铰接履带式海底采矿车越障性能仿真研究

针对产于复杂恶劣地形海山表面的深海矿产资源钻结壳,提出了钴结壳采矿车采用铰接式履带车的技术方案,利用机械系统动力学仿真软件ADAMS/ATV履带车工具包,开发了铰接履带式海底采矿车的三维动力学模型和虚拟样机,进行了其通过垂赶障碍和沟槽地形的越障性能仿真研究和结果分析.仿真研究表明,铰接履带式海底采矿车建模正确,仿真真实,越障性能优良,且超过我国钴结壳采矿车技术要求,仿真数据可为物理样机研制提供技术参考.     

一种新的履带机器车轨迹跟踪控制

以履带机器车为研究对象,通过对履带机器车轨迹跟踪误差的分析,给出了履带车的内部误差和外部误差的定义。采用交叉耦合控制器对履带车辆的内部误差进行补偿,采用专家模糊控制器对履带机器车的外部控制误差进行补偿,从而实现了履带机器车的轨迹跟踪控制。仿真结果验证了该算法的有效性。     

高速履带车辆转向机理仿真

该文运用系统分析的方法,研究坚实地面条件下高速履带车辆转向过程的理论及其计算机仿真.以履带滑动转向理论为基础,考虑影响履带车辆转向的诸多因素(质心位置、负荷分布等),建立了履带车辆转向过程动力学模型.并且为求解模型中的微分-代数混合方程,编写相应程序进行了仿真计算,对高低速两种情况下高速履带车辆的转向过程进行了计算机仿真实验,仿真计算的结果与实车野外实验的结果呈现一致性.该文特别在分析履带车辆高速转向过程中研究了离心力通过履带接地压力而对履带车辆转向过程的影响.     

深海采矿车的自修正专家模糊控制

深海自行走履带采矿车作业过程,受到作业环境和采矿车自身的影响,具有未知性、随机性、非线性等特性。针对这种复杂控制过程,采用一种基于自修正专家模糊控制的路径跟踪控制方案,控制深海履带车行走。该方案参考履带车辆转向运动学方程,采用具自调整功能的模糊算法,对深海底履带集矿机的左右履带速度进行控制。仿真结果验证了该方案的可行性和有效性。     

海底采矿车转向半径分析及速度同步控制

海底采矿车为液压驱动低速履带车辆,其转向性能对于海底采矿的路径规划及避障都很重要.文中对海底采矿车实际转向半径进行了分析,提出了实现给定转向半径的控制方法,为海底采矿车转向运动控制提供理论依据.此外,海底环境非常复杂,海底采矿车由于海底沉积物极稀软容易出现打滑,对履带式采矿车的两侧履带同步行走控制提出了比较高的要求.通过对液压驱动马达进行速度反馈控制,在考虑打滑情况下实现履带同步控制 .最后,设计出基于模糊PID的液压驱动速度同步控制系统,并对该控制系统进行了仿真,取得了较好的控制效果.     

基于ATV的履带车辆悬挂系统仿真

研究履带车辆动态系统,使运动车辆缓和在路面行驶时受到的振动,使用ATV工具箱在ADAMS中建立了某履带车辆悬挂系统的动力学模型,应用多体动力学理论分析了车体、悬挂系统、负重轮、履带、路面之间的相互作用,给出了与各参数相对应的关系表达式,并描述了履带车辆运动学方程以及动力学方程.以标准梯形障碍物作为路面输入选取的各种参数进行了仿真,并将实车的车体固有频率、负重轮固有频率与计算得出的对应量进行比较,结果显示二者基本吻合,从而说明所建立的仿真模型是可信、有效的,可为设计提供参考.     

高速履带车辆主动轮动态应力仿真分析研究

为研究高速履带车辆主动轮的动态应力强度优化问题,由于车辆在运动中承受交变载荷,主动轮受力较强.为改进结构强度,提出建立履带车辆多体动力学模型和车“履带板一主动轮”的单齿、多齿啮合模型以及刚柔耦合,对务工况设定进行了动态应力仿真.结果表明,履带车辆主动轮齿圈齿根处以及固定螺栓孔壁应力较大且在轮齿边缘部位存在应力集中.通过仿真,结果证明轮齿的受力不会对轮齿的应力产生影响,可为高速履带车辆行驶系统的结构设计及优化提供依据.     

