高阶CMAC神经网络及其在水下机器人运动控制中的应用

对高阶ＣＭＡＣ神经网络的结构和工作原理进行了研究,提出了中间层作用函数地址的计算方法,给出了计算高阶基函数的不同方法,利用高阶ＭＣＡＣ神经网络对水下机器人模糊深度控制器进行了学习,仿真结果显示了不同高阶基函数ＭＣＡＣ网络的不同建模能力,证明了中间层作用函数地址的计算方法正确。     

水下机器人运动控制与仿真的数学模型

本文首先确定了水下机器人六自由度空间运动模型，为了便于在控制与仿真中应用，本文借助matlab平台，将水下机器人的六个自由度的方程转换为矩阵乘形式，然后结合水下机器人的环境仿真，推力器仿真，舵翼仿真，建立了水下机器人六自由度运动记真器。最后用该仿真器进行了运动仿真，仿真结果与海上试验吻合得很好，表明该仿真系统是符合实际的，该仿真系统采用一种普遍实用的数学模，精度较高，适用于任何类型的水下机器人，对研究水下机器人操纵与控制有很大现实意义。     

自适应卡尔曼滤波技术在水下机器人运动控制中的应用

水下机器人的位置和速度传感器受环境影响较大，数据滤波问题是运动控制的核心问题之一。建立了水下机器人运动的状态方程和量测方程，并在此基础上采用自适应卡尔曼滤波方法对水下机器人的传感器数据进行了滤波分析，并引入渐消记忆指数加权方法，避免了系统误差和量测误差统计特性的不准确对系统滤波效果的影响。结果表明此方法能达到很好的滤波效果。     

人工免疫算法在水下机器人运动控制策略中的应用

我国社会经济快速发展,各种智能化的机器人被应用在工业生产领域。水下机器人的主控系统一般采用电机作为主要的推进动力,对螺旋桨的控制直接决定水下机器人的工作性能。文中首先对螺旋桨的数学模型进行研究,然后结合螺旋桨的设计理论和相关特性,采用人工免疫算法对机器人的运动控制策略进行优化,最后采用Matlab仿真平台,对此算法的运动控制性能进行多方面的验证。     

水下机器人非完全回归型神经网络运动模型的研究

研究了基于神经网络建立水下机器人（ＡＵＶ）运动模型的方法,提出以非完全回归形式来表现输入输出变量的时序列影响和输出层向输入层回归的封闭式结构以实现运动模型的模拟机能,并给出了相应的训练和学习方法。此外,又提出了对输出层增加积分环节及神经网络输入输出变量进行正规化处理的方法。计算机的仿真及实际水下机器人“ＰＷ４５”的建模结果,表明本文所提出的建模方法的有效性和可行性。     

高速无舵翼水下机器人运动控制研究

通过改进传统水下机器人体系结构中的执行层、控制层和感知层,提出了无舵翼水下机器人的运动控制系统,使得水下机器人的运动控制系统在保持原有精确定位的功能外,也能完成远距离高速航行等任务.具体的改变包括执行层中的推进器布置方式以及推力分配方案、控制层中的控制方法以及在感知层中加入局部目标规划器,这些改变解决了高速航行给无舵翼水下机器人带来的一系列问题.海上进行的对比试验和远距离长航试验,验证了无舵翼水下机器人在所提出的运动控制系统控制下是可以满足任务要求的.     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

自适应神经网络控制器用于自治式水下机器人导航

用二维的运动学模型模拟研究自治式水下机器人的导航控制系统；控制系统由函数链网络的前馈控制器和函数链网络的ＰＩＤ控制器组成。模拟结果表明，此控制系统具有良好的鲁棒性，有较强的适应环境变化的能力和抗干扰能力。     

水下机器人自适应神经网络控制系统

提出一种水下机器人自适应神经网络控制系统的概念和例子，此系统有两个独立的部分，可在彼此的进程中并行计算处理，如数据采样、机器人控制、动力学鉴定和控制器适应等。每个进程的数据，如控制器联合负担在两个相关联的进程间同步通信。在机器人计算机系统中，这套系统利用并行处理能力和在油罐检查中研究出的控制器系统自适应能力来实现。     

“海筝Ⅱ型”遥控自治水下机器人的运动控制研究

论文以＂海筝Ⅱ型＂遥控自治水下机器人为研究对象,简要介绍了该型水下机器人的总体性能和运动模型,着重对其运动控制展开研究。利用模糊PID算法来实现该型水下机器人的运动控制。并通过仿真和一系列的试验来验证其控制性能。     

基于神经网络的水下机器人运动预测控制方法

将神经网络和模糊理论应用于水下机器人运动规划和控制中,提出了能实现模拟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,提出了基于预测模糊控制进行水下机器人运动控制的方法。在计算机仿真状态下,实现了对水下机器人这一复杂非线性系统的预测控制,仿真实验结果验证了本文所提的方法的有效性。     

基于神经网络的无人无缆水下机器人运动建模与控制技术研究

对自主型水下机器人（ＡＵＶ）神经网络运动模型的结构进行了理论分析和探讨,提出了非完全回归型神经网络、增加积分层的输出层结构及相应的分步式学习方法。对ＡＵＶ运动过程中目标运动路径和目标运动速度的同时跟踪控制进行了系统研究。提出了由主控网络和伴随网络构成的神经网络控制器结构,给出了通过计算机模拟来生成教师样本的方法,提出了预测控制的思想。计算机仿真及水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果验证了本文所提出的建模方法和跟踪控制方法的有效性和可行性。     

神经网络在船舶操纵中的应用研究

该文对人工神经网络用于船舶操纵动态特性的在线学习进行了研究,并提出了基于神经网络预报的操舵控制算法。仿真试验的结果表明了该控制算法的有效性。     

AUV控制系统试验平台

随着AUV(自主式潜器)技术的不断发展,对其自主性能的要求越来越高.AUV控制系统试验平台可以实现各种自主控制、动态控制算法及软件的系统集成.文章以能够自主完成地形勘察使命的AUV为研究对象,设计了AUV控制系统试验平台,对AUV控制系统硬件系统和基于行为仲裁的分层递阶软件系统做了较全面的介绍,利用QNX操作系统的多线程和消息传递技术实现了任务协调算法.在半实物试验平台上进行的地形勘察使命仿真结果验证了控制系统试验平台硬件结构合理,算法及软件集成可实现.     

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。     

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.     

模糊PID策略在AUV控制中的应用

由于自治水下机器人(AUV)动力学的非线性、模型参数以及海洋环境扰动的不确定性,基于常规PID控制的AUV性能通常不够理想。本文应用模糊控制对PID控制器的参数进行在线调整,从而使PID控制器具有自适应性以适应AUV工况的变化,并应用此策略为小型AUVSubzeroIII设计了自主航行控制系统,仿真结果验证了本策略的有效性。     

神经网络在船舶主柴油机建模中的应用

该文研究用BP神经网络建立船舶主柴油机模型的方法,并对BP算法进行了改进,提出了一种动态优化学习率的方法,对6L80MC柴油机实际数据用BP网络进行计算的结果表明,该算法能有效地建立船舶主柴油机模型。该模型已成功用于船舶主机遥控仿真系统中。