视化监测单元925将预测运动状态数据输入至孪生实体模型,根据预测运动状态数据和孪生实体模型可以另行构建一个新的孪生实体模型,新构建的孪生实体模型可以根据预测运动状态数据进行仿真运动,用于对跨介质航行器物理实体的预测运动状态数据进行可视化展示。
作为本申请跨介质航行器的运动控制方法的另一种实现方式,如图5所示,在S102之前,跨介质航行器的运动控制方法还可以包括以下步骤S501至S504。
S501、获取跨介质航行器在历史时间周期内的多个历史运动状态数据组,每个历史运动状态数据组均包括跨介质航行器在一个时间序列下多个时刻的历史运动状态数据。
在利用数据预测模型对跨介质航行器的运动状态数据进行预测之前,需要先根据跨介质航行器在历史时间周期内的历史运动状态数据,在运动数据预测单元922中构建数据预测模型。
运动数据预测单元922根据需要预测的运动状态数据,从数据接收与存储单元926中获取与需要预测的运动状态数据相关的历史运动状态数据,得到跨介质航行器在历史时间周期内的多个历史运动状态数据组,每个历史运动状态数据组均包括跨介质航行器在一个时间序列下多个时刻的历史运动状态数据。示例性地,当需要预测的运动状态数据为跨介质航行器的航速时,历史运动状态数据可以包括跨介质航行器的位置数据、航速数据、航向数据等。
S502、将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中,得到跨介质航行器在时间序列下其余时刻的运动状态数据的预测结果。
示例性地,数据预测模型可以是基于长短期记忆神经网络(Long Short TermMemory,LSTM)构建的。由于LSTM神经网络能够根据历史数据进行建模,并通过学习时间序列中的长期依赖关系,预测出未来一段时间内的运动状态数据。因此,将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中,可以得到跨介质航行器在该时间序列下未来时刻的运动状态数据的预测结果。
此外,由于LSTM神经网络还具有门控机制,可以控制数据的输入、输出和遗忘,所以本申请实施例中基于LSTM神经网络构建数据预测模型,可以进一步提高数据预测模型的预测精度。同时,由于LSTM神经网络还具有端到端结构和自适应能力,可以根据不同的数据输入和预测任务进行灵活配置和训练,所以本申请实施例中构建的数据预测模型可以根据需要预测的运动状态数据灵活地进行调整,这进一步提高了数据预测模型的泛化性和适应性。
在一些实施例中,可选地,在将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中之前,可以先对多个历史运动状态数据组中的数据进行数据预处理,将数据预处理后的历史运动状态数据输入至LSTM神经网络进行数据预测模型的训练。示例性地,数据预处理的过程可以包括对历史运动状态数据进行去噪和特征提取,并将其转换为LSTM神经网络的行业标准格式。
在一些实施例中,可选地,在对多个历史运动状态数据组中的数据进行数据预处理之后,可以按照一定的比例将预处理后的多个历史运动状态数据组划分为训练集和测试集。将属于训练集的历史运动状态数据输入至LSTM神经网络进行数据预测模型的训练。
需要说明的是,上述基于LSTM神经网络训练数据预测模型的方法仅为示意性说明,并不用于限定本申请,本领域技术人员可根据实际需要预测的数据类型,对数据预测模型进行适应性调整。
S503、根据预测结果,以及跨介质航行器在时间序列下其余时刻的历史运动状态数据,确定数据预测模型的损失函数值。
根据数据预测模型输出的跨介质航行器在这一时间序列下其余时刻的运动状态数据的预测结果,以及跨介质航行器在这一时间序列下其余时刻的真实的历史运动状态数据,计算数据预测模型的损失函数值。
S504、在损失函数值不满足预设训练停止条件的情况下,调整数据预测模型的模型参数,并返回执行步骤S502,直至损失函数值满足预设训练停止条件,得到训练后的数据预测模型。
在一些实施例中,可选地,在得到训练后的数据预测模型之后,可以将属于测试集的历史运动状态数据输入至训练后的数据预测模型,计算模型预测的准确率和误差指标,以对模型的训练效果进行评估。在模型预测的准确率或误差指标不符合预设条件的情况下,可以重新根据跨介质航行器在历史时间周期内的多个历史运动状态数据组,对数据预测模型进行训练,直至模型预测的准确率和误差指标符合预设条件,得到训练好的数据预测模型。利用训练好的数据预测模型能够对跨介质航行器的运动状态数据进行精准预测,得到更为精确的预测运动状态数据。
在S103中,运动数据预测单元922将利用数据预测模型得到的预测运动状态数据发送至数字孪生软件系统920的控制指令反馈单元923,控制指令反馈单元923根据跨介质航行器的实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
作为S103的一种实现方式,S103具体可以包括:计算实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值,以及实际运动状态数据与目标运动状态数据的第二差值,第一目标时刻为第一预设时间周期内与第一时刻间隔最短的时刻;对第一差值和第二差值进行加权求和,得到加权求和结果;将加权求和结果输入至控制算法模型,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
如图6所示,控制算法模型的输入端包括了跨介质航行器的实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值,以及跨介质航行器的实际运动状态数据与目标运动状态数据的第二差值。对第一差值和第二差值进行加权求和,将加权求和结果输入至控制算法模型,控制算法模型输出将跨介质航行器的运动状态调整至目标运动状态的控制指令。
