自治水下机器人深度的鲁棒H∞控制仿真

研究了鲁棒H∞控制在自治水下机器人(AUV)深度控制中的应用.根据刚体空间运动和流体力学理论建立了AUV垂直面运动的数学模型,并在特定的工作点对模型进行了线性化处理得到了AUV垂直面运动的控制设计模型.根据鲁棒H∞控制理论设计了自治水下机器人垂直面运动的深度控制器.仿真结果表明,该控制器在减轻/克服AUV运动模型的不确定性,严重的非线性和外界干扰等方面有明显的效果,具有很好的动态性能,系统的鲁棒性强.     

蛇形机器人水下3D运动建模与仿真

由于蛇形机器人具有多关节、超冗余自由度的特点,以及水环境高度复杂非线性化,使得蛇形机器人的水下3维步态难以通过实验进行验证、分析及优化针对这些问题,根据蛇形机器人样机"探查者Ⅲ",搭建了水下运动的仿真分析系统.首先,分析了蛇形机器人水下运动时不同姿态下的水静力,计算了机器人受到的附加质量力和黏滞阻力的线性项和非线性项,并研究了流体力矩对水下运动的影响.然后,基于Morison方程建立了机器人与水交互的力学模型.最后,在仿真分析系统中对逐节下潜步态进行仿真,分析机器人的运动性能,并进行相应的实验.通过前进速度、下潜速度、运动趋势的对比表明:该力学模型能比较准确地模拟机器人与水环境的交互作用,仿真分析系统能用来验证和分析蛇形机器人的水下3维运动步态.     

水下船体清刷机器人运动分析及仿真

本文分析了水下船体清刷机器人的运动,建立了机器人运动学方程,根据所设计的伺服控制系统对机器人系统进行了运动仿真.结果表明,所设计的机器人系统鲁棒性好,满足设计要求.     

新型仿生水下子母机器人系统设计

传统的水下子母机器人在水下作业时母机器人会有噪音大、体积大和隐蔽性差的缺点,而且子机器人作为提高水下机器人位置精度和续航时间的重要手段大多采用尾部摆动、机身两侧划水、小型螺旋桨推进等方式,造成运动过程中稳定性差、噪音大而且尺寸难以微型化的缺点.为了克服这些不足,设计一种新型仿生水下子母机器人系统.该系统球形母机器人采用喷水电机进行喷水推进,减少噪音,增加隐蔽性,并为微型子机器人提供控制信号和能源.微型子机器人以樽海鞘为原型基于仿生原理设计,在水下运动透明度高、隐蔽性强、稳定性高.建立球形母机器人的喷水推进器和微型子机器人的微型驱动器的驱动力计算模型,同时建立微型子机器人的水下转向模型.最后制作子母机器人样机并进行子母机器人的水下运动实验,以验证所设计的子母机器人系统的有效性.     

基于模糊技术的水下机器人运动控制

发展水下机器人有着重大而深远的意义,水下机器人的运动控制是实现其智能化的关键,是国内外研究的热点。本文将模糊技术应用于水下机器人,根据水下机器人的六自由度运动模型,设计了水下机器人模糊控制器与PID控制器,并进行了仿真环境下的试验比较。试验结果表明,基于模糊技术的方法显然有较大优势,更有利于控制水下机器人的运动。     

仿海蟹机器人浮游步态动力学建模与运动控制

为实现足桨耦合推进仿海蟹机器人在未知海流扰动作用下对目标点的跟踪控制,对仿海蟹机器人浮游步态的动力学和运动控制进行研究.综合考虑重力、浮力、游泳足拍动产生的推力以及水动力的影响,建立了仿海蟹机器人水下复杂环境的动力学模型.在此基础上,设计了一种基于指数趋近律的滑模变结构控制器,将游泳足上下拍翼运动和摇翼运动的相位差作为被控量,对机器人的转艏角速率进行控制.通过李亚普诺夫直接法,证明该系统可实现全局渐近稳定.最后进行了单一目标点和多目标点跟踪运动仿真和实验,结果表明:该方法可以使机器人具有良好的目标点跟踪能力,并对系统动力学参数不确定性及外界扰动具有较高鲁棒性.     

