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。     

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。     

无人水下机器人可靠性控制技术

对无人水下机器人故障诊断与容错控制技术进行了综述.首先简单阐述了无人水下机器人的基本概念和故障模式,然后介绍了水下机器人传感器故障诊断方法﹑推进器故障诊断方法及无人水下机器人的容错控制技术,评述了各种方法的特点与局限性.最后给出了水下机器人可靠性控制技术研究的若干发展方向.     

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.     

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。     

水下机器人通信与控制技术研究

通过调研水下机器人的发展历程,提出了带有履带机器人的系统设计方案,并对其车载模块进行设计以及算法控制。然后通过对脉冲调制、差分脉冲调制进行对比,提出利用改进的DPPM进行水下通信,最后通过实验说明此种方法提高了数据的传输速率,添加白噪声进行实验仿真,说明当信号因延迟为叠加时,系统抗干扰能力会先变强,然后随着叠加数据的增多,抗干扰性减弱。     

基于神经网络的水下机器人推进器故障诊断

为提高水下机器人系统的总体可靠性,开展了推进器故障诊断研究。在三层BP神经网络的基础上,提出了一种改进的递归神经网络并推导了网络的训练算法。利用直航、转艏等试验对网络进行训练,将训练好的网络用于水下机器人运动建模,对比模型的输出与实际传感器测量值来获取残差,通过分析残差特性来提取故障诊断判据,进而进行推进器故障诊断。将提出的方法应用到仿真试验和海上试验中,得出了相应的试验结果。通过对试验结果的分析研究,验证了方法的有效性与可行性,同时也表明该方法在工程应用方面具有一定的参考意义。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题,提出一种基于模糊神经网络的机器人推进系统故障诊断方法,用以解决故障诊断过程中信息的不确定性问题,并提高推进系统的整体可靠性。该方法在常规神经网络基础上,引入模糊推理形成一种新型模糊神经网络结构,提出一种最小调整的模糊神经网络学习率,完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练,利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息,并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中,结果表明,基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

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。     

水下滑翔机器人水动力研究与运动分析

水下滑翔机器人是一种无外挂推进系统,仅依靠内置执行机构调整重心位置和净浮力来控制其自身运动的新型水下机器人,主要用于长时间、大范围的海洋环境监测,因此要求其具有低阻性和高稳定性.文章主要从水动力特性出发对水下滑翔机器人进行优化设计,包括主载体线型、升降翼和稳定翼的优化等,并对水动力优化设计的结构进行了定常滑翔运动和空间螺旋回转运动分析,这将为后期的控制系统设计提供参考.     

人工神经网络控制器在水下无人运载器导航中的应用

本文以水下无人运载器（AUV）绕平面圆周航行的速度、位置控制为例，推广到任何轨迹的控制问题。利用神经网络学习AUV运行的内在规律，预测未来一步的运行情况，并用改良的PID方式前馈与后馈相结合控制其执行机构。系统学习、预测及PID各增益量利用GESA（GuidedEvolutionarySimulatedAnnealing）全局优化方法求得。本方法具有自适应性、强非线性及前馈控制等特点，优于其它一般的控制器。     

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。     

局部回归神经网络在水下机器人运动控制中的应用

探讨了水下机器人神经网络运动模型的结构,提出了带有局部回归结构的水下机器人神经网络控制器结构及预测控制的实现方法,给出了该神经网络的教师样本生成方法及学习方法,计算机仿真与水池实验结果验证了本文提出方法的有效性和可行性。     

基于误差反传神经网络的船型要素建模分析方法及应用

探讨用ＢＰ神经网络建立船型要素建模分析理论和方法。讨论了建模的处理技巧。结合算例对基于ＢＰ网络的数学模型的表达方式、网络结构模型预报精度的影响及模型中变量的重要度分析方法等基本问题作了初步分析。     

基于对偶四元数法的AUV运动仿真

本文应用对偶四元数法(Dual Quaternions)建立AUV六自由度运动学和动力学方程,然后运用数值积分对所建模型进行仿真.对偶四元数是对偶数与四元数在多维空间中的有机结合,它继承了四元数与对偶数的优点,可以在三维空间中统一表示刚体的旋转与平移,并且没有常规欧拉法存在的姿态奇异性问题.仿真结果表明,对偶四元数法表达形式简单而统一,特别适用于具有大姿态角度运动的AUV运动仿真.     

基于神经网络的船舶间碰撞态势模糊分类方法

本文提出一种采用神经网络技术实现船舶间碰撞态势模糊分类的方法。通过对复杂问题的分解,建立了一个由三个子网构成的多级网络模型。每个子网实现一部分分类功能。仿真结果表明：该网络模型具有模糊分类功能,同时,对不正确的输入具有容错性。     

基于神经网络理论的船舶结构可靠性优化设计

本文将人工神经网络理论应用于船舶纵向结构的可靠性优化设计中，采用模拟退火和玻尔茨曼机原理，在优化过程中可避开局部最优解，取得系统的近似最优解。     

应用人工神经网络理论的船舶运动包络预报方法

本文首先介绍了人工神经网络理论的基本内容以及前馈网络反向传播的训练方法，然后应用单隐含层网络作出船舶运动包络的实时预报。文中就一船舶的海上实测运动数据进行了实例计算，结果表明，本文方法的预报结果明显好于其它模型的自适应预报结果。     

近壁面水动力干扰下的AUV运动控制研究

按自治式水下机器人(AUV)需要接近水下工作站并实现坐落的要求,依据平壁面对AUV水动力干扰的力学机理,建立了AUV在平壁面附近运动时的数学模型,并设计了五个自由度运动PID控制器.在海流影响下,通过系统仿真,实现了AUV的五自由度运动控制和准确坐落,仿真结果验证了控制策略的可行性.