CN117371639B - 一种鱼雷罐运动优化方法、电子设备及可读存储介质 - Google Patents

一种鱼雷罐运动优化方法、电子设备及可读存储介质 Download PDF

Info

Publication number
CN117371639B
CN117371639B CN202311660693.2A CN202311660693A CN117371639B CN 117371639 B CN117371639 B CN 117371639B CN 202311660693 A CN202311660693 A CN 202311660693A CN 117371639 B CN117371639 B CN 117371639B
Authority
CN
China
Prior art keywords
time
value
torpedo tank
group
new
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202311660693.2A
Other languages
English (en)
Other versions
CN117371639A (zh
Inventor
浦玉学
赵一冰
王静峰
钱叶琳
苏颖
于竞宇
***
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Construction Engineering Road Port Construction Group Co ltd
Hefei University of Technology
Original Assignee
Anhui Construction Engineering Road Port Construction Group Co ltd
Hefei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Construction Engineering Road Port Construction Group Co ltd, Hefei University of Technology filed Critical Anhui Construction Engineering Road Port Construction Group Co ltd
Priority to CN202311660693.2A priority Critical patent/CN117371639B/zh
Publication of CN117371639A publication Critical patent/CN117371639A/zh
Application granted granted Critical
Publication of CN117371639B publication Critical patent/CN117371639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Refinement Of Pig-Iron, Manufacture Of Cast Iron, And Steel Manufacture Other Than In Revolving Furnaces (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及建筑智能化领域，具体是一种鱼雷罐运动优化方法，包括如下步骤：S1、确定鱼雷罐沿轨道的行进轨迹；S2、以鱼雷罐在设定行进轨迹下行进设定时间值所消耗的能量为时间能量值；S3、对设定时间值进行迭代优化，直至迭代后的时间值所对应的时间能量值达到最低；S4、控制驱动电机以恒定转速驱动鱼雷罐运动，使鱼雷罐以时间能量值最低时所对应的时间值完成设定行进轨迹的行进。本发明使鱼雷罐沿设定轨迹运动时消耗的能量以及时间达到最佳的平衡点，大幅提高了鱼雷罐的运输效率。

