基于强化学习的锚泊辅助动力定位系统智能决策研究

论文摘要

针对半潜平台锚泊辅助动力定位系统的最优定位点问题,设计了基于强化学习中深度神经网络的Q学习(DQN)控制策略的锚泊辅助动力定位的智能决策系统。该决策系统中DQN方法与比例—积分—微分(PID)控制方法相结合使用,实现系统优化。在基于机器人操作系统(ROS)平台的动力定位时域模拟程序中进行数值仿真,仿真结果验证了该系统在定位点决策问题上的可靠性和有效性,从而使半潜平台在面对未知海况时,均能寻找到最优定位点,在保证锚泊辅助动力定位系统可靠性的同时降低功率消耗,提高经济性。

论文目录

• 1 模型描述及基于机器人操作系统（ROS）的时域模拟程序开发
•   1.1 海洋结构物物理模型
•   1.2 锚泊系统动力学模型
•   1.3 动力定位系统运动控制模型
•   1.4 基于ROS的时域模拟程序开发
• 2 基于强化学习方法的决策策略设计
•   2.1 基于神经网络的Q学习方法（DQN）的决策设计
•   2.2 数值仿真与分析
• 3 结语

文章来源

类型: 期刊论文

作者: 余尚禹,王磊,李博,衣凡

关键词: 动力定位系统,强化学习,人工神经网络,设点定位

来源: 海洋工程 2019年06期

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 船舶工业,自动化技术

单位: 上海交通大学海洋工程国家重点实验室,高新船舶和深海开发协同创新中心

基金: 工信部课题“第七代半潜平台模型试验及技术研究”系泊定位技术([2016]546),国家重点研发计划(2016YFC0303405)

分类号: U664.82

DOI: 10.16483/j.issn.1005-9865.2019.06.006

页码: 49-61

总页数: 13

文件大小: 2844K

下载量: 191