复杂海域水下无人航行器航位推算算法优化

针对当前水下无人航行器航位推算算法存在误差大、工作效率低等不足,设计一种性能优异的复杂海域水下无人航行器航位推算算法。首先分析当前无人航行器航位推算算法的研究现状,找到引起各种无人航行器航位推算算法不足的因素,然后收集无人航行器航位推算数据,结合复杂海域水下无人航行器航位的随机变化特点,引入遗传算法优化支持向量机设计无人航行器航位推算模型,最后与其他无人航行器航位推算算法进行对比实验。结果表明,本文算法可以适应复杂海域水下无人航行器航位的变化特点,提高无人航行器航位推算精度,无人航行器航位推算速度快,获得比对比算法整体性能更优的无人航行器航位推算结果,具有十分明显的优越性。     

水面无人艇环形轨迹跟踪方法研究与实现

为提高无人航行器对轨迹的实航跟踪能力,结合航行器运动特性,提出势点跟踪算法,实现对典型航迹(环形轨迹)的稳定跟踪。以无人水面艇(Unmanned Surface Vehicle, USV)作为验证平台,基于拟合偏差的最小二乘航向辨识,获得系统数学模型,并设计相应的控制律,在搭建好仿真平台后,针对无人水面艇控制特性设计相关控制策略及制导律,完成势点跟踪算法的设计及仿真验证。后经典型海况下多航次试验,经过对实航轨迹及USV与环形轨迹间距离变化规律分析,并结合数据均方根大小,表明了环形轨迹跟踪方法设计的合理性。     

基于最小二乘算法的船舶航行轨迹控制研究

为保证船舶一直按照既定的轨迹航行,避免发生碰撞事故,进行船舶航行轨迹控制具有重要的现实意义。为此,基于最小二乘算法进行船舶航行轨迹控制方法研究。该研究前一部分获取AIS系统中的船舶航行实时数据,得到船舶航行位置,后一部分利用最小二乘算法,并结合前一部分获取的数据,预测船舶航行角度和方向,控制船舶航行。结果表明:1)整体来看,实际航行轨迹线路与预期航行轨迹线路之间的拟合优度为0.984 7,比较靠近1,说明船舶航行实际轨迹符合预期。2)局部来看,通过对比10个不同节点处的航行速度和航行方向,误差比较小,说明所研究方法的航行轨迹控制效果较好。     

基于实航数据驱动的无人艇操纵运动辨识建模

为快速构建符合海洋航行器实际运动特性的操纵运动模型,开展基于“精海”无人艇实航湖试数据驱动的无人艇操纵运动辨识建模研究。无人艇操纵运动辨识建模的框架以非线性水动力模型和推进器经验模型作为先验知识约束,利用随机舵角序列激励下的航行数据作为训练集,采用支持向量机回归方法完成建模过程,着重探讨了在环境干扰下构建艇体动力学模型的可行性。结果表明,所提出的方法能够快速构建具有非线性特性的无人艇操纵运动模型;先验的模型结构有效降低了实航数据中浪和流的影响,构建的模型能够有效预测回转、Z形等操纵运动的状态变化,具有良好的泛化能力。     

水下航行器多普勒导航系统误差辨识与修正

水下航行器(Autonomous Underwater Vehicles,AUV)在水下往往采用航位推算定位方式.由于存在传感器误差,航位推算的定位误差是随着时间发散的,而直接准确检测这类误差非常困难.对多普勒导航系统进行导航误差分析,简化航位推算算法,在此基础上推导出一种新的辨识AUV导航误差参数的方法.仿真结果表明,该算法能够准确辨识AUV导航误差参数向量,可以有效提高AUV自主导航精度,且方法合理、简单.     

依据轨迹数据的船舶交通密度计算方法

研究基于轨迹数据的船舶交通密度计算方法,利用精准的船舶交通密度计算结果提升海上交通规划水平。利用AIS设备采集船舶航行轨迹数据,利用均匀参数化方法对所采集的航行轨迹数据重采样处理。将通过重采样处理获取的航行轨迹数据,划分为静止轨迹数据点以及移动轨迹数据点,依据数据点间的欧式距离,以及船舶航行方向、航行速度的相似性,选取基于密度的DBSCAN聚类算法完成轨迹数据聚类。依据船舶航行轨迹数据聚类结果,选取多维密度方法,通过更新船舶经过总数、船舶经过总时间等参数,计算船舶交通密度。实验结果表明,该方法可以依据船舶航行轨迹数据,精准计算船舶交通密度,为海上交通规划提供有效支撑。     

