基于自抗扰的双环路UUV航向角控制方法

针对水下无人航行器（UUV）受到海流海浪等外部扰动与内部模型不确定导致航向角控制品质下降的问题,提出一种基于自抗扰（ADRC）的双环路航向角控制方法。首先,建立了 UUV 的六自由度动力学、运动学模型与水平面动力学模型。然后,设计了一种非线性控制器,将自抗扰控制与双控制环路相结合, 针对系统航向控制所受内部与外部等非线性因素的影响,采用扩张状态观测器对“总和”扰动进行观测与补偿。 在采用自抗扰控制的航向角反馈控制回路的基础上,增加航向角速度内环,降低系统对扰动的灵敏度,改造被控对象的传递函数,为外环路提供良好的被控对象模型。最后,通过仿真实验验证了该控制方法的有效性。     

水下机器人-机械臂系统的滑模自抗扰控制

针对水下机器人机械臂系统的强耦合、强非线性、复杂海洋多源干扰等因素影响,提出了滑模自抗扰控制器,将复杂系统模型转变为简单的积分串联系统,将内部参数不确定性、测量误差、建模误差和海洋多源干扰等扰动归结为总扰动,并采用线性扩张观测器对其进行估计并抵消。利用滑模控制器提高系统对参数摄动的不敏感性,增强控制系统的抗干扰性能,通过李雅普诺夫理论分析了控制系统的有界稳定性。仿真结果表明滑模自抗扰与传统滑模控制和自抗扰控制相比,能使水下机器人机械臂实现更好的轨迹跟踪,且系统具有更好的抗干扰能力。     

基于粒子群优化算法的PSO-BP海底声学底质分类方法

利用粒子群优化算法（PSO）较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值。基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别。实验表明,3类底质分类精度均大于90%,高于BP神经网络70%左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别。     

基于粒子群算法优化的BP神经网络在海水水质评价中的应用

针对目前存在的海水水质受多因素影响、评价难的现状,提出了一种基于粒子群算法（PSO）优化误差反向传播（BP）神经网络的海水水质评价模型。该模型通过PSO得到BP神经网络最优的权值和阈值,结合青岛东部海域10个监测站点的数据得到水质评价结果。实验证明,该模型和单因子评价、传统的BP神经网络评价相比较,具有训练时间短、预测精度高的特点,在海水水质评价中具有良好的应用价值。     

基于粒子群算法的浮筒配置优化问题的研究

针对传统的验证法在解决浮筒配置问题中存在的计算量大、计算时间长、工作重复性强等缺点,提出了一种将浮筒纵向位置配置和浮筒充气量综合考虑、一体优化的方法。文章将各种合理性校验准则作为约束条件,通过逼近沉艇起浮瞬间和浮起后的平衡状态,来求取各对浮筒的纵向位置和充气量,将浮筒配置问题转换为一个多目标、多约束的最优化问题。在此基础上,根据粒子群优化算法的特点,提出了一种双向搜索策略,来求解浮筒配置优化问题。这种方法简单实用,计算时间短,无需人工干预,算法运行一次可获得多组配置方案供决策人员选择。算例表明用这种方法来解决浮筒配置问题是可行的、有效的。     

基于改进量子粒子群算法的AUV路径规划研究

针对海洋环境下自主水下机器人（AUV）的路径规划问题,提出了一种基于框架四叉树的改进量子粒子群算法（QPSO）,首先使用框架四叉树的方法对障碍物建模,该方法提高了建模的精度且对后续算法的效率也有极大的改进,之后设计改进的量子粒子群算法,并且结合水下环境的特殊性设计适应度函数,综合考虑航线路径长度、偏转角度以及海流影响,使得算法可以在水下环境中寻得能耗最短的解路径。最后通过仿真试验验证,相比于传统的栅格法和粒子群算法,改进量子粒子群算法的运算时间更短,收敛速度更快,其独特的适应度函数可以使AUV能更好适应水下多变的环境,且能利用海流设计能耗更小的路径,具有很大的实用价值。     

Weibull分布参数的粒子群算法估计

基于广西涠洲岛海洋监测站3个方向的年极值波高观测资料,在假设其服从Weibull分布的基础上,运用最小二乘法,矩估计法和最速下降法对Weibull分布的参数进行估计,同时引入粒子群算法确定Weibull分布的3个参数,对文中4种方法得出的拟合结果及运算效率进行比较分析,说明了粒子群算法在估计极值分布参数中的优势.     

