自主式水下航行器三维路径跟踪的神经网络H∞鲁棒自适应控制方法

本文研究了存在模型不确定以及外界未知扰动情况下的自主式水下航行器(AUV)的三维路径跟踪控制问题. 针对此问题, 首先利用时标分离原理及正交投影Serret-Frenet坐标系建立了描述AUV质心运动及姿态运动的的仿射非线性数学模型. 其次, 在控制器设计中运用神经网络H∞鲁棒自适应算法克服了模型的不确定性及扰动, 同时在控制器设计中利用了主导输入的思想, 降低了闭环系统的复杂度, 减少了实时计算工作量, 便于工程应用. 基于Lyapunov理论的分析保证了系统的稳定性. 仿真结果表明, 路径跟踪控制律可以保证AUV沿期望路径运动, 并且具有良好的动态性能.     

基于强化学习补偿器的水下航行器姿态控制

自主式无人水下航行器(AUV)的动力学模型是一个多输入多输出、欠驱动强耦合的非线性系统,同时AUV的工作环境复杂多变,因此,对其姿态进行高精度控制是一个挑战。针对上述问题,本文提出了一个基于强化学习补偿器的AUV姿态控制方法,通过对历史经验数据的学习,实现在野外航行过程中抵抗未建模的不确定扰动和逐步提升姿态控制性能。主要贡献：(1)融合经典控制器和强化学习补偿器,通过经典控制器保障强化学习补偿器在训练过程中的系统稳定,通过训练好的强化学习补偿器抵抗不确定扰动和提升最终性能;(2)改进了传统的二次型的强化学习奖励函数,提升了训练速度和最终控制性能;(3)通过仿真验证了在神经网络权值随机初始化的条件下,本文设计的强化补偿控制器经过训练后可以收敛到稳定一致的性能。     

变质心自主水下航行器定深控制研究

对变质心自主水下航行器（AUV）定深控制问题进行了研究。建立了相应的纵平面的变质心AUV的运动数学模型。在此基础上,基于滑模控制理论设计了变质心控制系统,控制质量块的偏移运动,进而控制AUV定深运动。仿真结果表明：该控制器可满足AUV定深控制的需要,使定深误差趋近于零,并对建模误差具有一定的鲁棒性。     

具有PID反馈增益的自主水下航行器反步法变深控制

本文针对海底地形测绘时自主水下航行器(autonomous underwater vehicle,AUV)的变深控制问题,提出具有PID增益调节的AUV深度控制方法,基于反馈增益的反步法设计控制器,避免了采用传统反步法导致控制器中存在虚拟控制量的高阶导数问题;基于李雅普诺夫稳定性理论设计控制器参数消除了部分非线性项,得到的控制器的线性部分为状态变量的线性组合,具有PID控制器参数调节的形式;针对存在建模不精确、外界干扰和测量噪声时的闭环系统鲁棒性进行分析,保证了误差系统在扰动作用时的一致最终有界性.最后通过仿真实验验证了本文设计的控制器的有效性.     

基于SSA-模糊PID的AUV姿态控制研究

针对AUV高精度、高稳定性姿态控制的提升需求,提出一种结合麻雀算法(SSA)和模糊PID控制的姿态控制器。采用麻雀算法对模糊PID控制器参数进行优化,并将寻优后模型用于算法的反馈补偿,有效解决了模糊PID控制过度依赖经验,难以应对水下复杂工况的问题。仿真结果表明,SSA-模糊PID控制器在AUV姿态调节中表现出较传统模糊PID控制器更好的响应速度和抗干扰能力,有效改善了AUV姿态控制性能。经实际应用验证,控制器在复杂工况下可快速收敛至期望姿态并维持稳定。     

