自主水下航行器离散反馈避碰设计及仿真

为了使自主水下航行器(AUV)避碰仿真更接近实际情况,在离散时间系统中考虑海流作用,设计了AUV反馈避碰算法.针对海底探测AUV的运行特点,考虑海流作用,建立AUV垂直平面的状态空间方程.在每一个离散时间节点.利用障碍物高度信息,计算下一时刻AUV的深度目标值.然后利用反馈控制方法对其响应,在仿真时间内不断循环完成避碰仿真.对不同流场下不同高度的矩形障碍物,进行了避碰仿真.仿真结果证明了系统的可行性和合理性.     

水下机器人运动的S面控制方法

由于水下机器人的强非线性以及系统存在不确定性，同时考虑到港湾环境下水声的噪声大，因此，水下机器人进行精确作业时的运动控制一直是其实用化过程中困扰人们的问题，通常水下机器人的控制方式有PID控制器，神经网络控制器和模糊逻辑控制器三种，但是，由于这三种方法在实际应用中都存在一些参数难以确定的缺陷，为了解决这一问题，本文从模糊逻辑控制方式出发，借鉴PID控制的结构形式，推导出一种全新而简单有效的控制方法，定义为S面控制法，从水下机器人的水池试验和海上实验来看，不论是定点的控制精度还是运动过程中的控制效果都较令人满意，尤其是在风浪，潮流都比较大的海上实验中得到验证，鲁帮性很好。     

一种用于水下无人航行器的局部避碰路径规划方法研究

研究水下无人航行器(UUV)的局部自动避碰路径规划,对人工势场法和速度障碍法进行改进, 提出一种在三维空间重新分配斥力的方法,联合应用人工势场法和速度障碍法,建立人工模拟势场求得合力, 通过合力的方向指引水下无人航行器航行,完成对动态静态障碍物的避让。仿真结果表明：该方法能有效在动静态混合环境下完成避碰,且平滑处理后的路径更符合水下无人航行器实际航行避碰操纵控制要求。     

水下机器人神经网络滤波技术的研究

滤波技术能提高水下机器人传感器信息的可靠性和精度 ,以保障水下机器人智能作业的顺利完成。将水下机器人的动力学特性隐式地分布在网络权值上 ,构造BP神经网络 ,进行水下机器人的运动状态预报 ,并将预报值与平滑后的实测数据相结合进行滤波 ,有效去除信号的噪声。仿真结果表明该方法能达到很好的滤波效果     

水下滑翔机器人系统研究

水下滑翔机器人是一种新型的水下机器人,可以作为水下监测平台用于大范围、长时间的大尺度海洋环境监测作业。文中调查了水下滑翔机器人的国内外发展现状,分析了其可能的应用领域。详细介绍了中国科学院沈阳自动化研究所开发的水下滑翔机器人系统,包括载体外形优化设计、载体结构设计和控制系统设计。分析了水下滑翔机器人定常滑翔运动和空间螺旋会转运动的运动性能。     

水下机器人推力器布置及控制仿真研究

针对自治水下机器人(Autonomous underwater vehicle,AUV)推力器布置和控制仿真的困难性及以往电机仿真难以进行的缺点,提出1种进行多推力器运动仿真的方法,该方法建立的模型克服了推力器推力控制系统不能与电机结合的问题,能较好地反映推力器布置和电机的响应情况,可为AUV的运动控制、布置设计及控制系统开发等提供验证模型.针对流线型AUV CRanger-2的推力器布置情况,在对其建立推力器模型的基础上,利用模型对设定推力下的推力器控制进行仿真.仿真结果表明:该方法能够有效地模拟推力器布置既定情况下的电机运动与推力控制,可为水下机器人控制策略优化提供仿真平台.     

