基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

基于多传感器采集信息的水下机器人导航系统

设计基于多传感器采集信息的水下机器人导航系统,确保水下机器人能够高效完成水下任务,并改善其导航效果。构建水下机器人导航系统结构,传感器采集模块通过安装于水下机器人上的惯性测量单元、水温水压传感器、GPS传感器、视觉传感器获取其姿态、深度、位置、运动环境信息,数据处理模块调用联合卡尔曼滤波算法实现各种信息的融合后,经通信串口传输至运动控制模块,由主控制器实现水下机器人的运动控制。经以太网通信模块将融合后的数据传输到上位机中,导航模块通过避障算法和路径规划算法实现水下机器人的导航,并呈现导航结果。实验结果表明：该系统可实现多传感器采集信息的融合,融合后速度、位置误差获得有效降低;导航轨迹曲线与实际轨迹基本一致;可实现障碍物避障,并规划出运动轨迹。     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

基于主从同步的欠驱动AUV与移动平台水下对接控制

许多应用场合要求水下自主航行器(AUV)与水下移动平台对接来实现能源补充和信息交换功能。针对欠驱动AUV与移动平台的水下对接问题,采用主从式同步跟踪策略,提出AUV接收目标的状态信息并控制自身位置与目标保持一致的控制方法,从而将AUV水下对接的问题转化为AUV与移动目标保持同步运动的问题。在给出移动目标和AUV的水平面线性化动力学模型基础上,设计了在常值海流影响下,欠驱动AUV同步跟踪由卡尔曼算法估计的目标运动轨迹的滑模控制器。使用Lyapunov稳定性理论证明了离散滑模控制器的稳定性,并使用仿真实验验证该控制方案的有效性。     

基于卷积神经网络的AUV水下识别算法设计与实现

自主式水下机器人(AUV)是应用于复杂海洋环境中的高智能化无人装备,其需要具备良好的环境感知能力进行自主导航,包括水下目标识别能力。随着人工智能的高速发展,卷积神经网络作为图像处理领域的深度学习架构,在图像特征提取和图像识别上有着强大的性能和卓越的优势。本文利用卷积神经网络,实现了自主式水下机器人水下目标的自主识别。同时,通过采用三段式全连接方式和增加卷积层深度的方式对卷积神经网络进行进一步改进,提高了卷积神经网络的训练速度、准确率和泛化能力。     

基于双目视觉的水下连接器位姿测量方法

水下连接器的对接作业是水下工程作业的重要环节,针对目前依靠摄像机传回视频进行作业过程中存在的操作难度大、依赖操作员经验的问题,设计基于双目视觉的水下连接器位姿测量方法。该方法首先根据水下连接器的颜色特征确定检测范围,之后在检测范围中以水下连接器为模板进行初步定位,然后根据水下连接器端面的成像特点检测椭圆特征,并进行双目匹配获得相关三维点坐标,最后计算得出水下连接器的位姿。实验表明,该方法位置测量平均误差1.3%,姿态测量平均误差3.5°,可以较好地为水下连接器对接作业提供参考。     

基于神经网络的水下机器人容错控制方法与实验研究

针对无人水下机器人(UUV)传感器常见故障,采用一种基于有限脉冲响应(FIR)滤波器模型的在线故障诊断方法.根据该模型的故障检测结果,提出一种基于BP神经网络模型的容错控制策略,实现水下机器人首向角的估计以及传感器信号的在线重构.将重构的信号替代故障传感器信号,实现水下机器人在线容错控制.在OUTLAND 1000 水下机器人定向控制系统中,首向角传感器(罗经)发生故障情形下,给出机器人的故障检测以及容错控制结果.     

基于神经动力学的水下目标观测路径规划

针对水下工程应用中的自治水下机器人目标观测的路径需求问题,提出基于生物启发神经动力学的路径规划方法,在二维栅格地图的基础上,建立二维生物启发神经网络模型,引入来自目标观测任务区域的激励信号和障碍物的抑制信号,任务区域能够全局地吸引机器人,障碍物对机器人具有局部排斥作用,从而使得机器人能够近距离观测目标。仿真结果表明,在未知的动态水下环境中,机器人能够有效规避障碍物,自主规划出目标观测路径和返航路径。     

新型消防用水下搜救机器人研发设计

介绍了一种消防用水下搜救机器人的设计,该水下机器人具有价格低廉、功能齐全、实用可靠和操作简便的特点,可完成水下多自由度方向运动、水下定位,不同目标的可视化探测和成像识别等作业。本文完成了消防用水下机器人的总布置设计,设计了电子舱的结构并对其进行了强度校核,评估了机器人水下稳定性,设计和论证了机器人的推进系统。     

