小型水下机器人在复杂水下地形中的目标搜寻应用

针对水下目标搜寻工作所遇到的现实困难及搜寻作业的特点,提出一种在局部水域范围内基于小型ROV的水下小目标搜寻方案,以提高水下复杂地形中的目标搜寻效率。工程应用实践证明该方案具有高效率、低风险及低成本等特点。     

多传感器信息融合技术在舰船组合导航系统中的应用

介绍了舰船惯导系统的误差模型,针对该模型,提出了基于信息融合原理的联合卡尔曼滤波器的结构及算法。理论分析与仿真结果表明,该舰船INS／GPS／Loran-C组合导航系统的设计合理,算法具有全局最优性,能够满足系统的精度要求,且应用该联合卡尔曼滤波器可提高系统的容错性能。     

水下机器人传感器故障诊断的灰色预测模型

将灰色预测GM(1,1)原理引入到水下机器人传感器的故障诊断中,对传感器样本数据序列建立灰色动态预测型。通过对该模型输出信号与实际输出之间误差的分析,实时检测传感器的故障。针对Outland 1000无人水下机器人中的方向传感器,应用该方法对该传感器的三种典型故障模式进行了故障检测实验,结果表明所提故障检测方法准确可靠。     

基于RRT*算法的水下机器人全局路径规划方法

针对海洋环境的复杂性,考虑水下机器人能量的局限性,为减小洋流环境中作业全程水下机器人的能量消耗,以某水下机器人为研究对象,设计实现基于RRT*的路径最短和能耗最低的路径规划算法;并进行包括RRT*算法和RRT算法在复杂环境下的对比、不同洋流流速环境中水下机器人路径最短和能耗最低路径规划的仿真模拟。最后在水池中,利用实验室现有的水下机器人平台进行了真机实验。仿真测试和真机实验结果表明:所设计的基于RRT*的路径最短和能耗最低的路径规划算法可行有效。     

基于多普勒和光纤陀螺水下机器人导航系统研究

对基于DVL和FOG的导航方法进行研究,设计了导航方法的无缆水下机器人导航系统,分析导航系统的主要误差源,采用扩展Kalman滤波算法辨识传感器的安装偏差,通过湖试数据验证了该算法的稳定性和正确性。     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题,并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法,设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

MIMU/GPS/磁罗盘组合导航系统算法研究

在自行研制的微小型MIMU/GPS/磁罗盘组合导航系统上,深入研究了组合导航算法。该组合导航系统用FPGA芯片为主控制器,以TI公司高性能DSP芯片TMS320C6713作为导航解算协处理器。它采用了圆锥误差补偿和划船误差补偿的现代捷联导航算法和18阶状态变量的扩展Kalman滤波算法进行了组合导航参数计算。经室外车载试验表明,该组合导航系统的水平姿态误差小于0.2°,航向角误差小于0.3°,定位精度小于5m。     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

基于单片机的水下机器人传感器故障检测仪设计

针对OUTLAND1000无人水下机器人,采用自适应滤波器FIR对水下机器人进行在线自适应建模,利用LMS算法调节和分析滤波器的权系数实时监测水下机器人传感器的故障.以单片机C8051F120为核心设计故障检测器,数据采集和控制信号通过设计的键盘发送给机器人,传感器数据通过RS-232传送到控制器进行数据分析,并在液晶上显示出相应的故障检测结果.     

卡尔曼滤波算法在自主式水下机器人超短基线定位中的应用

近年来,海洋开发进程不断深入,水下机器人在海洋探测、海上救助等领域发挥着越来越重要的作用。基于超短基线的声波探测定位技术是采集和传递信息的最有效手段,是解决水下机器人定位精度的有效途径。本文研究基于超短基线定位的原理,分析产生定位误差的原因,利用卡尔曼滤波算法提高水下机器人的定位精度。     

基于虚拟仪器技术的水下定位导航系统

在人类对水下世界进行探索和研究工作中,定位导航技术一直是一项重要的研究内容,声学定位系统和GPS系统联合组成的水下GPS系统可以获取载体在水下工作时的更多信息。水下GPS系统是一个跨多学科,包括空间物理学,水声学,GPS技术,坐标系变化等的综合性很强的复杂系统。本文从理论和实际两方面来讨论采用短基线定位系统和GPS系统联合构成的水下GPS系统,并用虚拟仪器技术来实现。     

多传感器信息融合技术在舰船组合导航系统中的应用

介绍了舰船惯导系统的误差模型,针对该模型,提出了基于信息融合原理的联合卡尔曼滤波器的结构及算法.理论分析与仿真结果表明,该舰船INS/GPS/Loran-C组合导航系统的设计合理,算法具有全局最优性,能够满足系统的精度要求,且应用该联合卡尔曼滤波器可提高系统的容错性能.     

水下机器人航位推算导航系统及误差分析

构建了基于GPS/航位推算的智能水下机器人(AUV)组合导航系统,阐述了水下机器人导航系统体系结构,详细介绍了基于强跟踪卡尔曼滤波和辛格模型的航位推算导航算法,解决了水下机器人难以建立精确数学模型的问题,最后结合海上实验数据深入地分析了产生航位推算误差的原因,并有针对性地提出了降低水下机器人航位推算导航系统误差的方案。     

基于神经网络的水下机器人容错控制方法与实验研究

针对无人水下机器人(UUV)传感器常见故障,采用一种基于有限脉冲响应(FIR)滤波器模型的在线故障诊断方法.根据该模型的故障检测结果,提出一种基于BP神经网络模型的容错控制策略,实现水下机器人首向角的估计以及传感器信号的在线重构.将重构的信号替代故障传感器信号,实现水下机器人在线容错控制.在OUTLAND 1000 水下机器人定向控制系统中,首向角传感器(罗经)发生故障情形下,给出机器人的故障检测以及容错控制结果.     

智能水下机器人路径规划方法综述

路径规划方法是智能水下机器人技术研究的核心内容之一,是实现自主航行和作业的关键环节。本文将水下机器人的路径规划方法按智能程度分为传统和智能两大类。传统方法包括基于路线图构建的路径规划方法、基于单元分解的路径规划方法以及基于人工势场的路径规划方法,智能方法包括基于群智能的路径规划方法和基于机器学习的路径规划方法。针对水下机器人规划环境的特点,分别对这几类典型方法进行总结与评价,重点分析了智能方法的优缺点和关键问题,最后展望智能水下机器人路径规划的未来研究方向。     

考虑海流影响的水下机器人全局路径规划研究

为了适用于大范围海洋环境下须要考虑能量耗尽问题的AUV导航,提出了一种考虑海流影响的水下机器人全局路径规划方法,该方法将海流因素作为GA算法的评价因子,在路径规划的层面上考虑海流的影响;在此基础上对GA算法进行了改进,提出一种GA-PSO混合算法,GA-PSO混合算法比单纯的GA算法具有更快的收敛速度和运行效率。