“袁建亚”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种基于深度Q网络的UUV实时避碰规划方法-CN201910934428.6有效
发明人：王宏健;袁建亚;陈涛;林常见;于丹;李成凤 -专利权人：哈尔滨工程大学
申请日： 2019-09-29 - 公布日： 2023-05-02 - 主分类号： G05D1/06 文献下载
摘要：本发明属于UUV控制技术领域，具体涉及一种基于深度Q网络的UUV实时避碰规划方法。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，不对输入的声呐数据进行人工提取特征和特征匹配，直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，无需像深度学习那样进行大规模的采样和做标签，也不像传统的方法需建立环境和UUV本身的数学模型，无需环境的模型，采用强化学习不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
一种基于深度网络 uuv 实时规划方法

[发明专利]静态环境下基于深度强化学习的移动机器人避碰规划方法-CN201910953377.1有效
发明人：王宏健;何姗姗;张宏瀚;袁建亚;于丹;贺巨义 -专利权人：哈尔滨工程大学
申请日： 2019-10-09 - 公布日： 2022-08-02 - 主分类号： G05D1/02 文献下载
摘要：本发明属于移动机器人导航技术领域，具体涉及一种静态环境下基于深度强化学习的移动机器人避碰规划方法。本发明使用激光测距仪采集原始数据，将处理后的数据作为A3C算法的状态S，通过构建A3C‑LSTM神经网络，将状态S作为网络输入，通过A3C算法，神经网络输出相应参数，利用参数通过正态分布选择移动机器人每一步执行的动作。本发明无需对环境进行建模，通过深度强化学习算法最终实现移动机器人成功在复杂静态障碍物环境下避障。本发明设计具有转艏约束的连续动作空间模型，且采用多线程异步学习，与一般深度强化学习方法相比，大大提高学习训练时间，减少样本相关性，保障探索空间的高利用性与探索策略的多样性，提升算法收敛性、稳定性以及避障成功率。
静态环境基于深度强化学习移动机器人规划方法

[发明专利]一种基于避碰准则的多USV群体协同避碰规划方法-CN201910033309.3有效
发明人：王宏健;付忠健;袁建亚;于丹;胡文月 -专利权人：哈尔滨工程大学
申请日： 2019-01-14 - 公布日： 2022-04-05 - 主分类号： G05D1/02 文献下载
摘要：本发明属于USV控制技术领域，具体涉及一种基于避碰准则的多USV群体协同避碰规划方法。该方法包括：步骤1、制定合理的USV避碰规则；步骤2、多USV系统建模，计算运动参数和碰撞危险度；步骤3、构建USV避碰规划仿真软件平台，添加雷达探测模块和遗传算法，设计典型的仿真案例验证算法的有效性。本发明使多个USV从起点出发躲避环境中所有静态障碍物到达终点，在整个航行过程中USV之间不发生碰撞且在相遇时遵守避碰准则采取避碰策略，同时避免出现大角度转向、紧急加减速的情况。本发明致力找到严格遵守避碰准则的多USV避碰规划方法，并且解决航行过程的大角度转向、大范围加减速的不良航行问题。实现路径最短、符合经济性、平滑性、安全性的最优避碰。
一种基于准则 usv 群体协同规划方法

[发明专利]一种基于改进RNN的UUV实时避障规划方法-CN201910033349.8有效
发明人：王宏健;林常见;袁建亚;付明玉;阮力 -专利权人：哈尔滨工程大学
申请日： 2019-01-14 - 公布日： 2022-04-05 - 主分类号： G05D1/10 文献下载
摘要：本发明属于无人水下航行领域，具体涉及一种基于改进RNN的UUV实时避障规划方法。本发明提供了一种基于改进RNN的UUV实时避碰规划方法，该方法采用卷积连接方式代替原RNN网络中的全连接，减少了网络参数，降低了算法学习时间，提高了算法信息处理能力。本发明设计的用于UUV实时避碰规划的改进RNN算法，在复杂的不确定环境中有较强的适应性；有较强的学习能力、泛化能力及抗噪声干扰能力。
一种基于改进 rnn uuv 实时规划方法