继续参见图6,在一些实施例中,可选地,控制算法模型包括动力学预测模型和代价函数,代价函数根据动力学预测模型和跨介质航行器的组件的约束条件构建得到。将加权求和结果输入至控制算法模型,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令,具体可以包括:将加权求和结果输入至代价函数,得到组件在第二预设时间周期内的多个时刻下每个时刻分别对应的组件参数值;根据第二目标时刻对应的组件参数值,生成将跨介质航行器的运动状态调整至目标运动状态的控制指令,第二目标时刻为第二预设时间周期内与第一时刻间隔最短的时刻。
示例性地,以对跨介质航行器的航行速度控制为例进行说明。实际运动状态数据可以是跨介质航行器在第一时刻的实际航行速度,预测运动状态数据可以是运动数据预测单元922利用数据预测模型得到的跨介质航行器的预测航行速度,目标运动状态数据可以是预先设定的目标航行速度。代价函数可以根据动力学预测模型和跨介质航行器的喷水推进器的约束条件构建得到,其中,喷水推进器的约束条件可以是预先设定的喷水推进器的油门大小,例如油门大小置于20%-80%。
类似地,在对跨介质航行器的航行方向进行控制时,代价函数可以根据动力学预测模型和跨介质航行器的方向调节舵的约束条件构建得到,其中,方向调节舵的约束条件可以是预先设定的航行器的俯仰角,例如俯仰角置于0-10°。本申请实施例对控制算法模型的设计不作限定,本领域技术人员可根据实际应用场景中需要控制的组件类型对控制算法模型进行适应性调整,进而实现对跨介质航行器的航速、航向、位置、角度等参数的精确控制。
计算跨介质航行器在第一时刻的实际航行速度与第一目标时刻对应的预测航行速度的第一差值,以及跨介质航行器在第一时刻的实际航行速度与预先设定的目标航行速度的第二差值。将第一差值和第二差值的加权求和结果输入至代价函数,通过二次规划对代价函数进行求解,得到喷水推进器在第二预设时间周期内的多个时刻下每个时刻分别对应的油门大小,将喷水推进器在第二目标时刻对应的油门大小作为代价函数的最优解输出。
此时,由控制指令反馈单元923将控制算法模型输出的第二目标时刻对应的组件参数值,即喷水推进器在第二目标时刻对应的油门大小,打包成标准的数据帧格式,得到将跨介质航行器的运动状态调整至目标运动状态的控制指令。
继续参见图6,在一些实施例中,可选地,在根据第二目标时刻对应的组件参数值,生成将跨介质航行器的运动状态调整至目标运动状态的控制指令之后,跨介质航行器的运动控制方法还可以包括:将组件参数值输入至动力学预测模型,通过动力学预测模型计算组件参数值对应的跨介质航行器的动力学预测运动状态数据;将动力学预测运动状态数据输入至代价函数,并将跨介质航行器在第一时刻的实际运动状态数据,更新为物理实体硬件平台根据控制指令调整后的跨介质航行器的实际运动状态数据,返回执行获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据。
示例性地,还以对跨介质航行器的航行速度控制为例进行说明。在控制指令反馈单元923生成控制指令之后,会将控制指令发送至服务器主机924,由服务器主机924通过第二无线通信单元921发送至物理实体硬件平台910,以使物理实体硬件平台910根据控制指令对喷水推进器的油门大小进行调整,进而将跨介质航行器的航行速度调整至目标航行速度,而物理实体硬件平台910的数据检测单元911会再次获取调整后的跨介质航行器的实际航行速度。同时,代价函数的最优解也会输出至动力学预测模型,动力学预测模型根据喷水推进器在第二目标时刻对应的油门大小计算该油门大小对应的跨介质航行器的航行速度,即动力学预测运动状态数据。
此时,将跨介质航行器在第一时刻的实际航行速度,更新为数据检测单元911再次获取的调整后的跨介质航行器的实际航行速度,并返回执行步骤S101,通过本申请实施例的跨介质航行器的运动控制方法再次得到跨介质航行器的目标航行速度和预测航行速度,并通过计算再次得到第一差值和第二差值的加权求和结果。将加权求和结果和动力学预测运动状态数据共同输入至代价函数,通过二次规划对代价函数进行迭代求解,每次迭代计算均可得到一组数据中的最优解,由控制指令反馈单元923根据每次迭代计算得到的最优解生成相应的控制指令。如此,便可实现对跨介质航行器运动状态的实时调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
在S104中,控制指令反馈单元923会将控制指令发送至服务器主机924,由服务器主机924通过第二无线通信单元921发送至物理实体硬件平台910,以使物理实体硬件平台910根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
图7是本申请实施例提供的再一种跨介质航行器的运动控制方法的流程示意图。如图7所示,跨介质航行器的运动控制方法应用于跨介质航行器的物理实体硬件平台,该方法可以包括以下步骤S701至S704。
S701、获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据。
由数据检测单元911获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据。
S702、将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统。
