基于模糊神经网络控制的水面无人艇建模与仿真

水面无人艇(USV)的控制是智能控制与船舶控制的一个重要研究方向.由于船舶运动的复杂性,自动航向控制是水面无人艇研究中的一个关键问题,传统控制方法很难取得好的控制效果.本文对模糊逻辑和神经网络智能控制方法及其在船舶航向控制的运用进行了研究.选取滑行艇作为无人艇艇体,采用喷水推进装置,利用模糊神经网络对艇体的航向进行控制,利用Matlab软件对水面无人艇进行建模,对3种海况干扰无人艇的情况进行实时仿真,仿真结果基本令人满意.     

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.     

高速滑行艇的纵向运动分析与仿真研究

针对喷水推进滑行艇的高速滑行原理,建立了其非线性的纵向运动数学模型。首先分析了滑行艇在高速滑行过程中的受力,详细地推导了艇体受到的重力、浮力和动升力,并根据喷水推进器的工作原理,推导了喷水推进力的表达式;然后建立了喷水推进滑行艇的非线性纵向运动数学模型;最后设计了基于该模型的滑行艇纵向运动预报软件,并进行了高速滑行的操纵性仿真试验,仿真结果与船模试验数据吻合较好,表明了该模型能够较准确的预报喷水推进滑行艇在静水中的纵向运动。     

基于卡尔曼滤波的水翼艇纵向运动研究

分析了水翼艇的运动方程并通过适当的假设将其线性化,建立水翼艇纵向运动状态空间方程,同时给出了系统状态的测量方程,运用卡尔曼滤波对其纵向运动进行滤波.文中同时给出了MATLAB仿真计算结果,分析其方差和最大误差,验证了结果的正确性.     

水面无人艇的模糊建模方法研究

近年来,水面无人艇技术发展迅速,在军事侦察、武装保护等方面发挥显著作用,已成为水面反恐的重要方式之一。然而,水面无人艇航行在线性度、耦合性上存在较大的缺陷,高精度控制方式实现复杂。为实现水面无人艇航行的高精度、高准确度控制,本文将神经网络和模糊技术相结合,提出一种基于神经网络的模糊建模方法,对系统模型进行仿真可知,水面无人艇的模糊建模方法有效,且能够实现对无人艇航行的精确控制,具有进一步推广应用的潜力。     

基于动态反馈线性化的海洋机器人近水面横摇减摇控制

海洋机器人在近水面低速航行时,在海浪干扰下将产生横摇运动,严重影响机器人安全性能,因此利用零航速减摇鳍系统对横摇运动加以有效控制.针对机器人非线性运动模型及零航速减摇鳍升力模型的特点,利用动态反馈线性化方法设计横摇减摇控制规律.该方法通过将原系统扩展为含有伪状态变量的新系统,实现系统线性化,解决由减摇鳍升力模型引起的系统非线性形式控制输入的问题.理论证明及仿真结果表明该横摇控制规律是稳定有效的.     

水面无人艇路径控制技术

水面无人艇受风、浪、流的影响,因此对航行安全至关重要的实艇运动路径控制方法变得十分复杂。本文选取改造后的7 m小艇进行操纵性试验,测定操纵相关系数。基于实艇试验和数值仿真计算的结果,结合风、浪、流干扰模型,建立一套水面无人艇路径控制方法。最后进行了相应的实艇试验,验证了本文方法的有效性。     

欠驱动机器人控制水面航迹自适应调整数学建模

在传统的水面航迹自适应调整数学建模方法所建模型的应用中,因水面航迹跟踪误差收敛速度慢,存在响应灵敏度低的缺点,导致船舶无法快速调整至预设航迹。基于此,设计一种欠驱动机器人控制水面航迹自适应调整数学建模方法。首先,建立船舶运动坐标系,其次,建立船舶运动方程,最后,利用欠驱动机器人实现水面航迹跟踪,至此完成欠驱动机器人控制水面航迹自适应调整数学建模方法的设计。与传统的水面航迹自适应调整数学建模方法作比较,实验结果表明,利用提出的建模方法所建模型具有更高的响应灵敏度,能够使船舶快速调整至预设航迹。     

