PATH CONTROL OF A 3-DOF ROBOT MECHANISM ACTUATED WITH LOW-PRESSURE AIR POWERED MOTORS

ＩｎｔｒｏｄｕｃｔｉｏｎＡｉｒ－ｐｏｗｅｒｅｄｍｏｔｏｒｓｈａｖｅｔｈｅａｄｖａｎｔａｇｅｓｏｆｌｏｗｃｏｓｔ，ｇｏｏｄｐｏｗｅｒ－ｔｏ－ｗｅｉｇｈｔｒａｔｉｏ，ａｎｄｉｎｔｒｉｎｓｉ－ｃａｌｙｓａｆｅｏｐｅｒａｔｉｏｎ［１］．Ｔｈｅｓｅｃｈａｒａｃ...     

艰苦奋斗五举措 节约资金百万元

艰苦奋斗五举措节约资金百万元铁道部武汉木材防腐厂周双林１９９７年来，铁道部武汉木材防腐厂根据中央和上级机关关于艰苦奋斗，厉行节约的精神，从思想上统一认识，从领导上加强管理，从制度上规范行为，取得了明显成效。最近，据该厂财务分析资料显示，全部可变费用较...     

规则约束下基于深度强化学习的船舶避碰方法

为减少因人为操作不当导致的船舶避碰事故,提高船舶航行的安全性,提出一种基于深度Q网络(Deep Q Network, DQN)强化学习方法的船舶智能避碰算法。依据船舶间实时获取的航行状态信息,从全局角度构建智能避碰算法深度强化学习状态集;在对《国际海上避碰规则》(International Regulations for Preventing Collisions at Sea,COLREGs)进行充分理解的基础上合理量化部分COLREGs,综合考虑航向跟随、船舶碰撞和规则符合等因素,设计船舶智能避碰DQN算法奖励函数,保证避碰决策安全有效且满足避碰规则的要求。分别针对两船和多船会遇场景进行仿真试验,结果表明:该方法可使船舶在COLREGs的要求下有效避让来船,为船舶智能避碰技术的研究提供参考。