带降落伞空投水雷空中弹道仿真分析

为了研究降落伞对空投水雷空中弹道的影响,运用动量定理和动量矩定理建立了水雷的六自由度空中弹道数学模型,并在一定假设的条件下建立了降落伞作用力的数学模型。然后对空投水雷的空中弹道进行了仿真分析。结果表明：降落伞对空投水雷起到了很好的减速作用,同时降落伞有利于水雷在空中调整姿态从而以较好的角度入水。     

波浪对鱼雷形长航程AUV微速操纵性的影响分析

在建立适合于鱼雷形长航程自主水下航行器(简称:AUV)微速操纵运动仿真的六自由度数学模型的基础上,基于线性波浪理论建立了波浪对鱼雷形AUV作用力的数学模型,并对 AUV在近水面做悬停运动以及下潜运动时的操纵性受海洋环境力的影响进行仿真研究,结果表明鱼雷形AUV在不同海况波浪的影响下可以稳定的完成定点悬停和垂直下潜运动;二级波浪对鱼雷形AUV操纵性的影响较小,四级波浪对鱼雷形AUV操纵的影响较明显;波浪对AUV操纵性的影响随深度的增加而迅速较小.     

水下滑翔机器人实时仿真平台研究与开发

为检验水下滑翔机器人系统的整体性能及载体在水下的运动学和动力学特性,提出了采用半物理仿真方式建立水下滑翔机器人实时仿真平台的设想.介绍了建立实时仿真平台的硬件结构,并对水下滑翔机器人实时仿真平台的搭建过程作了简要的说明.仿真平台系统包括虚拟水下滑翔机器人系统和虚拟显示系统两部分,其中虚拟显示系统包括:MultiGen Creator建立的三维载体模型和海底地形;Vega生成的实时视景程序;基于MFC的视景仿真程序.     

AUV近水面悬浮解耦控制系统设计及仿真

提出一种自主式水下航行器(autonomous underwater vehicle, AUV)近水面悬浮解耦控制算法。在系统解耦的基础上通过两套独立的执行机构（水舱）分别实现AUV近水面悬浮时深度和纵倾角度控制。对海洋环境因素进行干扰力建模,在考虑各种环境干扰力作用的情况下通过仿真测试控制器性能,并与之前的仿真结果进行对比。定性地分析海洋环境要素对AUV运动控制器性能的影响,讨论在AUV控制器设计中考虑环境要素变化的必要性。仿真实验证明,提出的AUV悬浮解耦控制器在单纯考虑波浪干扰的情况下能够取得令人满意的控制效果。     

AUV近水面运动的积分变结构控制及仿真

智能水下机器人(AUV)在近水面的运动中,由于波浪干扰力的作用,运动状态会发生明显变化,其近水面的定深控制是比较困难的。本文设计了一个积分变结构控制器,对智能水下机器人进行了近水面运动仿真,有效的防止了水下机器人近水面波浪干扰作用下的埋首上浮现象。首先建立了水下机器人的水动力模型,进行了波浪干扰力的计算,在此基础上给出了水下机器人变结构控制器的设计过程,针对非积分变结构控制器中出现的稳态误差加入积分项,通过仿真对比验证了积分项的加入很好的抑制住了稳态误差且响应速度快、有较好的抗波浪干扰能力。     

考虑多种影响因素下的改进重装空投系统建模

针对当前重装空投数学模型与实际系统存在偏差的问题,放宽建模假设,提出了牵引伞力作用方向,建立了涵盖刚体货物、舱内地板角、牵引伞等影响因素的空投数学响应模型。针对建模过程的复杂性,改进了传统分离体法建模方法,简化了建模过程,提高了模型的扩展性。最后,通过与现有重装空投模型的理论分析与仿真对比,证明了该模型具有较小的建模误差,更贴近于实际重装空投系统。     

潜空导弹运载器水下弹道仿真研究

在建立适合于运载器六自由度运动的数学模型的基础上,建立了光纤对运载器作用力的数学模型,然后对潜空导弹运载器的水下弹道进行了仿真研究.结果表明运载器运动稳定,控制规律合理.     

远程AUV微速操纵性仿真研究

建立了适合于远程AUV大攻角微速条件下运动仿真的六自由度数学模型，对AUV在定点旋转、垂直上浮下潜、水平左右横移等形式的微速运动下的操纵性进行了仿真研究。结果显示AUV在微速条件下可以稳定的运动；鱼雷形AUV在水平、垂直方向的操纵性能基本相同。并经过与湖上试验结果的对比，说明了仿真结果真实可信。     

水下机器人自主控制系统的设计与实现

水下机器人(简称AUV)的自主控制系统起着相当于人类"大脑"的作用,它是AUV的核心技术。本文在QNX操作系统下利用多线程技术设计并实现了AUV自主控制系统。介绍了AUV混杂系统结构和自主控制原理,给出了自主控制系统的多线程结构。设计了多线程同步模块,并与QNX消息传递机制相结合实现了AUV自主控制系统线程间的同步与通信。最后在半实物仿真平台上结合具体案例对自主控制系统进行了验证。仿真结果表明AUV自主控制系统能够正确协调各个线程自主完成使命。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。