鲁棒H∞滤波器在AUV航向控制中的应用仿真

研究设计了一个鲁棒H^∞滤波器来解决自治水下机器人（AUV）航向控制系统中部分难以测量状态变量的估计问题，并将其应用在AUV的航向控制系统中．建立了自治水下机器人在体坐标系下水平面运动的运动方程，并在特定的工作点对方程进行了线性化处理，得到了自治水下机器人的控制设计模型．基于线性矩阵不等式（LMI）方法对AUV航向控制系统设计了一个鲁棒H^∞滤波器，并对该滤波器应用于AUV航向控制系统进行了仿真试验．仿真结果表明，该鲁棒H^∞滤波器能够较好地抑制测量噪声的影响，较准确地估计出系统的状态变量，能够提高AUV航向控制系统的控制品质．     

鲁棒H∞滤波器在AUV航向控制中的应用仿真

研究设计了一个鲁棒H∞滤波器来解决自治水下机器人（AUV）航向控制系统中部分难以测量状态变量的估计问题，并将其应用在AUV的航向控制系统中．建立了自治水下机器人在体坐标系下水平面运动的运动方程，并在特定的工作点对方程进行了线性化处理，得到了自治水下机器人的控制设计模型．基于线性矩阵不等式（LMI）方法对AUV航向控制系统设计了一个鲁棒H∞滤波器,并对该滤波器应用于AUV航向控制系统进行了仿真试验．仿真结果表明，该鲁棒H∞滤波器能够较好地抑制测量噪声的影响，较准确地估计出系统的状态变量，能够提高AUV航向控制系统的控制品质．     

具有智能行为的双汉堡包机器人

日本东京大学工业科学研究所的T.Ura教授和他的研究小组研制了一种称作“双汉堡包”的自主式水下机器人。该机器人不用操纵人员控制,能够根据自己的判断进行运动。 这是一种为开发自主式水下机器人的各种软件与硬件用的通用试验台,它由一台内装的计算机进行控制。机器人通过用附属的TV摄像机和超声波测距机判断周围的环境进行运动,它也可以使用视觉与音响通信设备。 在水下工作的机器人通常叫作自主式潜水器(AUV),美国和英国都在大力研究这种潜水器。日本已研制了6种型号的AUV,其中5种是用于探测工作的,但该机器人是第一个能执行需要进行复杂智能判断任务(包括固定作业)的AUV水下机器人。     

基于多AUV 系统的单AUV 推进器故障检测

基于多水下机器人系统（MAUVS）进行单水下机器人（AUV）推进器故障检测,提出AUV 声纳模拟 方法,分析了故障前后各传感器的信号特征,提出在时间序列和空间序列上进行故障概率融合的方法．提出了基于 速度和角度残差的故障基本概率分配函数．鉴于AUV 概率检测的不确定性影响,改进了时间和证据融合节拍的方 法．水下机器人水池实验结果验证了所提出的信息融合故障检测方法在增强故障证据的可信度及检测实时性、提高 检测效率方面的有效性,为多水下机器人系统推进器的故障检测提供了一种可选方案．     

自治水下机器人心智模型

自治水下机器人(Autonomous Underwater Vehicle, AUV)在复杂的环境中作业，对其智能水平提出了很高的要求。结合Agent理论的研究成果，在信念 愿望 意图（BDI）逻辑的基础上拓展出自治水下机器人心智逻辑（AML），用于建立AUV心智模型，在无损AUV自治性和反应性的前提下，增强了其主动性和社会性。定义了AML的语法和语义，证明了系统的可靠性和完备性，给出了AUV的心智活动过程。仿真实验结果证明了AUV心智模型的正确性和有效性。     

基于人工势场与速度合成的AUV路径规划

水下环境与地面环境有着本质区别,海流对自治水下机器人航行的影响远大于地面移动机器人所受风速的影响,因此,AUV(Autonomous Underwater Vehicle)水下作业的过程中,不仅要避开运动过程中所遇到的障碍物,还要考虑受到海流因素的影响.将人工势场路径规划算法直接应用到AUV路径规划中,显然难以达到路径最优效果.为解决AUV在海流环境下的路径规划问题,本文针对机器人水下航行的特点,在传统人工势场方法的基础上,考虑海流作用,将速度合成的算法与人工势场相结合,克服海流对AUV水下航行的影响,提出一种新的AUV水下路径规划算法.仿真试验表明,所提算法达到了良好的效果.     

AUV控制系统规划层使命与任务协调方法研究

以地形勘查使命为背景，对AUV(自治式水下机器人)规划层使命与任务协调方法进行了研究．介绍了AUV控制系统的逻辑结构，采用分层Petri网对AUV规划层离散事件系统进行了建模，通过对向目标区域航行任务库所进行扩展阐述了任务规划层的分层Petri网模型．提出了一种基于改进RW离散事件监控理论的协调方法，分别阐述了AUV使命与任务规划层离散事件系统的监控与协调．最后，通过湖试试验验证了AUV规划层使命与任务协调方法的正确性．     

基于大地形管理的水下机器人视景仿真系统

研究水下机器人视景系统优化设计,针对水下机器人的航行环境具有不可接近性和未知性的特点,为创建水下海洋生物和可观世界环境,利用虚拟的计算机仿真环境作为水下机器人初期调试的“平台”具有十分重要的意义.建立了基于大地形管理的水下机器人视景仿真系统.有关大地模型建立、场景效果等,利用函数变量方法自定义机器人运动引擎,采用粒子系统仿真了机器人尾流流场和低噪音的实现.依托软件平台MultiGen Creator和Vega,利用Vega与Visual C++混合编程实现LADBM模块的大地形管理,进行仿真验证.仿真结果表明,视景仿真系统逼真地再现了水下机器人在大范围区域探测目标及自主航行的过程,有效地解决了水下机器人长距离自主航行视景仿真中的大地形管理问题.     

