-
题名一种基于PPO的AUV网箱巡检方法
被引量:1
- 1
-
-
作者
颜承昊
林远山
李然
于红
王芳
-
机构
大连海洋大学信息工程学院
-
出处
《计算机与数字工程》
2023年第1期93-97,共5页
-
基金
辽宁省教育厅基本科研项目(编号:QL202016,LJKZ0730)
辽宁省自然基金资助计划(编号:2020-KF-12-09)
辽宁省重点研发计划(编号:2020JH2/10100043)资助
-
文摘
网箱巡检是网箱养殖的必要环节。随着渔业设施地智能化发展,使用AUV实现自主网箱巡检是未来的发展趋势。在水下难以得到机器人的精确动力学模型。为此,论文提出基于强化学习算法PPO的水下机器人自主网箱巡检方法。以声呐数据作为感知输入,根据航向、偏离距离等因素设计了多约束奖励函数,利用PPO算法学习出最优的网箱巡检控制策略。搭建了水下网箱养殖仿真环境,在该环境下的仿真结果表明,在学习到的策略的控制下,AUV能够实现网箱的自主绕行巡检,轨迹稳定平滑,验证了论文方法的有效性。
-
关键词
网箱巡检
AUV
PPO
-
Keywords
cage inspection
AUV
PPO
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于视觉的AUV自主水下管线跟踪方法
- 2
-
-
作者
王昊
颜承昊
任俊丽
邵思扬
-
机构
大连海洋大学信息工程学院
-
出处
《现代信息科技》
2021年第20期16-19,23,共5页
-
基金
辽宁省教育厅基本科研项目(LJKZ0730,QL202016)
辽宁省自然科学基金项目(20180550674,2020-KF-12-09)
辽宁省重点研发计划项目(2020JH2/10100043)。
-
文摘
对海下管线的检测是保证其正常运行的必要环节。文章针对海下管道巡检问题,提出一种结合状态表示学习和深度强化学习的方法,使水下机器人能够基于图像进行管线跟踪。利用无监督表征学习方法提取海底管线图像特征,结合任务情况设计了动作、状态空间和奖励函数,通过SAC算法学习一个稳健的跟踪控制策略。最后搭建仿真环境进行试验,证明了所提出方法的有效性和泛化性。
-
关键词
AUV
海底管线跟踪
状态表示学习
深度强化学习
-
Keywords
AUV
subsea pipeline tracking
state representation learning
deep reinforcement learning
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-