基于贝叶斯估计的水下机器人罗盘故障检测

以电子磁通门罗盘为例对自主水下机器人(Autonomous Underwater Vehicles,AUVs)传感器故障检测方法展开研究.针对电子罗盘极易受到周围磁场的影响而产生时对时错的数据这一问题,首先联立AUV的运动学和动力学方程得到AUV的全状态非线性模型;然后分析了电子罗盘的误差来源,建立了误差的模型;在此基础上,提出了基于贝叶斯估计的故障检测方法并给出了该方法离散形式的递推迭代公式;最后参照实际使用的电子罗盘的参数和AUV的机动能力,设计了仿真实验和外场试验,通过实验验证了该方法的正确性和有效性.     

基于权值范围设置的多模型稳定切换控制研究

针对线性加权多模型切换过程中权值难以确定问题,提出了具有Lyapunov函数的多模型稳定切换的充分条件,依据该充分条件可以确定加权多模型的权值范围和快速获取加权因子的取值,实现多模型的平滑切换.所提出的充分条件克服了多模型子系统必须稳定的苛刻条件,通过对自主水下机器人多运动模型切换过程的仿真实验表明,依据权值范围所给定的加权因子能够保证加权多模型切换过程中的渐近稳定性.     

螺旋桨驱动UUV推进系统研究

为了实现水下机器人(UUV,Unmanned Underwater Vehicle)的高精度控制,深入研究了螺旋桨驱动UUV推进系统各个环节运行机理,并建立了它们各自的数学模型,包括PWM模块、直流永磁电机、螺旋桨、舵的数学模型。多功能仿真试验和湖试试验的系统响应曲线基本吻合,一方面表明本文建立的推进系统模型的正确性,另一方面体现了在多功能仿真平台上调试的控制策略和控制器参数具有很大的可信度。     

一种基于SUKF的广义行为环境建模及在远程AUV推进系统的应用研究

针对自主水下机器人对广义行为环境自适应能力差的问题,给出基于平方根无色卡尔曼滤波的广义行为环境建模方法。在广义行为环境的离线参考模型中,有一些参数是时变的、是无法事先预知的,必须通过传感器探测的信息进行实时估计和预测。采用平方根无色卡尔曼滤波算法,根据在线传感器信息以及离线参考模型,实时地估计出广义行为环境的状态和参数。主要研究自主水下机器人自身行为环境建模,以远程水下自主机器人的推进系统为例,构建一种推进器效率损失因子的故障模型结构,应用平方根无色卡尔曼滤波对水下自主机器人的状态和推进器故障参数进行在线联合估计。利用远程自主水下机器人的数学模型进行仿真验证,试验结果表明了算法的有效性,并对影响平方根无色卡尔曼滤波算法估计性能的因素进行了分析。     

基于神经网络补偿的滑模控制在AUV运动中的应用*

由于自主水下机器人水动力模型参数的不确定性及其强非线性,提出神经网络动态滑模面控制法。将系统分为确定与不确定部分,通过滑模控制实现对系统确定部分的控制,通过神经网络所具有的自适应调节能力实现对未知干扰与不确定部分进行补偿控制,提高系统的强鲁棒性。通过Lyapunov法验证了控制算法的收敛性;通过MATLAB仿真平台和半物理仿真平台,验证了算法的鲁棒性和抗干扰性。     

基于辨识模型集的无人半潜水下机器人系统深度动态滑模控制切换策略研究

BQ-01无人半潜水下机器人深度运动模型参数未知,无法为基于模型的控制策略提供控制参数,导致该系统不易快速达到预期的性能指标要求,为此提出一种多辨识模型动态滑模控制方法。该控制方法采用平均拟合偏差方法,减少了系统辨识过程中出现过多冗余辨识模型参数组,以切换的方式为动态滑模控制方法选取最佳模型参数;同时采用状态反馈方法实现滑模面抖动指数衰减,从而解决了系统深度运动调节问题。BQ-01系统湖泊试验结果表明,所提辨识方法能够为滑模控制策略提供最佳控制参数,且提高了系统运动控制品质。     

基于短期规划的AUV纯方位目标追踪策略

对自主水下机器人（AUV）追踪海洋生物的问题进行研究,由于被追踪目标的机动能力远优于追踪者,待目标运动要素的估计值收敛之后再规划追踪的路径可能错过接近目标的时机．针对这个问题,借鉴博弈的思想提出了一种基于短期规划的目标追踪算法．该方法首先构建AUV在短期内所有可行的行为集合,然后对每一个行为能够达到的状态进行态势评估,最后选择使AUV处于最有利的追踪态势的行为作为规划的结果．为了检验该方法,开展了2组仿真实验：第1组实验显示本文方法的追踪成功率比传统方法提高了5.2%,第2组实验表明即使在较大的测量误差下AUV依然可以有效地追踪到目标．仿真结果表明该方法提高了AUV追踪到目标的成功率,并且具有较好的鲁棒性．     

载人潜水器多传感器数据采集与信息融合技术

本文介绍了一种用于载人潜水器的导航传感器的数据采集及信息融合技术.航行控制计算机通过基于工业以太网的数据通信系统对各传感器进行数据采集,采用卡尔曼滤波器完成对各传感器数据信息的融合,以便提高数据的精度和控制系统的性能,并将结果送给监控计算机,用于载人潜水器的姿态显示.     

纯方位目标跟踪的ST-MEF-PDAF方法研究

传统的最大熵模糊概率数据关联滤波器(MEF-PDAF)算法用于水下杂波环境下单站纯方位目标跟踪存在对系统模型变化鲁棒性差、跟踪机动目标能力低的问题;为了解决这些问题,对MEF-PDAF算法进行了改进,提出了强跟踪MEF-PDAF(STMEF-PDAF)算法;与强跟踪滤波器(STF)算法类似,ST-MEF-PDAF算法通过引入渐消因子来实时调节增益矩阵,提高了算法的鲁棒性;进行了水下杂波环境下单观测站纯方位目标跟踪的仿真实验,ST-MEF-PDAF能够在500秒以内跟踪机动目标,而传统的MEF-PDAF算法不能,即ST-MEF-PDAF算法跟踪机动目标的能力高于传统的MEF-PDAF算法。     

一类载人潜水器的导航技术研究

介绍了一类载人潜水器导航系统的组成,接着阐述了基于工业以太网的信息采集模块. 由于载人潜水器动力学模型存在未建模扰动以及各种传感器存在不同程度的误差,需要采用卡尔曼滤波器（KF）等方法进行数据滤波,最后将滤波后的数据用于该类载人潜水器的导航研究. 半物理仿真平台结果表明,载人潜水器的导航精度得到了大幅度提高.