水下航行器三维航迹反演滑模跟踪控制

  目的  旨在研究非线性六自由度自主水下航行器（AUV）的轨迹跟踪问题。  方法  为此,设计三维轨迹变前视距离视线（LOS）导引律,利用李雅普诺夫稳定性判据证明此导引律的稳定性,使用设计的自适应S面控制算法对AUV的航向角、纵倾角和纵向速度进行控制。然后,以REMUS 100 AUV为例, 利用Matlab软件分别对AUV的航向角、纵倾角和纵向速度控制及其空间直线、曲线轨迹跟踪进行仿真,以验证所提导引律的有效性。  结果  结果表明：对于非线性控制而言,相比于传统的S面控制,自适应S面控制可降低控制参数整定的难度,抗干扰能力更强;而且,相比于传统的LOS导引律,所提导引律可使AUV更快地跟踪上参考轨迹。  结论  所设计的轨迹跟踪控制算法能够实现对AUV的三维轨迹跟踪,并改善AUV的操纵性。     

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。     

海洋探测型AUV壳体设计与强度校核

近年来,由于海洋环境探测的需要,探测型自主水下航行器(Autonomous Underwater Vehicle,AUV)技术发展迅速。耐压壳体结构设计是自主水下航行器设计的重要组成部分。以《潜器系统与潜水器入级与建造规范》和《潜艇结构设计计算方法》为原则,对某海洋探测型AUV的耐压壳体结构进行设计,然后采用有限元仿真的方法对其强度和稳定性进行校核,最终得到满足设计要求的耐压壳体结构。     

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。     

AUV均衡系统设计及垂直面运动控制研究

针对AUV传统均衡调节系统存在难以克服的缺陷而无法实用的问题,设计了一种新型液压均衡系统。该系统主要由油箱和安装在AUV轴线上的两个油囊组成,通过调节油箱和油囊的油量来调节AUV的姿态和浮态。同时在简化AUV垂直面运动模型的基础上,构建了深度控制、纵倾控制和浮态控制模型,并基于PID和均衡系统设计了深度控制、纵倾控制和浮态控制方法。仿真结果表明在无干扰和有干扰两种情况下,设计的均衡系统能有效控制AUV的垂直面运动;建立的AUV垂直面运动控制模型符合AUV运行特性;PID控制算法适合海流干扰下的AUV均衡控制,且具有良好的控制品质。     

基于收缩理论的水下无人航行器轨迹跟踪控制

考虑水下无人航行器的轨迹跟踪控制,在水动力系数已知的条件下,基于收缩理论设计了全局指数收敛的理想控制器.首先,对收缩理论进行简要的介绍.与常用的李雅普诺夫方法不同,收缩理论在进行控制系统的设计和稳定性分析时,采用虚位移验证系统的稳定性,避免因无明确平衡点信息而带来的阻碍,从而更容易证明控制系统的稳定性.接着,介绍了水下...     

近壁面水动力干扰下的AUV运动控制研究

按自治式水下机器人(AUV)需要接近水下工作站并实现坐落的要求,依据平壁面对AUV水动力干扰的力学机理,建立了AUV在平壁面附近运动时的数学模型,并设计了五个自由度运动PID控制器.在海流影响下,通过系统仿真,实现了AUV的五自由度运动控制和准确坐落,仿真结果验证了控制策略的可行性.     

Study of Fuzzy Neural Networks Model for System Condition Monitoring of AUV

A structure equivalent model of fuzzy-neural networks for system condition monitoring is proposed, whose outputs are the condition or the degree of fault occurring in some parts of the system. This network is composed of six layers of neurons, which represent the membership functions, fuzzy rules and outputs respectively. The structure parameters and weights are obtained by processing off-line learning, and the fuzzy rules are derived from the experience. The results of the computer simulation for the autonomous underwater vehicle condition monitoring based on this fuzzy-neural networks show that the network is efficient and feasible in gaining the condition information or the degree of fault of the two main propellers.     