数据检测单元911获取到跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据和实际外部环境数据之后,先将上述数据通过RS485或RS232等数据通信协议发送至信息处理单元914,由信息处理单元914对上述数据进行数据预处理后,再将经过数据预处理的上述数据发送至第一无线通信单元912。由第一无线通信单元912发送至数字孪生软件系统920的第二无线通信单元921。
S703、接收数字孪生软件系统发送的控制指令,控制指令由数字孪生软件系统中的控制算法模型生成。
第一无线通信单元912接收数字孪生软件系统920的第二无线通信单元921发送的控制指令,并将控制指令发送至信息处理单元914。
S704、根据控制指令,将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态。
信息处理单元914对控制指令进行解析,并将解析得到的跨介质航行器的组件参数值通过CAN总线发送至运动控制单元913,由运动控制单元913根据组件参数值将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态。示例性地,运动控制单元913可以通过对跨介质航行器的喷水推进器或电子调速器的调控,实现对跨介质航行器的航速调整,也可以通过对跨介质航行器的方向调节舵的调控,实现对跨介质航行器的航向调整。本申请实施例对运动控制单元913可以调控的组件不作限定。
本申请实施例的跨介质航行器的运动控制方法,数据预测模型和控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
图8是本申请实施例提供的一种跨介质航行器的运动控制方法的通信交互示意图。如图8所示,跨介质航行器的运动控制方法可以包括以下步骤S801至S805。
S801、物理实体硬件平台获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据。
S802、物理实体硬件平台将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统。
S803、数字孪生软件系统获取跨介质航行器处于目标运动状态时的目标运动状态数据;将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
S804、数字孪生软件系统将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
S805、物理实体硬件平台根据控制指令,将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态。
本申请实施例的跨介质航行器的运动控制方法,数据预测模型和控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
图9是本申请实施例提供的一种跨介质航行器的运动控制系统的结构示意图。如图9所示,跨介质航行器的运动控制系统900可以包括物理实体硬件平台910和数字孪生软件系统920。其中,物理实体硬件平台910可以包括数据检测单元911、第一无线通信单元912与运动控制单元913;数字孪生软件系统920可以包括第二无线通信单元921、运动数据预测单元922与控制指令反馈单元923。
继续参见图9,在一些实施例中,可选地,物理实体硬件平台910还可以包括信息处理单元914和数据存储单元915;数字孪生软件系统920还可以包括服务器主机924、状态可视化监测单元925、数据接收与存储单元926和信息处理与计算单元927。
由于图9所示系统中各个单元的功能,已在上述跨介质航行器的运动控制方法的实施例中进行了详细介绍,为简洁描述,在此不再赘述。
本申请实施例的跨介质航行器的运动控制系统,运动数据预测单元中的数据预测模型和控制指令反馈单元中的控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
基于上述实施例提供的跨介质航行器的运动控制方法,相应地,本申请还提供了一种跨介质航行器的运动控制装置的具体实现方式,应用于跨介质航行器的数字孪生软件系统。请参见以下实施例。
如图10所示,本申请实施例提供的一种跨介质航行器的运动控制装置1000包括以下模块:
第一获取模块1001,用于获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据;
第一预测模块1002,用于将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;
指令生成模块1003,用于根据实际运动状态数据、预测运动状态数据和目标运动状态数据,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令;
指令发送模块1004,用于将控制指令发送至物理实体硬件平台,以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
本申请实施例的跨介质航行器的运动控制装置,数据预测模型和控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
在一些实施例中,上述跨介质航行器的运动控制装置1000还可以包括:数据处理模块,用于对实际运动状态数据、实际内部环境数据和实际外部环境数据进行数据预处理;将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据,包括:将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用数据预测模型进行运行状态数据的预测,得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。
