基于行为的UUV推进操纵系统异常辨识方法研究

在感知系统正常工作情况下，从行为学的角度出发，对UUV推进操纵系统异常进行辨识。根据UUV动力学方程设计滑模观测器，与传感器获得的信息进行实时比较，监测系统是否发生异常；当推进操作系统发生异常时，根据根据传感器实时获得的UUV位姿速度信息和推进操纵系统空间分布特点，从辨识行为库中匹配特定的辨识行为，实现对异常点的准确定位，再按照设计的模糊规则得到推进操纵系统异常点的危害程度，以采取相应的应急措施。最后，结合UUV右主推及卡舵异常情况，对基于行为的推进操纵系统异常辨识、异常点定位及异常级别判定方法进行了仿真验证。     

基于联合仿真技术的UUV发动机动力学研究

为了研究UUV热动力发动机的动力学性能,通过对发动机的剖析,应用UG软件建立了发动机的简化仿真模型,导入ADAMS软件环境中建立了发动机虚拟样机,并利用相关物理试验对样机进行了验证,然后结合MATLAB/Simulink软件建立了具有多个可控外部参数的发动机联合仿真动力学模型。通过联合仿真得到发动机关键部件的运动曲线和不同工况下关键部件之间的相互作用力,指出了降低相互作用力的途径,并联合ANSYS/Ls_dyna对主要传动零件进行了强度校核。仿真结果表明,联合仿真模型具有UUV热动力发动机的特点,对研究各参数与发动机动力学性能之间的关系以及结构优化均具有积极意义,为UUV热动力发动机的设计与改进提供了一种现代化方法和有效的依据。     

空投UUV入水运动仿真

研究空投无人水下航行器(UUV)的入水运动过程仿真问题.针对空投UUV在入水过程中,通常都伴随有空泡,空泡与UUV的相互作用现象较为复杂的特性,根据动量定理和动量矩定理建立了UUV入水过程的运动数学模型,基于Mackey模型建立了UUV入水过程流体动力计算的数学模型,采用计算机仿真的方式对UUV入水过程进行了研究.结果表明,空投UUV入水过程的运动轨迹近视为斜向下的直线,速度越大空泡持续时间越长,可以解决空投UUV的高效入水.     

基于MAS的多UUV编队智能优化控制

针对无人水下航行器(Unmanned Underwater Vehicle,UUV)编队航行的实际背景和限制条件,提出了一种基于多智能体系统(MAS)技术的多UUV编队智能控制方法。利用多Agent之间的交互作用,以灵活便捷的方式进行各UUV之间的协同优化,从而实现多个UUV的自主编队航行。考虑到控制器在编队保持中的重要性,对面向UUV编队航行的控制率和实现算法进行了重点研究,设计了UUV编队控制器,并通过仿真实验验证了该算法的鲁棒性和稳定性,最后对多UUV编队智能控制方法进行了仿真验证和分析。     

仿生扑翼UUV流体动力数值计算

仿生扑翼推进方式具有机动灵活、推进噪声低、稳定性好等特点,但由于外形的复杂性,仿生扑翼UUV的流体动力具有很强的非线性,给流体动力特性的研究带来难度。为了研究仿生扑翼的非线性流体动力特性,基于雷诺平均Navier-Stokes方程,采用RNG k-ε模型,建立了仿生扑翼UUV的流体动力计算数学模型,并利用ICEM CFD划分了网格,基于标准CFD软件Fluent对UUV的流体动力特性进行了仿真计算。结果表明,仿生扑翼UUV的流体动力在小攻角下呈线性变化,大攻角下出现非线性特征。     

多模型小波网络非线性动态系统辨识

由于许多复杂的工业系统具有非线性特性，难以建立确切的数学模型，因此提出用 多模型小波网络辨识非线性动态系统，并给出了辨识结构和训练算法．仿真实验比较了多模型小波网络与单小波网络在辨识非线性系统时性能上的差异，验证了该方法收敛速度快，抗干扰能力强，具有较高的逼近精度．     