Description

一种鱼雷罐运动优化方法、电子设备及可读存储介质
技术领域
本发明涉及建筑智能化领域，具体是一种鱼雷罐运动优化方法、电子设备及可读存储介质。
背景技术
装配式建筑是指由预制部件在工地上装配而成的建筑。装配式建筑主要分为三种形式，分别为装配式木结构、装配式钢结构建筑和装配式混凝土结构。作为装配式混凝土建筑的配套环节，PC 构件工厂的建设也受到各家企业的重点关注，PC 构件工厂的建设管理运营成为一个重大课题摆在建筑人的面前，PC 构件工厂需要满足哪些功能，产能设计和设备配置如何匹配，构件堆场和产能如何匹配，都会影响到工厂建设的效果能否达到设计要求。
在PC构建工厂中有一个很重要的运输工具——鱼雷罐，它主要负责运输搅拌后的混凝土到相应浇筑工位上，通过驱动电机驱动鱼雷罐沿轨道行进的过程中，对于鱼雷罐在轨道上运动所消耗的时间以及运动所消耗的能量没有做出优化考虑，这就导致实际生产过程中，过长以及过短时间的运输都有可能提高消耗的能量总量，鱼雷罐沿设定轨迹运动时所消耗的时间以及所消耗的能量无法达到最佳的平衡点，运输效率较低，因此亟待解决。
发明内容
为了避免和克服现有技术中存在的技术问题，本发明提供了一种鱼雷罐运动优化方法。本发明使鱼雷罐沿设定轨迹运动时消耗的能量以及时间达到最佳的平衡点，大幅提高了鱼雷罐的运输效率。
为实现上述目的，本发明提供如下技术方案：
一种鱼雷罐运动优化方法，包括如下步骤：
S1、确定鱼雷罐沿轨道的行进轨迹；
S2、以鱼雷罐在设定行进轨迹下行进设定时间值所消耗的能量为时间能量值；
S3、对设定时间值进行迭代优化，直至迭代后的时间值所对应的时间能量值达到最低；
S4、控制驱动电机以恒定转速驱动鱼雷罐运动，使鱼雷罐以时间能量值最低时所对应的时间值完成设定行进轨迹的行进。
作为本发明进一步的方案：步骤S1中，以鱼雷罐在轨道的起点为M 0 ,以鱼雷罐在轨 道的终点为M j ，M 1 、M 2 、…、M j－1表示轨道起点与终点之间共j－1个关键点；鱼雷罐沿各关键点运动并形成j组时间序列，每组时间序列有n个时间值，各时间值表示通过相邻关键点所耗费的不同时间，通过步骤S3分别计算各组时间序列中的最优时间值。
作为本发明再进一步的方案：在步骤S3中：
S31、计算第j组时间序列的当前最优判别因子ES；
S32、选择第j组时间序列中的时间值X i 作为启动时间值，计算X i 的判别因子ES i ；
S33、对X i 进行迭代，包括：
S331、当X i 的判别因子ES i 大于ES时，
；
其中，X i New 表示对X i 进行迭代后的新的时间值；
r为[0,1]范围内的随机数；
S332、当X i 的判别因子ES i 小于ES时，
；
X BS 表示迭代过程中第j组时间序列当前的最优时间值；
X CP 表示迭代过程中第j组时间序列当前所有时间值的平均时间；
SL i 为时间值X i 的稳定性水平；
r 1以及r 2均为[0,1]范围内的随机数；
S34、将迭代产生的新的时间值X i New 加入第j组时间序列中，并更新第j组时间序列的当前最优判别因子ES；计算X i New 的判别因子ES i New ，重复步骤S33对X i New 进行迭代；
S35、在步骤S33中，当X i 的判别因子ES i 等于ES时，停止迭代，将X i 输出为最优时间值；
或，在步骤S34中，当X i New 的判别因子ES i New 等于ES时，停止迭代，将X i New 输出为最优时间值。
作为本发明再进一步的方案：第j组时间序列的当前最优判别因子ES为：
；
其中，c 1以及c 2均为判别常数；
EB表示第j组时间序列的平均时间能量值；
SL表示第j组时间序列的平均稳定性水平；
在步骤S34中，X i New 加入第j组时间序列后，对SL以及EB进行更新从而输出新的当前最优判别因子ES。
作为本发明再进一步的方案：第j组时间序列的平均时间能量值EB为：
；
NEL i 表示X i 所对应的时间能量值；
；
表示鱼雷罐驱动电机的扭矩；
q表示鱼雷罐驱动电机的角加速度；
dt表示时间微分；
表示学习因子；
表示时间权重因子；
表示能量消耗权重因子，/>。