在一些实施例中,上述数据处理模块具体用于对实际运动状态数据、实际内部环境数据和实际外部环境数据进行滤波、降噪、标准化以及归一化处理。
在一些实施例中,上述跨介质航行器的运动控制装置1000还可以包括:模型构建模块,用于根据数据预处理后的实际运动状态数据、实际内部环境数据和跨介质航行器的固有属性数据,在数字孪生软件系统中构建跨介质航行器的孪生实体模型;根据数据预处理后的实际外部环境数据,在数字孪生软件系统中构建跨介质航行器的场景环境模型。
在一些实施例中,上述跨介质航行器的运动控制装置1000还可以包括:仿真模块,用于将预测运动状态数据输入至孪生实体模型,以使孪生实体模型根据预测运动状态数据进行仿真运动。
在一些实施例中,上述跨介质航行器的运动控制装置1000还可以包括:模型训练模块,用于获取跨介质航行器在历史时间周期内的多个历史运动状态数据组,每个历史运动状态数据组均包括跨介质航行器在一个时间序列下多个时刻的历史运动状态数据;将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中,得到跨介质航行器在时间序列下其余时刻的运动状态数据的预测结果;根据预测结果,以及跨介质航行器在时间序列下其余时刻的历史运动状态数据,确定数据预测模型的损失函数值;在损失函数值不满足预设训练停止条件的情况下,调整数据预测模型的模型参数,并返回执行将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中,直至损失函数值满足预设训练停止条件,得到训练后的数据预测模型。
在一些实施例中,上述指令生成模块1003具体用于计算实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值,以及实际运动状态数据与目标运动状态数据的第二差值,第一目标时刻为第一预设时间周期内与第一时刻间隔最短的时刻;对第一差值和第二差值进行加权求和,得到加权求和结果;将加权求和结果输入至控制算法模型,通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
在一些实施例中,控制算法模型包括动力学预测模型和代价函数,代价函数根据动力学预测模型和跨介质航行器的组件的约束条件构建得到;上述指令生成模块1003还可用于将加权求和结果输入至代价函数,得到组件在第二预设时间周期内的多个时刻下每个时刻分别对应的组件参数值;根据第二目标时刻对应的组件参数值,生成将跨介质航行器的运动状态调整至目标运动状态的控制指令,第二目标时刻为第二预设时间周期内与第一时刻间隔最短的时刻。
在一些实施例中,上述跨介质航行器的运动控制装置1000还可以包括:迭代计算模块,用于将组件参数值输入至动力学预测模型,通过动力学预测模型计算组件参数值对应的跨介质航行器的动力学预测运动状态数据;将动力学预测运动状态数据输入至代价函数,并将跨介质航行器在第一时刻的实际运动状态数据,更新为物理实体硬件平台根据控制指令调整后的跨介质航行器的实际运动状态数据,返回执行获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及跨介质航行器处于目标运动状态时的目标运动状态数据。
图10所示装置中的各个模块具有实现图1中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
基于上述实施例提供的跨介质航行器的运动控制方法,相应地,本申请还提供了另一种跨介质航行器的运动控制装置的具体实现方式,应用于跨介质航行器的物理实体硬件平台。请参见以下实施例。
如图11所示,本申请实施例提供的另一种跨介质航行器的运动控制装置1100包括以下模块:
第二获取模块1101,用于获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据;
数据发送模块1102,用于将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统;
指令接收模块1103,用于接收数字孪生软件系统发送的控制指令,控制指令由数字孪生软件系统中的控制算法模型生成;
调整模块1104,用于根据控制指令,将跨介质航行器的运动状态调整至跨介质航行器的目标运动状态。
本申请实施例的跨介质航行器的运动控制装置,数据预测模型和控制算法模型能够适应多介质环境,基于数据预测模型可实现跨介质航行器在不同介质环境中运动时,其运动状态数据的精准预测。基于跨介质航行器的实际运动状态数据、目标运动状态数据和较为精确的预测运动状态数据,通过控制算法模型可生成对跨介质航行器的精确的控制指令。本申请实施例能够在跨介质航行器的运动过程中,根据实时采集的数据,实时地对跨介质航行器的运动状态进行调整,进而实现跨介质航行器在多介质环境中运动的精确控制。
图11所示装置中的各个模块具有实现图7中各个步骤的功能,并能达到其相应的技术效果,为简洁描述,在此不再赘述。
基于上述实施例提供的跨介质航行器的运动控制方法,相应地,本申请还提供了电子设备的具体实现方式。请参见以下实施例。
图12示出了本申请实施例提供的电子设备的硬件结构示意图。
电子设备可以包括处理器1201以及存储有计算机程序指令的存储器1202。
