Tracking control of underwater vehicle subject to uncertainties using fuzzy inverse desired trajectory compensation technique

Computed-torque controller plus fuzzy inverse desired trajectory compensation technique based on robust adaptive fuzzy observer is proposed to control underwater vehicle subject to uncertainties. A fuzzy inverse desired trajectory compensator is developed as a nonlinear filter at input trajectory level outside the control loop to address the issue of unavailable normalizing factor. A robust adaptive state observer with loose constraint on the position of the uncertainty function is proposed to evaluate the unavailable states. Numerical simulation results of regulation performance demonstrate that the observer solves the problem of strict constraint conditions on position uncertainties. Comparisons of tracking performance between the proposed control method and computed-torque controller are performed. The results confirm that compensation at the input trajectory offers better position tracking performance and easier practical implementation than other fuzzy compensation techniques at joint torque level. The proposed control approach is simulated and its efficiency is validated through the simulation of an underwater vehicle.     

一种改进的指令调节自适应控制器在无人水下航行器深度控制中的实验研究（英文）

Command governor-based adaptive control(CGAC) is a recent control strategy that has been explored as a possible candidate for the challenging task of precise maneuvering of unmanned underwater vehicles(UUVs) with parameter variations.CGAC is derived from standard model reference adaptive control(MRAC) by adding a command governor that guarantees acceptable transient performance without compromising stability and a command filter that improves the robustness against noise and time delay.Although simulation and experimental studies have shown substantial overall performance improvements of CGAC over MRAC for UUVs,it has also shown that the command filter leads to a marked reduction in initial tracking performance of CGAC.As a solution,this paper proposes the replacement of the command filter by a weight filter to improve the initial tracking performance without compromising robustness and the addition of a closed-loop state predictor to further improve the overall tracking performance.The new modified CGAC(M-CGAC) has been experimentally validated and the results indicate that it successfully mitigates the initial tracking performance reduction,significantly improves the overall tracking performance,uses less control force,and increases the robustness to noise and time delay.Thus,M-CGAC is a viable adaptive control algorithm for current and future UUV applications.     

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.     

基于自适应性粒子滤波器的目标追踪

基于蒙特卡洛模拟的粒子滤波算法被广泛地应用于目标追踪领域。传统的粒子滤波算法在其追踪过程中所使用的粒子数通常是固定不变的,而在实际应用中,这会使算法缺乏高效性。针对这个问题,提出了一种自适应性粒子滤波器,它可以根据实际调整算法运行过程中使用的粒子数目,以使算法在保持对目标进行有效追踪的同时节省计算资源。仿真结果显示了算法的高效性。     

欠驱动自主水下航行器的镇定及跟踪

针对仅带有轴向推力及偏航力矩的欠驱动自主水下航行器（AUV）,研究了其在水平面内的轨迹跟踪及定点调节问题。基于Lyapunov直接法及串接一反步技术,通过采用一种带有动力学震荡器的跟踪误差变换,设计了一种统一的连续时变状态反馈控制律,并给出了参数自适应更新律以估计AUV的非线性阻力参数,使得AUV的位置及方向角的跟踪误差全局渐近收敛于零点左右的一个邻域内,该区域可以为任意小,并且,AUV的跟踪性能与外界干扰的大小无关。仿真结果证明所提出的方法是有效的。     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

一种声纳数字值班电路的设计

对于长期工作在水下的声纳检测系统,必须有可靠性高、功耗低的值班电路,文章设计了基于MSP430单片机的值班电路系统,提出了采用自适应notch滤波器实现数字滤波,完成值班电路对唤醒信号的检测,并详细介绍了自适应检测程序的流程、仿真过程和测试结果。     

潜航器轨迹跟踪与航向预测算法

海况条件较差时,基于水下单点GPS定位系统的潜航器实时定位有较大测量误差,不利于潜航器的轨迹跟踪与航向预测。针对误差服从高斯分布的水下单点GPS定位系统,提出基于改进型扩展卡尔曼滤波算法的GPS跟踪方法和基于回归分析算法的航向预测方法。通过测试与仿真,对定位设备采集到的数据进行对比分析,试验结果表明,上述算法显著提高了轨迹测量精度与航向跟踪能力,准确绘制出了潜航器的实时航行轨迹与航向预测线,可应用于潜航器的轨迹跟踪项目中。     

变步长BP网络优化导航雷达跟踪滤波系统的研究

本文提出了采用变步长ＢＰ网络实时处理导航雷达目标跟踪滤波数据。其原理是在ＢＰ算法中加入变动量因子,用Ｎ层变步长寻优进行前馈神经网络的学习。该算法能够根据输入时间序列的特点自适应调整网络优化步长,对匀速和变加速运动目标的稳定跟踪精度分别在７．５ ｍ 和１１ ｍ 以内,而对急转弯的目标抖动２～４ 次就能及时跟踪上     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

An integrated GPS/DR navigation system for AUV

GPS/Dead-reckoning navigation system for autonomous underwater vehicle （AUV） is introduced, which includes navigation overall architecture, hardware and software structure. Dead-reckoning theory is presented in details. And the strong tracking Kalman filter and Singer model are applied to handle the imprecise navigation mode, which can improve the navigation system＇s precision and reliability. Finally, the sea experiments which include autonomous search mission in an unknown area and long distance motion are conducted to demonstrate the reliability and feasibility of the navigation system.     

