海洋工程水下结构检测与清污机器人广义预测控制研究

水下机器人(ROV)的运动具有非线性、多耦合和时变等特点,需要一类数学模型要求低、自适应能力强的非线性控制方法;因此以自主研制的新型的面向海洋工程水下结构检测与清污机器人(MC-ROV)为研究对象,通过水池试验,研究并建立了纵向和艏向动力学模型;最后设计了一种新颖的结合PID控制的约束输入输出的直接广义预测控制算法,对MC-ROV纵向、艏向运动展开研究;仿真结果表明,该算法具有计算量小、震荡低、自适应强等优点,具有良好的控制效果.     

水下机器人的神经网络自适应控制

研究了水下机器人神经网络直接自适应控制方法,采用Lyapunov稳定性理论,证明了存在有界外界干扰和有界神经网络逼近误差条件下,水下机器人控制系统的跟踪误差一致稳定有界.为了进一步验证该水控制方法的正确性和稳定性,利用水下机器人实验平台进行了动力定位实验、单自由度跟踪实验和水平面跟踪实验等验证实验.     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

基于观测器的水下机器人神经网络稳定自适应控制

给出了基于观测器的水下机器人神经网络自适应控制算法．控制算法由3部分组成：输出反馈控制、神经网络以及滑模项，其中输出反馈控制为了保证系统的初始稳定性；神经网络用于逼近系统的非线性动力学；滑模项用于补偿和抑制系统的外部扰动、神经网络逼近误差等．控制算法中所需要的速度量由状态观测器来提供．基于Lyapunov稳定理论给出了系统闭环稳定条件和稳定域．水池试验结果验证了算法的有效性．     

水下机器人广义预测控制算法及能耗问题研究

对水下机器人,本文把输出量的变化作为系统优化目标,提出了一种广义预测控制算法,使其能够抑制各种噪声引起的输出波动,从而减少了系统的能量消耗.水下机器人艏向速度在线控制水池实验的结果验证了在满足设定控制指标的条件下能够抑制水下机器人艏向速度波动和减少能量消耗.     

基于模糊混合控制的自治水下机器人路径跟踪控制

基于模糊混合控制策略,本文提出了一种用于非线性欠驱动自治水下机器人的鲁棒路径跟踪控制方法.利用Sugeno型模糊推理系统,将PD滑模控制器与非奇异终端滑模控制器光滑连接,构造了模糊混合控制器.它能充分融合这两类控制器的优势,无论系统远离平衡点还是在其附近,都能取得快速收敛的效果.如果,借助于非时间参考量,将该混合控制器用于自治水下机器人路径跟踪控制,将有利于提高它在不确定环境中的跟踪能力.最后,通过仿真计算结果验证了该控制策略的有效性.     

水下机器人神经网络自适应逆控制

水下环境的复杂性以及自身模型的不确定性，给水下机器人的控制带来很大困难。针对水下机器人的特点和控制方面所存在的问题，提出了基于预测—校正控制策略的水下机器人神经网络自适应逆控制结构及训练算法。通过在线辨识系统的前向模型，估计出系统的Jacobian矩阵，然后采用预报误差法实现控制器的自适应。同时，为了提高系统对于外扰的鲁棒性，在伪线性回归算法的基础上，在评价函数中引入微分项。理论分析和仿真结果表明，与原来的算法相比，微分项的引入改善了系统对于外扰的鲁棒性和动态性能。     

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.     

