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。     

网络遥操作机器人系统视频传输及同步技术

研制了一种新颖的应用于网络遥操作机器人系统的网络视频流传输系统,该系统基于C/S模型并采用MPEG4视频编码器对图像进行编解码,实现了机器人现场视频的实时采集、编码、传输和播放。此外,对网络遥操作机器人系统的视频、音频和力信息的传输同步问题展开了研究。实验证明所研制的系统不仅能保证机器人现场图像传输的实时性,而且能较好地实现多信息的同步。     

带有柔性关节从机械臂遥操作机器人系统滑模控制研究

针对遥操作机器人系统在空间与医疗手术应用时出现的从机械臂柔性问题,提出了带有柔性关节从机械臂的遥操作机器人系统的二端几网络模型,并进行了理想性能分析.在此基础上设计了一种新型的滑模变结构控制方案,在该方案中主机械手采用阻抗控制而柔性关节从机械手采用滑模变结构控制策略.实例仿真结果表明,该控制方案能有效地抑制柔性从机械臂...     

基于LV-SVMs的UUV NARX动态辨识模型

鉴于水下无人控制机器人(UUV)的动态控制越来越重要,本文针对当前辨识模型存在的所获参数精确性不足,运用非线性黑箱辨识模型,提出了基于最小二乘支持向量机的UUV NARX动态辨识模型。将该模型应用于辨识UUV的两个关键参数偏航角γ和xy平面内的速度ν,取得了良好的辨识效果。     

一种小型潜器模型参数估计方法与实验研究

潜器的位置控制性能对深海采矿取样过程有很大影响.本文针对小型潜器位置控制的需要,研究其动态模型参数辨识方法.以机械能守恒定理为基础,讨论了机械能增量在正交坐标下的分配量与外力作功的能量转换关系.利用这一关系与最小二乘法,以潜器纵向运动动态灰箱模型参数估计为例,建立了基于能量转换的潜器模型参数估计方程,并开展了实验研究.将海洋水下工程手册经验公式的计算结果与实验结果对比,验证了本方法的有效性.本方法物理意义明显,适用于作机械运动的线性与非线性系统辨识.     

永磁同步电机自适应参数辨识动态品质分析

基于Popov超稳定性理论的模型参考自适应辨识方法,对永磁同步电机的定子电感和转子磁链进行在线辨识.为保证非线性参数在线辨识在变工况下的动态品质,分析了线性前向通道极点、自适应律参数的选取以及非线性反馈通道输入对辨识结果动态品质的影响,获得了在线参数辨识高动态品质的参数调节规律.实验结果表明:合理利用该闭环辨识系统参数调节规律可有效改善在线参数辨识的动态品质,为永磁同步电机高性能控制奠定了基础.     

非线性横摇阻尼模型的辨识

本文以Taylor级数展开法表示非线性横摇阻尼模型的一般表达式,依据船模强制横摇的实验结果,提出了一套较完整的非线性阻尼模型辨识技术。它不仅能对各种阻尼模型进行准确的参数辨识,而且能对各种阻尼模型的效果进行实验检验,从而获得合理的阻尼模型形式及准确的参数。本文还应用可控力矩式横摇激振装置进行了船模强制横摇试验,试验结果稳定可靠,对非线性阻尼模型的辨识效果良好,辨识结果可信。     

基于正弦函数处理新息的船舶模型参数辨识新算法

[目的]当船舶试验数据样本少时,将面临难以快速、准确辨识船舶模型参数的难题。[方法]基于最小二乘系统辨识算法,采用正弦函数处理新息,提出一种基于正弦函数非线性新息处理的船舶模型参数辨识算法。以"育鲲"船为例进行仿真实验,在只有26组辨识数据的情况下,对比最小二乘法和非线性新息改进最小二乘法的模型参数辨识效果,并利用"育鹏"船对所提算法的有效性进行验证。[结果]结果表明:与最小二乘法相比,非线性新息改进最小二乘法的模型参数辨识精度提升了15%左右。[结论]研究结果可为小样本数据情况下的船舶模型参数辨识提供参考。     

参数辨识在船舶运动控制中的研究与应用

本文以系统辨识的方法,对船舶运动模型--KT方程的参数进行辨识.通过分别研究最小二乘法和遗传算法在船舶运动方程参数辨识中的应用,提出了一种结合最小二乘法和间接模型参考自适应法的混合辨识算法,并经仿真实验数据的辨识结果分析,有力地证明了本方法的可行性和合理性.     

基于模糊神经网络滑模控制的船用螺旋桨磨抛并联机器人抗抖振研究

为了解决船用螺旋桨高阶曲面打磨问题,避免传统手工操作生产效率低、劳动强度高、精度难以保证的问题.采用并联机器人控制系统,考虑了模型外部扰动的非线性多变量系统,提出了基于模糊神经网络的非线性系统自适应滑模控制策略,设计了滑模控制法控制器.通过比较控制的多种方式,建立了RBF的辨识模型,仿真分析其逼近能力,在此基础上,设计神经网络滑模控制器,并进行仿真验证.在保证机器人控制系统具有抗干扰性和鲁棒性的基础上,削弱常规滑模控制的抖振问题.仿真结果证明:非线性系统自适应滑膜控制策略具有良好的抗负载扰动、参数摄动的特点,为智能控制在并联机器人滑模控制中的应用提供了很好的理论依据.