作为本发明再进一步的方案：第j组时间序列的平均稳定性水平SL为：
。
作为本发明再进一步的方案：时间值X i 的稳定性水平SL i 为：
；
其中，BS为第j组时间序列中，当前稳定性水平最高的时间值所对应的时间能量值；
WS为第j组时间序列中，当前稳定性水平最低的时间值所对应的时间能量值。
一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行所述的一种鱼雷罐运动优化方法。
一种可读存储介质，其特征在于，该存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使处理器执行一种鱼雷罐运动优化方法。
与现有技术相比，本发明的有益效果是：
1、本发明基于时间能量值来计算通过设定运动路径时鱼雷罐的最佳通行时间，确保鱼雷罐在较小的能量消耗下可完成较短时间的运输，使鱼雷罐沿设定轨迹运动时消耗的能量以及时间达到最佳的平衡点，大幅提高了鱼雷罐的运输效率，动态地优化鱼雷罐的运动控制，实现时间和能量的最优平衡，减少运输时间。
2、本发明通过优化算法对鱼雷罐的运动进行控制，可以处理多种轨道下的鱼雷罐运动，并对鱼雷罐中一些不确定性的干扰具有鲁棒性，可以降低鱼雷罐运输过程中的人工成本。
3、本发明引入了不断更新的判别因子，并根据判别因子来更新公式，提高算法的准确程度；引入了稳定性水平的概念，使算法具备了快速收敛的特性和相对较低的函数迭代次数。
4、本发明的引入时间能量值，综合考虑了能量消耗和时间成本，使鱼雷罐在运动过程中找到一个平衡点，可以避免只关注一方面而忽视另一方面的情况，提高能源利用率：时间能量值可以帮助优化路径，使得鱼雷罐在行走过程中尽量减少能量消耗，使鱼雷罐可以更加有效地利用能源，延长使用时间或减少能源消耗，帮助找到鱼雷罐行走的最少的时间；时间能量值还可以根据实际需求进行调整和优化。在具体设计中，可以根据不同的约束条件和优化目标，调整能量和时间的权重，以满足特定的需求和限制。
附图说明
图1为本发明中算法迭代次数与时间能量值的关系示意图。
图2为本发明中迭代次数与最优时间点的关系示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～2，本发明实施例中，一种鱼雷罐运动优化方法，包括如下步骤：
S1、确定鱼雷罐沿轨道的行进轨迹；以鱼雷罐在轨道的起点为M 0 ,以鱼雷罐在轨道 的终点为M j ，M 1 、M 2 、…、M j－1表示轨道起点与终点之间共j－1个关键点；鱼雷罐沿各关键点运动并形成j组时间序列，每组时间序列有n个时间值，各时间值表示通过相邻关键点所耗费的不同时间。
S2、以鱼雷罐在设定行进轨迹下行进设定时间值所消耗的能量为时间能量值；时间能量值越低则表示对应的时间值越优。计算过程，以鱼雷罐的驱动电机满足不能超过最大力矩、角加速度、角速度的限制为约束条件。
以时间值X i 为例，时间值X i 所对应的时间能量值NEL i 为：
；
表示鱼雷罐驱动电机的扭矩；
q表示鱼雷罐驱动电机的角加速度；
dt表示时间微分；
表示学习因子，用于保证鱼雷罐运行的总时间和总能量耗散处在同一数量级；
表示时间权重因子；
表示能量消耗权重因子，且/>；通过调整时间权重因子与能量消耗权重因子可以让时间和能量耗散达到均衡的关系。
S3、对设定时间值进行迭代优化，直至迭代后的时间值所对应的时间能量值达到最低；
S31、计算第j组时间序列的当前最优判别因子ES；
第j组时间序列的当前最优判别因子ES为：
；
其中，c 1以及c 2均为判别常数；
EB表示第j组时间序列的平均时间能量值；
SL表示第j组时间序列的平均稳定性水平；
第j组时间序列的平均时间能量值EB为：
；
第j组时间序列的平均稳定性水平SL为：
；
n为第j组时间序列中的时间值的总数，随着迭代过程时间值的增加而动态变化。
S32、选择第j组时间序列中的时间值X i 作为启动时间值，计算X i 的判别因子ES i ；X i 可从第j组时间序列的n个时间值中随机选择，或从n个时间值外随机选择一个时间值。
时间值X i 的稳定性水平SL i 为：
；