自治水下机器人全自由度仿真

由于自治水下机器人的复杂性，系统仿真技术变得越来越重要，系统地分析了自治水下机器人（AUV，Autonomous UnderwaterVehicle)的运动模型和空间运动方程，运用MATAB下的SIMULINK，设计了自治水下机器人的全自由度仿真工具箱，包括机器人本体运动，位姿求解和坐标系统转换等多个部分，可以方便地进行控制方法的全自由度的仿真。     

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.     

基于滑模理论的水下机器人定深控制算法研究

水下机器人操控性能指标中对定深控制性能有较高要求,而水下机器人的运动具有强的非线性和耦合性,使得不同航速下的定深控制成为难点;建立了水下航行器的运动学模型,基于滑模理论设计了深度控制器和纵倾控制器,在MATLAB SIMULINK环境下搭建了深度控制仿真系统,数值仿真结果表明:滑模变结构控制器对于不同航行条件具有较强的适应性,同时深度的控制效果明显优于PID控制器。     

基于模型预测控制的自主水下机器人回收控制算法

针对自主水下机器人在水面回收控制中遇到的系统强耦合、多约束问题，提出一种基于模型预测控制的对接回收控制算法。通过对自主水下机器人动力学方程进行解耦，给出了水平面运动的动力学模型；对运动过程中的可见性约束和系统的输入约束进行公式化表述，使用模型预测控制框架进行带约束的最优化问题滚动求解，给出最优的系统控制输入。使用REMUS水下机器人的参数进行了MATLAB仿真，并根据对回坞导引控制性能的影响给出了最佳的预测时域，研究结果表明，该方法能够保证回坞过程中的可见性约束，回坞过程收敛性强、精度高，能够快速高效地完成自主水下机器人的水面回收。     

基于自适应神经网络的低速AUV变质心控制

为克服低速情况下舵效低的问题,研究了自治水下航行器(AUV)的变质心控制方法.通过控制布置在AUV三个惯性主轴上的三个可移动质量块的运动,改变系统的质心,进一步改变了AUV受到的流体动力,从而实现对于AUV的控制.基于Kane的多刚体动力学理论推导变质心控制AUV的4刚体9自由度动力学模型,为设计AUV变质心控制系统奠定了基础.之后基于多输入多输出(MIMO)不确定非线性系统理论,设计自适应神经网络控制系统,并用李亚普诺夫稳定理论对该系统进行了稳定性分析.仿真验证了控制方法的合理性.     

Thruster fault-tolerant control of a hovering AUV with four horizontal and two vertical thrusters

This paper deals with the motion control of a hovering autonomous underwater vehicle (AUV) with four horizontal and two vertical thrusters, when one or more thrusters are completely malfunctioned. Three thruster fault cases are considered: one horizontal thruster is faulty; two horizontal thrusters are faulty; and one vertical thruster is faulty. Through a series of simulations and an experiment, it is validated that the AUV can track a planned path in a 3-D space with minimally three thrusters (two are horizontal ones); however, some cases require the changes of the vehicle’s preferred direction of motion and its movement manner. Additionally, when the number of active horizontal thrusters is less than the required degree-of-freedom, a continuous state feedback control law does not exist due to the non-holonomic constraint. This paper highlights that the hovering AUV can overcome the non-holonomic constraint if using the feature that their translational and rotational motions can be controlled independently.     

基于准最大最小模型预测控制的AUV视觉对接

针对六自由度自主式水下机器人(autonomous underwater vehicle, AUV)视觉对接这一重要课题,提出一种基于融合深度信息的改进准最大最小模型预测控制(quasi-min-max model predictive control, QMM-MPC)方法,有效提高复杂水下视觉伺服对接系统性能.首先,针对水下AUV视觉由于能见度低导致深度信息存在不确定性的影响,建立新的六自由度AUV视觉伺服模型;然后,结合AUV运动和图像特征运动的测量数据,设计在线深度估计器,同时提出结合多李雅普诺夫函数的QMM-MPC算法,通过求取凸多面体中各顶点不同上界值,降低传统QMM-MPC算法中单李雅普诺夫函数上界所带来的强保守性;最后,通过仿真验证所提出方法的有效性和优越性.     

