一种基于混沌过程神经元水下机器人运动控制方法

由于系统的强非线性以及不确定性,同时考虑到港湾环境下水声信号的噪声大,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挠人们的问题。过程神经网络是传统神经网络的拓展,它增加了一个对于时间的聚合算子,使网络同时具有时空二维信息处理能力,从而更好地模拟了生物神经元的信息处理机制。水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量。在基本神经元模型上,结合S函数和预先规划思想,建立水下机器人过程神经元运动控制模型,参数学习过程中,将遍历性的渐变混沌噪声引入其中,增强控制器全局优化能力。仿真试验表明,该新型控制模型,对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等各种优点。     

基于混沌过程神经元的水下机器人运动控制方法

考虑水下机器人运动控制系统的输入输出均为随时间连续变换的过程量,在过程神经元模型的基础上,结合S函数和预先规划的思想,提出一种过程神经元运动控制模型.在参数学习过程中,引入遍历性的渐变混沌噪声,以增强控制全局的优化能力.海浪和海流外界干扰下机器人仿真实验验证了该方法的有效性,取得了满意的结果.     

基于单神经元的水下机器人S面自适应运动控制

从模糊逻辑控制方式出发,借鉴PID控制结构而形成的S面控制自身不具有自调整能力。为了加强机器人运动控制的自主性,改善控制的动态响应特性,探讨了基于单神经元的S面自适应控制学习算法,实现了控制参数的自动调整,增加的积分项改善了机器人的动态响应特性。实验结果和实际应用表明,基于单神经元的S面自适应控制器对于水下机器人的运动非线性控制具有响应速度快、超调小、自学习能力强、设计简单等多种优点。     

一个水下机器人路径规划系统的实现

我们用层次结构表示水下环境数据，以动态规划算法为核心，实现了一个水下机器人路径规划系统，本文介绍该系统的设计思路及路径规划的实现。     

载人遥控水下机器人运动模糊控制

介绍载人遥控水下机器人运动模糊控制的设计思想，控制系统框图及软件控制流程。     

一种水下机器人的工程解须的研究

本文介绍了一种类似生物触 水下作业机器人的触感器的工作原理的结构，并对传感器信号进行了处理，为机器人控制提供感受信息。     

一种用于水下机器人的触沉传感器研究

本文论述了一种用于水下作业机械手的机器人触觉传感器的结构及工作原理，这种传感器的开关类似于水下生物的“触须”，能够在４个方位上判别与对象接触的位置及接触长度，对于其他形式的机械同样适用。     

采用神经元的机器人位置控制

本文将人工神经元用于机器人的位置控制,无需建立机器人的精确动力学模型。通过神经元的自学习来设定和调整控制量,对单关节机器人进行了仿真研究,结果表明,神经元控制器的控制效果好且鲁棒性强。     

柔性机器人水下运动的建模与仿真

本文以柔性机器人水下环境中的柔顺运动为研究对象,建立了柔性机器人水下运动的动力学模型。并运用VC 6.0和Matlab7.0进行仿真,结果显示了柔性机器人在水下环境中良好的运动学特性。     

改进人工免疫算法在水下机器人运动控制中的应用研究

基于生物免疫系统的生理特性,以免疫系统T细胞、B细胞与免疫应答为基础,引入了免疫算法,其结构简单,易于实现,但是由于忽略了免疫系统的记忆、自适应、细胞繁殖和自然死亡等复杂的机理行为,也不具有实时自调整的能力。结合梯度搜索方法和希尔函数,提出了一种基于Sigmoid非线性模型的自学习免疫控制算法。将该方法应用于水下机器人的运动控制系统进行仿真研究,结果表明了改进人工免疫算法的有效性。     

基于神经网络的水下机器人三维航迹跟踪控制

本文研究了水下机器人三维航迹跟踪控制问题.在充分考虑了模型中不确定水动力系数和外界海流干扰的基础上,提出了基于神经网络的自适应输出反馈控制方法.控制器由3部分组成:基于动态补偿器的输出反馈控制项、神经网络自适应控制项和鲁棒控制项.神经网络所需的自适应学习信号由线性观测器提供.基于Lyapunov稳定性理论证明了控制系统的稳定性.最后针对某AUV进行了空间三维航迹跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现三维航迹的精确跟踪.     