UUV回收过程中的导引光源识别方法

水下无人航行器（UUV）由于具有自主性高、体积小、续航时间长等优点,成为海洋探索的有效工具,为保证UUV的作业任务,需对其进行可靠、有效的回收以供给能量,并获得数据。在此研究水下无人航行器近距离光学导引阶段的目标光源识别问题,提出基于正方形光源阵列的光源识别方法。首先从单目摄像机获得的水下图像中提取光源,基于Tsallis灰度熵对原始图像进行分割,得到目标光源的连通域;在目标光源没有缺失的情况下,基于刚体几何位置对其进行识别,当目标光源被遮挡时,提出了导引光源信息缺失情况下的基于动态标记点的光源识别方法,解决了光源被遮挡时无法识别的问题。     

基于模型分解算法模型辨识器的设计与应用

介绍了模型辨识器的设计和实际应用.模型辨识器的辨识算法采用基于模型分解方法的辨识算法,软件设计上采用模块化的程序设计原则.辨识器从实用性出发,注重辨识的速度、简洁,可以方便给出系统对象的阶次、参数和时延的无偏估计,可以灵活地对多变量系统进行辨识,辨识出的模型有利于控制器的设计.还对一个实际的装置进行了应用研究,获得的结果是精确的,说明了该软件的有效性和实用性.     

基于动态CAN技术的UUV控制网络设计

针对新一代水下无人潜航器各功能部件间对互联控制网络的通信实时性、网络节点扩展灵活性和网络可靠性的要求,本文研究了基于动态时分复用技术的CAN报文调用策略在UUV系统中的应用方案,并结合CAN协议的错误自检功能设计了具有较高可靠性的冗余式软硬件处理策略,在此基础上构建了UUV系统的内部电气功能控制网络;实验室中通过利用计算机作为总调度机配合4套UUV内部功能部件进行连续工作模式实验,对网络进行168小时不间断测试,测试结果表明本文设计的控制网络较传统UUV控制网络通信平均时延小,小于9ms,功能结构重组灵活,适合于在未来复杂水下自主潜航器控制系统中推广应用。     

基于非线性迭代滑模的欠驱动UUV三维航迹跟踪控制

为实现欠驱动无人水下航行器(Unmanned underwater vehicle, UUV)在未知海流干扰作用下的三维航迹跟踪控制, 提出一种基于工程解耦思想设计的非线性迭代滑模航迹跟踪控制器. 基于虚拟向导的方法,建立UUV空间航迹跟踪误差方程;采用迭代方法设计非线性滑模控制器, 无需对UUV模型参数不确定部分和海流干扰进行估计,避免了舵的抖振现象以及减小了稳态误差与超调问题. 仿真实验表明,设计的控制器对欠驱动UUV系统的模型参数摄动及海流干扰变化不敏感、 且设计参数易于调节,可以实现三维航迹的精确跟踪.     

一种基于过程神经元网络的非线性动态系统辨识模型及应用

针对复杂非线性动态系统辨识问题,提出了一种基于过程神经元网络（PNN）的辨识模型和方法．根 据系统待辨识的模型结构和反映系统模态变化特征的动态样本数据,利用PNN 对时变输入／输出信号的非线性变 换机制和自适应学习能力,建立基于PNN 的系统辨识模型．辨识模型能够同时反映多输入时变信号的空间加权聚 合以及阶段时间效应累积结果,直接实现非线性系统输入／输出之间的动态映射关系．文中构建了用于并联结构和 串－并联结构辨识的PNN 模型,给出了相应的学习算法和实现机制,实验结果验证了模型和算法的有效性．     

