买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了基于改进深度强化学习的智能船舶操纵双驱动建模方法，涉及智能船舶操纵运动建模及辨识技术领域，包括：根据六自由度智能船舶运动模型和运动特性，获得用以描述智能船舶运动特性的平面三自由度运动模型；根据平面三自由度运动模型，模拟智能船舶操纵运动，并结合不确定性干扰下智能船舶运动变化特点，设计机理驱动模型和数据驱动模型结合的混合驱动模型；本发明以深度强化学习算法为基础辨识方法，对深度强化学习辨识建模方法进行改进，将具有机理支撑和可解释性的机理驱动模型与具有可操作性和灵活性的数据驱动模型混合，避免了因使用单一驱动方法所产生的缺点在保证模型机理的同时具有极强的准确性和适用性。

主权项：1.基于改进深度强化学习的智能船舶操纵双驱动建模方法，其特征在于，该方法包括：S1：根据六自由度智能船舶运动模型和运动特性，获得用以描述智能船舶运动特性的平面三自由度运动模型；预设G为船舶重心，u为纵荡速度，v为横荡速度，r为艏摇角速度，w为垂荡速度，p为横摇角速度，q为纵摇角速度，U为平动总速度，δ为舵角，Ψ为航向角，β为漂角，为横倾角，θ为纵倾角；和分别表示纵荡加速度、横荡加速度和艏摇角加速度，X、Y和N是船舶总力和力矩在三自由度上的投影；S2：根据用以描述智能船舶运动特性的平面三自由度运动模型，模拟智能船舶操纵运动，并结合不确定性干扰下智能船舶运动变化特点，设计机理驱动模型和数据驱动模型结合的混合驱动模型；所述机理驱动模型是在基于相应定理的基础上以具有明确物理意义的参数表示系统动态变化特性的表达式，具体表示为： 其中X、Y和N的加速度分别为和X是v、r、δ的偶函数，相应的v、r、δ的奇阶系数为零，Y和N是v、r、δ的奇函数；和为船舶角加速度或流体加速度的导数；所述数据驱动模型是基于机理驱动模型框架根据机理驱动模与系统动态变化运动测量数据之间的差值表征造成差值的致因与变因映射关系的模型，具体表示为： 其中，和是与加速度和对应的流体动力系数，Δf1、Δf2和Δf3表示与u、v、r和δ有关的非线性函数；根据公式遵循非线性映射函数，可得到和与u、v、r和δ之间的关系，用作待识别的模型： 智能船舶操纵运动混合驱动模型的方程为： 设置不同权重比：Fi＝α1fi+α2Δfi；其中，Fi＝[F1,F2,F3]T表示为混合驱动模型，fi＝[f1,f2,f3]T表示为机理驱动模型，Δfi＝[Δf1,Δf2,Δf3]T表示为数据驱动模型，α1和α2为模型权重比；设置α1＝α2＝1，则混合驱动模型整体结构表示为： S3：根据选取的深度强化学习算法为基础辨识方法，结合Stacking集成模型优势，改进深度强化学习辨识建模方法，设计一种改进深度强化学习的辨识算法；S4：根据设计的改进深度强化学习的辨识算法对混合驱动模型进行训练测试以得到辨识结果；S5：根据预设的评价标准，从试验结果中选择综合各项评价指标最优的模型作为智能船舶三自由度运动特性表征模型。

全文数据：

权利要求：

百度查询： 武汉理工大学三亚科教创新园 基于改进深度强化学习的智能船舶操纵双驱动建模方法