自主式水下机器人试验平台研制与实验研究

为了进行自主式水下机器人智能行为的研究,自行研制了“海狸”水下机器人试验平台．介绍了“海狸”水下机器人的系统结构,在分析推进器性能的基础上,通过数字罗盘、加速度计以及深度计等传感器获得的运行速度、角速度等位姿信息,建立了水下机器人前向运动模型,进行了水下机器人运动控制与状态监测系统的实验研究．水池实验结果表明,“海狸”水下机器人可实现自主式水下机器人的基本运动控制,所建立的水下机器人前向运动模型能够描述水下机器人试验平台的动态行为,状态监测算法能够识别水下机器人的典型故障,从而验证了所提算法的有效性,同时也验证了作为水下机器人智能行为研究载体的试验平台的有效性和可行性．     

基于MPSO算法的水下机器人PD控制器

为了解决传统水下机器人运动控制器只针对单独的自由度进行解耦控制,从而忽略了各自由度之间耦合效应的问题,设计了一个新型的PD控制器.该控制器在水下机器人6个自由度动力学模型的基础上,根据实际需要进行简化,利用一个运动控制方程实现4个自由度的运动控制.同时采用改进PSO算法自寻优确定控制方程的参数,以提高效率,减少设计时主观因素的影响.最后以某型AUV(autonomous underwater vehicle)为控制对象及试验平台,针对所设计的控制器进行仿真试验,结果验证了该控制器在水下机器人运动控制中的可行性.     

仿生水下机器人运动控制方法研究

近年来仿生技术在水下机器人上的应用已经成为水下机器人的重要研究方向之一.仿生水下机器人采用尾鳍提供前进动力和改变航向,比传统的桨舵具有高效性和高机动性.根据仿生水下机器人水池试验结果讨论了其运动性能,并在此基础上提出了仿生水下机器人运动控制方法,最后通过仿真试验验证了该方法.根据试验结果得出,针对现阶段仿生水下机器人的运动能力,其控制内容和控制方法是合理、有效的.研究和试验表明,符合实际的仿真模型与可行的运动控制方法使仿生水下机器人运动性能得到了不断的完善和改进;最终实现"仿生-Ⅰ"号的纵向速度控制、艏向控制和深度控制,从而使其具有大范围的转移能力.     

堤坝检测水下机器人运动控制系统的研究

堤坝检测水下机器人是为查找江、河、湖、海中各种堤坝的裂缝、破损等质量问题而设计的开架式水下机器人.文中介绍了堤坝检测水下机器人的运动控制系统,详细讨论了自动扫坝控制过程的运动控制算法和基于船位推算的导航方法.在综合考虑垂向和纵向自由度的运动能力的基础上,利用S面控制算法设计了运动控制器,使得水下机器人能够在垂向和纵向运动上取得协调,从而跟踪指定的路径.采用强跟踪卡尔曼滤波进行船位推算,解决了系统的导航问题.最后通过外场试验验证了整个运动控制系统的可行性和可靠性.     

基于神经网络的水下机器人航向角跟踪控制

以能量消耗量作为评价函数进行水下机器人运行规划的结果得到随时间变化的目标航向角和理论控制输出。本文探讨基于神经网络的追踪控制器以实现在运动控制过程中对水下机器人被规划航向角进行追踪控制,并探讨实际控制输出与理论控制输出的一致性问题以实现运动过程消耗的操作能量较小。水下机器人“Twin-Burger“航向角控制的游泳池实验结果验证了本文所提出方法的有效性和可行性。     

舵桨联合操纵的自主式水下机器人运动控制

针对水下机器人舵桨切换操作时,由于控制输出突变而导致系统振荡甚至发散的现象,提出一种切换函数平滑指令输出;同时考虑到高速航态下,纵向速度对其他自由度运动的耦合影响,提出一种基于运动补偿的改进S面控制方法.该方法S面控制器结构简单、参数易于调整,解决了S面控制器在水下机器人高速航行下控制效果较差的问题.利用李雅普诺夫函数对该控制器进行了稳定性分析,将其应用于舵桨联合操纵的水下机器人的运动控制.速度控制、艏向控制及深度控制,试验结果验证了该方法在水下机器人运动控制中应用的可行性.     

基于案例的自主式水下机器人全局路径规划的学习算法

首次讨论了基于案例的学习方法在自主式水下机器人全局路径规划中的应用问题,基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文对基于案例的学习方法在自主式水下机器人的全局路径规划中的应用框架进行了初步研究,对案例属性的提取、案例的匹配和择优以及案例库的更新等问题提出了相应的算法,最后给出了几组仿真结果。     

基于模糊决策法的水下机器人路径规划方法

路径规划是自主式水下机器人研究及实用化中的重要问题之一 .本文对基于模糊决策法的水下机器人实时路径规划方法进行了探讨 .首先 ,水下机器人通过测距声呐对其运动前方 180°的范围进行实时探测 ,得到环境信息 ,通过模糊决策进行实时规划 ,得到避障所需的转动方向及角度 ,对于墙角等特殊情况参照连续转角记录仪对转角进行修正 ,实现特殊环境下的运动避障 .上述过程通过计算机仿真得到了较满意的结果 .     