水下自主机器人水动力预报方法研究

针对水下机器人操纵性优化设计中水动力系数预报问题,在水下机器人水动力预报中引入艇体肥瘦指数概念,确定了水下机器人艇体几何描述的五参数模型。提出采用小波神经网络方法预报水下机器人水动力,确定了神经网络的结构,利用均匀试验设计方法,设计了神经网络的学习样本。研究结果表明,只要确定适当的输入参数,选择适当的学习样本和网络结构,利用小波神经网络方法对水下机器人水动力进行预报可以达到较好的精度。     

一种基于视觉的水下机器人动力定位方法

以7 000 m载人潜水器的工程需求为背景,以水下单目摄像机为视觉传感器,进行了水下机器人动力定位方法研究。该动力定位方法利用视觉系统测量得到水下机器人与被观察目标之间的三维位姿关系,通过路径规划、位置控制和姿态控制分解,逐步使机器人由初始位姿逼近期望位姿并最终定位于期望位姿,从而实现了机器人的4自由度动力定位。通过水池实验验证了提出的动力定位方法,并且机器人能够抵抗恒定水流干扰和人工位置扰动。同时,该动力定位方法还可以实现机器人对被观察目标的自动跟踪。     

基于以太网的水下自主航行器分布式控制系统研究

针对模块化小型 AUV 平台高速、宽带的数据通信需求和设备分散的特点,设计了一种分布式控制系统。 控制系统硬件采用基于网络的分布式架构,在较好地减少传输信号线,提高抗干扰能力的同时提高 AUV 平台的设备间兼容性和通信速率。 控制系统软件采用分层控制体系,由显控设备控制的任务层,控制计算机控制的自主层以及由微控制器节点控制的执行层,实现实时任务和控制命令的分离,减小任务层的运算量,方便软件的维护升级。 实航试验中 AUV 准确地完成了复杂的路径规划和地形测量任务,表明控制系统运行稳定可靠,为 AUV 平台的通用化、小型化设计提供参考。     

基于模糊神经网络理论对水下拖曳体进行深度轨迹控制

以华南理工大学开发的自主稳定可控制水下拖曳体为研究对象,首先通过水下拖曳体在拖曳水池样机中的试验取得试验数据后作为训练样本,采用LM BP算法,建立基于神经网络理论构建的可控制水下拖曳体轨迹与姿态水动力的数值模型。在此基础上设计了一个控制系统,它主要由两部分组成:基于遗传算法的神经网络辨识器和基于模拟退火改进的遗传算法的模糊神经网络控制器。以满足预先设定的拖曳体水下监测轨迹要求为控制依据,由控制系统确定为达到所要求的运动轨迹而应采用的迫沉水翼转角,以此作为输入参数,通过LM BP神经网络模型的模拟计算预报在这一操纵动作控制下的拖曳体所表现的轨迹与姿态特征。数值模拟计算结果表明:该系统的设计达到了所要求的目的;借助这一系统,可以有效地实现对拖曳体的深度轨迹控制。     

Stability Analysis on Speed Control System of Autonomous Underwater Vehicle

The stability of the motion control system is one of the decisive factors of the control quality for Autonomous Underwater Vehicle (AUV).The divergence of control,which the unstable system may be brought about,is fatal to the operation of AUV.The stability analysis of the PD and S-surface speed controllers based on the Lyapunov' s direct method is proposed in this paper.After decoupling the six degree-of-freedom (DOF) motions of the AUV,the axial dynamic behavior is discussed and the condition is deduced,in which the parameters selection within stability domain can guarantee the system asymptotically stable.The experimental results in a tank and on the sea have successfully verified the algorithm reliability,which can be served as a good reference for analyzing other AUV nonlinear control systems.     

自主水下航行器的软变结构控制

研究自主水下航行器系统的软变结构控制策略问题。首先分析软变结构控制系统的结构特征,利用双曲正切函数,给出控制受限情形的软变结构控制策略。其次利用Lyapunov稳定性理论,讨论自主水下航行器软变结构控制系统的稳定性,然后构造了基于双曲正切函数的软变结构控制器,给出自主水下航行器软变结构控制的具体算法。基于双曲正切函数的自主水下航行器软变结构控制系统调节精度高,响应速度快,有效地削弱了系统抖振。最后通过一个仿真实验,比较了自主水下航行器垂直深度通道的4种控制策略对系统性能的影响,从而验证了研究方法的有效性。     