基于DWK的AUV分布交互视景仿真

在建立远程低速回转体AUV的六自由度运动模型的基础上,设计了AUV六自由度视景仿真系统的总体结构,并基于国产分布式交互仿真软件平台DWK对远程低速回转体AUV的六自由度运动进行了视景仿真。结果表明本仿真系统很好地模拟了AUV的六自由度水下运动情况,可以在短时间内使设计人员对AUV的六自由度运动有系统直观的认识,对研究AUV的操纵性具有重要的意义。     

洋流影响下基于运动矢径的AUV协同定位方法

针对水下自主航行器（AUV）协同定位受水下未知定常洋流影响的问题,给出一种洋流影响下基于运动矢径的AUV协同定位方法.利用AUV的运动学方程和基于运动矢径的量测方程,建立AUV的导航模型;通过扩展的卡尔曼滤波,设计了协同定位滤波算法;利用该算法对洋流速度进行估计,以补偿AUV定位误差.仿真结果表明,该算法能有效估计未知定常洋流速度的大小,并对AUV定位误差进行实时补偿,显著提高了AUV的定位精度.     

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.     

小型自治水下机器人控制系统研究开发

开发了一种性价比高的CAN总线分布式自治水下机器人控制系统结构,并采用了独特的故障处理方法．根据弱耦合简化模型,详细设计了航行控制器,并对航行控制系统进行了仿真研究．仿真与试验结果表明: 控制系统性能可靠、传输率高,并具有很好的鲁棒性与稳定性,能够满足水下机器人工作环境复杂多变的要求．     

基于领航位置信息的AUV三维编队控制方法

研究了自治水下机器人（Autonomous Underwater Vehicle,AUV）三维环境中编队控制问题,应用领航一跟随式队形控制方法,仅利用领航者的位置信息及期望编队队形得到虚拟机器人的航行轨迹及速度信息,作为跟随者的航行参考量,应用反步及滑模控制方法为跟随者设计自适应控制律,使其轨迹收敛于虚拟机器人的轨迹,从而与领航者保持期望位姿关系。随后,在具体AUV动力学模型上,利用MATLAB／SIMULINK平台进行了编队控制的仿真研究,实现了预期的控制效果,验证了算法的有效性及实用性。     

Trajectory Tracking Control of an Underactuated Underwater Vehicle Redundant Manipulator System

The purpose of this study is to control the position of an underactuated underwater vehicle manipulator system (U‐UVMS). It is possible to control the end‐effector using a regular 6‐DOF manipulator despite the undesired displacements of the underactuated vehicle within a certain range. However, in this study an 8‐DOF redundant manipulator is used in order to increase the positioning accuracy of the end‐effector. The redundancy is resolved according to the criterion of minimal vehicle and joint motions. The underactuated underwater vehicle redundant manipulator system is modeled including the hydrodynamic forces for the manipulator in addition to those for the autonomous underwater vehicle (AUV). The shadowing effects of the bodies on each other are also taken into account when computing the hydrodynamic forces. The Newton‐Euler formulation is used to derive the system equations of motion including the thruster dynamics. In order to establish the end‐effector trajectory tracking control of the system, an inverse dynamics control law is formulated. The effectiveness of the control law even in the presence of parameter uncertainties and disturbing ocean currents is illustrated by simulations.     

Neural network-based nonlinear sliding-mode control for an AUV without velocity measurements

For an autonomous underwater vehicle (AUV), a nonlinear sliding-mode control based on linear-in-parameter neural network (NSMC-NN) is proposed to deal with the unknown dynamics and the external environmental disturbances and a first-order robust exact differentiator is introduced considering unknown velocities of an AUV. The sliding-mode surfaces of NSMC-NN can enter into the boundary layers after a period that depends on the design parameters. To demonstrate the feasibility of the proposed controller, simulation studies applying Omni-Directional Intelligent Navigator (ODIN) are carried out, compared with proportional–integral–derivative (PID) and the modified sliding-mode control (MSMC). The simulation results show that the presented control method can achieve the effective control performance.