其中，BS为第j组时间序列的n个时间值中，稳定性水平最高的时间值所对应的时间能量值；第j组时间序列中未迭代前初始便存在n个时间值，第一次迭代时，BS为初始的n个时间值中稳定性最高的时间值所对应的时间能量值，随着后续迭代，第j组时间序列中的时间值不断更新，BS值随之变化。
WS为第j组时间序列的n个时间值中，稳定性水平最低的时间值所对应的时间能量值；第j组时间序列中未迭代前初始便存在n个时间值，第一次迭代时，WS为初始的n个时间值中稳定性最高的时间值所对应的时间能量值，随着后续迭代，第j组时间序列中的时间值不断更新，WS值随之变化。
S33、对X i 进行迭代，包括：
S331、当X i 的判别因子ES i 大于ES时，
；
其中，X i New 表示对X i 进行迭代后的新的时间值；
r为[0,1]范围内的随机数，用于决定时间值的振幅。
S332、当X i 的判别因子ES i 小于ES时，
；
X BS 表示迭代过程中第j组时间序列当前的最优时间值；
X CP 表示迭代过程中第j组时间序列当前所有时间值的平均时间；
SL i 为时间值X i 的稳定性水平；
r 1以及r 2均为[0,1]范围内的随机数，用于决定时间值的振幅。
X i 的判别因子ES i 如下所示：
；
c 1以及c 2均为判别常数；
S34、将迭代产生的新的时间值X i New 加入第j组时间序列中，并更新第j组时间序列的当前最优判别因子ES；计算X i New 的判别因子ES i New ，重复步骤S33对X i New 进行迭代；
S35、在步骤S33中，当X i 的判别因子ES i 等于ES时，停止迭代，将X i 输出为最优时间值；
或，在步骤S34中，当X i New 的判别因子ES i New 等于ES时，停止迭代，将X i New 输出为最优时间值。
S4、控制驱动电机以恒定转速驱动鱼雷罐运动，使鱼雷罐以时间能量值最低时所对应的时间值完成设定行进轨迹的行进。
如图1所示，本发明对目标函数（时间能量值）进行优化，迭代次数在5次以内，目标函数就已经收敛达到最小值。如图2所示，和图1对应，在较短的迭代次数内，鱼类罐的运行已经达到了最优时间，可以看出本发明的优化方法收敛速度极快，准确程度较高。
本申请的另一实施例为电子设备。
该电子设备可以是可移动设备本身，或与其独立的单机设备，该单机设备可以与可移动设备进行通信，以从它们接收所采集到的输入信号，并向其发送所选择的目标决策行为。
电子设备包括一个或多个处理器和存储器。
处理器可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
存储器可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器可以运行所述程序指令，以实现上文所述的本申请的各个实施例的一种鱼雷罐运动优化方法。
在一个示例中，电子设备还可以包括：输入装置和输出装置，这些组件通过总线***和/或其他形式的连接机构互连。例如，该输入设备可以包括例如车载诊断***(OBD)、摄像头、工业相机等各种设备。该输入设备还可以包括例如键盘、鼠标等等。该输出装置可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
本申请的又一实施例为还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述鱼雷罐运动优化方法部分中描述的根据本申请各种实施例的优化步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外，本申请的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书中的一种鱼雷罐运动优化方法。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。
本申请中涉及的器件、装置、设备、***的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、***。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