基于实航数据驱动的无人艇操纵运动辨识建模

为快速构建符合海洋航行器实际运动特性的操纵运动模型,开展基于“精海”无人艇实航湖试数据驱动的无人艇操纵运动辨识建模研究。无人艇操纵运动辨识建模的框架以非线性水动力模型和推进器经验模型作为先验知识约束,利用随机舵角序列激励下的航行数据作为训练集,采用支持向量机回归方法完成建模过程,着重探讨了在环境干扰下构建艇体动力学模型的可行性。结果表明,所提出的方法能够快速构建具有非线性特性的无人艇操纵运动模型;先验的模型结构有效降低了实航数据中浪和流的影响,构建的模型能够有效预测回转、Z形等操纵运动的状态变化,具有良好的泛化能力。     

基于Modelica语言的ROV力学系统建模与仿真

本文针对因ROV在水下作业过程中的非线性及耦合运动特性而导致采用传统Simulink建模方法效率低下的问题,将Modelica语言应用于ROV力学系统建模过程中,提出了一种通用的、面向对象的水下航行器运动建模方法.简要介绍了Modelica语言的特性和优点,应用其面向对象的建模思想构建仿真框架,将ROV力学系统按受力性质进行分析、分类与模块功能划分,定义共用、可重用的底层运动学与力学连接器作为模块间交互接口,实现各模块由数学模型到仿真模型转化.在顶层模型中通过组件实例化整合各模块,应用组件连接机制,创建完整的ROV力学系统.选取工况对其运动特性进行仿真,分析仿真结果,以验证建模方法便捷性和正确性.     

基于不同航行状态无人艇的水动力模型研究

无人艇操纵灵活,机动性强,在很多方面都有着广泛的应用。但相关研究还比较少。以往的单一水动力模型只是针对特定航行状态进行研究,对于不同的航速,单一的水动力模型已不再适用。因此随着航速不同,建立同一艘无人艇在不同航行状态下的水动力模型,并研究在此模型下无人艇的运动特性成为一个难点,也是研究真实无人艇的一个关键环节。论文在以往学者的研究成果基础上,给出了一种全新的水动力模型,并就某一真实无人艇,研究从静止到高速起滑整个过程的水动力与航速之间的开环变化关系。仿真结果表明了所给模型的有效性。     

船舶非线性横摇运动方程的线性化研究

考虑阻尼力矩和恢复力矩的非线性,运用能量法对正横规则波中船舶非线性横摇运动方程进行等效线性化,导出等效线性系数表达式,并验证其工程实用性,为船舶横摇预报提供理论分析计算模型。     

小型无人艇集成控制系统设计与实验研究

针对传统无人艇控制系统集成度低、可靠性差、通信距离有限等问题和在运动控制中存在的艇身水动力系数不确定性,加上外界风浪流的干扰等非线性因素,设计开发了一种小型无人艇集成控制系统。首先详细阐述了该集成控制系统的硬件结构、软件工作模式、控制模型及运动控制算法,使用 Matlab/simulink工具箱进行速度、航向及深度的运动控制仿真实验。然后以自研的无人艇样机为实验对象进行下水实验。最终计算机仿真和实物下水试验结果表明,所设计的运动控制器不仅能实现艇上各传感器的数据采集与通信功能,下达和反馈运动控制指令的功能,也可以在一定外界干扰下跟踪运动控制中的期望目标,实现控制要求。     

无人艇工程控制课程实践教学平台开发

针对在教学环节中存在的问题，利用计算机技术和工业软件开发无人艇工程控制课程实践教学平台。该平台可进行无人水面艇（Unmanned Surface Vessel，USV）建模及运动轨迹控制。针对USV物理参数的不确定性，根据运动学和动力学模型设计控制器，分析控制器参数对USV运动性能的影响规律。无人艇工程控制课程实践教学平台的建设应用可提升学生对USV的运动操控、故障判断及维护保养能力。     