履带车辆电驱动系统协同仿真与控制策略研究

为了准确分析电传动履带车辆的驱动特性,建立了基于多体动力学软件RecurDyn/ Track-HM的履带车辆整车行走系统的三维多体动力学虚拟样机模型,利用RecurDyn/ Track-HM和控制系统软件Matlab/Simulink的接口技术建立了协同仿真模型.对驾驶员操纵信号进行了全新定义,并在此基础上提出并在综合控制器中用标准IEC61131-3功能块图程序语言实现了转矩控制策略.通过对0～32km/h的加速时间、最高车速以及转向特性等驱动特性的协同仿真和实车试验结果的分析和比较,从而验证了仿真模型及转矩控制策略的正确性.第一台电传动履带车辆原理样车的成功研制为进一步深入研究其它驱动特性提供了移动式试验平台,对提高国内电传动研究水平具有重要指导意义.     

履带车辆高速转向动力学仿真

采用多体动力学仿真软件MSC Adams 的履带车辆工具箱ATV,建立某型履带车辆三维动力学模型,对履带车辆在硬、软两种地面的高速转向过程进行动力学仿真和对比分析,着重讨论履带车辆在软地面高速转向的动力学特性,为履带车辆转向性能的研究与高速转向的正确操作提供指导.     

基于ADAMS的ROV采矿车近海底着地虚拟仿真

应用了SolidWorks软件建立起ROV采矿车的三维实体模型,并导入了机械系统动力学分析软件ADAMS中建立虚拟样机,在深海环境下对该虚拟样机近海底着地进行了多体动力学仿真,分析了仿真结果,对ROV采矿车着地作出了预报,为ROV采矿车着地时推进器的控制提供参考方法。     

基于动力学分析的深海集矿机轨迹跟踪研究

分析深海集矿机轨迹跟踪的研究现状,研究集矿机的动力学模型,进行合理的简化,面向深海底采矿环境的特殊性、深海集矿机液压系统固有的强非线性、行走阻力随调节强度伴生变化等特征。基于非线性剪切力—位移关系的线性化方法和对动态阻力项引入一个前馈补偿项来消除伴生阻力方式,设计了一个基于带有前馈阻力补偿的线性反馈的控制器,较好地实现了集矿机轨迹跟踪;仿真结果验证了该算法的有效性。     

深海采矿机器人的行走鲁棒控制

针对深海采矿机器人模型和外界环境不确定性而导致其控制问题异常复杂这一难题,首先用RBF神经网络逼近系统不确定性的上界,在状态反馈的基础上,构造了基于虚拟输入的航向控制鲁棒自适应律;然后给出了左右履带速度输入与虚拟输入之间的模糊控制推理规则,提出了采矿机器人的行走控制方法.仿真结果验证了所提出方法的可行性.     

海底声呐图像智能底质分类技术研究综述

海底声呐图像底质分类技术是指利用多波束、侧扫声呐等设备获取海底图像进行浅表层地质属性信息的反演和预测。综合运用水声学、图像处理以及机器学习的相关理论,声学海底底质分类技术能够快速、准确地识别海底底质类型。通过回顾国内外发展历程,对利用声学图像进行海底底质分类的关键技术进行了总结,从声学海底底质分类的关系模型、海底声呐图像的特征表达和分类模型构建三个方面介绍了领域内的研究进展和主要方法,重点分析了不同模型和方法的原理、技术特点和适用场合,并结合卷积神经网络对深度学习方法在海底底质分类中的应用进行了讨论。最后,对海底声呐图像底质分类技术的研究方向和发展趋势进行了归纳和展望。     

