基于图像特征深度强化学习的AUV管道循管方法

发明专利有效专利

申请号：
CN201811143861.X
IPC分类号：G05D1/06
申请日期：
2018-09-29
申请人：
大连海洋大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于图像特征深度强化学习的AUV管道循管方法
申请号	CN201811143861.X	申请日期	2018-09-29
法律状态	授权	申报国家	暂无
公开/公告日	2019-03-01	公开/公告号	CN109407682A
优先权	暂无	优先权号	暂无
主分类号	G05D1/06 ? IPC结构图谱： G 物理 G0 仪器 G05 控制；调节 G05D 非电变量的控制或调节系统（金属的连续铸造入B22D 11/16；阀门本身入F16K；非电变量的检测见G01各有关小类；电或磁变量的调节入G05F） G05D1/00 陆地、水上、空中或太空中的运载工具的位置、航道、高度或姿态的控制，例如自动驾驶仪（无线电导航系统或使用其他波的类似系统入G01S） G05D1/04 高度或深度的控制 G05D1/06 高度或深度的变化率	IPC分类号	G;0;5;D;1;/;0;6查看分类表>
申请人	大连海洋大学	申请人地址	辽宁省大连市沙河口区黑石礁街2-52 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	大连海洋大学	当前权利人	大连海洋大学
发明人	林远山;王芳;于红;常亚青;崔新忠;刘亚楠;孙圣禹;吕泽宇;宋梓奇;曹凯惠
代理机构	大连非凡专利事务所	代理人	闪红霞

摘要

本发明公开一种基于图像特征深度强化学习的AUV管道循管方法。首先，将AUV循管控制问题建模为连续状态、连续动作的Markov决策过程；其次，控制策略抽象为AUV观测状态（摄像头获取的图像）到运动动作的映射，并利用深度神经网络表达；最后，利用近端策略优化（PPO）方法自主采集数据并训练深度神经网络，最终获得具有一定泛化能力的端到端的循管控制策略。仿真结果表明，本发明能够有效控制AUV的循管动作，而且对于新的和未知的管道几何结构具有较强的泛化能力。该方法是一种端到端(end‑to‑end)的视觉循管运动控制方法，无需知晓AUV的运动学/动力学模型，也无需人工特征提取。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供