微小型自主式水下机器人系统设计及试验

为了解决自主式水下机器人智能控制问题,设计了一种微小型自主式水下机器人。介绍了微小型自主式水下机器人的系统结构和关键部分系统,然后针对运动控制系统耦合问题,采用3个分控制系统方式实现水下机器人运动控制,最后进行了自主式水下机器人运动控制的试验研究。试验结果表明:研制微小型自主式水下机器人及其控制系统能够完成自主运动任务,实现自主化,为同类型的水下机器人提供参考。     

一种柔性缩放的群机器人形态自修复方法

针对大规模群体机器人系统受外界扰动或冲击而发生局部缺失的情况,聚焦群体系统自主修复与自愈问题,提出了一种随缺失规模柔性缩放的群体机器人形态自修复方法。遵循“分层剥离、分层填充、迭代循环”的分层修复策略,将大规模群体自主修复的全局行为转化为当前聚集体最外层机器人子集的局部行为。以已成型体形状基因和群体机器人规模变化为驱动,将大规模群体系统的修复目标转化为已成型体经比例缩放后的相似构型体。并通过以个体行为规则为核心的自修复运动控制方法,自下而上地呈现出缩放规模后的修复构型。基于多智能体仿真软件Netlogo搭建了大规模群体机器人系统仿真实验平台,验证了群体形态自修复方法的可行性与有效性,并在仿真模型基础上研制了模块化移动机器人实物,进一步验证了群体自主修复算法的有效性。     

水下机器人抗积分饱和控制及主动容错控制方法

针对自主式水下机器人(AUV)推力饱和时一般模型控制器控制性能下降问题,提出了基于平滑变参数条件积分法的抗积分饱和控制方法.为适应AUV因抛载等引起的动力学性能变化,提出了一种基于抗积分饱和一般模型控制的主动容错控制方法,同时还研究了传感器故障问题并提出了一种传感器故障容错控制方法.进行了"海狸"号水下机器人试验样机的仿真及水池实验,实验结果验证了所提出的抗积分饱和控制方法的有效性,也验证所提出的容错控制方法在AUV发生故障及动力学性能变化时可有效减小速度、角速度跟踪误差.     

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。     

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.     

复杂局部地形中的实时路径规划算法设计

针对复杂局部环境中机器人实时自主导航问题,设计了“双向搜索多边形构造算法”和“基于势场函数的机器人运动控制器”．“双向搜索多边形构造算法”能够在机器人被障碍物包围的环境下搜索出障碍物的包围多边形,从而获取基于障碍的最优行进路径;“基于势场函数的机器人运动控制器”是一个多变量控制器,输入矢量由吸引势场函数和排斥势场函数组成,输出矢量由速度和转角组成,该控制器控制机器人实际运动,使机器人能够有效躲避障碍物并逐步趋向目标点;控制器还设定了机器人运动的基本速度,解决势场为零时引起的局部极小化问题．与“沿墙走算法”、“人工势场法”等方法的实验比较表明,本文算法能够获得更好的优化性和实时性,具有更加广泛的实际应用范围．     

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.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

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。     

仿生六足机器人传感信息处理及全方向运动控制

针对仿生六足机器人的智能运动控制问题,提出一种基于中枢神经模式发生器(CPG)的控制方法.传统CPG控制方法无法很好地控制机器人足端轨迹,而本CPG控制方法中加入了用于足端轨迹控制的轨迹发生器模块,通过调节参数值可以实现机器人的全方向运动控制.为降低传统CPG控制中传感信息反馈以及参数调整的复杂程度,设计2种用于传感信号处理的神经网络.该模块实现多传感信号的融合,并生成用以控制机器人运动行为的各个参数值,实现机器人的自主避障.设计一个仿生六足机器人样机,将其分别放置在两种不同的情境下进行自主避障行走实验,结果证明了机器人全方向运动控制算法和自主避障算法的可行性.     

Maneuverability simulation of a mini autonomous underwater vehicle

In order to simulate the under water motion of a mini autonomous underwater vehicle( AUV) and an- alyze its maneuverability,the dynamical characteristic of the mini AUV was researched. The 6-DOF motion equations were founded. Through model experiment with accessory bodies,the hydrodynamics of AUV body including resistance,main inertial and viscous hydrodynamic coefficients was obtained. The hydrodynamics of rudders was gained through theoretical calculation. Simulation computation of the vehicle was carried out through numerical integration of the motion equations. A motion simulation system was constructed. Four typical maneuvers in horizontal and vertical planes were simulated and the maneuverability of the mini AUV was forecasted. The simulation results reflect the basic motion characteristic of mini AUV and validate the feasibility and correctness of the whole system. The simulation system can be a testing platform for the design and debugging of motion controller and an effective tool for the development of AUV.     

水下自主航行器垂直面运动的预测控制

针对近水面海浪干扰下水下自主航行器(AUV)的深度跟踪及姿态控制问题,提出一种基于非线性降维状态观测器(ROSO)的预测控制.通过非奇异坐标变换实现AUV垂直面运动非线性模型的状态估计,并将状态估计结果用于预测控制及其预测模型的在线线性化过程中,在仿真实验中对ROSO与全维状态观测器(FOSO)的状态估计结果进行对比,同时也对比了所提出的基于在线线性化的预测控制(PC-NMOL)与现有的非线性预测控制(NPC)的控制效果.仿真结果证明了所提出的方法可以得到精确的状态估计,且具有动态响应快,对外部扰动鲁棒性强的特点.     