基于遗传算法的海底沉积物纹理特征优化方法

为了提高水下机器人对海底沉积物的自主分类感知能力,解决特征冗余问题,对利用遗传算法优化海底沉积物纹理特征进行了研究。以基于灰度共生矩阵和分形理论提取多种海底沉积物视觉纹理特征实现海底沉积物分类识别为背景,提出利用遗传算法对纹理特征项进行优化选择以实现对提取特征的降维,并将降维后的特征项作为自组织映射神经网络模型的输入,对海底沉积物进行视觉分类,提高水下机器人作业时的环境感知能力。实验结果表明,相对于未优化的纹理特征,优化后的纹理特征在海底沉积物分类识别中具有更优的分类效果。     

全海深着陆车机构设计及其潜浮运动性能分析

针对海底大范围移动考察和定点精细作业的需求,提出一种全海深着陆车.为提高着陆车潜浮运动性能,解决配载参数和潜浮时间问题,设计着陆车配有两级压载铁.基于着陆车潜浮过程动力学和运动学的分析模型,结合配载参数与重心位置函数,利用ICEM和Fluent水动力分析软件对其阻力、升力、纵倾力矩进行计算,采用最小二乘法对其水动力参数进行辨识,最终建立了潜浮运动特性与配载参数的数学模型.通过调整两级压载铁的质量与位置,实现对着陆车潜浮姿态和速度的控制,进而研究其运动性能和优化潜浮过程时间.分析结果显示,当一级压载铁和二级压载铁质量分别为53 kg和50 kg,安装位置分别为0.38 m和0.58 m时,着陆车的最短下潜和上浮时间分别为5.39 h和5.98 h.优化配载参数后的着陆车具有最佳潜浮运动性能,能够以最短时间完成潜浮运动,为海底科考作业提供更多时间.     

海底集矿车的几何建模及运动的可视化

该文论述了OpenGL三维图形标准的操作和特点，及Delphi语言进行OpenGL程序开发的可能性。阐述了基于三维图形开发软件3DMAX建立海底集矿车几何模型的方法，分析了ASE文本数据的关于模型几何网格信息的存储格式，在基于Delphi浯言的OpenGL环境中实现了海底集矿车各部分几何模型数据的分别读取和重新绘制，再根据各部分相对位置进行移动和旋转组成整体模型。分析了海底集矿车运动的特点，利用OpenGL函数库提供的函数实现海底集矿车运动三维可视化的程序开发。     

A vision system for an underwater cable tracker

Nowadays, the surveillance and inspection of underwater installations, such as power and telecommunication cables and pipelines, is carried out by operators that, being on the surface, drive a remotely operated vehicle (ROV) with cameras mounted over it. This is a tedious and high time-consuming task, easily prone to errors mainly because of loss of attention or fatigue of the human operator. Besides, the complexity of the task is increased by the lack of quality of typical seabed images, which are mainly characterised by blurring, non-uniform illumination, lack of contrast and instability in the vehicle motion. In this study, the development of a vision system guiding an autonomous underwater vehicle (AUV) able to detect and track automatically an underwater power cable laid on the seabed is the main concern. The vision system that is proposed tracks the cable with an average success rate above 90%. The system has been tested using sequences coming from a video tape obtained in several tracking sessions of various real cables with a ROV driven from the surface. These cables were installed several years ago, so that the images do not present highly contrasted cables over a sandy seabed; on the contrary, these cables are partially covered in algae or sand, and are surrounded by other algae and rocks, thus making the sequences highly realistic. Accepted: 13 August 2001     

基于深度卷积神经网络的车型识别

传统的基于卷积神经网络的车型识别算法存在识别相似车型的准确率不高,以及在网络训练时只能使用图像的灰度图从而丢失了图像的颜色信息等缺陷。对此,提出一种基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的提取图像特征的方法,运用深度卷积神经网络对背景较复杂的车型进行网络训练,以达到识别车型的目的。文中采用先进的深度学习框架Caffe,基于AlexNet结构提出了深度卷积神经网络的模型,分别对车型的图像进行训练,并与传统CNN算法进行比较。实验结果显示,DCNN网络模型的准确率达到了96.9%,比其他算法的准确率更高。