上海大学柳春2024年第7篇SCI：基于强化学习的多障碍环境下无人水面车辆移动目标封闭控制
论论资讯 ｜ 2024-04-29 ｜
53热度
Ocean Engineering
Explore content
About the journal
Publish with us
Reinforcement learning-based moving-target enclosing control for an unmanned surface vehicle in multi-obstacle environments
Wang Q.; Liu C.; Meng Y.; Ren X.; Wang X.
Published：2024-07-15
DOI：10.1016/j.oceaneng.2024.117920
科技新闻：无人表面船只的智能控制方案助力多障碍环境下的移动目标封闭
研究背景
社会上，无人船只在探索、救援等领域发挥着越来越重要的作用。然而，在多障碍环境下，无人船只如何高效地封闭移动目标，保证安全性成为亟待解决的问题。
研究内容
一项发表在《海洋工程》期刊上的研究提出了一种基于强化学习的移动目标封闭控制方案，旨在解决无人表面船只（USV）在复杂未知因素下的多障碍环境中的移动目标封闭问题。研究采用扩展状态观测器估计目标动态，并结合控制障碍函数制定虚拟安全控制法则，动态协调障碍物避让和目标封闭控制。通过Nussbaum型函数和演员-评论家神经网络，构建了新颖的控制器，以跟踪这一控制法则。该方案有效地解耦了障碍物避让和目标封闭控制，并且仅依赖可测量的变量。经过严谨的理论分析，确保了USV系统的闭环稳定性。最终的模拟验证了该方案在多障碍环境下对USV的有效性和优越性。
研究意义
这项研究提出的方案具有重要的创新意义，为无人表面船只在复杂环境下的智能控制提供了有力支持。通过强化学习技术，成功解决了多障碍环境下的移动目标封闭问题，进一步推动了无人船只技术的发展，有望在实际应用中发挥重要作用。
希望这篇简要的科技资讯能够帮助你更好地了解无人表面船只在多障碍环境下的智能控制方案。如果你对这个话题感兴趣，不妨深入阅读相关的学术研究，探索更多未来科技的可能性！
学术热榜
查看全部
相关资讯
换一批