具体地,上述处理器1201可以包括中央处理器(Central Processing Unit,CPU),或者特定集成电路(Application Specific Integrated Circuit ,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器1202可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器1202可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在一个示例中,存储器1202可以包括可移除或不可移除(或固定)的介质,或者存储器1202是非易失性固态存储器。存储器1202可在综合网关容灾设备的内部或外部。
在一个示例中,存储器1202可以是只读存储器(Read Only Memory,ROM)。在一个示例中,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
存储器1202可以包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可操作来执行参考根据本申请的一方面的方法所描述的操作。
处理器1201通过读取并执行存储器1202中存储的计算机程序指令,以实现图1所示实施例中的方法/步骤S101至S104,以及图7所示实施例中的方法/步骤S701至S704,并达到图1和图7所示实例执行其方法/步骤达到的相应技术效果,为简洁描述在此不再赘述。
在一个示例中,电子设备还可包括通信接口1203和总线1210。其中,如图12所示,处理器1201、存储器1202、通信接口1203通过总线1210连接并完成相互间的通信。
通信接口1203,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线1210包括硬件、软件或两者,将电子设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(Accelerated Graphics Port,AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture,EISA)总线、前端总线(Front Side Bus,FSB)、超传输(Hyper Transport,HT)互连、工业标准架构(IndustryStandard Architecture,ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线1210可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的跨介质航行器的运动控制方法,本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种跨介质航行器的运动控制方法。计算机可读存储介质的示例包括非暂态计算机可读存储介质 ,如电子电路、半导体存储器设备、ROM、随机存取存储器、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency,RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (13)
1.一种跨介质航行器的运动控制方法,其特征在于,应用于所述跨介质航行器的数字孪生软件系统,所述方法包括:
获取来自所述跨介质航行器的物理实体硬件平台发送的所述跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及所述跨介质航行器处于目标运动状态时的目标运动状态数据;
将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中,利用所述数据预测模型进行运行状态数据的预测,得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;
根据所述实际运动状态数据、所述预测运动状态数据和所述目标运动状态数据,通过控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令;
将所述控制指令发送至所述物理实体硬件平台,以使所述物理实体硬件平台根据所述控制指令将所述跨介质航行器的运动状态调整至所述目标运动状态。
2.根据权利要求1所述的方法,其特征在于,在所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中之前,所述方法还包括:
对所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据进行数据预处理;
所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中,利用所述数据预测模型进行运行状态数据的预测,得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据,包括:
将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中,利用所述数据预测模型进行运行状态数据的预测,得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。
3.根据权利要求2所述的方法,其特征在于,所述对所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据进行数据预处理,包括:
对所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据进行滤波、降噪、标准化以及归一化处理。