嵌入式船舶导航系统航行轨迹智能控制方法

传统船舶航行轨迹智能控制方法存在控制精准度低的缺点,为此提出嵌入式船舶导航系统航行轨迹智能控制方法。采用双坐标系对船舶航行轨迹模型进行建立,以建立的船舶航行轨迹模型为依据,利用传感器对船舶航行轨迹数据进行采集与处理,通过采集的数据计算船舶航行轨迹偏差,采用船舶航行轨迹控制算法对航行轨迹偏差进行调整,实现了嵌入式船舶导航系统航行轨迹的控制。通过实验可得,提出的嵌入式导航系统航行轨迹智能控制方法控制精准度比传统方法高28%,说明提出的嵌入式导航系统航行轨迹智能控制方法具备极高的有效性。     

多准则粒子滤波下的无人艇航行轨迹虚拟重构

通过对无人艇航行轨迹虚拟重构,提高对无人艇的目标跟踪调度能力,提出基于多准则粒子滤波下的无人艇航行轨迹虚拟重构方法。采用融合双模态特征检测方法实现对无人艇航行轨迹的图像检测,结合视觉分割和分块特征匹配实现对无人艇航行轨迹重构过程中的显著性检测,采用多准则粒子滤波方法进行寻优迭代,根据深度学习和粒子滤波增强结果,实现无人艇航行轨迹虚拟重构和模态跟踪识别。测试表明,采用该方法进行无人艇航行轨迹虚拟重构的视觉增强能力较好,期望值和实际值拟合性能较好。     

水下动平台与无人航行器的对接路径生成方法

分析水下运动平台回收无人航行器对接过程所处的环境特点与运动姿态特征,建立水下动平台与无人航行器回收过程模型,将回收过程分为跟随段、调整段、对接段和回收段。根据调整对接的水下导引控制特性,提出无人航行器对接路径基准轨迹生成模型,建立无人航行器回收对接航路点生成方法,并采用三次插值对航路点进行平滑,形成了水下动平台与无人航行器的对接路径,通过案例仿真计算分析,表明提出方法的有效性。     

基于模式识别的无人水下航行器智能导航方法

传统方法对无人水下航行器进行导航时,经纬度误差与实际误差相差较大。为了解决该问题,提出模式识别导航方法。统计满足特征组分辨尺度的各个特征,并计算离散度,设计特征选择流程,在对完成已经存在的特征进行更新后,对状态变量进行维护处理,对新加入的特征值进行坐标分析,并获取扩充后的状态向量,保证导航不会受到区域大小限制,设计具体航迹线确定方案,由此完成无人水下航行器智能导航。仿真实验结果表明,该方法比传统方法导航结果误差要小,且与实际误差一致,具有广阔应用前景。     

大数据环境下船舶航行异常属性采集方法研究

为了缩短船舶航行异常属性的采集时间,提高异常属性的采集效率,提出了大数据环境下船舶航行异常属性采集方法研究。在大数据环境下,将船舶航行异常属性的尺度空间函数展开,通过计算异常属性主曲率的大小,寻找船舶航行异常属性的边缘特征点,完成船舶航行异常属性特征点的提取。采用异常属性变异系数,得到了采集传感器节点的能量消耗,利用船舶航行异常属性采集算法的实现流程,实现了大数据环境下船舶航行异常属性的采集。实验结果表明,大数据环境下的异常属性采集方法与传统采集方法相比,异常属性的采集效率提高了46.05%。     

基于被动式红外传感器的船舶轨迹重构

船舶航行的环境十分复杂,动态变化特点显著,导致当前方法无法对船舶轨迹进行精准重构,为了改善船舶航行轨迹重构的精度,提出基于被动式红外传感器的船舶轨迹重构方法。首先建立船舶航行的运动模型,然后通过被动式红外传感器对船舶航行数据进行采集,并通过卡尔曼滤波算法重构船舶轨迹,保证船舶轨迹跟踪准确性,最后采用具体实验对船舶轨迹重构方法性能进行分析。结果表明,本文方法能够实时捕捉船舶航行环境的动态变化趋势,可以高精度的重构船舶航行轨迹,船舶轨迹重构误差小,而且船舶轨迹重构速度快,可以保证船舶航行的安全。     

一种基于航位推算的水下机器人导航算法

本文针对智能水下机器人(AUV)导航信息较少的特点,进行了基于航位推算的AUV导航系统研究.首先利用传感器信息进行了航位推算,然后建立了基于一阶时间相关函数的辛格模型,利用强跟踪卡尔曼滤波算法对推算结果进行了次最优估计,提高了系统的跟踪能力,改善了导航精度,同时对GPS数据进行了野值剔除.松花湖上的试验结果验证了算法的有效性.     

