自适应神经网络控制器用于自治式水下机器人导航

用二维的运动学模型模拟研究自治式水下机器人的导航控制系统；控制系统由函数链网络的前馈控制器和函数链网络的ＰＩＤ控制器组成。模拟结果表明，此控制系统具有良好的鲁棒性，有较强的适应环境变化的能力和抗干扰能力。     

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。     

基于自适应滤波器的AUV组合导航系统研究

为满足自主式水下航行器(AUV)应对水下复杂环境和水下高精度导航的需求,提出了捷联式惯性导航系统(SINS)、多普勒计程仪(DVL)、磁罗经导航系统(MCP)和地形辅助导航系统(TAN)的水下组合导航系统方案,设计了一种基于BP神经网络的自适应滤波算法,建立了卡尔曼滤波器的线性滤波方程和导航传感器的量测方程,根据数学模型进行仿真实验。仿真结果表明,导航传感器和基于神经网络的自适应滤波技术的应用大大提高了AUV的导航精度和自适应能力。     

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。     

基于神经网络的无人无缆水下机器人运动建模与控制技术研究

对自主型水下机器人（ＡＵＶ）神经网络运动模型的结构进行了理论分析和探讨,提出了非完全回归型神经网络、增加积分层的输出层结构及相应的分步式学习方法。对ＡＵＶ运动过程中目标运动路径和目标运动速度的同时跟踪控制进行了系统研究。提出了由主控网络和伴随网络构成的神经网络控制器结构,给出了通过计算机模拟来生成教师样本的方法,提出了预测控制的思想。计算机仿真及水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果验证了本文所提出的建模方法和跟踪控制方法的有效性和可行性。     

水下机器人作业目标控制和目标识别

自主式水下机器人（ＡＵＶ）具有自主导航、自主避碰和自主作业能力，自主作业是水下机器人实现智能化的关键技术。本文着重叙述ＡＵＶ对特定作业－“水下目标探测与识别”的作业控制和实现过程，叙述水下三维目标的识别机理和识别算法以及为正确识别目标提供最佳条件的预处理、硬件系统和实时处理功能。最后给出试验结果，说明作业目标控制过程和识别算法具有实时性、高效率和可靠性。     

基于高维优化的RBF神经网络螺旋桨性能预测

螺旋桨式水下推进器推力的大小决定着水下机器人的水动性能.为快速准确预测螺旋桨的敞水性能,建立一种RBF神经网络螺旋桨敞水性能估计器模型.利用几种型号螺旋桨敞水仿真值作为训练样本,对网络规模进行调整.在此基础上,广义逆动态地调整各网络间的连接权重,进行网络参数的优化.通过不断地迭代优化达到学习精度要求,最终得到一种高维优...     

自主式水下机器人最优路径规划问题的研究

路径规划是水下机器人实现自主航行的重要环节。根据自主式水下机器人的动力学性质，路径规划的特点以及实现智能行为的要求，采用基于案例的遗传算法，实现了自主式水下机器人最优路径规划。给出该方案的基本框架和算法，在基于案例类比的学习方法中引入模糊多属性综合决策的方法建立决策算子进行案例的匹配，在遗传算法中实际知识的指导，适当地改进遗传算子，加快搜索速度。仿真结果证明该路径规划方法能够取得较好的规划结果，使自主式水下机器人具有了一定的自主导航，自主避障和自主作业的能力。     

遥控自治水下机器人控制系统

针对一种新型遥控自治水下机器人ARV原理样机,开发了一套水面水下控制系统,它基于Modbus总线、具有ROV/AUV控制模式自动切换和独立工作能力.该系统包括直航、转向与潜浮三自由度运动控制功能,并搭建了一套由罗盘、陀螺、倾角仪和加速度计组成的小型组合自主导航单元.水池与湖上试验结果表明:ARV控制系统性能可靠,具有很好的鲁棒性与稳定性,能够满足水下机器人在复杂多变环境中的工作要求.     