水下机器人的研究现状与发展趋势

本文从水下机器人(ROV&AUV)的分类入手,对水下机器人的国内外研究现状进行了简要概述,论述了其系统组成及关键技术,并对水下机器人的发展趋势及应用前景进行了探讨。     

多自治水下机器人多任务分配的自组织算法

针对自治水下机器人（AUV）研究中的多机器人多任务分配问题,提出一种基于自组织映射（SOM）神经网络的多AUV多目标分配策略.将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算,输出为对应的AUV机器人,从而控制一组AUV在不同的地点完成不同的任务,使机器人按照优化的路径规则到达指定的目标位置.为了表明所提出算法的有效性,给出了二维、三维作业环境中的仿真实验结果.     

一种考虑洋流影响的AUV组合导航算法

针对由捷联惯导(SINS)、多普勒测速仪(DVL)以及深度传感器组成的自主水下航行器(AUV)组合导航系统,当DVL测量距离无法达到海底的情况下,洋流是该系统主要误差源之一的问题,在SINS/DVL组合导航算法的基础上,提出了一种在原算法中加入洋流信息提高系统导航定位精度的方法,并将以上两种导航算法解算出的AUV位置信息进行仿真对比,仿真结果表明:与未考虑洋流信息的算法相比,加入洋流信息的算法能够有效提高AUV的定位精度。     

自主水下航行器的变质心跟踪控制

The trajectory-tracking control problem is investigated for an autonomous underwater vehicle (AUV) moving in the vertical plane using an internal point mass and a rear thruster as actuators. Combined with the dynamics of the point mass, the AUV is modeled as an underactuated system. A Lyapunov-based tracking controller is proposed by using backstepping approach to stabilize the error dynamics and force the position errors to a small neighborhood of the origin. Simulation results validate the proposed tracking approach.     

自治式水下机器人回收系统的研究与设计

本文介绍了我们承担研制的国家“８６３”计划１０００ｍ及６０００ｍ无缆水下机器人的回收系统，回收系统在４级海况下不用专用母船能够成功地回收水下机器人，依据母船、海况水下机器人及其他具体情况，介绍了两种不同的回收方案和回收器，经海上试验证明是有效和可行的。     

基于单目视觉的水下机器人管道检测

以单目CCD摄像机为视觉传感器,利用视觉系统测量方法获得水下管道的导航信息,并在此基础上建立了一个用于水下机器人的水下管道检测系统． 按照数据结构的抽象程度,将系统中传递的数据信息分为由低至高4个层次,描述了各层次内容,详细介绍了水下机器人管道检测方法． 为了提高系统的准确性和实时性,采用了动态窗口管道检测方法．在室内实验水池中,以某型号水下机器人为试验载体,进行了多次管道跟踪试验,验证了系统的可行性和有效性．     

基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中,水下机械手展开作业过程将引起AUV动力学性能变化,进而影响AUV轨迹跟踪控制;并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题,提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下,采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近,并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论,证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题,提出一种变滑模增益的饱和连续函数滑模抖振降低方法,以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验,验证了本文AUV系统控制方法和滑模降抖振方法的有效性.     

AUV辅助的水下传感器网络时钟同步算法

针对当前水下传感器网络中的时钟同步难题,设计了一种三元阵被动定位自主水下航行器（ AUV）模型,并基于此模型提出了AUV辅助的时钟同步（ AUV-Sync）算法。该算法通过AUV与节点之间相对运动过程中进行的信息交换来对节点相对距离进行估计,进而基于相对距离计算单向传播时延来降低由于节点移动性所导致的误差。最后,通过两轮加权最小二乘法进行线性回归来估计时钟同步的参数。仿真结果表明：在存在节点漂移的动态水下传感器网络环境中,该算法较其他相关算法有更高的精度。     

水下机器人高度信息融合与欠驱动地形跟踪控制

研究了配置高度计和多普勒速度计(DVL)的欠驱动水下机器人地形跟踪控制问题.采用Takagi-Sugeno推理方法对高度计和DVL两种传感器的高度信息进行融合,提高了高度信息感知能力.将地形跟踪分为速度控制和深度控制问题,分别使用S面控制方法设计速度控制器和反步法设计欠驱动深度控制器.最后,通过实际海洋实验对研究的方法进行了验证,实验结果表明该文提出的方法是有效的.     

基于海图和改进粒子群优化算法的AUV全局路径规划

针对AUV（自主水下机器人）在复杂条件海域做全局路径规划时面临的环境信息缺少,环境建模困难和常规算法复杂、求解能力弱等问题,提出一种基于海图和改进粒子群优化算法的全局路径规划方法．首先利用电子海图的先验知识建立3维静态环境模型,并构造路径航程、危险度和平滑函数;在粒子群优化算法中引入搜索因子和同性因子自适应地调整参数,并结合鱼群算法的“跳跃”过程提升算法的求解能力．同时建立安全违背度和选优规则以提高所规划路径的安全性．仿真实验结果表明,本文方法与传统粒子群算法和蚁群算法相比,规划出短航程、安全性高的全局路径的能力更强,可满足AUV在复杂海域航行时的全局路径规划需求．     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

基于能源消耗最小的自治水下机器人机械手系统协调运动研究

描述了自治水下机器人搭载的三功能水下电动机械手的设计．鉴于自治水下机器人—机械手系统是运动学冗余的且自带能源，因此将系统阻力优化函数引入逆运动学求解，设计了基于系统能源消耗最小的系统协调运动规划算法．仿真表明，该算法在解决系统冗余度的同时，有效地减小了系统能源消耗．