4.根据权利要求2或3所述的方法,其特征在于,在所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中之前,所述方法还包括:
根据数据预处理后的实际运动状态数据、实际内部环境数据和所述跨介质航行器的固有属性数据,在所述数字孪生软件系统中构建所述跨介质航行器的孪生实体模型;
根据数据预处理后的实际外部环境数据,在所述数字孪生软件系统中构建所述跨介质航行器的场景环境模型。
5.根据权利要求4所述的方法,其特征在于,在所述得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据之后,所述方法还包括:
将所述预测运动状态数据输入至所述孪生实体模型,以使所述孪生实体模型根据所述预测运动状态数据进行仿真运动。
6.根据权利要求1所述的方法,其特征在于,在所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中之前,所述方法还包括:
获取所述跨介质航行器在历史时间周期内的多个历史运动状态数据组,每个所述历史运动状态数据组均包括所述跨介质航行器在一个时间序列下多个时刻的历史运动状态数据;
将所述跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至所述数据预测模型中,得到所述跨介质航行器在所述时间序列下其余时刻的运动状态数据的预测结果;
根据所述预测结果,以及所述跨介质航行器在所述时间序列下其余时刻的历史运动状态数据,确定所述数据预测模型的损失函数值;
在所述损失函数值不满足预设训练停止条件的情况下,调整所述数据预测模型的模型参数,并返回执行所述将所述跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至所述数据预测模型中,直至所述损失函数值满足预设训练停止条件,得到训练后的数据预测模型。
7.根据权利要求1所述的方法,其特征在于,所述根据所述实际运动状态数据、所述预测运动状态数据和所述目标运动状态数据,通过控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令,包括:
计算所述实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值,以及所述实际运动状态数据与所述目标运动状态数据的第二差值,所述第一目标时刻为第一预设时间周期内与所述第一时刻间隔最短的时刻;
对所述第一差值和所述第二差值进行加权求和,得到加权求和结果;
将所述加权求和结果输入至所述控制算法模型,通过所述控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令。
8.根据权利要求7所述的方法,其特征在于,所述控制算法模型包括动力学预测模型和代价函数,所述代价函数根据所述动力学预测模型和所述跨介质航行器的组件的约束条件构建得到;
所述将所述加权求和结果输入至所述控制算法模型,通过所述控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令,包括:
将所述加权求和结果输入至所述代价函数,得到所述组件在第二预设时间周期内的多个时刻下每个时刻分别对应的组件参数值;
根据第二目标时刻对应的组件参数值,生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令,所述第二目标时刻为第二预设时间周期内与所述第一时刻间隔最短的时刻。
9.根据权利要求8所述的方法,其特征在于,在所述根据第二目标时刻对应的组件参数值,生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令之后,所述方法还包括:
将所述组件参数值输入至所述动力学预测模型,通过所述动力学预测模型计算所述组件参数值对应的所述跨介质航行器的动力学预测运动状态数据;
将所述动力学预测运动状态数据输入至所述代价函数,并将所述跨介质航行器在第一时刻的实际运动状态数据,更新为所述物理实体硬件平台根据所述控制指令调整后的所述跨介质航行器的实际运动状态数据,返回执行所述获取来自所述跨介质航行器的物理实体硬件平台发送的所述跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及所述跨介质航行器处于目标运动状态时的目标运动状态数据。
10.一种跨介质航行器的运动控制系统,其特征在于,所述系统包括:物理实体硬件平台和数字孪生软件系统;
所述物理实体硬件平台包括数据检测单元、第一无线通信单元与运动控制单元;
所述数据检测单元,用于获取设置在所述跨介质航行器上的传感器采集到的所述跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据,以及设置在所述跨介质航行器所处环境中的传感器采集到的所述跨介质航行器的实际外部环境数据;
所述第一无线通信单元,用于将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据发送至所述跨介质航行器的数字孪生软件系统;
所述运动控制单元,用于接收所述数字孪生软件系统发送的控制指令,所述控制指令由所述数字孪生软件系统中的控制算法模型生成;
所述运动控制单元,还用于根据所述控制指令,将所述跨介质航行器的运动状态调整至所述跨介质航行器的目标运动状态;
所述数字孪生软件系统包括第二无线通信单元、运动数据预测单元与控制指令反馈单元;