海流干扰下的欠驱动AUV三维路径跟踪控制

为解决存在海流干扰和模型不确定性情况下欠驱动自主水下航行器(AUV)的三维路径跟踪控制问题,首先在Serret-Frenet坐标系下,基于虚拟向导建立了跟踪误差模型.然后,在运动学控制器中基于李雅普诺夫(Lyapunov)理论和反步法设计具有自适应律的虚拟向导和一种改进的积分视线法(ILOS)导引律,克服了海流的干扰并减少了超调.应用反步自适应滑模控制(BASMC)理论设计动力学控制器,保证了系统的稳定性和鲁棒性.最后,应用非线性级联理论证明了整个控制系统的闭环稳定性.仿真结果表明:基于AUV与流体的相对速度来实现的控制律,便于工程应用.该控制器能够有效克服海流和模型不确定的影响,实现对三维路径的跟踪.     

基于非线性反步法的欠驱动AUV地形跟踪控制

为实现欠驱动水下机器人(autonomous underwater vehicle,AUV)的精确地形跟踪控制,设计了一种基于Lyapunov稳定性理论的非线性反步(backstepping)法控制器.基于虚拟向导的方法,结合AUV艇体的动力学特性,建立AUV垂直面地形跟踪误差方程,采用backstepping法设计地形跟踪控制器,利用Lyapunov稳定性理论分析了整个系统的稳定性.仿真实验中选择海底斜坡地形进行跟踪实验,且要求AUV相对地形保持一个恒定的高度偏差,结果表明该控制方法可实现对斜坡地形的精确跟踪.     

自主水下航行器轴向运动的自适应反演滑模控制

研究了自主水下航行器在未知海流作用下的轴向运动跟踪控制问题,采用非线性反演设计技术,引入自适应机制在线估计未知海流速度和模型参数,用滑模控制克服系统中的未建模动态特性,保证了轴向位置跟踪误差的全局渐近稳定性。仿真结果表明,该自适应反演滑模控制具有良好的鲁棒性和自适应性。     

Design of Novel S-plane Controller of Autonomous Underwater Vehicle Established on Sliding Mode Control

本文在深入分析智能水下机器人（AUV）数学模型的条件下,权衡考虑了AUV的纵向速度对其他自由度产生的耦合影响,同时探讨了它自身所受剩余浮力与恢复力矩的影响,据此提出了一种基于滑模变结构的新型S面控制器。该控制器在保持普通S面控制器结构简单、参数易于调节的优点基础上,可克服AUV高速航行时采用普通S面控制器控制效果不佳的缺点;引入李雅谱诺夫函数开展控制器的稳定性分析,并将基于滑模变结构的新型S面控制器成功应用在AUV-X的基础运动控制上。开展了与普通S面控制器的对比试验,完成了试验结果对比分析,验证了文中提出的基于滑模变结构的新型S面控制器在AUV基础运动控制方面的有效性及可行性。

     

AUV平面直线航迹跟踪控制算法

针对自主水下航行器（AUV）在平面直线航迹跟踪过程中的航迹超调问题,设计基于航向航速双闭环运动控制的航迹跟踪控制算法.跟踪算法以视线导引法（LOS）为基础,设计时变前视距离提高AUV的机动性,并以一阶惯性滤波抑制因航向切换产生期望航向角的阶跃变化.控制算法采用抗积分饱和PID控制及参数自适应,以增加算法的鲁棒性,并将航向航速控制设计成双闭环,使得AUV航行时期望航迹段终点的距离偏差实时调整期望航速.结果表明,此航迹跟踪控制算法根据距离偏差调节实时航速,可使AUV提前减速以低速转向,抗积分饱和可避免航速超调,参数自适应以适应多种航行工况. AUV能准确跟踪期望航迹,最大航迹偏差小于1.0 m,并且大角度转向时可有效减小航迹超调.     

船舶行为的语义建模与表达

船舶行为的语义表达是实现水上交通态势智能认知与知识推理的基础。为实现对船舶时空运动特征的语义表达和抽象,完善船舶轨迹的语义转换方法,提出了一种船舶行为语义的认知计算模型。通过融合船舶的时空轨迹数据及航行环境信息,以船舶时空轨迹单元为基础,根据船舶的运动状态、轨迹的空间拓扑特征以及行为的语义特征,依据空间拓扑学理论,将船舶时空行为抽象为原子行为、拓扑行为和交通行为,从船舶的时空轨迹到语义行为进行了不同层次的概念建模、语义描述和形式化表达;最后,基于该语义模型对船舶在港口水域中不同类型的航行行为进行实例验证。结果表明,该模型能够对港口水域中不同运动特征、不同空间拓扑特征的船舶行为进行语义建模与形式化表达,将其提取为5种典型的交通行为,表明该语义模型对船舶行为认知具有一定的合理性和良好的适用性。研究成果能够为船舶行为的语义认知、知识计算提供理论方法基础,实现对高级船舶行为的语义计算和认知推理。     

基于动态反馈的AUV水平面路径跟踪控制

针对离散自治水下机器人水平面的路径跟踪控制问题,利用水下机器人的位置和姿态角量测信息,提出神经网络自适应输出反馈控制器.所设计的控制器包括3部分,镇定水下机器人动态系统线性部分的动态反馈控制器;神经网络控制器,用来补偿水下机器人受到环境干扰引起的水动力系数变化的不确定非线性结构;补偿环境扰动和神经网络带来的重构误差的鲁棒控制器.基于离散非线性系统理论,对水下机器人水平面跟踪误差系统进行分析,得到系统的跟踪误差最终一致有界.所提出的控制方法具有对模型精确度要求低的优点,利用INFANTE水下机器人模型进行仿真分析验证了提出的控制算法的有效性.