Claims (3)

1.一种鱼雷罐运动优化方法，其特征在于，包括如下步骤：
S1、确定鱼雷罐沿轨道的行进轨迹；
S2、以鱼雷罐在设定行进轨迹下行进设定时间值所消耗的能量为时间能量值；
S3、对设定时间值进行迭代优化，直至迭代后的时间值所对应的时间能量值达到最低；
S4、控制驱动电机以恒定转速驱动鱼雷罐运动，使鱼雷罐以时间能量值最低时所对应的时间值完成设定行进轨迹的行进；
步骤S1中，以鱼雷罐在轨道的起点为M 0 ,以鱼雷罐在轨道的终点为M j ，M 1 、M 2 、…、M j－1表示轨道起点与终点之间共j－1个关键点；鱼雷罐沿各关键点运动并形成j组时间序列，每组时间序列有n个时间值，各时间值表示通过相邻关键点所耗费的不同时间，通过步骤S3分别计算各组时间序列中的最优时间值；
在步骤S3中：
S31、计算第j组时间序列的当前最优判别因子ES；
S32、选择第j组时间序列中的时间值X i 作为启动时间值，计算X i 的判别因子ES i ；
S33、对X i 进行迭代，包括：
S331、当X i 的判别因子ES i 大于ES时，
其中，X i New 表示对X i 进行迭代后的新的时间值；
r为[0,1]范围内的随机数；
S332、当X i 的判别因子ES i 小于ES时，
X BS 表示迭代过程中第j组时间序列当前的最优时间值；
X CP 表示迭代过程中第j组时间序列当前所有时间值的平均时间；
SL i 为时间值X i 的稳定性水平；
r 1以及r 2均为[0,1]范围内的随机数；
S34、将迭代产生的新的时间值X i New 加入第j组时间序列中，并更新第j组时间序列的当前最优判别因子ES；计算X i New 的判别因子ES i New ，重复步骤S33对X i New 进行迭代；
S35、在步骤S33中，当X i 的判别因子ES i 等于ES时，停止迭代，将X i 输出为最优时间值；
或，在步骤S34中，当X i New 的判别因子ES i New 等于ES时，停止迭代，将X i New 输出为最优时间值；
第j组时间序列的当前最优判别因子ES为：
其中，c 1以及c 2均为判别常数；
EB表示第j组时间序列的平均时间能量值；
SL表示第j组时间序列的平均稳定性水平；
在步骤S34中，X i New 加入第j组时间序列后，对SL以及EB进行更新从而输出新的当前最优判别因子ES；
第j组时间序列的平均时间能量值EB为：
NEL i 表示X i 所对应的时间能量值；
表示鱼雷罐驱动电机的扭矩；
q表示鱼雷罐驱动电机的角加速度；
dt表示时间微分；
表示学习因子；
表示时间权重因子；
表示能量消耗权重因子，/>第j组时间序列的平均稳定性水平SL为：
时间值X i 的稳定性水平SL i 为：
其中，BS为第j组时间序列中，当前稳定性水平最高的时间值所对应的时间能量值；
WS为第j组时间序列中，当前稳定性水平最低的时间值所对应的时间能量值。
2.一种电子设备，其特征在于，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器依次连接，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1所述的一种鱼雷罐运动优化方法。
3.一种可读存储介质，其特征在于，该存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使处理器执行如权利要求1所述的一种鱼雷罐运动优化方法。
CN202311660693.2A 2023-12-06 2023-12-06 一种鱼雷罐运动优化方法、电子设备及可读存储介质 Active CN117371639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311660693.2A CN117371639B (zh) 2023-12-06 2023-12-06 一种鱼雷罐运动优化方法、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311660693.2A CN117371639B (zh) 2023-12-06 2023-12-06 一种鱼雷罐运动优化方法、电子设备及可读存储介质

Publications (2)

Publication Number Publication Date
CN117371639A CN117371639A (zh) 2024-01-09
CN117371639B true CN117371639B (zh) 2024-02-27

Family

ID=89394850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311660693.2A Active CN117371639B (zh) 2023-12-06 2023-12-06 一种鱼雷罐运动优化方法、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN117371639B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012206952A1 (de) * 2012-04-26 2013-10-31 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Steuerung der Bewegung einer beweglichen Einheit im Raum
CN108656117A (zh) * 2018-05-21 2018-10-16 武汉理工大学 一种多约束条件下最优时间的机械臂空间轨迹优化方法
GB201908281D0 (en) * 2019-06-10 2019-07-24 Glowbuzzer Ltd Method and apparatus for trajectory-planning
CN111966098A (zh) * 2020-08-13 2020-11-20 中国计量大学 基于鱼群算法的轨道式光伏电站智能运维***和方法
CN114840020A (zh) * 2022-04-21 2022-08-02 重庆邮电大学 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法
CN115840369A (zh) * 2023-02-20 2023-03-24 南昌大学 基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备
DE102022100664A1 (de) * 2022-01-12 2023-07-13 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Steuervorrichtung und Computerprogramm zum Steuern einer Längsführung eines Fahrzeugs