[发明专利]一种基于GRU网络模型的移动机器人动态避碰规划方法-CN201810044018.X有效
发明人：王宏健;刘大伟;秦佳宇;王莹;周佳加;袁建亚 -专利权人：哈尔滨工程大学
申请日： 2018-01-17 - 公布日： 2021-11-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于GRU网络模型的移动机器人动态避碰规划方法，属于移动机器人导航领域；本发明是一种基于深度学习网络的避碰算法，通过对传感器的数据进行前期归一化处理然后输入到GRU网络模型中，通过输入层将数据传输到隐藏层，通过隐藏层GRU模块单元对数据进行处理，将处理后的数据输出到输出层，得到下一时刻移动机器人在全局坐标系中的方向θ和速度v；该算法作用下机器人利用简单的感知设备，便可以具有高智能的动态规划水平，在保证安全的前提下，使移动机器人的反应速度优于传统避碰算法。
一种基于 gru 网络模型移动机器人动态规划方法

[发明专利]一种基于CW-RNN网络的UUV实时避碰规划方法-CN201810044019.4有效
发明人：王宏健;林常见;袁建亚;练青坡;王成龙;付明玉 -专利权人：哈尔滨工程大学
申请日： 2018-01-17 - 公布日： 2020-12-04 - 主分类号： G05D1/10 文献下载
摘要：本发明提供了一种基于CW‑RNN网络的UUV实时避碰规划方法，属于水下航行器导航领域。本发明提供的方法如下：步骤1：构建全局坐标系和局部坐标系，建立声纳仿真模型；步骤2：设计用于实时避碰规划的CW‑RNN网络；步骤3：构建数据集用于神经网络的训练阶段和测试阶段；步骤4：利用训练集中数据训练CW‑RNN网络，得到实时避碰规划器；步骤5：将声纳探测信息及目标点信息输入至基于CW‑RNN网络的避碰规划器，获得UUV下一时刻的转艏及速度的调整指令。本发明提供的方法得到的规划器不仅有强大的学习能力，同时还具有非常强的泛化能力，适用于各种复杂的环境；同时可满足实时性的要求，并且所规划的路径满足UUV运动特性的要求。
一种基于 cw rnn 网络 uuv 实时规划方法

[发明专利]基于深度双Q网络强化学习的UUV实时避碰规划方法-CN201910934538.2在审
发明人：王宏健;袁建亚;严浙平;贺巨义;刘超伟;牛韶源 -专利权人：哈尔滨工程大学
申请日： 2019-09-29 - 公布日： 2020-01-21 - 主分类号： G05D1/06 文献下载
摘要：本发明属于UUV控制技术领域，具体涉及一种基于深度双Q网络强化学习的UUV实时避碰规划方法。本发明提供了一种适用于UUV工作环境和感知特点的自主避碰规划方法，通过UUV与环境之间不断地试错交互，利用成功或失败的经验，产生奖励或惩罚的信号不断地改进UUV的策略，让UUV具有自我学习的能力。本发明使网络体系在复杂环境的局部避碰规划时具有自我学习的能力实现端到端模型，通过直接从原始数据集上学习状态与动作的映射关系，将深度学习和强化学习相结合应用到避碰规划问题的解决上。本发明使用深度强化学习，不会因为路径过于复杂而无法执行策略，使其在实际应用中缩短了项目的开发周期、实施更加简洁、高效、鲁棒性高。
避碰强化学习自我学习控制技术领域原始数据集复杂环境规划问题结合应用开发周期网络体系学习状态映射关系规划端到端鲁棒性感知惩罚奖励失败应用改进网络成功学习

[发明专利]一种基于改进的具有适应性的量子粒子群算法的优化计算方法-CN201810248937.9在审
发明人：王宏健;周赫雄;袁建亚;李庆;王莹;张宏瀚 -专利权人：哈尔滨工程大学
申请日： 2018-03-25 - 公布日： 2018-10-02 - 主分类号： G06N3/00 文献下载
摘要：本发明的目的在于提供一种基于改进的具有适应性的量子粒子群算法的优化计算方法，本发明采取的技术方案是根据需要建立合适的评价指标，区分各粒子的优化程度，依据各粒子优化状态自行分配不同的惯性权值。本发明解决了传统QPSO算法中唯一的控制参数，惯性权重线性减少的单一的调整问题。通过针对性地调整不同优化程度的粒子的惯性权重，能够有效提高算法全局寻优的能力。
量子粒子群算法惯性权重优化计算算法粒子控制参数粒子优化评价指标线性减少寻优优化改进分配全局

1
共 8 条