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。     

水下机器人光视觉信息获取及处理算法

自主式水下机器人（ＡＵＶ）具有自主导航、自主避碰和自主作业能力，光视觉信息获取与处理算法是ＡＵＶ进行水下作业的重要内容和关键技术。本文着重叙述水下三维目标信息的获取过程和图象常用算法，最后给出试验结果，以说明研究工作的有效性和成果的实用性。     

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。     

RBF网络Q-学习在水下机器人首向角锁定中的应用

水下机器人工作环境的多变性和复杂性,对其控制系统提出了鲁棒性、自适应性等更高要求。本文研究水下机器人的运动特点,在RBF神经网络的基础上阐述Q-学习在水下机器人首向角锁定中的应用,最后将其与RBF网络控制进行仿真对比,实验结果表明本文算法控制稳定、精度高。     

基于神经网络的水下对接引导算法

针对水下机器人对接过程中近距离引导定位的问题,为实现准确可靠的水下对接,设计了一种基于神经网络的水下对接引导算法。算法主要分为两部分:1)检测部分,该检测算法区别于传统的图像处理,基于YOLOv3的神经网络,加入DenseNet思想,实现了一种鲁棒性强,可靠以及准确率高的目标检测算法。区分了目标物与无关背景信息,用于提供水下对接站在二维图像下的位置信息。2)位姿估计部分,用于恢复水下机器人与中继器之间的相对位置信息,从而能够根据相对位置信息,完成近距离的水下对接引导。经过实验对比分析,验证了算法的可行性,并证明了改进的目标检测算法能够更精确地完成对中继器的位置检测,提高了对位姿估计的准确率。     

基于神经网络的水下机器人推进器故障诊断

为提高水下机器人系统的总体可靠性,开展了推进器故障诊断研究。在三层BP神经网络的基础上,提出了一种改进的递归神经网络并推导了网络的训练算法。利用直航、转艏等试验对网络进行训练,将训练好的网络用于水下机器人运动建模,对比模型的输出与实际传感器测量值来获取残差,通过分析残差特性来提取故障诊断判据,进而进行推进器故障诊断。将提出的方法应用到仿真试验和海上试验中,得出了相应的试验结果。通过对试验结果的分析研究,验证了方法的有效性与可行性,同时也表明该方法在工程应用方面具有一定的参考意义。     

嵌入式系统在船舶水下识别中的应用

水下目标的识别是水下机器人领域的一项非常关键的技术,对水下机器人起到导航、监测和规避障碍的作用,对水下机器人的发展具有十分重要的意义,已成为视觉领域一项具有实际研究价值的课题。本文基于嵌入式实时操作系统VxWorks设计一种水下目标识别系统,整个系统由主控PC机、PC/104目标机和显示机3个部分组成。本文针对几组特定的水下微光图像进行模拟识别实验,以此来测试系统的目标识别率、稳定性和可靠性。     

海洋工程中水下机器人技术的创新与实践

本文主要探讨了海洋工程中水下机器人技术的创新与实践。水下机器人技术为海洋工程提供了诸多优势,如提高水下作业效率、实现自动化作业以及降低施工成本。在应用过程中,关键技术包括水下机器人的规划、传感器技术、环境信息采集、导航控制技术以及遥控和自主模式的选择。实践表明,水下机器人在海洋资源勘探、环境监测与保护以及辅助施工方面发挥了重要作用。具体案例包括海底管道检测、海洋环境监测和应急救援以及海洋工程建设中的应用。随着技术的不断进步,水下机器人技术将在海洋工程中发挥越来越重要的作用。     

某面向深水网箱作业的水下机器人

为解决目前深水网箱对水下作业机器人的需求问题,以作业型遥控式水下机器人(ROV)与系统需求为出发点,设计一种集成水下运动载体、高清摄像头、作业机械臂及末端执行器的美人鱼形水下机器人,同时要求满足机动驱动灵活,安全高效,信号传输稳定,适用于无人或辅助完成深水网箱作业.