基于神经网络的水下机器人运动预测控制方法

将神经网络和模糊理论应用于水下机器人运动规划和控制中，提出了能实现模拟控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程，提出了基于预测模糊控制进行水下机器人运动控制的方法。在计算机仿真状态下，实现了对水下机器人这一复杂非线性系统的预测控制，仿真实验结果验证了本文所提的方法的有效性。     

一种隧洞探测型自主式水下机器人及其图像拼接方法

针对采用自主式水下机器人(AUV)巡检和拍摄输水隧洞中的裂缝时水下环境会极大地限制光视觉图像的可视范围和分辨率,单幅水下图像获得的视角范围有限的问题,提出一种基于加速稳健特征(SURF)算法的AUV水下图像拼接方法。在图像预处理阶段对水下图像进行去畸变和限制对比度自适应直方图均衡化处理,用于解决水下图像存在的畸变、对比度低和噪声严重等问题。将SURF特征点检测算法应用到水下图像配准中,并与RANSAC算法相结合,对特征点进行精确匹配。应用线性渐变融合算法实现水下图像融合,有效去除拼接缝隙,完成水下图像拼接,最终通过水池和外场试验拼接图像验证所提方法的正确性。     

轮式水下无人探测器姿态估计仿真研究

轮式水下无人探测器在水下信息战、海底资源开发方面具有广阔的发展和应用前景。针对轮式水下无人探测器的姿态估计问题,提出了1种基于Stirling多元插值的DD1型滤波算法。仿真结果表明,该算法具有滤波精度高、数值稳定好的特点,能够更好地估计轮式水下无人探测器的姿态。     

基于混合学习算法的水下机器人神经网络辨识

借鉴Elman和Jordan神经网络的特点,构造了一种新的动态神经网络.该网络能对隐含层的历史进行状态记忆,实时调整过去的信号对现在值的影响,并且增加了输出层节点的反馈以增强神经网络的信号处理能力.将基于遗传算法(GA)和误差反传算法(BP)的混合学习算法用于神经网络权值的修改,既可提高收敛速度又能避免陷于局部极小值.最后,将改进的神经网络应用于水下机器人动力学模型辨识,仿真结果表明,基于混合学习算法的神经网络提高了学习的收敛速度和辨识精度.     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

基于卷积神经网络的AUV水下识别系统

为实现自主式水下机器人(Autonomous Underwater Vehicle, AUV)水下自主识别,搭建AUV硬件系统。通过OpenCV和Tensorflow,在LeNet-5卷积神经网络的基础上,利用13层卷积神经网络进行100次迭代训练试验。结果表明,该基于卷积神经网络的AUV水下识别系统的水下目标识别准确率能达到99.18%,能实现AUV对水下目标的自主识别。     

考虑模型偏差和时变扰动的水下机器人轨迹跟踪控制

本文针对考虑模型不确定性和时变外界环境扰动的水下机器人轨迹跟踪问题展开研究。首先基于水下机器人水平面运动学和动力学方程,结合有限时间控制方法设计一个有限时间扰动观测器用于对总扰动进行实时估计。随后基于反步滑模控制完成带扰动观测器的轨迹跟踪控制律设计,并采用二阶滤波器对虚拟控制信号进行过滤,增设滤波补偿系统用于保证滤波信号的精度。选择高增益扰动观测器和传统反步滑模控制器分别作为扰动观测器和控制器的对比项。最后在Matlab Simulink平台中进行了轨迹跟踪仿真实验。仿真结果表明,所设计的扰动观测器能够对总扰动实现快速且准确的观测估计,且水下机器人能够对目标轨迹能实现较好的跟踪效果。本文所设计的控制器可以使水下机器人快速地跟踪上目标轨迹,且相较于传统反步滑模控制器有着更小的跟踪误差。     

基于单目直接法的水下视觉惯性里程计方法

为将视觉惯性里程计(VIO)有效地应用到水下场景中,提出一种适用于自主水下机器人(AUV)执行近距离作业任务时的水下VIO.针对水下环境中缺乏角点以及存在大量重复特征的特点,该系统在视觉部分使用了基于直接法的数据关联方式,在特征点提取过程中将像素点的梯度模作为特征提取的标准;为保证提取出足够多且有效的特征点,采用动态调...     

水下机器人（ROV）系统

水下机器人（ROV）系统是一种新型水下探测工具,通过其配备双频识别声纳系统、光学黑白、彩色摄像系统对水下特定目标进行水下摄像,主要用于搜寻探测水下目标物（高于海底）,可利用ROV系统配备机械臂完成水下目标物的抓取或绳索绞断等,在潜水员不便下潜时替代潜水员下潜完成探测工作。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成，然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。     

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成，然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。