基于神经网络的广义预测控制

本文将神经网络快速计算的性能应用于广义预测控制中,以便克服广义预测控制算法的不足之处。仿真研究表明,这种方法实为改进控制算法性能的有效途径。     

基于CAN总线的自治水下机器人控制系统

将CAN总线应用在自治水下机器人中,构成多主站的分布式控制系统,取代了以往水下机器人采用的集中式控制结构及主从式网络结构．从硬件和软件两方面详细介绍了CAN总线在自治水下机器人中的应用方案,设计了基于P87C591单片机的CAN总线控制器,并针对水下机器人分布式控制系统的需求特点,设计了CAN应用层协议和相应的通信软件．最后通过湖试验证了控制系统的可行性和可靠性．     

基于神经网络的二容水箱广义预测控制

针对二容水箱的非线性特点,提出了一种基于神经网络的二容水箱广义预测控制策略。应用收敛速度较快,精确度较高的LM算法训练神经网络,推导了神经网络的导数方程,用迭代法求解输入u的雅克比矩阵和海森矩阵,继而用Newton-Raphson算法求解u,进行了对二容水箱机理模型与实际对象的控制实验,并就控制结果进行了对比分析。实验结果表明,神经网络广义预测控制(NGPC)方法在对实际的二容水箱进行控制时取得了较好的效果。     

水下机器人嵌入式基础运动控制系统

从硬件和软件两方面详细地讨论了水下机器人嵌入式基础运动控制系统的体系结构,从根本上改变 了以往水下机器人运动控制系统依靠上位机与下位机相结合的体系结构.同时详细阐述了水下机器人基础运动控 制的整个信息流程.最后通过海上试验验证了整个基础运动控制系统的可行性和可靠性.     

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．     

AUV水下着陆策略研究

水下自航行器（AUV）的续航能力主要取决于其所携带能源总量．为了有效地减少能耗,提出了 一种具有变浮力系统、能够着陆坐底的小型AUV,它可以利用有限的能源实现长时间的海洋环境监测．首先 介绍了该AUV 的总体结构,然后对AUV 的着陆策略进行了详细研究．在对三种着陆策略进行对比的基础上, 选择下潜航行到位控制注水着陆策略作为最佳的水下着陆方案．该策略能够使着陆时的冲击力保持在安全范 围内,并且着陆时间最短．最后对着陆轨迹进行规划．仿真和水域实验的结果都证明采用该着陆策略能够安 全、平稳地实现水下着陆．     

小波神经网络自抗扰控制器在水下机器人深度控制中的应用

本文主要实现对水下机器人的深度控制。针对BP神经网络的缺点,根据小波神经网络的优越性,设计小波神经网络自抗扰控制器。利用Matlab simulink对控制器进行仿真测试,表明该控制器控制效果良好,具有较高的鲁棒性。     

基于凸优化算法的无人水下航行器协同定位

In this paper, a cooperative localization algorithm for autonomous underwater vehicles (AUVs) is proposed. A ``parallel" model is adopted to describe the cooperative localization problem instead of the traditional ``leader-follower" model, and a linear programming associated with convex optimization method is used to deal with the problem. After an unknown-but-bounded model for sensor noise is assumed, bearing and range measurements can be modeled as linear constraints on the configuration space of the AUVs. Merging these constraints induces a convex polyhedron representing the set of all configurations consistent with the sensor measurements. Estimates for the uncertainty in the position of a single AUV or the relative positions of two or more nodes can then be obtained by projecting this polyhedron onto appropriate subspaces of the configuration space. Two different optimization algorithms are given to recover the uncertainty region according to the number of the AUVs. Simulation results are presented for a typical localization example of the AUV formation. The results show that our positioning method offers a good localization accuracy, although a small number of low-cost sensors are needed for each vehicle, and this validates that it is an economical and practical positioning approach compared with the traditional approach.     

广义预测船舶航向控制

提出了基于广义预测的船舶航向保持和转向控制算法，其中控制参数可根据智能规则自动调整，仿真结果验证了算法的有效性。     

基于双柔化系数在线调整的广义预测控制

在预测控制系统中,其控制品质与控制器的参数整定有很大的关系,特别是性能指标中的输出柔化系数及输入柔化系数。针对广义预测控制算法中控制参数整定困难这一缺点,利用BP神经网络,提出一种基于双柔化系数设计的广义预测控制算法,实现了广义预测控制中输入输出柔化系数的在线调整。仿真结果表明,该算法无论在跟踪性能、控制精度及鲁棒性上,均优于固定参数的广义预测控制算法,并对干扰有一定的抑制作用。