Open-Loop Control of a Multifin Biorobotic Rigid Underwater Vehicle

This paper presents an open-loop control system for a new experimental vehicle, named the biorobotic autonomous underwater vehicle (BAUV). The rigid cylindrical hull of the vehicle is attached with six strategically located fins to produce forces and moments in all orthogonal directions and axes with minimal redundancy. The fins are penguin-wing inspired and they implement the unsteady high-lift principle found widely in swimming and flying animals. The goal has been to design an underwater vehicle that is highly maneuverable by taking the inspiration from nature where unsteady hydrodynamic principles of lift generation and the phase synchronization of fins are common. We use cycle-averaged experimental data to analyze the hydrodynamic forces and moments produced by a single foil as a function of its kinematic motion parameters. Given this analysis, we describe a method for synthesizing and coordinating the sinusoidal motion of all six foils to produce any desired resultant mean force and moment vectors on the vehicle. The mathematics behind the resulting algorithm is elegant and effective, yielding compact and efficient implementation code. The solution method also considers and accommodates the inherent physical constraints of the foil actuators. We present laboratory experimental results that demonstrate the solution method and the vehicle's resulting high maneuverability.      

全姿态水下移动平台模式切换姿态控制研究

为了适应复杂海洋环境中多样性的观探测任务需求,本文提出了一种融合Argo浮标、水下滑翔机（Glider）和自治式水下机器人（Autonomous Underwater Vehicle,AUV） 3种工作模式的全姿态水下移动平台（All-attitude Multimode Underwater Vehicle,AMUV）。首先,基于3种水下移动平台的工作原理,建立了AMUV的六自由度动力学模型;然后,针对动力学模型中的非线性耦合特性及模式切换过程中的驱动位形变化等问题,基于比例、积分、微分控制器（Proportional Integral Derivative,PID）与模糊控制概念,设计了不依赖于数学模型的自适应模糊PID姿态控制器,实现了AMUV多模式切换过程中的姿态控制;最后,开展多模式切换控制仿真实验,将自适应模糊PID控制器与传统PID控制器仿真结果进行对比,并设计了全模式任务工况,仿真结果表明,本文提出的控制器能够精确和稳定地控制AMUV进行多种工作模式的相互切换。     

基于多源信息融合的水下航行器航迹测量方法

针对水下航行器航迹实时分析的需求,提出了一种基于多源信息融合的测量方法。通过传感器获得水下航行器状态信息,利用主成分分析方法将试验数据作为一变量,定义总体的各主成分,利用测量值与主成分的复相关关系,给出了各传感器的综合支持程度和数据融合公式,完成多源数据的融合。应用实例验证了该方法的有效性和精确性,能够提高试验数据的可信度。     

可视化水下航行体控制系统数学仿真软件设计

提供一种水下航行体控制系统数学仿真软件的设计方案,在该仿真软件平台上可以完成水下航行体控制系统数学仿真研究、水下航行体水动力参数辨识实验和实航内测数据及仿真实验结果三维可视化显示。详细设计了该软件包含的 4 大模块：水下航行体数学模型及仿真模型模块、控制算法模块、流体动力参数辨识模块和图形界面人机交互模块,并对仿真模型的配置做了简单介绍。     

数据驱动的水下潜航器在线建模及运动控制技术

面向未来高机动水下潜航器对精确运动控制的需求,考虑到现有控制方法所面临的动态跟踪能力差、耦合系统控制精度低等不足,研究基于模型的控制方法。水下潜航器水动力非线性强、建模困难,研究了数据驱动的水下潜航器运动建模方法,可实现对潜航器未来运动的长时精确预报。面向微小型水下潜航器难以安装声学测速及推进器转速测量装置,研究了无声学传感信息下线速度多步预报技术,仅需惯导数据及推进器、舵角控制信号,实现对不同航次线速度长时精确预报。基于该建模方法,研究了水下潜航器 MPC 及基于模型的强化学习运动控制技术,基于仿真平台及无人机实物平台验证了控制方法的有效性。