AUV fuzzy neural BDI

The typical BDI （belief desire intention） model of agent is not efficiently computable and the strict logic expression is not easily applicable to the AUV （autonomous underwater vehicle） domain with uncertainties. In this paper, an AUV fuzzy neural BDI model is proposed. The model is a fuzzy neural network composed of five layers ： input （ beliefs and desires）, fuzzification, commitment, fuzzy intention, and defuzzification layer. In the model, the fuzzy commitment rules and neural network are combined to form intentions from beliefs and desires. The model is demonstrated by solving PEG （pursuit-evasion game） , and the simulation result is satisfactory.     

基于对偶四元数法的AUV运动仿真

本文应用对偶四元数法(Dual Quaternions)建立AUV六自由度运动学和动力学方程,然后运用数值积分对所建模型进行仿真.对偶四元数是对偶数与四元数在多维空间中的有机结合,它继承了四元数与对偶数的优点,可以在三维空间中统一表示刚体的旋转与平移,并且没有常规欧拉法存在的姿态奇异性问题.仿真结果表明,对偶四元数法表达形式简单而统一,特别适用于具有大姿态角度运动的AUV运动仿真.     

某型AUV运载器的定位方法与误差分析

传统AUV依靠水下惯性导航设备自主定位的方法无法实时进行水下信息感知和系统控制。水声定位是AUV定位导航技术的一个研究领域,可用于水下运动目标定位与导航、水下静止目标勘测等。本文分析阐述三种经典AUV定位方法,进一步研究AUV快速定位解算原理,论证影响AUV运载器在深海工作时产生的定位误差来源并进行仿真试验分析,最终将研究成果应用在目前现有某型AUV运载器上,实现自身水下定位、导航与远程遥控。     

积分变结构控制原理在AUV航向控制中的应用仿真

文章研究了积分变结构控制在自主水下机器人(AUV)航向控制系统中的应用,建立了AUV水平面的非线性模型,并在特定的工作点对模型进行了线性化处理,得到了AUV的控制设计线性模型.根据变结构控制理论设计了积分变结构控制器,并给出了消除抖振的方法.仿真试验验证了该设计方法的有效性.     

水下潜器姿态角的分数阶 PID 控制研究

针对水下潜器纵向姿态角控制的稳定性问题,对水下潜器的姿态角控制系统设计一种分数阶 PID 控制器。在控制器设计过程中,引入时间误差绝对值（ITAE）准则,ITAE 准则的引入可快速获得分数阶 PID 的优化参数,设计优化分数阶 PID 控制器。最后,以水下潜器的传递函数为仿真对象,分别采用分数阶 PID 控制器和常规PID 控制器进行仿真研究。通过控制性能比较发现,本文所提出的分数阶 PID 控制器的控制效果明显优于常规 PID控制器,且分数阶 PID 控制器具有更强的鲁棒性。     

AUV自主收放装置结构及控制系统设计

AUV技术对于提高海洋资源环境的勘测和开采效率具有重要意义。在AUV收放过程中,传统的回收方式是在母船上起吊回收,人为参与完成挂钩任务,这种方式受风浪的影响较大。为了提高AUV的使用保障能力,需要针对AUV的自主收放技术展开研究。基于AUV良好的实时性、连续性及可移动性的特点,本文设计一套AUV自主收放装置,可用于AUV的自动布放及回收。该装置由固定架、控制台、吊机装置、绞车、定滑轮、钢丝绳、收放架等组成。设计各部分的机械结构,并通过系统校核验证结构设计的合理性。同时,设计AUV收放存储装置控制系统,实现对机械液压执行器的精密控制、传感器的数据采集、系统状态参数显示、试验参数调整、工作状态监控和安全报警等功能,能够对控制系统的控制流程进行辅助判断和安全保障。解决了传统AUV收放技术的难题,提高了AUV收放的智能化水平。     