所述第二无线通信单元,用于获取来自所述跨介质航行器的物理实体硬件平台发送的所述跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及所述跨介质航行器处于目标运动状态时的目标运动状态数据;
所述运动数据预测单元,用于将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中,利用所述数据预测模型进行运行状态数据的预测,得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;
所述控制指令反馈单元,用于根据所述实际运动状态数据、所述预测运动状态数据和所述目标运动状态数据,通过控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令;
所述第二无线通信单元,还用于将所述控制指令发送至所述物理实体硬件平台,以使所述物理实体硬件平台根据所述控制指令将所述跨介质航行器的运动状态调整至所述目标运动状态。
11.一种跨介质航行器的运动控制装置,其特征在于,应用于所述跨介质航行器的数字孪生软件系统,所述装置包括:
第一获取模块,用于获取来自所述跨介质航行器的物理实体硬件平台发送的所述跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据,以及所述跨介质航行器处于目标运动状态时的目标运动状态数据;
第一预测模块,用于将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中,利用所述数据预测模型进行运行状态数据的预测,得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据;
指令生成模块,用于根据所述实际运动状态数据、所述预测运动状态数据和所述目标运动状态数据,通过控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令;
指令发送模块,用于将所述控制指令发送至所述物理实体硬件平台,以使所述物理实体硬件平台根据所述控制指令将所述跨介质航行器的运动状态调整至所述目标运动状态。
12.一种电子设备,其特征在于,所述电子设备包括:处理器、存储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,所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的跨介质航行器的运动控制方法的步骤。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的跨介质航行器的运动控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311214035.0A CN116954137B (zh) | 2023-09-20 | 2023-09-20 | 跨介质航行器的运动控制方法、系统、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311214035.0A CN116954137B (zh) | 2023-09-20 | 2023-09-20 | 跨介质航行器的运动控制方法、系统、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116954137A CN116954137A (zh) | 2023-10-27 |
CN116954137B true CN116954137B (zh) | 2023-12-08 |
Family
ID=88455033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311214035.0A Active CN116954137B (zh) | 2023-09-20 | 2023-09-20 | 跨介质航行器的运动控制方法、系统、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116954137B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117289723B (zh) * | 2023-11-24 | 2024-02-20 | 北京大学 | 跨介质航行器运动状态的控制方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221546A (zh) * | 2019-05-21 | 2019-09-10 | 武汉理工大学 | 虚实融合的船舶智能控制系统测试平台 |
CN111881515A (zh) * | 2020-07-17 | 2020-11-03 | 华中科技大学 | 一种基于孪生数据驱动的无人艇实时速度测量方法及系统 |
CN114820997A (zh) * | 2022-02-22 | 2022-07-29 | 大连海事大学 | 一种无人船虚实融合多孪生智能感知增强方法 |
CN115329459A (zh) * | 2022-08-12 | 2022-11-11 | 吉林大学 | 基于数字孪生的水下航行器建模方法及系统 |
WO2023011925A1 (de) * | 2021-08-05 | 2023-02-09 | Atlas Elektronik Gmbh | Unterwasserfahrzeug und verfahren zur verbesserung des lagebilds eines unterwasserfahrzeugs |
