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。     

近水面低航速下潜航器深度自抗扰控制

深度控制是潜航器运动控制重要组成部分。在近水面航行时,潜航器受波浪力的扰动,二阶波浪力将使潜航器难以保持深度。同时,低航速状态下,水平舵受航速影响舵效大幅降低,本文基于自抗扰控制技术(ADRC)设计了潜航器深度控制器,通过扩张状态观测器(ESO)观测扰动并及时进行补偿。仿真与水池实验表明,相较于传统PID方法,该控制器使得潜航器具有更好的深度控制效果。     

多自主式水下航行器轨迹精准跟踪控制方法

针对多自主式水下航行器轨迹跟踪控制中的不确定性问题,研究多自主式水下航行器轨迹精准跟踪控制方法。构建基于灰色预测的轨迹精准跟踪控制模型,利用灰色预测模型预测航行器航向角,构建一元多项式回归模型,拟合航行器初始航向角同预测航向角间的残差,优化灰色预测模型,提升航行器航向角预测精度。将航向角预测结果代入PID控制器内,通过计算航向角控制率确定位置误差、速度误差与加速度误差,通过控制上述误差实现航行器轨迹准确跟踪控制。实验结果显示该方法可在航行器不同运动特性下准确跟踪轨迹,并具有较好的控制效果。     

基于MPC-DO的自主水下航行器轨迹跟踪控制

针对欠驱动自主水下航行器在速度约束和未知外界环境干扰下的轨迹跟踪问题,提出一种基于模型预测控制算法和干扰观测器的复合控制方案。首先,基于模型预测控制算法设计一种考虑速度极限约束以及速度增量约束的轨迹跟踪运动学控制器。其次,针对海洋作业环境下存在的外界干扰,设计干扰观测器对其进行实时估计,并基于所设计的干扰观测器,设计精确跟踪期望速度的动力学控制器,并对控制方案进行了严格的理论分析。最后,进行数值仿真,仿真结果证实了该控制方案的有效性。     

专家控制-改进S面算法在近水面航行器运动控制中的应用研究

[目的]旨在提高舵板响应速度和效率,以满足近水面航行器在静水及波浪干扰下的深度保持和姿态控制要求。[方法]在S面算法的基础上,提出一种具有更快收敛速度的改进S面控制算法,并与专家智能控制相结合,建立闭环专家控制-改进S面算法的混合控制模型,构建混合算法控制器。对比分析PID算法、S面算法、改进S面算法以及专家控制-改进S面算法在近水面航行器航行深度、姿态控制间的差异,并进行波浪干扰下的运动预报。[结果]预报结果表明：改进S面算法在静水航行控制中可提高收敛速度,波浪干扰下可降低纵摇幅度;专家控制-改进S面算法能够提高舵的控制效率,在静水中快速实现航行状态稳定转换,在波浪中有效降低近水面航行器垂荡和纵摇幅值30%以上。[结论]所提专家控制-改进S面算法对近水面航行器运动稳定性的提高适用性良好。     

基于海浪干扰滤波器的UUV近水面深度控制

针对UUV在近水面航行过程中海浪波动对深度计测量造成较大干扰进而影响深度控制效果的问题,设计一种带有海浪干扰滤波器的UUV深度控制方法。分析UUV海试中深度控制性能,选取合适的参数设计海浪干扰滤波器并验证了其滤波效果。考虑到PID控制器参数选择难的问题,采用遗传算法对其控制参数实现在线自整定。最后将实时海浪加入到UUV深度控制系统进行仿真实验,并将仿真结果与海试数据对比,结果表明本文提出的方法可有效的抑制海浪干扰,改善UUV近水面深度控制效果,具有一定的工程实际意义。     

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。     

基于高增益观测器的船舶航迹鲁棒跟踪控制

为实现水面船舶的航迹精确跟踪控制,考虑了海浪干扰对控制系统的影响,提出了基于高增益观测器的鲁棒最优控制方法。首先,针对系统内部不确定性和外界扰动对控制精度带来的影响,建立了含有系统复合扰动的非线性航迹跟踪模型;进而,设计高增益观测器对系统复合扰动进行估计和补偿,并设计一个带有前馈补偿器的最优控制器,获得系统的期望跟踪性能。最后针对某船舶进行了航迹跟踪控制的数值仿真试验,仿真结果表明设计的控制器对外界海浪干扰有较好的抑制作用,可以实现船舶航迹的精确跟踪。     

水下航行器执行机构故障诊断方法研究

针对水下航行器执行机构故障论断问题,建立了航行器推进器及舵等执行机构的偏差型故障模型和航行器水平面运动模型;设计了一种采用时变渐消因子实现的强跟踪滤波器算法,在线估计航行器状态及执行机构故障偏差,通过对残差进行分析,实现了对水下航行器执行机构的故障诊断。仿真试验验证了强跟踪滤波器在航行器执行机构故障诊断中的有效性。     

限制区域水面无人艇路径规划与跟踪控制研究

路径规划与跟踪控制是水面无人艇自主航行的关键技术.首先,采用概率地图法(PRM)对水面无人艇的路径规划进行了研究,详细介绍了概率地图法的原理以及算法实现流程,针对传统方法在工程实际中存在的问题,结合无人艇操纵性能约束提出了简单有效的改进方法,进行了算例验证;其次,以PRM规划路径为目标对象,开展了欠驱动无人艇路径跟踪控制技术研究,对操舵响应非线性模型进行线性化处理,考虑舵角饱和约束限制,设计了模型预测控制器,舵角的执行指令可以通过二次规划算法求解;最后,进行了限制区域水面无人艇路径规划和跟踪控制的联合仿真验证.研究结果表明:概率地图法可以成功地应用于限制区域无人艇路径规划,方法可实现性好、效率高;规划所得的路径由一系列直线段组成,有利于路径跟踪控制;通过模型预测控制可以快速平稳地实现欠驱动无人艇对目标路径的跟踪控制.     