S~2 BHCA-Multiple AUVs cooperation oriented control architecture

Oceanographic survey, or other similar applications should be the applications of multiple AUVs. In this paper, the skill & simulation based hybrid control architecture (S2BHCA) as the controller's design reference was proposed. It is a multi-robot cooperation oriented intelligent control architecture based on hybrid ideas. The S BHCA attempts to incorporate the virtues of the reactive controller and of the deliberative controller by introducing the concept of the "skill". The additional online task simulation ability for cooperation is supported, too. As an application, a multiple AUV control system was developed with three "skills" for the MCM mission including two different cooperative tasks. The simulation and the sea trials show that simple task expression, fast reaction and better cooperation support can be achieved by realizing the AUV controller based on the S2BHCA.     

小型开架式水下机器人水动力特性仿真研究

  目的  旨在分析研究水下机器人水平面轨迹跟踪的问题。  方法  首先,基于水下机器人平面轨迹跟踪控制目标对机器人系统三自由度运动方程进行推导;然后,通过STAR-CCM+和ANSYS AQWA软件分别获取机器人阻力项参数和附加质量项参数,并结合机器人自身动力配置条件、计算所得的水动力参数,基于反步法和滑模控制技术对其进行控制策略设计;最后,使用该控制策略针对机器人水平面线性运动轨迹和非线性运动轨迹在Matlab/Simulink平台进行轨迹跟踪仿真计算。  结果  结果表明：水下机器人能够针对上述两类运动轨迹实现较好的跟踪效果,且螺旋桨推力变化平缓。  结论  所设计的控制器可以使水下机器人快速跟踪目标运动轨迹,并保持较好的持续跟踪效果。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法建立了蚁群可视图模型,设计了蚁群信息素更新规则;给出了蚁群全局路径规划的操作步骤;针对蚁群规划路径不平滑问题,设计了切割算予和插点算子.仿真实验结果表明,蚁群全局规划算法非常适合于求解复杂环境中的规划问题,规划时间短、路径平滑,其原型系统可应用于非结构化无人环境监测.     

Expert S-surface control for autonomous underwater vehicles

S-surface control has proven to be an effective means for motion control of underwater autonomous vehicles （AUV）. However there are still problems maintaining steady precision of course due to the constant need to adjust parameters, especially where there are disturbing currents. Thus an intelligent integral was introduced to improve precision. An expert S-surface control was developed to tune the parameters on-line, based on the expert system, it provides S-surface control according to practical experience and control knowledge. To prevent control output over-compensation, a fuzzy neural network was included to adjust the production rules to the knowledge base. Experiments were conducted on an AUV simulation platform, and the results show that the expert S-surface controller performs better than an S-surface controller in environments with currents, producing good steady precision of course in a robust way.     

S^2 BHCA Multiple AUVs cooperation oriented control architecture

Oceanographic survey, or other similar applications should be the applications of multiple AUVs. In this paper, the skill ＆ simulation based hybrid control architecture （S^2BHCA） as the controller＇s design reference was proposed. It is a multi-robot cooperation oriented intelligent control architecture based on hybrid ideas. The S^2BHCA attempts to incorporate the virtues of the reactive controller and of the deliberative controller by introducing the concept of the ＂skill＂. The additional online task simulation ability for cooperation is supported, too. As an application, a multiple AUV control system was developed with three ＂skills＂ for the MCM mission including two different cooperative tasks. The simulation and the sea trials show that simple task expression, fast reaction and better cooperation support can be achieved by realizing the AUV controller based on the S^2BHCA.     

基于Backstepping的船舶航向自适应鲁棒

针对非线性船舶航向控制中船舶参数不确定性以及外界干扰随机性的特点，提出了一种基于Backstepping的自适应鲁棒控制器非线性系统的设计方法．为了消除静态误差，设计过程中引入了积分器，并借助Lyapunov函数证明了该控制策略使得闭环系统全局一致最终有界，选取恰当的设计参数可保证航向保持误差任意小．仿真结果表明所设计的控制器是有效的．