Robust control of variable speed autonomous underwater vehicle

Set point tracking control of autonomous underwater vehicle (AUV) via robust model predictive control (RMPC) is considered. Input-constrained RMPC with integral action, which has been developed in our previous work, is used to control the AUV in this study. In order to derive a RMPC control rule, non-linear dynamics of AUV with six degree of freedom is linearized at certain operating points. So, horizontal and vertical plane dynamics of system are represented by linear models which have polytopic uncertainties. Since the derived control rule will be used in real time, the computation time should be reduced. To overcome this computational time problem and get rid of trial–error step of Algorithm 1, a new algorithm is proposed here. The simulations are carried out using the control rule based on this algorithm and these results are presented.     

A two‐step control approach for docking of autonomous underwater vehicles

This paper presents a novel integrated guidance and control strategy for docking of autonomous underwater vehicles. The approach to the base, and hence the control design, is divided in two steps: (i) in the first, at higher speed, the vehicle dynamics is assumed to be underactuated, and an appropriate control law is derived to steer the vehicle towards the final docking path, achieving convergence to zero of the appropriate error variables for almost all initial conditions; (ii) in the second stage, at low speed, the vehicle is assumed to be fully actuated, and a robust control law is designed that achieves convergence to zero of the appropriate error variables for all initial conditions, in the presence of parametric model uncertainty. Simulations are presented illustrating the performance of the proposed controllers, including model uncertainty and sensor noise. Copyright © 2014 John Wiley & Sons, Ltd.     

垂直面欠驱动自治水下机器人定深问题的自适应输出反馈控制

针对垂直面欠驱动自治水下机器人(AUV)定深控制问题,本文仅使用可测量的深度和纵摇角信息,基于反步法设计自适应输出反馈控制器.为此首先设计观测器,实现不可测纵摇角速度反馈;再利用径向基神经网络对不确定水动力系数和纵荡、垂荡及纵摇角速度耦合产生的非线性结构进行补偿;采用自适应策略对纵荡和垂荡速度形成的有界干扰进行抑制.本文采用AUV一阶非完整模型,不以线性化为目的,放宽了纵摇角只能在小范围内变化的限制.最后通过理论证明和仿真实验表明该方法能够实现AUV深度和姿态控制,对未建模非线性动态和有界扰动具有很强的自适应性和鲁棒性.     

自主水下航行器的回坞导引和入坞控制算法

针对军事侦察和海洋环境监测领域中对自主水下航行器（AUV）水下自主回收能力的需求,研究了AUV自主回收过程中回坞和入坞的导引和控制问题。将水下自主回收过程分为回坞导引和入坞控制两个连续的阶段,其中回坞阶段采用经典的视线（LOS）导引法,使AUV到达回收器正前方的回坞航路点;入坞阶段则采用非线性横向跟踪控制方法,使AUV精确跟踪沿回收器中轴线的入坞直线航路航行并最终进入回收器。采用REMUS AUV的模型参数对水下回收进行了仿真研究,结果表明该方法是有效的,具有良好的工程应用前景。     

Depth control of autonomous underwater vehicles using indirect robust control method

In this article, we propose a robust depth control design scheme for autonomous underwater vehicles (AUVs) in the presence of hydrodynamic parameter uncertainties and disturbances. The controller is designed via a new indirect robust control method that handles the uncertainties by formulating the uncertainty bounds into the cost functional and then transforming the robust control problem into an equivalent optimal control problem. Both robust asymptotic stability and optimality can be achieved and proved with this new formulation. The θ-D method is utilised to solve the resultant nonlinear optimal control problem such that an approximate closed-form feedback controller can be obtained and thus is easy to implement onboard without intensive computation load. Simulation results demonstrate that robust depth control is accomplished under the system parameter uncertainties and disturbances with small control fin deflection requirement.     

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.     

考虑剩余浮力影响的欠驱动水下机器人深度控制

为了实现水下机器人带有剩余浮力影响的欠驱动深度控制, 将垂直面控制划分为定速航行控制和深度控制. 采用成熟的S 面速度控制器保证速度控制稳定, 着重解决深度控制问题. 引入虚拟控制量, 使剩余浮力影响下的深度偏差映射为目标纵倾角, 通过设计俯仰控制器实现对目标纵倾角的跟踪. 稳定性分析表明, 所研究的欠驱动深度控制是稳定的, 且对于参数估计的偏差不敏感. 仿真实验结果表明, 所提出的方法能够抵抗剩余浮力的影响, 深度控制准确, 并具有良好的鲁棒性.