基于通视性分析的UUV目标测试航路快速规划方法研究

水下无人航行器(UUV)作为一种能在复杂海洋环境下完成侦查监视,情报收集,甚至是作战任务的新型武器装备,在当今军事装备的发展研究中越来越受到重视。航路规划的目的是考虑各种复杂因素为航行器规划出一条安全隐蔽、耗费代价小的路径,其决定了水下无人航行器智能化程度的高低,是自主导航中的一个重要组成部分。论文主要研究海洋环境下水下无人航行器的快速航路规划方法,先为海洋环境建立规划空间模型,然后在该模型上进行了基于通视性分析的航路快速规划方法研究。     

热电混合动力在水下无人航行体中的应用研究

本文探讨了热电混合动力在水下无人航行体中的应用,提出了热电混合动力需要解决的关键技术,进行了热电混合动力系统技术设计并进行了相关试验,取得了预期的效果,开展热电混合动力在无人水下航行体中的应用研究对于增加航行体的航时、提高航程具有重要意义。     

翻江倒海的水下“特工”水下无人航行器

近年来,无人航行器已经成为日益重要的作战工具。在最近的巴尔干和阿富汗战争中,无人飞机已受到公众的广泛关注。但是,无人航行器在海上所起的作用也同样重要。水下无人航行器能改变未来水下战争的模式。最近十年来,潜艇在水下战争中的任务已经改变。冷战时期深海作战的任务在很大程度上已不复存在,取而代之的是潜艇在沿岸海域作战以支援联合远征军事行动,潜艇的活动范围是更、有效的“准备作战区域”。与此同时,当前的政治环境要求把高价值作战平台及其乘员的危险减到最小程度。这些因素推动了作为潜艇秘密“作战助手”的水下无人航行器的开发。利用水下无人航行器,潜艇能在有障碍且有潜在危险的沿岸海域支援远征部队。美国海军已配备了第一代潜射水下无人航行器,用于执行水雷秘密侦察任务,2005年左右将引入下一代系统。美国海军水下作战中心认为,水下无人航行器为未来海战(特别是网络中心战)展示了巨大的希望。在网络化战斗群中,潜艇能够发射和回收水下无人航行器,极大地扩大艇载传感器和武器的覆盖区。这些秘密的航行器可以在水下或水面活动,收集情报、绘制作战区域地图、识别和跟踪感兴趣的目标并最终发射武器。美国海军海上系统司令部已公布了“海军水下无人航行器总计划”,确定了海军水下无人航行     

船舶航行信息分层采集优化算法

针对传统采集优化算法在不同采集周期内得到的簇首节点分布不均匀,导致各个节点之间在采集信息、融合数据以及传输信息时会产生相互干扰的问题,研究一种船舶航行信息分层采集优化算法。首先使用决策树计算船舶航行信息增益值,对船舶航信信息进行分层,计算不同信息层次中特征的互信息量,得到航行信息数据离散特征,采用凸优化策略不断改进得到的离散特征,选择一项离散特征作为二值化层次阈值的采集值,将二值化层次阈值采集值分布在采集区域中,计算出采集区域内最优簇首数,完成船舶航行信息分层采集算法的优化。实验结果表明,与传统采集优化算法相比,船舶航行信息分层采集优化算法得到的簇首节点分布均匀,不会产生节点采集干扰的现象。     

船舶微惯导网络中航行轨迹数据采集算法

由于传统的航行轨迹数据采集算法对数据没有进行优化处理,导致数据采集精度低,无法满足船舶微惯导网络需求。因此,提出一种船舶微惯导网络中航行轨迹数据采集算法。在采集算法设计中,首先进行船舶航行轨迹的数据挖掘。然后,以航行数据为基础,结合遗传算法,完成船舶航行轨迹数据算法优化。最后,通过对航行轨迹的分析,实现船舶航行轨迹数据采集。实验结果表明,本文设计的数据采集算法,在相同的更新速度条件下,相比2种传统算法,数据采集精度更高。     

应用前景广阔的无人水下航行器

无人水下航行器(UUV—Unmanned Underwater Vehicle)它是指用于水下侦察、遥控猎雷和作战等可以回收的小型水下自航载体。按照字面理解,无人水下航行器应具有一定的自主性,或至少应嵌入较高级别的“智能”。同在无人机领域中的情况一样,不同的无人水下航行器装备着不同的附属系统,从而具有不同的功能。一般情况下。无人水下航行器主要分为两种,     

鱼雷型无人水下航行器鲁棒控制器设计

针对鱼雷型无人水下航行器航行过程中外界环境干扰复杂,航行体系统内部干扰严重的特殊问题,并同时考虑系统参数剧烈变化造成的系统不确定性,设计纵向鲁棒控制器。该控制器采用PID控制器作为标称控制器控制标称受控对象。利用非线性状态观测器估计受控系统中的不确定性和外界环境干扰,并通过补偿控制律补偿,使整个闭环控制系统具有鲁棒性。将此方法应用于鱼雷型无人水下航行器鲁棒控制器的设计,可大大提高鱼雷型无人水下航行器航行过程中对干扰的抑制和对不确定性的适应能力,保证鱼雷型无人水下航行器在整个航行过程中的姿态稳定,以保证航行任务的完成。