规则波浪中舰船操纵运动计算

当船舶在波浪中处于尾斜浪或顺浪航行时,可能出现稳性丧失和横甩等现象,所以船舶在波浪中的操纵性问题已引起人们的关注.目前,关于该问题的大多数研究往往局限在有限的浪向角范围内.本文在船舶静水操纵性基础上,直接迭加高频的波浪力,建立一个波浪中高频运动响应的操纵性预报方法.用二维Frank源汇分布法计算船舶随摇荡频率变化的附加质量———波浪的辐射力,以及规则波浪的扰动力———Froud Krylov力,在六自由度运动方程上直接迭加所计算的波浪力,并引用静水操纵中船、桨、舵水动力的计算模型,建立了规则波浪中船舶操纵运动预报模型,并数值计算了一条高速方尾船舶在不同规则波浪的波长、波高和浪向角下的操纵舵回转运动和Z形操纵舵运动,附加质量和波浪扰动力根据运动中的遭遇频率和浪向角确定.数值计算的回转角速度、横倾角和纵倾角的变化规律与文献中单桨单舵船模试验有着相似结果.     

多水下机器人视景仿真系统技术研究

该文介绍了多水下机器人群体分佰式智能控制软件的视景仿真系统。以MultiGen Creator建模,利用实时视景开发软件包OpenGL Performer,采用POSIX Thread多线程技术,在Linux环境下开发了分布式多水下机器人三维视景仿真平台。实现了多水下机器人分布式智能控制软件系统的实时视景仿真,保证了整个系统的信息共享与时间同步。同时该文讨论了该视景仿真软件的开发过程以及整个系统的体系结构和信息流程。试验结果表明,该视景系统可逼真演示多水下机器人编队水下航行、作业等过程,并满足系统仿真的实时性要求。     

基于单神经元的水下机器人S面自适应运动控制

从模糊逻辑控制方式出发,借鉴PID控制结构而形成的S面控制自身不具有自调整能力。为了加强机器人运动控制的自主性,改善控制的动态响应特性,探讨了基于单神经元的S面自适应控制学习算法,实现了控制参数的自动调整,增加的积分项改善了机器人的动态响应特性。实验结果和实际应用表明,基于单神经元的S面自适应控制器对于水下机器人的运动非线性控制具有响应速度快、超调小、自学习能力强、设计简单等多种优点。     

舵桨联合操纵微小型水下机器人的开发

介绍了一种舵桨联合操纵的微小型水下机器人．该机器人装有左右布置的两个主推进器、可调攻角水平舵和垂直稳定翼．配合所搭载的深度计、磁罗经等传感器和控制计算机,可实现水下定深定向航行,并可由TV和声纳探测水下目标．其航行与探测能力得到了试验验证．     

多水下机器人编队的组网通信方法研究

使用水下机器人组网编队可以在更开阔的海域完成环境信息收集、区域搜索与快速环境感知等使命。为提高编队通信效率,研究了水声通信条件下多水下机器人组网通讯的方法。在多水下机器人的分层通信结构中,基于拓扑网络结构建立了信道传输模型。根据传输模型,对于距离领航员AUV节点较远而距离其他跟随AUV较近的节点采用线性拓扑传输方式,而对于其他AUV节点采用一对多竞争拓扑传输方式。在线性拓扑传输的自适应MAC协议中,领航员AUV和所有的跟随AUV通过广播与应答的方式实现时间同步,之后跟随AUV节点根据距离领航员AUV和数据传输的效果选择负责外围节点的通信或休眠,这就降低了领航AUV的能量消耗,提高了整个AUV编队组网的生存时间。而一对多竞争的自适应MAC协议包含了一种改进的握手机理,该协议可以降低传输的丢包率并提高网络的吞吐量。与AUV编队结合的通信仿真表明了该方法的先进性和有效性。     

基于遗传算法的水下机器人模糊控制器优化设计

将遗传算法引入到水下机器人模糊控制优化问题中，用以自动寻优隶属函数参数和模糊控制规则，针对所采用的模糊控制器是连续型模糊控制器这一特点，对模糊规则和隶属函数采用了实数编码策略，并讨论了复制、交叉、变异等遗传操作在模糊控制器设计非线性寻优中的应用，最后针对水下机器人运动控制进行了计算机仿真，仿真结果表明，优化得到的模糊控制器与传统的模糊控制器相比具有响应快、超调小的特点。     

基于混沌过程神经元的水下机器人运动控制方法

考虑水下机器人运动控制系统的输入输出均为随时间连续变换的过程量,在过程神经元模型的基础上,结合S函数和预先规划的思想,提出一种过程神经元运动控制模型.在参数学习过程中,引入遍历性的渐变混沌噪声,以增强控制全局的优化能力.海浪和海流外界干扰下机器人仿真实验验证了该方法的有效性,取得了满意的结果.     

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．     

改进人工免疫算法在水下机器人运动控制中的应用研究

基于生物免疫系统的生理特性,以免疫系统T细胞、B细胞与免疫应答为基础,引入了免疫算法,其结构简单,易于实现,但是由于忽略了免疫系统的记忆、自适应、细胞繁殖和自然死亡等复杂的机理行为,也不具有实时自调整的能力。结合梯度搜索方法和希尔函数,提出了一种基于Sigmoid非线性模型的自学习免疫控制算法。将该方法应用于水下机器人的运动控制系统进行仿真研究,结果表明了改进人工免疫算法的有效性。