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012206952A1 (de) * 2012-04-26 2013-10-31 Siemens Aktiengesellschaft Verfahren und Vorrichtung zur Steuerung der Bewegung einer beweglichen Einheit im Raum
CN108656117A (zh) * 2018-05-21 2018-10-16 武汉理工大学 一种多约束条件下最优时间的机械臂空间轨迹优化方法
GB201908281D0 (en) * 2019-06-10 2019-07-24 Glowbuzzer Ltd Method and apparatus for trajectory-planning
CN111966098A (zh) * 2020-08-13 2020-11-20 中国计量大学 基于鱼群算法的轨道式光伏电站智能运维***和方法
DE102022100664A1 (de) * 2022-01-12 2023-07-13 Bayerische Motoren Werke Aktiengesellschaft Verfahren, Steuervorrichtung und Computerprogramm zum Steuern einer Längsführung eines Fahrzeugs
CN114840020A (zh) * 2022-04-21 2022-08-02 重庆邮电大学 一种基于改进鲸鱼算法的无人机飞行轨迹规划方法
CN115840369A (zh) * 2023-02-20 2023-03-24 南昌大学 基于改进的鲸鱼优化算法的轨迹优化方法、装置及设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于改进CMA-ES算法的机器人轨迹规划;赵云涛;梅伟;李维刚;刘鹏;;计算机仿真(12);全文 *
工业机器人时间-能量-脉动最优轨迹规划;施祥玲;方红根;;机械设计与制造(04);全文 *
钢铁企业铁水运输调度优化与仿真;杨小燕;崔炳谋;;计算机应用(10);全文 *

Also Published As

Publication number Publication date
CN117371639A (zh) 2024-01-09

Similar Documents

Publication Publication Date Title
KR102242516B1 (ko) 복수의 기계 학습 태스크에 대해 기계 학습 모델들을 훈련
JP6926203B2 (ja) 補助タスクを伴う強化学習
Chen et al. Delay-aware model-based reinforcement learning for continuous control
US20210201156A1 (en) Sample-efficient reinforcement learning
EP3899797A1 (en) Multi-agent reinforcement learning with matchmaking policies
JP2019179518A (ja) 強化学習プログラム、強化学習方法、および強化学習装置
CN114348026B (zh) 一种车辆控制方法、装置、设备以及存储介质
Zhang et al. Disturbance‐observer‐based antiswing control of underactuated crane systems via terminal sliding mode
Li et al. Research on dynamic path planning of mobile robot based on improved DDPG algorithm
CN112613608A (zh) 一种强化学习方法及相关装置
CN117371639B (zh) 一种鱼雷罐运动优化方法、电子设备及可读存储介质
CN114527641A (zh) 基于人工电场算法优化的无刷直流电机模糊控制方法
Veeriah et al. Forward actor-critic for nonlinear function approximation in reinforcement learning
CN114434449B (zh) 一种新型粒子群自适应阻抗控制方法及装置
CN113790729B (zh) 一种基于强化学习算法的无人天车路径规划方法及装置
CN114527642B (zh) 一种基于深度强化学习的agv自动调整pid参数的方法
JP3821266B2 (ja) ダイナミクスを利用してコスト関数の最適値を探索する処理装置
Schoknecht et al. Reinforcement learning on explicitly specified time scales
Yang et al. Stabilisation of a class of nonlinear continuous time systems by a fuzzy control approach
CN117592172B (zh) 一种基坑围护结构变形控制逆向设计方法及***
Cao et al. Hierarchical reinforcement learning for kinematic control tasks with parameterized action spaces
Wu et al. Safe reward‐based deep reinforcement learning control for an electro‐hydraulic servo system
Tao et al. A Multiobjective Collaborative Deep Reinforcement Learning Algorithm for Jumping Optimization of Bipedal Robot
KR102558092B1 (ko) 샘플 효율적인 탐색을 위한 샘플-인지 엔트로피 정규화 기법
CN118068694B (zh) 一种自适应神经网络模糊积分滑模控制方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant