关于发展智能水下机器人技术的思考

智能水下机器人在海洋开发和海洋军事领域具有极为广阔的应用前景.智能水下机器人技术是世界各国都在致力发展的技术领域.简要介绍了国外智能水下机器人的发展状况,提出了应重点开展研究的关键技术和发展智能水下机器人技术的建议.     

军用高速艇主柴油机水下排气方式的试验研究

通过对船用柴油机的各种排气方式的比较和分析后认为，军用高速艇主柴油机比较理想的排气方式为水下排气，同时从排气对螺旋浆的影响，艇底排气出口位置的选择，艇的阻力增加情况等3个方面进行了试验研究，研究表明在高速艇上采用水下排气方式是可行的。     

智能水下飞机自由翱翱海洋

美国麻萨诸塞州科学家正在研制一种水下滑翔机,能够利用海洋温差产生的能量作为“水下飞机”的动力能源,可以实现几年内翱翔在海洋,而不受海洋深度与距离的限制。 目前,这种滑翔机己通过了试验与测试。在不久的将来,这种智能滑翔机可“定居”海洋,定时提供给人类关于海底世界的一切变化和资料。     

智能水下机器人视景仿真实验平台研究

利用Multigen Creator、Vega等三维仿真软件,通过编程开发某水下机器人三维视景仿真系统,对该机器人的周围环境、运动信息、声呐及摄像等传感器信息等进行了模拟仿真.经验证建立的水下机器人三维视景仿真实验平台能够较真实的模拟机器人在水下运动的实际情况.     

水下多智能体群协调控制仿真分析

基于一致性理论研究了水下智能体群的运动稳定性问题.在具有通信约束的情况下,对每个智能体设计一个分布式控制器.在系统的通信网络拓扑结构为连通图的情况下,给出了系统时滞上界的具体解析表达式.通过仿真示例验证了当个体间的通信时滞在给定范围内,所有的AUV仍然能全局渐近地收敛至期望速度和期望队形.     

水下多智能体系统快速编队控制

针对水下多智能体系统在无向网络下的快速编队问题,提出基于智能体当前和过去状态的快速编队控制算法。利用矩阵理论和频域分析法,得到该算法能使系统快速编队的过去状态区间。仿真示例验证了其有效性。     

智能自主式水下航行器技术发展研究

自主式水下航行器(AUV)具有自主性、隐蔽性、环境适应性、可部署性和高效费比等优点,被广泛应用于民用、军用和商用等领域。智能化是目前AUV技术的研究热点,智能AUV具有更先进的"智能"技术,能够极大地拓展海上无人装备的任务范围,提高作业能力。结合典型智能AUV设备,对近年来智能AUV的发展现状进行阐述,对智能AUV的关键技术以及未来发展情况进行详细分析,研究成果对开展智能AUV设备技术研究和发展具有一定借鉴意义。     

智能水下机器人发展现状及在军事上的应用

21世纪是海洋的世纪,水下机器人在军民领域均具有广泛的应用,智能水下机器人是水下机器人技术的发展方向。详细介绍了各国智能水下机器人的发展与研究现状,描述了未来无人化作战体系,分析智能水下机器人在未来无人化作战体系的军事应用,指出军用水下机器人未来的发展趋势。     

智能水下航行器对海洋重金属污染状况的检测研究

由于海洋水文环境较为复杂,因此本文利用智能水下机器人对该段水域进行采样,从而为水域重金属污染状况的检测提供基础。首先,在选定区域利用水下机器人对该江段水域实行样品采集,采用紫外可见分光光度法结合光度仪构建对重金属多组分微量元素浓度测试分析的技术,为实现多种重金属元素的同时检测,选择敏感且合适的螯合显色试剂,并对实验数据进行采集;以紫外可见分光光度仪采集的多组实验数据为基础,对光度仪测量的响应信号变化状态进行观察,利用卡尔曼滤波算法与仪器实现联机并分析系统中待测重金属元素的浓度。实验证明,对海洋水域重金属污染状况的检测为水质监测管理提供可靠数据。     

无人水下航行器的智能航行控制

水下无人航行器是探索未知水域的重要设备,但是传统水下无人航行器的智能航行控制系统,受到水域信号传播限制,造成智能控制范围较小,为此设计无人水下航行器的智能航行控制系统。使用水域深度变换器对智能控制器进行重新设计,根据水域深度变化进行不同方式的控制切换,优化PID控制器,改变水域信号传输方式,根据需求进行多传输方式的切换;使用粒子群算法对智能控制方式进行规划,对不同水域控制方式进行最优选择,实现航行智能控制系统设计。试验结果表明,设计的控制系统能在水下2 000 m内进行有效控制,比传统控制系统多出800 m的有效范围,因此本文设计系统具备极高的有效性。     

智能水下机器人的发展现状及在军事上的应用

21世纪是海洋的世纪,水下机器人在军民领域均具有广泛的应用,智能水下机器人是水下机器人技术的发展方向。详细介绍了各国智能水下机器人的发展与研究现状,描述了未来无人化作战体系,分析智能水下机器人在未来无人化作战体系的军事应用,指出军用水下机器人未来的发展趋势。     

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。     

水下智能仿生机器鱼容错控制数学建模研究

传统水下智能仿生机器鱼控制模型存在容错率低的问题。为了更好解决该问题,进行水下智能仿生机器鱼容错控制数学建模研究。构建仿生机器鱼机械动力学模型,获取仿生机器鱼的自身参数、水下参数与容错参数,引入容错控制算法对仿生机器鱼进行误差量追踪补偿计算,构建水下智能仿生机器鱼容错控制数学模型。在实验中通过控制容错率测试,证明该模型具有较强的容错控制能力。     

水下捕捞机器人的研究现状与发展

本文介绍了国内外水下机器人研究现状和研究技术。基于现有水下机器人的技术水平和水下捕捞的具体环境,讨论了水下捕捞机器人机、电、流体、智能识别等关键技术,并对比了各项技术之间的优缺点。展望了未来水下捕捞机器人的发展趋势。     

基于模式识别的无人水下航行器智能导航方法

传统方法对无人水下航行器进行导航时,经纬度误差与实际误差相差较大。为了解决该问题,提出模式识别导航方法。统计满足特征组分辨尺度的各个特征,并计算离散度,设计特征选择流程,在对完成已经存在的特征进行更新后,对状态变量进行维护处理,对新加入的特征值进行坐标分析,并获取扩充后的状态向量,保证导航不会受到区域大小限制,设计具体航迹线确定方案,由此完成无人水下航行器智能导航。仿真实验结果表明,该方法比传统方法导航结果误差要小,且与实际误差一致,具有广阔应用前景。     

长短时记忆网络水下目标噪声智能识别方法

未来基于水下无人平台的水声目标探测体系要求平台自身具备目标智能化识别能力,而传统水下目标噪声识别方法需要人工提取泛化能力强的特征数据,且识别过程具有较强的人机交互特性,无法满足这一要求。针对这一问题,本文研究一种基于长短时记忆网络(LSTM)的水下目标噪声智能识别方法,借助深度学习自主学习数据特征的能力,应用长短时记忆网络(LSTM)分别对水下目标噪声的时域时间序列数据、频谱数据、梅尔倒谱(MFCC)数据进行深层次特征提取与识别,并使用实际水声目标噪声信号对该方法进行了验证。结果表明,在上述3种输入数据情况下,采用LSTM长短时记忆模型均能有效实现水下目标噪声特征提取与智能识别。     

果蝇算法在基于LSSVM智能水下机器人操纵运动模型辨识中的应用

基于水下机器人的Z型仿真试验,应用支持向量机对水下机器人的操纵运动模型进行辨识,从核函数结构中得到水动力系数,并建立水下机器人的预报模型,引入果蝇算法对惩罚因子C进行寻优,以减少基于经验而选择的参数对辨识精度产生的影响。通过预报与仿真比较,验证了该方法的有效性。