置信检验自适应联邦卡尔曼滤波及其水下机器人组合导航应用

[目的]为解决载体受到扰动时组合导航精度下降的问题,提出一种基于置信检验自适应联邦卡尔曼滤波(CC-AFKF)框架.[方法]首先,将电子罗盘(EC)、全球定位系统(GPS)与惯性导航系统(INS)相结合;其次,构建置信检验模型,有效滤除INS/GPS和INS/EC子系统中低置信度的量测值,保证量测值的准确性;最后,提出...     

一种新的鱼雷垂直命中目标的制导方法

该文针对鱼雷采用前视角声纳和旁视声纳识别和跟踪目标,引入了初始导引段跟踪虚拟目标的概念,提出一种新的精确制导方法,给出了导引跟踪和垂直命中弹道的数学模型。经仿真和分析表明：该制导方法对攻击目标的初始态势几乎没有限制,即使目标为逃避攻击进行转向机动,也能垂直命中目标。     

A novel tracking control approach for unmanned underwater vehicles based on bio-inspired neurodynamics

A novel hybrid control approach is presented for trajectory tracking control of unmanned underwater vehicles in this paper. The kinematic and dynamic controllers are integrated by the proposed control strategy. The paper has two objectives. Firstly, an improved backstep method is proposed to generate the virtual velocity using a bio-inspired neurodynamics model in the kinematic controller. The bio-inspired neurodynamics model is intended to smooth the virtual velocity output to avoid speed jumps of the unmanned underwater vehicle caused by tracking errors and to meet the thruster control constraints. Secondly, a new sliding-mode method is added to the dynamic controller, which is robust against parameter inaccuracy and disturbances. The combined kinematic–dynamic control law is applied to the trajectory tracking problem of two different types of unmanned underwater vehicle. Finally, simulation results illustrate the performance of the proposed controller.     

基于重要性重采样粒子滤波器的机动目标跟踪方法

采用重要性重采样技术改进了标准粒子滤波算法,通过设定有效采样尺度来减少权值较小的粒子数目,在一定程度上克服了退化现象。仿真结果表明,采用PF跟踪机动目标,其跟踪精度要高于IMM,说明PF具有较强的处理非线性系统的能力;对标准PF采用重要性重采样策略后,PF的跟踪精度和平稳性都得到了进一步改善。     

神经网络结合自适应噪声抵消技术在磁场信号处理方面的应用

本文基于神经网络和自适应滤波原理,讨论在复杂噪声情况下的磁场信号处理和提取问题。针对水下目标磁场特性,以实际测量的背景噪声和目标信号数据为样本,设计了低通滤波器,并应用MATLAB软件进行BP神经网络算法的模拟仿真,实现自适应噪声抵消。结果证明此方法可以显著提高对目标信号的处理和提取能力。     

鱼雷拖曳线列阵及其目标方位跟踪算法研究

使用拖曳线列阵可以有效提高自导鱼雷远程搜索目标的能力,而能否精确跟踪目标方位将直接影响到鱼雷的实战效果。本文首先研究了一种鱼雷用拖曳线列阵自导系统的组成原理及实现方法,然后研究了一种子空间跟踪算法,并在此基础上提出了一种自适应Root-MUSIC算法,该算法可用于对时变的信号波达方向进行实时跟踪估计。仿真计算结果验证了该算法具有很好的跟踪效果。     

卡尔曼滤波在水下载体被动弹道跟踪系统中的应用

由于水声环境和信道的复杂性及水下航行载体的高速机动性,被动弹道跟踪系统测量的弹道样点野值较多,平滑性差.要对弹道进行较准确的实时跟踪,需要对弹道测量样点进行统计平滑处理.为了提高被动跟踪系统的定位精度和对机动目标的跟踪适应能力,采用卡尔曼滤波算法对弹道进行处理是常用的做法.介绍一种经过实用且效果较好的卡尔曼滤波算法,阐述了卡尔曼滤波算法原理和系统采用的信号模型及算法实现,并通过水下目标实航试验监测弹道及算法滤波处理结果的比较,说明该算法具有良好特性.     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

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。