水下机器人运动控制神经网络的结构与学习方法

对水下机器人运动控制神经网络的结构与学习方法进行了研究,提出了带有局部回归结构的控制器网络结构、分步计算的运作过程、教师样本的生成方法以及变系数学习方法。水下机器人“Ｔｗｉｎ－Ｂｕｒｇｅｒ”的水池实验结果,验证了本文所提方法的有效性。     

水下机器人覆盖式作业区探测方法

对水下机器人作业区探测这一特定问题进行了理论分析，针对目前覆盖式路径规划方法存在的不足，提出适用于本文任务要求的水下机器人覆盖式作业区探测方法，设计了基于模糊控制规则的水下机器人作业区探测策略。该方法不需环境模型，解决了传统的覆盖式路径规划方法不能用于未知环境的局限性。仿真结果验证了所提方法的有效性和可行性。     

基于RBF神经网络的水下机器人传感器状态监测方法研究

为了实现水下机器人多传感器状态监测,根据其工作环境及所配置传感器的数量,提出了基于径向基函数(RBF)神经网络的传感器状态监测方法,建立了二级神经网络监测模型,解决了多传感器故障诊断和信号恢复的问题.基于某型水下机器人海中试验数据进行计算机仿真试验的结果,验证了该方法的有效性和可行性.     

水下机器人运动控制中的仿人智能控制策略

针对水下机器人(ROV)运动时表现出的不确定性,其精确的数学模型难以建立,导致常规的PID很难对其进行有效控制的问题,提出了几种控制策略,并作了分析对比,最终选择仿人智能控制策略。给出了控制策略和控制算法,并详细分析了仿人智能控制器的设计方法。对某水下机器人运动控制对象进行仿真,结果证明了该控制策略的可行性和有效性,也表明系统动、静态品质好。     

水下机器人S面控制器的改进粒子群优化

S面控制器是一种有效的水下机器人的运动控制算法,但需要人工调整参数.为了减少手工调整参数所带来的困难和误差,提出了改进的粒子群优化算法对S面控制器参数进行优化.采用动态压缩因子,加快粒子算法的收敛;引入退火算法,提高粒子算法的局部搜索能力.同时,在S面控制器中引入智能积分项,有效地减小控制器的稳态误差.最后,论述了改进粒子群算法优化S面控制参数的具体过程,并在某型水下机器人上进行了仿真试验和水池试验.试验结果表明,该算法对于水下机器人非线性控制器的参数寻优达到良好的效果,优化后的S面控制具有较快的反应速度和较小的超调.     

基于自适应区域跟踪的自主式水下机器人容错控制

研究自主式水下机器人(autonomous underwater vehicle, AUV)的推进器自适应区域跟踪容错控制方法。 与传统的自主式水下机器人容错控制方法不同,采用区域跟踪控制思想,将控制目标设定为以期望轨迹为中心的空间区域。 针对系统中存在的不确定性及推进器故障问题,采用神经网络进行在线辨识。 考虑到推进器故障时存在推力饱和而导致神经网络学习发散的问题,提出一种包含饱和因子的神经网络权值调整方法。 通过仿真,对所提方法的有效性进行验证。     

智能水下机器人路径规划

介绍一实际智能水下机器人三维空间的路径规划，给现一种新的海洋环境表示地－海面区域分割环境建模方法，并对Ａ搜索算法进行了改进，提出了动态扩展搜索点的思想，使三维空间路径规划算法得以简化并易物实现。该方法在实际水下机器人的海试中进行了试验，并获得成功。     

全自主足球机器人运动模型的改进

阐述了具有输入饱和特性的全自主足球机器人的运动控制问题,建立了全自主足球机器人的运动学模型.基于数字PID算法条件下实现了足球机器人在赛场上的高精度运动控制,实验进一步证明了算法的鲁棒性,并在实际比赛中取的了很好的成绩.     

一种开架式水下机器人控制技术的研究

为查找江、河、湖、海的各种堤坝的裂缝、破损和隐患等质量问题而设计的框架式结构遥控堤坝检测水下机器人,介绍了堤坝检测水下机器人运动控制技术.首先利用最小二乘法获取机器人水动力系数,并在此基础上建立了四自由度运动仿真系统.在运动控制系统体系结构中对堤坝检测水下机器人从硬件及软件体系结构两方面进行了介绍.硬件采用基于PC104总线的多板卡嵌入式系统,嵌入式控制器采用美国AMD公司的基于ELAN520的单板计算机以及VxWorks高性能实时嵌入式操作系统.对软件控制信息流、运动控制算法及用于定位的船位推算也进行了阐述.     

全自主足球机器人运动模型的改进

阐述了具有输入饱和特性的全自主足球机器人的运动控制问题,建立了全自主足球机器人的运动学模型.基于数字PID算法条件下实现了足球机器人在赛场上的高精度运动控制,实验进一步证明了算法的鲁棒性,并在实际比赛中取的了很好的成绩.     

我国首个7000米载人水下机器人今年下海试验

我国自主研制的世界首个7000米载人水下机器人今年将进行下海试验，有关部门正在协商具体时间。 该7000米水下机器人可搭载3人，最深可下潜至海下7000米。该水下机器人已于2008年完成组装工作。据报道，世界上现有的最先进的水下机器人最大下潜深度是6500米。     

国内首台堤坝安全检测水下机器人

哈尔滨工程大学成功研发的TB-1型堤坝安全检测水下机器人，通过了专家验收，并投入使用。这是国内首台自主研发的集水下摄像、检测、地表地形测绘、坝体内部损伤探测等功能于一身的多功能综合水下探测机器人。