无人水下航行器实时系统设计

针对集中式体系结构已不能满足无人水下航行器(UUV)越来越复杂的水下任务,设计并实现了UUV实时系统,该实时系统以分布式结构为基础,在硬件上采用CAN总线技术,减少了通信时间,提高了实时性,简化了系统,并提供了良好的扩展性;在软件设计上采用μC/OS实时操作系统,方便地实现了逻辑复杂的程序,并进一步满足了系统的实时性.仿真和实时性测试试验结果表明,该系统软、硬件设计满足程序运算、数据存储和实时性的要求,并具有较高的可靠性.     

基于环境优化的无人艇全局路径规划研究

LazyTheta*算法是近年来提出的启发式路径规划算法,凭借其优异的搜索性能,在机器人全局路径规划中的应用不断增多。但常规的启发式路径规划算法往往忽视机器人的运动学特性以及环境对路径规划结果的影响,不适合直接应用于无人艇。针对这一问题,提出了基于环境优化Lazy Theta*算法的无人艇全局路径规划方法,从路径安全性和水流适应性两个方面对启发函数和视线检查进行改进,并对路径进行了折角平滑处理。仿真结果表明,与常规算法相比,采用改进算法规划出的路径具有更少的路径点和更小的路径转角,路径更加平滑,能够更好地适应水流的变化,有利于无人艇在复杂水域环境中航行,提高了无人艇航行的安全性。     

基于高速单体无人艇航行性能的并行优化方法

基于高速单体无人艇航行性能建立包括快速性、操纵性和耐波性的综合优化数学模型,构造混合的遗传混沌算法(GAPCA)和混沌遗传算法(PCAGA),并编制相关软件对该模型进行综合优化计算,探讨混合算法和单一算法(遗传算法(GA)和混沌算法(CA))优化性能的优劣,同时研究二次载波搜索域区间比例和区间并行次数对优化效率的影响,得到遗传混沌优化算法和混沌遗传优化算法相比单一优化算法寻优效率高,不同算法对应于不同的最佳二次区间搜索比例。     

里海远洋渔船无人机舱系统研究

针对我国远洋渔船装备落后、操纵性差、机舱环境恶劣、电站管理水平低、劳动强度大以及渔船机舱自动化水平低等问题,介绍里海远洋渔船无人机舱系统的设计与组成。通过采用主机遥控系统、电站功率管理系统、机舱监测报警系统以及网络通信等技术,将自动化、电气化、信息化和智能化控制技术等船舶前沿科技应用于实船,构建一个满足法国船级社(BV)机舱自动化最高等级AUT-UMS要求的无人机舱系统,以提高远洋渔船的操控性、安全性和可靠性,提升供电系统自动化管理水平,改善作业人员工作环境。对该自动化系统的效果和特点进行分析,结果可为我国远洋渔船自动化系统的研究提供策略和思路。     

复合动力超长续航无人艇系统的设计与实现

为实现无人艇在海上追踪、搜救、巡逻、反潜等任务中的超长续航,避免因油料限制而被迫任务中断,设计了一套以风能、太阳能为动力的无人艇系统,利用风帆为无人艇推进,太阳能为船上电控设备提供电能。该系统由无人艇和岸基监控平台组成,无人艇可通过python开发的数据采集模块和算法模块实时采集环境数据、计算、生成并下达控制指令,在风区内可超长续航自主航行,实现全风向利用;岸基监控平台可实时监控无人艇状态,并进行自主/遥控模式切换。对系统进行了测试,通讯连接试验的可靠性高;无人艇航行试验验证了全风向自主航行的可行性,运行轨迹与仿真结果基本重合;太阳能供电分析理论上验证了风区超长续航的可实现性。     

水面无人艇自主跟踪系统设计

基于国内的研究主要集中在单艇作业的系统设计及控制算法上,为了使无人艇能够实现自主跟踪领航船,与领航船实现多艇协同作业的功能,从系统体系构架、控制流程等方面分别对控制系统进行设计。试验结果显示:设计的跟踪系统能够实现自主跟踪的功能。     

洛克希德·马丁为美国海军设计超大型“逆戟鲸”无人潜航器XLUUV

洛克希德·马丁2017年10月31日消息,洛克希德·马丁将帮助美国海军继续发展、完善其无人潜航器系统,为海军的“逆戟鲸”（Orca）超大型无人潜航器（XLUUV）提供设计支持,设计阶段合同价值高达4320万美元。XLUUV“逆戟鲸”无人潜航器项目是一个两阶段合同竞争项目,     

无人多功能海事船控制平台设计与物联网的构建

随着我国海洋利益的不断扩展和海洋冲突的不断加剧,海事船成为维护我国海洋权益的重要工具,并在近年获得了长足发展。然而,由于航程和航速的限制及船员的生理与心理需求等,海事船难以进行长航时大范围的巡航监测,因此难以迅速准确地对海洋突发事件进行及时反应。为解决这一问题,本文提出一种无人多功能海事船设计方案,结合相应的远程控制平台与物联网,构建一种无人化多功能的海事监测系统,与传统海事船舶体系相比,具有更高的效益和更加丰富的功能。     

基于Q学习的参数自适应S面控制方法

复杂的动力学特性及多变的海洋环境对无人水下航行器（UUV）控制器的设计提出了巨大挑战,在实际应用中,控制器的参数经人工调试后便固化,在控制过程中无法适应环境的变化。针对上述难题,该文借鉴自适应控制思想,提出一种基于强化学习的参数自适应S面控制方法,采用自适应控制方式实现不同环境下控制器参数的优化和自动整定。该方法采用Q学习算法进行训练,通过Q学习的自学习机制寻找输入状态和输出动作间的最优映射。仿真试验表明,所提方法能对控制器的参数进行实时在线调整,具备良好的控制效果和环境自适应能力。