智能优化方法与粒子滤波技术融合的分析与展望

智能优化算法通过模拟自然生态系统机制以解决复杂优化问题,粒子滤波成为解决非线性及非高斯动态系统最优估计问题的研究热点。若将多种优化算法结合使用,设计更好的滤波器参数寻优步骤,将会极大改善现有非线性滤波的估计性能。介绍了几种智能计算方法和粒子滤波方法,在此基础上,对智能优化方法与粒子滤波技术的融合进行了分析和讨论,并加以总结和展望。     

基于尾流模型的风场偏航控制优化研究

在风机大尺度化与风场大型化的趋势下,如何通过合适的控制策略以降低尾流损失成为关键问题。以包括30台NREL-5MW风机并采用5行6列平行四边形布置方式的小型风场为研究对象,基于显示尾流模型,以各风机偏航角度为优化参数,风场总功率为目标函数,使用粒子群优化算法对比分析了偏航控制对不同风速、风向、湍流强度下的风场性能提升效果。结果表明,偏航控制优化可在风向与风机行或列方向平行时发挥明显效果,当风机行列间距为4倍风轮直径且湍流强度为5%时,在不同风速下偏航控制可分别将风场总体发电量提升15%~20%,但对于布置间距大于7倍风轮直径或湍流强度高于15%时的风场,其作用十分有限,总体发电量提升在5%以内。     

基于粒子群优化神经网络的水深反演模型

针对直接采用BP神经网络反演水深收敛速度慢,且易陷入局部最优的问题,提出了一种基于粒子群(PSO)优化BP神经网络的水深遥感新模型。该模型首先利用粒子群算法对BP神经网络的权重和阈值进行优化,然后将该优化值作为BP神经网络的初始值,最后再将PSO优化后的模型用于测试海区的反演精度评估。实验结果表明,该模型的网络收敛速度明显加快,水深反演的精度也得到提高。     

含有控制时滞系统的输出反馈扰动抑制

研究在持续外界扰动作用下,具有控制时滞线性系统的动态输出反馈扰动抑制问题。首先利用模型转换将控制时滞系统转化为形式上无时滞的系统,通过求解Riccati方程和Sylvester方程,推导出前馈—反馈最优扰动抑制控制律。然后构造能同时预估状态和扰动的降维观测器,不仅解决前馈控制和状态反馈的物理不可实现问题,而且得到了近似于最优扰动抑制控制律的动态输出反馈扰动抑制控制器。仿真实例证明此控制律的有效性。     

Tidal Turbine Array Optimization Based on the Discrete Particle Swarm Algorithm

In consideration of the resource wasted by unreasonable layout scheme of tidal current turbines, which would influence the ratio of cost and power output, particle swarm optimization algorithm is introduced and improved in the paper. In order to solve the problem of optimal array of tidal turbines, the discrete particle swarm optimization (DPSO) algorithm has been performed by re-defining the updating strategies of particles’ velocity and position. This paper analyzes the optimization problem of micrositing of tidal current turbines by adjusting each turbine’s position, where the maximum value of total electric power is obtained at the maximum speed in the flood tide and ebb tide. Firstly, the best installed turbine number is generated by maximizing the output energy in the given tidal farm by the Farm/Flux and empirical method. Secondly, considering the wake effect, the reasonable distance between turbines, and the tidal velocities influencing factors in the tidal farm, Jensen wake model and elliptic distribution model are selected for the turbines’ total generating capacity calculation at the maximum speed in the flood tide and ebb tide. Finally, the total generating capacity, regarded as objective function, is calculated in the final simulation, thus the DPSO could guide the individuals to the feasible area and optimal position. The results have been concluded that the optimization algorithm, which increased 6.19% more recourse output than experience method, can be thought as a good tool for engineering design of tidal energy demonstration.     

一类受持续扰动的非线性时滞系统的扰动抑制

研究一类受已知动态特性的外部扰动作用的非线性时滞系统的扰动抑制问题。基于内模原理构造能够抵消扰动影响的伺服补偿器,然后利用极大值原理及灵敏度法设计带有补偿器的最优控制律,使得系统在无扰动作用时以1种最优方式运行,而有扰动作用时,控制律能够消除扰动引起的稳态误差,实现无静差扰动抑制。最后,通过仿真算例验证提出算法的有效性。     

离散广义准滑模控制基于扰动补偿趋近律

研究了一类非匹配不确定离散广义系统的准滑模控制问题。给出了带有扰动补偿的离散广义趋近律,消除了常规滑模控制中不确定项必须有界的限制,且不必满足匹配条件。所设计的滑模控制在有限时间内可达切换面,减小了准滑动模态带宽,有效地削弱了系统抖振,改善了系统动态品质。数值算例验证了该方法的可行性与有效性。     

基于内模原理的汽车主动悬挂系统的减振控制

研究路面粗糙度扰动作用下的汽车主动悬挂系统的减振控制问题.首先简化单自由度四分之一悬挂系统模型,建立路面粗糙度扰动模型.然后基于内模原理设计汽车主动悬挂系统的减振控制结构,并利用线性系统的极点配置方法设计系统的减振控制律.最后利川数字仿真验证了减振控制律的有效性.     

基于内模原理的汽车主动悬挂系统的减振控制

研究路面粗糙度扰动作用下的汽车主动悬挂系统的减振控制问题。首先简化单自由度四分之一悬挂系统模型,建立路面粗糙度扰动模型。然后基于内模原理设计汽车主动悬挂系统的减振控制结构,并利用线性系统的极点配置方法设计系统的减振控制律。最后利用数字仿真验证了减振控制律的有效性。