非线性动态传感器系统的H模型神经网络辨识

针对非线性动态传感器模型辨识问题,提出一种新的Hammerstein模型神经网络结构辨识法。非线性动态传感器系统采用Hammerstein模型描述,将系统分解为非线性静态增益串接线性动态环节。再设计一种网络权系数对应于相应的Hammerstein模型参数的新型神经网络结构,推导了基于反向传播的网络权系数调整方法。通过网络迭代训练同时得到静态与动态两个环节的模型参数。最后通过一个H模型的数值仿真来验证方法的有效性,仿真结果表明所提辨识方法是有效的。     

基于自适应神经网络的岩性识别动态建模

针对研究对象定量研究复杂度高的地质工作，应用计算机进行定量化和信息化的研究，需要建立一定的数学模型，然而，传统的数学方法难以得到精确的数学模型，神经网络作为一非线性建模方法，具有良好的自组织和自适应性等功能，可以逼近任意的非线性函数（映射）。本文提出利用神经网络的自组织，自学习，自适应功能实现数学模型的实时建立的方法，并在反传神经算法前馈神经网络（BP）模型引入了自适应动量因子α，使得网络计算量小，收敛速度快，最后将该模型应用到某地岩性识别动态建模中，取得了较好的效果。     

基于动态BP神经网络的系统辨识方法

本文提出一种简单的动态BP网络,并将其作为并联模型,用于离散非线性动态系统的辨识。仿真结果表明此方法是有效可行的。     

基于模糊神经网络的非线性系统模型的辨识

该文提出一种非线性系统的模型辨识方法．利用关系聚类法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数,在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络,得到一个精确的模糊模型,从而实现参数辨识,通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

一种基于动态人工神经网络的Wiener模型辨识

提出了一种新的辨识模型对Ｗｉｅｎｅｒ模型进行辨识,该模型 线性动态神经元串联一静态网络模型组成,利用线性动态神经元对Ｗｉｅｎｅｒ模型的线性动态部分建模,利用静态ＢＰ网络逼近模型的静态非线性部分,并且给出了统一的ＢＰ辨识算法,仿真结果表明了该方法的有效性。     

神经网络并联辨识算法的收敛性研究

神经网络可用来建立非线性动态系统的模型，其辨识模型可分为串联并联辨识模型和并联辨识模型两种，后者的思路源于基于参考模型自适应方案的输出误差辨识模型，对观测扰动有较强的抑制能力。本文对这种神经网络并联辨识结构的收敛性进行了研究，指出在网络参数满足一定条件时并联预测过程收敛，且并联辨识算法具有局部收敛性，仿真实验验证了上述结论。     

基于进化策略的动态递归神经网络建模与辨识

提出一种采用进化策略实现动态递归神经网络结构、权重和自反馈增益同时进化的学习算法,以及自适应进化机制,与改进ＢＰ６算法相结合,各取所长,形成集成化动态递归神经网络建模辨识算法,实际应用结果表明,所提出算法不仅明显提高了动态递是 网络模型辨识自救的收敛速度格精度,而且实现了动态递归网络的全自动优化设计。     

在线变结构模糊神经网络的自适应内模控制

本文提出一种在线变结构补偿模糊神经网络训练算法.该在线变结构算法,使得出的网络结构简单.并且由于该网络引入了补偿模糊神经元,使网络能对模糊规则进行在线的训练.将此算法应用到仿射非线性动态系统和大时滞线性动态系统的内模控制中.仿真结果表明,该方法能有效的控制动态过程,具有较好的自适应性和鲁棒性.     

基于动态递归神经网络的自适应PID控制

提出一种基于动态递归神经网络的自适应PID控制方案,该控制系统由神经网络辨识器和神经网络控制器组成。辨识器采用单隐层的动态递归神经网络,网络结构为2-4-1;辨识算法为动态BP算法;控制器采用两层线性结构的神经网络,输入为系统偏差及其一阶、二阶微分,因此具有增量型PID控制结构。应用该控制系统对一非线性时变系统进行仿真研究,仿真结果表明该控制方案不仅具有良好的跟踪特性,而且对系统参数变化具有较强的鲁棒性。