基于最优控制的双喷推无人艇路径跟踪方法

针对双喷推无人艇自主航行时的路径跟踪问题,采用最优控制的方法进行求解。根据双喷推无人艇的动力学特性建立双喷推无人艇三自由度运动方程,并由任务需求设定目标函数;在此基础上,根据航行实况建立约束条件,从而得到求解双喷推无人艇路径跟踪问题的数学模型。通过建立含有拉格朗日松弛项的哈密顿函数,将带有复杂约束的优化问题转化为无约束优化问题,采用粒子群优化算法求解最优拉格朗日乘子,并将其代入哈密顿函数;采用广义梯度下降法对数学模型进行求解,得到最优的喷泵电机转速,从而实现对双喷推无人艇的路径跟踪控制。设计实船试验验证方法的有效性,双喷推无人艇路径跟踪试验结果表明,双喷推无人艇实测的轨迹与设定轨迹的最大偏差不超过3m,该方法具有可行性和实用性。     

A nonlinear model reference adaptive inverse control algorithm with pre-compensator

In this paper, the reduced-order modeling （ROM） technology and its corresponding linear theory are expanded from the linear dynamic system to the nonlinear one, and H∞ control theory is employed in the frequency domain to design some nonlinear system＇ s pre-compensator in some special way. The adaptive model inverse control （AMIC）theory coping with nonlinear system is improved as well. Such is the model reference adaptive inverse control with pre-compensator （PCMRAIC）. The aim of that algorithm is to construct a strategy of control as a whole. As a practical example of the application, the nunlerical simulation has been given on matlab software packages. The numerical result is given. The proposed strategy realizes the linearization control of nonlinear dynamic system. And it carries out a good performance to deal with the nonlinear system.     

Black-box modeling of ship manoeuvring motion based on feed-forward neural network with Chebyshev orthogonal basis function

Based on polynomial interpolation and approximation theory, a novel feed-forward neural network, the feed-forward neural network with Chebyshev orthogonal basis function, is proposed for black-box modeling of ship manoeuvring motion. The neural model adopts a three-layer structure, in which the hidden layer neurons are activated by a group of Chebyshev orthogonal polynomial activation functions and the other two layers’ neurons use identity mapping as activation functions. Weight update formulas are derived by employing the standard back-propagation (BP) training method. With the simulated 15º/15º zigzag test data as input and calculated values of the hydrodynamic forces and moment as output, the feed-forward neural network with Chebyshev orthogonal basis function and the BP neural network are applied to identify the nonlinear functions in the nonlinear hydrodynamic model of ship manoeuvring motion. With the simulated 20º/20º zigzag test data and 35º turning test data as input, the hydrodynamic forces and moment are predicted by using the identified nonlinear functions. Comparison between the calculated and predicted hydrodynamic forces and moment shows that the feed-forward neural network with Chebyshev orthogonal basis function is superior to the BP neural network in identifying the nonlinear functions of the nonlinear hydrodynamic model of ship manoeuvring motion and is an effective method to conduct the black-box modeling of ship manoeuvring motion.     

Frequency domain analysis of a tension leg platform with statistical linearization of the tendon restoring forces

The dynamics of a tension leg platform have important nonlinearities which must be approximated in some manner in a frequency domain analysis. For irregular waves, the well-documented method of statistical linearization is commonly employed for the drag forces, but it is seldom applied to the restoring forces. In earlier studies, the stiffness linearization has been limited to the surge motion. This paper presents the formulation for the linearization in all six degrees-of-freedom. To this end, the nonlinear restoring function and tangent stiffness matrix are derived, and extensive nonlinear couplings between the different modes are found to exist. The performance of the linearized frequency domain approach is benchmarked against time domain simulations for a problem involving large platform motions. It is found that subject to certain conditions, which are relatively mild, the linearization technique facilitates accurate predictions of the mean offsets and the response variances, including the slow-drift component.     

基于神经网络的船舶操纵运动建模研究（英文）

In this paper, Neural Networks(NNs) are used in the modeling of ship maneuvering motion. A nonlinear response model and a linear hydrodynamic model of ship maneuvering motion are also investigated. The maneuverability indices and linear non-dimensional hydrodynamic derivatives in the models are identified by using two-layer feed forward NNs. The stability of parametric estimation is confirmed. Then, the ship maneuvering motion is predicted based on the obtained models. A comparison between the predicted results and the model test results demonstrates the validity of the proposed modeling method.