非高斯条件下基于无味粒子滤波器的目标跟踪

研究了无味粒子滤波器的基本思想和具体算法实现步骤,在给出的闪烁噪声统计模型基础上,将PF、UKF和UPF算法应用在雷达目标跟踪中,解决了闪烁噪声情况下的雷达目标跟踪问题,仿真结果表明,UPF的状态估计性能优越。     

水下航行体的改进S面运动控制器

  目的  为实现Ciscrea自主式水下航行器（AUV）的空间轨迹跟踪与艏摇控制,设计一种多输入多输出（MIMO）鲁棒控制器。  方法  采用摄动法将AUV模型中惯性矩阵的参数不确定性和二次非线性阻尼作用表述为不确定集合,通过线性分式变换（LFT）得到广义系统。针对广义系统,采用H-infinity 综合方法求解AUV的MIMO鲁棒控制器,以及结构奇异值方法分析控制器的鲁棒稳定裕度。通过MATLAB仿真,模拟AUV的三维轨迹跟踪与艏摇控制,以验证鲁棒控制器性能,并在有/无干扰的情况下对其跟踪能力进行比较。  结果  通过计算得到了稳定鲁棒控制器的结构奇异值的上、下界。结果表明,设计的鲁棒控制器可有效消除干扰信号引起的输出扰动。  结论   所提控制方法具有良好的抗干扰性能,适合用于解决AUV多自由度模型中参数不确定性和非线性问题,并可为AUV在实际海洋环境下的运动控制研究提供有益参考。     

基于采样的非线性滤波算法比较

在处理目标跟踪等动态系统实时估计问题中,通常采用EKF作为状态估计方法提高估计精度。由于EKF进行非线性估计存在一些缺陷,将系统进行线性化近似存在估计误差,从而影响目标跟踪的精度。为了获得更高的估计精度,介绍了几种非线性滤波算法,包括unscented卡尔曼滤波算法、简单粒子滤波算法以及无味粒子滤波算法（UPF）。分析了这几种算法的原理和实现,对各种算法的适应性进行了比较。通过目标跟踪仿真实验,表明UKF、PF较EKF估计精度和收敛速度有所提高。     

基于UPF的神经网络辅助机动目标跟踪

为提高机动目标跟踪性能,提出了一种神经网络辅助下的滤波方法。基于Unscented卡尔曼滤波方法,Unscented粒子滤波器（UPF）能够产生较准确的建议密度分布,因此相对于其它蒙特卡洛方法,UPF能够获得对非线性目标跟踪问题更好的近似。利用目标的机动特征建立和训练神经网络,将神经网络的输出作为加速度控制参数,用于修正目标的运动模型。仿真结果表明,与扩展卡尔曼滤波相比,神经网络辅助下的UPF具有更好的跟踪性能。     

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.     

深海拖曳系统自稳定二级拖体姿态控制研究

二级深拖系统具有可控性强、母船扰动弱等优点,是重要的海洋探测平台。在实际工作中,二级拖体姿态稳定是保证探测数据准确的基本前提。本文以具有自主调节功能的二级拖体为例,对其姿态控制进行研究。首先建立了二级拖缆的“弹簧——阻尼”模型,并在此基础上建立了二级深拖系统的数学模型。其次根据该系统具有非线性、时变性等特点,设计了具有参数自修正功能的模糊自适应PID控制器,以实现在不同工况下对二级拖体的姿态进行控制。仿真结果表明,未加载控制器时,海况变化对拖体姿态有显著影响,其俯仰角和横滚角均会发生大范围波动。加载模糊自适应PID控制器后,拖体通过自主调节,能够使姿态波动控制在较小范围,从而满足工作要求,验证了拖缆数学模型的正确性和所采用的控制方法的可行性。     

基于平方根UKF的机载单站无源定位跟踪算法

针对只测角机载无源定位跟踪具有收敛速度慢及定位误差大的缺点,在只测角定位跟踪模型中加入相位差变化率信息并在此基础上引入平方根不敏卡尔曼滤波（UKF）算法来实现定位与跟踪。仿真结果表明增加相位差信息能够改善定位性能,平方根UKF算法具有比EKF算更快的收敛速度和更高的收敛精度,实用性强。     

一种船用燃气轮机强跟踪扩展卡尔曼滤波器健康参数估计方法（英文）

Monitoring and evaluating the health parameters of marine gas turbine engine help in developing predictive control techniques and maintenance schedules. Because the health parameters are unmeasurable, researchers estimate them only based on the available measurement parameters. Kalman filter-based approaches are the most commonly used estimation approaches; however, the conventional Kalman filter-based approaches have a poor robustness to the model uncertainty, and their ability to track the mutation condition is influenced by historical data. Therefore, in this paper, an improved Kalman filter-based algorithm called the strong tracking extended Kalman filter(STEKF) approach is proposed to estimate the gas turbine health parameters. The analytical expressions of Jacobian matrixes are deduced by non-equilibrium point analytical linearization to address the problem of the conventional approaches. The proposed approach was used to estimate the health parameters of a two-shaft marine gas turbine engine in the simulation environment and was compared with the extended Kalman filter(EKF) and the unscented Kalman filter(UKF). The results show that the STEKF approach not only has a computation cost similar to that of the EKF approach but also outperforms the EKF approach when the health parameters change abruptly and the noise mean value is not zero.     

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.