多翼自治水下机器人动力学建模与姿态控制

为了提高多翼自治水下机器人姿态自主控制的稳定性和控制性能,设计了基于多翼水下机器人全参数控制模型的姿态控制系统.首先对多翼自治水下机器人进行运动学和动力学分析,建立多翼自治水下机器人的全参数运动控制模型;在此基础上建立多翼自治水下机器人整体控制系统,设计基于线性二次型最优控制的多翼自治水下机器人姿态控制器;最后进行多翼自治水下机器人姿态控制仿真实验.结果表明:在给定的外界干扰下,多翼自治水下机器人能够快速稳定跟踪目标姿态,所建立的控制器以及控制模型能够满足多翼水下机器人姿态的自主控制需要,达到设计目标.     

自主式水下机器人运动稳定性控制方法

针对自主式水下机器人稳定性控制问题进行了研究.首先对水下机器人的总体结构及其在水中的运动特性进行了分析,建立水下机器人系统的动力学模型;然后建立了直线、方向和位置的运动稳定性分析方法,确定了纵向稳定性和侧向稳定性准则,提出了基于特征值的稳定性要求;最后设计了无源自适应控制器,针对水下机器人在水中悬停和运动时易受海流影响的问题,建立了自适应补偿方法,进而确定了输入的不确定性补偿方法.对自主式水下机器人进行多方向的运动稳定性控制试验,通过试验修正稳定性控制参数,验证了设计的水下机器人运动稳定控制器的有效性和可靠性.     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

基于神经网络PID的AUV控制方法研究

针对水下机器人各自由度之间存在较强的耦合和非线性特征，其精确的数学模型很难获得的问题，建立了水下机器人空间运动的数学模型，并根据实际需要和控制器设计的方便进行了适当简化，得到了水下机器人自由度运动模型．在此基础上，使用了基于神经网络的PID控制方法．结合水下机器人六自由度水动力模型，建立了基于BP网络的PID的水下机器人控制器，并进行了仿真环境下的试验．试验结果表明，以上控制方法较为适合水下机器人的运动控制．     

基于CPG的水下自重构机器人控制网络演化方法

提出了基于中枢模式发生器(CPG)的水下自重构机器人控制网络的演化方法.引入仿生学中的CPG作为控制网络基本组成单元,采用通路矩阵描述水下自重构机器人的构形,实现了由构形到CPG控制网络的演化,并给出了水下自重构机器人典型构形所对应的CPG控制网络的结构及输出波形.结果表明,所提出的方法可以动态生成水下自重构机器人的控制网络.     

控制动作下带缆遥控水下机器人的水动力特性

首先利用模糊神经网络算法构建了基于完整的带缆遥控水下机器人水动力数学模型的控制器,对水下机器人多自由度上的轨迹和姿态进行控制;然后,针对传统螺旋桨推进力分析方法中的缺陷,引入神经网络相关理论并结合计算流体方法对推进力和转速之间的相互关系进行辨识和换算;在此基础上构建了一个完整的、包括模糊神经控制器、机器人水动力数学模型以及推进力和转速换算模块的带缆遥控水下机器人控制系统;最后,在考虑系统各部分间相互影响的前提下进行了水动力特性的整体分析和计算.数值计算结果表明,所建立的控制系统可以对带缆遥控水下机器人进行有效的轨迹和姿态控制,文中方法可以从整体的角度分析一定控制动作下水下机器人的水动力响应.     

水下机器人-机械手系统自适应抗扰控制方法

针对开架式水下机器人在其作业过程中易受到脐带缆、机械手和海流等扰动影响的问题,为减小改扰动对艇体姿态的影响,文中对开架式水下机器人设计了一种基于模型的自适应抗扰控制方法,并分别对脐带缆和机械手引起的扰动进行了建模分析,具体建立了一种以全局运动学控制环和扰动力补偿项为主的自适应抗扰控制.在SY-Ⅱ开架式水下机器人平台上进行了S面控制和自适应抗扰控制的对比实验.结果表明,脐带缆和机械手的扰动力会对水下机器人的姿态产生较大影响,通过对扰动力的实时估算和补偿,在定深定向、轨迹跟踪实验中,基于模型的抗扰控制方法表现出更高的控制精度,在姿态保持实验中,与S面控制方法相比,自适应抗扰控制展现了较好的鲁棒性,系统轨迹更平稳,具有更强的稳定性.     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。     

水下机器人纵向姿态的随机最优控制律研究

本文根据水下机器人的线性化模型,利用卡尔曼滤波技术给出了水下机器人纵向姿态的最优估计,通过对水下机器人垂向干扰力的有理谱建模,进行状态扩充,给出了水下机器人的随机最优控制律.仿真结果表明,其控制效果更为理想.     

电厂冷凝器清洗机器人设计与控制方法研究

提出了面向电厂冷凝器清洗的新方法,它以高压水清洗为主、以化学药剂清洗为辅,通过智能清洗机器人实现电厂冷凝器的自动化在线清洗.首先设计了水下冷凝器清洗机器人的体系结构,给出了清洗机器人的机械与电气结构,在此基础上,为实现机器人的高效清洗,设计了机器人的分布式控制系统,提出了水下作业环境下二关节机器人的控制方法,建立了模糊高斯基神经网络控制系统结构,通过BP学习算法进行神经网络训练.最后,仿真实验表明:提出的控制方法在动态性能和稳定性方面优于传统的控制方法,非常适用于水下环境的清洗控制.