-
2023
- 2023-09-20 CN CN202311214035.0A patent/CN116954137B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110221546A (zh) * | 2019-05-21 | 2019-09-10 | 武汉理工大学 | 虚实融合的船舶智能控制系统测试平台 |
CN111881515A (zh) * | 2020-07-17 | 2020-11-03 | 华中科技大学 | 一种基于孪生数据驱动的无人艇实时速度测量方法及系统 |
WO2023011925A1 (de) * | 2021-08-05 | 2023-02-09 | Atlas Elektronik Gmbh | Unterwasserfahrzeug und verfahren zur verbesserung des lagebilds eines unterwasserfahrzeugs |
CN114820997A (zh) * | 2022-02-22 | 2022-07-29 | 大连海事大学 | 一种无人船虚实融合多孪生智能感知增强方法 |
CN115329459A (zh) * | 2022-08-12 | 2022-11-11 | 吉林大学 | 基于数字孪生的水下航行器建模方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116954137A (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116954137B (zh) | 跨介质航行器的运动控制方法、系统、装置、设备及介质 | |
CN109631915B (zh) | 轨迹预测方法、装置、设备及计算机可读存储介质 | |
CN109767619B (zh) | 一种智能网联纯电动汽车行驶工况预测方法 | |
US20180259342A1 (en) | System and method for dead reckoning for a drone | |
US20190266498A1 (en) | Behavioral models for vehicles | |
CN111339229A (zh) | 一种船舶自主航行辅助决策系统 | |
CN111931286A (zh) | 纵向动力学模型的训练方法、装置及设备 | |
JP2020024475A (ja) | 無人航空機の飛行管理システム、及び飛行管理方法 | |
CN109255442B (zh) | 基于人工智能的控制决策模块的训练方法、设备及可读介质 | |
CN115494879B (zh) | 基于强化学习sac的旋翼无人机避障方法、装置及设备 | |
CN112414401B (zh) | 基于图神经网络的无人机协同定位系统及方法 | |
CN110751266A (zh) | 一种无人机轨迹预测模块及其预测方法 | |
CN113190036A (zh) | 一种基于lstm神经网络的无人机飞行轨迹预测方法 | |
Fossen et al. | Exogenous kalman filter (xkf) for visualization and motion prediction of ships using live automatic identification systems (ais) data | |
SE1250629A1 (sv) | System och metod för reglering av fordon i fordonståg | |
US20210110173A1 (en) | System and method for tracking objects using multi-edge bounding box factors | |
CN117289723B (zh) | 跨介质航行器运动状态的控制方法、装置、设备及介质 | |
CN113486564B (zh) | 一种无人艇推进器故障诊断系统及方法 | |
CN112712608B (zh) | 用于通过车辆收集性能数据的系统和方法 | |
US20190266499A1 (en) | Independent sparse sub-system calculations for dynamic state estimation in embedded systems | |
CN117392624A (zh) | 更新具有自动驾驶系统的车辆的感知功能的方法和系统 | |
Figetakis et al. | UAV path planning using on-board ultrasound transducer arrays and edge support | |
CN115469679A (zh) | 一种无人机飞行状态参数预测方法及系统 | |
CN114169463A (zh) | 一种自主预测车道信息模型训练方法及装置 | |
Zhao et al. | Fuzzy health degree-based dynamic performance evaluation of quadrotors in the presence of actuator and sensor faults |
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 |