水下航行器智能航向滑模控制

为了实现对自主水下航行器参考航向的平滑、快速跟踪,提出了一种基于干扰观测器的航向跟踪自适应反演滑模控制算法。针对水池试验中不同程度的水流干扰,利用一种干扰观测器观测系统的不确定性和外部干扰,未观测到的部分干扰采用自适应滑模控制器进行补偿。控制器的设计消除了传统滑模控制的"抖振"现象,且保证了闭环系统的稳定性。同时该控制系统可智能选取控制策略,通过判断水流循环等外界干扰的程度,自动选取合适的控制策略,最终消除外界干扰,提高了跟踪的稳定性和快速性。仿真结果表明,该控制策略能很好地实现智能航向跟踪控制,使跟踪误差在有限时间内快速收敛到零,对外界扰动的变化具有强鲁棒性和良好的自适应性。     

基于能量约束的自主水下航行器任务规划算法

多水下自主航行器（AUV）任务规划是影响集群智能水平的关键技术。针对现有任务规划模型只考虑同构AUV集群和单潜次任务规划的问题,提出了适用于AUV异构集群的多潜次任务规划模型。首先,该模型考虑了AUV的能量约束、AUV多次往返母船充电的工程代价、异构集群个体间的效能差异、任务多样性等关键因素;然后,为提高问题模型的求解效率,提出了一种基于离散粒子群的优化算法,该算法引入用于描述粒子速度、位置的矩阵编码和用于评估粒子质量的任务损耗模型,改进粒子更新过程,实现了高效的目标寻优。仿真实验表明,该算法不仅解决了异构AUV集群的多潜次任务规划问题,而且与采用遗传算法的任务规划模型相比较,任务损耗降低了11%。     

四旋翼无人机鲁棒自适应姿态控制

 四旋翼无人机的姿态控制是自主飞行控制的核心,针对四旋翼姿态易受外界环境干扰和内部参数摄动等不确定性影响的问题,设计了一种鲁棒自适应反步控制器,以提高四旋翼的鲁棒性。建立了四旋翼完整的姿态运动模型,并将其转化为含有广义不确定性的多输入多输出非线性系统。根据该系统满足严格反馈的结构特点,设计了反步控制器; 针对系统中存在的外部干扰和内部参数摄动等不确定性,引入了一类鲁棒自适应函数来抵消该不确定性对系统的影响; 采用非线性跟踪微分器估计虚拟控制量的微分信号,减小了反步控制器设计中普遍存在的“计算膨胀”问题; 通过构造Lyapunov 函数证明闭环系统是稳定且指数收敛的。仿真结果表明,所设计控制器具有良好的控制效果和鲁棒性。     

水下机器人传感器容错控制技术的研究

在分析水下机器人的解耦控制器及传感器系统的基础上，探讨了传感器出现故障时采用以滑模观测器输出代替传感器输出的容错控制（又叫取代控制）策略．对于传感器出现的无法修复性故障，这种策略最小化了其带给机器人的损伤．对于传感器出现的跳变故障，则在跳变故障的时间内采用取代控制．仿真结果表明了方法的有效性．     

改进蚁群算法在AUV三维路径规划中的研究

针对自主式水下机器人海底地形环境中的三维避障最优路径问题，提出了一种适用于全局路径规划的改进蚁群算法。结合实际情况提出了一种简单有效的三维海底环境建模方案。为了改善基本蚁群算法在实际应用中的不足，根据全局信息设计了启发函数，同时采用局部和全局结合的信息素更新方式，克服算法收敛速度慢、容易陷入局部最优的缺点，提高了算法的全局寻优能力。将路径的长度和路径的光滑度同时作为评价函数，减少路径的消耗，使算法更具备实际工程意义。在大尺度海底环境下仿真验证了该算法的有效性。     

自治水下机器人的局部规划方法

针对自治水下机器人(AUV)所处的真实海洋环境,通过分析长距离航行时AUV局部规划必须考虑的各种因素和可能产生的影响,设计一种局部规划器的结构,提出基于模糊逻辑的解决方案。该方法能实时综合考虑机器人的各种状态、其所处的海洋环境及任务目标情况,并根据三者间的关系得出速度折扣因子。实验表明,该方法能有效处理海洋环境下AUV大范围长距离航行的局部规划问题。     

