基于前视声纳信息的AUV局部路径规划研究

针对水下环境的不确定性,建立了前视声纳的视域模型。主要采用强化学习的方法对自治水下机器人(AUV)进行控制和决策,综合Q学习算法、BP神经网络法、人工势场法对AUV进行局部路径规划。在AUV与环境的试错交互中,借助于来自成功与失败经验的奖励和惩罚值,不断改进水下机器人的自治能力。并设计了AUV局部路径规划器,实现AUV在不确定环境下的避障任务。半实物仿真证明了算法的可行性与可靠性。     

UUV水流观测数据融合与可视化技术研究

为了克服传统利用坐底自容式和水面船走航式ADCP测量水流方法的不足,研制了一套携带两台不同频ADCP的水流观测UUV系统.并针对UUV携带ADCP在水下测量水流时不能够实时接收到GPS信号,从而导致水流信息因缺失地理位置信息而变得不够准确和全面的问题,提出了一种UUV位置信息和水流数据融合的方法.首先采用多项式拟合和基于小波分解与重构方法对各数据源进行滤波处理,使水流数据的可信度提高;然后采用时间配准方式将舰位推算算法得到的UUV经纬度位置信息与观测的水流数据融合,得到了在大地坐标系下完整、准确的水流流场信息.此外,为了模拟出直观、形象的水流信息,采用插值与逼近相结合的方法实现了对水流流场的可视化表达.     

AUV控制系统规划层DEDS建模与仿真

地形勘查使命执行过程中,AUV(自治式水下机器人)控制系统的规划层对于AUV自主智能决策起到了至关重要的作用,对于AUV控制系统规划层进行DEDS(离散事件系统)建模与仿真研究可以使我们深入地了解并验证AUV自主能力.介绍了AUV控制系统逻辑模型以及监督控制理论,采用分层PETRI网对规划层进行了离散事件系统建模,采用了一种改进的RW离散事件监控方法对规划层模型进行了协调,通过对于任务库所的扩展,详细阐述了这种分层结构.采用一种半物理仿真平台,对模型的几种典型状态进行了仿真研究,最后通过一个具体的使命对AUV控制系统的规划层模型进行了仿真验证,仿真结果表明规划层模型能够正确协调各个任务,处理突发事件,指导AUV最大限度完成地形勘查使命.     

6自由度水下机器人运动轨迹滑模控制

本文的工作以我们正在研制的具有６个自由度水下机器人为背景，该机器人控制系统采用的是分层结构，这里研究的是执行级控制。首先分析了造成耦合的原因，然后从减小控制的耦合作用的角度建立了水下机器人本体的数学模型，接着提出了机器人本体运动的滑模控制方案。该方案具有良好的抗干扰性和鲁棒性。最后给出了仿真结果以说明本文方法的有效性。