Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 燕山大学闫敬获国家专利权

燕山大学闫敬获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉燕山大学申请的专利通信连通性保持约束下的水下多机器人避障装置及方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115951690B

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310176886.4,技术领域涉及:G05D1/43;该发明授权通信连通性保持约束下的水下多机器人避障装置及方法是由闫敬;张良;杨晛;易鸣;曹文强;罗小元设计研发完成,并于2023-02-28向国家知识产权局提交的专利申请。

通信连通性保持约束下的水下多机器人避障装置及方法在说明书摘要公布了:本发明公开了通信连通性保持约束下的水下多机器人避障装置及方法,属于水下多机器人群集系统控制领域,所述装置包括水下机器人主体、水声无线通讯装置及双目视觉避障装置;所述方法首先将多台水下机器人部署至巡航区域,水下机器人通过双目相机实时获取水下环境图像,通过图像计算障碍物视差角度并判断是否大于避障阈值;随后机器人通过水声无线通信模块采用广播形式确定与其它机器人间的通信距离,通过通信距离设计通信引力函数确保水下机多器人的通信连通性;水下机器人完成巡航任务后上浮至水面。本发明可以使水下多机器人群集系统在具有障碍物的水域中进行工作,保证了水下多机器人群集系统通信连通性,提高了水下机器人运动控制的稳定性。

本发明授权通信连通性保持约束下的水下多机器人避障装置及方法在权利要求书中公布了:1.一种通信连通性保持约束下的水下多机器人避障方法,其特征在于:包括以下步骤: 步骤1,采集水下巡航任务区域环境图像和水下机器人图像,对采集图像需避障区域进行预处理并生成相应的数据集,通过深度卷积神经网络对数据集进行离线训练,将训练完毕的模型部署至每个水下机器人控制舱体内的微计算机图像处理单元; 步骤2,将每个水下机器人分别部署至巡航任务区域,水下机器人通过自身搭载的双目相机实时捕获所处环境图像信息,微计算机图像处理单元通过部署的神经网络模型判断此图像是否存在避障区域,若存在避障区域,转至步骤3,若不存在转至步骤4; 步骤3,获取图像上避障区域中心像素点坐标,通过此像素点坐标计算该避障区域视差角度值; 若图像中存在避障区域,将其中心点像素坐标记为X,Y,X和Y分别是避障区域中心点的像素横坐标、纵坐标;通过获取图像的避障区域中心像素点坐标,计算出此避障区域的水平视差角度和垂直视差角度: 其中,θH和θV分别为此障碍区域的水平视差角度和垂直视差角度,θT是避障视差角度阈值,θA、θB、θC和θD分别是第一单目相机5-1、第二单目相机5-2、第三单目相机5-3、第四单目相机5-4根据图像避障区域中心像素点坐标计算的水平和垂直视差夹角值; 步骤4,基于水声无线通讯装置的通信半径分别求取每个水下机器人的邻居集,之后计算每个水下机器人在其邻居集内与其它水下机器人间的通信引力场值; 水下机器人Um与水下机器人Un的连通函数为: 其中,m,n∈{1,...M},Xm=[xm,ym,zm]T和Xn=[xn,yn,zn]T分别表示水下机器人Um和Un在世界坐标系下的位置;LXm,rv={X∈R2:||X-Xm||≤rv}表示以水下机器人Um为中心的通讯半径为rv的圆形区域;通过连通函数,水下机器人Um的邻居集为: Pm={Xn·fmnXm}4 机器人Um在其邻居集内产生的通信引力场为: 其中,dmn=||Xm-Xn||表示水下机器人Um与水下机器人Un间的距离,rs是最大稳定通信距离; 步骤5,通过步骤3获取的视差角度信息以及步骤4获取的通信引力场构造此水下机器人的奖励函数,基于奖励函数构造值函数,通过深度强化学习神经网络拟合值函数; 通过上述步骤中获取的障碍物视差角度信息以及通信引力场约束,可构造单步奖励函数计算此时策略的奖励值,奖励越大,控制策略越优;所述奖励函数如下: 其中,RmXm,τm为水下机器人Um单步奖励,τm是水下机器人Um此时的控制输入,K1和K2是权重系数; 步骤6,重复上述步骤2到步骤5直到获取最优的值函数,此时深度强化学习神经网络已收敛,将其部署至每个水下机器人上从而获取最优控制策略; 基于步骤5中的单步奖励函数来更新值函数,值函数的定义如下: QXmk,τmk=RmXmk,τmk+γ×maxQXmk+1,τmk+17 其中,Xmk和τmk是水下机器人Um在时间步骤k时的位置和控制输入,0<γ≤1是折扣因子;通过深度强化学习神经网络对值函数进行拟合迭代更新,重复步骤2至步骤5直到满足神经网络收敛要求;此时,通过神经网络获取最优控制策略

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人燕山大学,其通讯地址为:066004 河北省秦皇岛市海港区河北大街438号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。