基于有限时间系统同步的自治水下航行器回收控制

基于主-从系统状态同步的思想,提出了母艇在平面运动中回收自治水下航行器（Autonomous underwater vehicle,AUV）的一种控制方法. 在给出母艇和自治水下航行器的动力学模型基础上,建立了自治水下航行器（从系统）接收母艇（主系统）的状态信息并控制自身接近母艇的主从控制方案,使母艇自主回收水下航行器的问题转化为两者的运动状态同步问题. 利用有限时间稳定性理论,设计了一种在常值海流扰动影响下,自治水下航行器能够在有限时间内被母艇回收的滑模控制器,理论证明和仿真实例证实了该控制器的有效性.     

Adaptive Sliding Mode Control for Re-entry Attitude of Near Space Hypersonic Vehicle Based on Backstepping Design

Combining sliding mode control method with radial basis function neural network (RBFNN), this paper proposes a robust adaptive control scheme based on backstepping design for re-entry attitude tracking control of near space hypersonic vehicle (NSHV) in the presence of parameter variations and external disturbances. In the attitude angle loop, a robust adaptive virtual control law is designed by using the adaptive method to estimate the unknown upper bound of the compound uncertainties. In the angular velocity loop, an adaptive sliding mode control law is designed to suppress the effect of parameter variations and external disturbances. The main benefit of the sliding mode control is robustness to parameter variations and external disturbances. To further improve the control performance, RBFNNs are introduced to approximate the compound uncertainties in the attitude angle loop and angular velocity loop, respectively. Based on Lyapunov stability theory, the tracking errors are shown to be asymptotically stable. Simulation results show that the proposed control system attains a satisfied control performance and is robust against parameter variations and external disturbances.      

基于CAN总线的自主水下航行器分布式控制系统设计

提出一种基于CAN总线的分布式控制系统设计方案,该总线主要搭载任务控制系统、导航控制系统、运动控制系统、安保系统四个节点。将自主水下航行器的功能分布到不同的控制节点,具有较好的体系结构,且便于维护与升级。不同于集中式控制系统,当系统内需增加其他功能模块时,无需修改硬件部分可直接接入控制系统,便于控制具有很好的实时性与可扩展性。最后通过湖试结果显示,自主水下航行器航行稳定,分布式控制系统运行良好,验证了该设计的可靠性与有效性。     

基于鲁棒自适应的无人直升机悬停控制

小型无人直升机凭借良好的机动特性,在军事和民用方面有着广泛的用途。针对小型无人直升机悬停模型,考虑模型参数不确定对无人机控制的影响,提出一种鲁棒自适应控制律,实现无人机控制系统对不确定扰动的抑制。首先,基于无人直升机线性化悬停模型设计滑模面,并结合标称系统控制的反馈增益,获得滑模面的设计参数;在此基础上,利用传统滑模趋近律设计方法设计控制器;为改善系统控制性能,设计基于自适应增益的趋近律,实现系统鲁棒自适应控制。其次,利用Lyapunov稳定理论对所设计的鲁棒自适应控制策略的稳定性进行分析说明。最后,通过与基于指数趋近律以及变速趋近律的两种滑模控制方法仿真对比,验证了所设计的控制方法的有效性和优越性。     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

高超声速飞行器姿态的变结构控制

针对高超声速飞行器运行环境中气动参数大范围变化可能导致失稳现象,构建高超声速飞行器姿态的滑模变结构控制器。通过多时间尺度理论将飞行器姿态控制系统分为内外双闭环子系统,分别为内外环设计滑模姿态控制律,保证控制系统对气动参数变化不敏感,能稳定准确地跟踪期望姿态角指令。仿真结果表明所提滑模变结构姿态控制算法性能良好,对气动参数变化有一定的鲁棒性。