利用侧扫声呐的自主定位导航技术研究

同步定位和地图构建(simultaneous localization and mapping, SLAM)与路径规划在陆地上的自主定位导航上被广泛应用,而自主式水下航行器(autonomous underwater vehicle, AUV)在实现真正的自主定位导航方面还有待提升.提出将侧扫声呐传感系统、SLAM技术和路径规划技术三者结合的自主定位导航技术.该技术先对原始声呐图像数据的杂波、异常值、噪声等进行预处理,再将预处理后的数据格式转换成适用于SLAM算法的激光雷达数据格式,并在此基础上进行全局路径规划和局部路径规划相结合的完整路径规划研究.仿真结果表明,该技术可以更好的使AUV在复杂水下环境实现真正的自主定位导航,并提高了AUV定位与环境建图的精度.     

基于单波束测距声呐的水下机器人避障仿真研究

针对多波束声纳体积大,成本高的局限,利用单波束声呐的探测波束依次旋转,依次获取自主式水下航行器(autonomous underwater vehicle,AUV)前方的左、中、右3个区域的障碍物距离信息.通过设计合适的环境障碍状态与有效的避障行为集合,并利用强化学习选择适合AUV自主避障的障碍状态-行为组合.仿真实验表明,根据单波束传感器提供的障碍物信息,通过强化学习获得的状态-动作组合,可以保证AUV躲避前方90°开角的障碍物,达到安全航行的要求.     

基于零空间行为法的自主水下机器人避障策略

针对自主水下机器人(AUV)在复杂海底环境驶向目标点的过程中可能遇到动静态障碍物的问题,设计了基于零空间行为(NSB)法的避障策略.首先将AUV驶向目标点的整体任务分解成不同的子任务,并把避障子任务设为最高优先级任务;对于多任务控制目标,将由低优先级任务向量向高优先级任务向量的零空间进行投影得到的综合任务向量作为最终输出函数;在完成高优先级任务的同时,部分或全部完成低优先级任务,以避免各任务目标的相互冲突.随后根据不同子任务的优先级设计相应的任务函数,研究了针对静态和动态障碍物的避障策略;推导并建立了AUV运动的综合输出函数,以确保其在驶向目标点的过程中对不同类型障碍物进行有效规避.模拟计算结果证明该方法是有效的和可行的,在复杂障碍物环境中能够达到预期的避障效果.     

基于MOOS的自主式水下机器人导航系统

针对自主式水下机器人(autonomous underwater vehicle,AUV)的试验成本极高,水下机器人的应用与算法验证都需要在一个理想的仿真环境中进行测试,且仿真环境的建模较为困难等问题,提出了应用MOOS软件系统对AUV导航系统进行导航位姿、通讯及三维信息的仿真,对MOOS软件系统的通信方法、软件架构、数据采集方式和传感器数据类型等方面进行了参数配置和仿真说明.面对工程导向,从数据产生机制、数据发布订阅和数据解析处理等角度,对MOOS软件系统进行论证分析.分析结果表明,MOOS系统可根据AUV导航系统的预设轨迹信息产生相关环境传感器数据,有效地进行多源信息融合与导航位姿解算.     

基于自适应反步法的自主水下机器人变深控制

为实现自主水下机器人(AUV)的高精度变深控制,基于AUV垂直面的运动学和非线性动力学模型,提出了神经网络自适应迭代反步控制方法,设计了运动学和动力学控制器.文中首先考虑AUV非线性模型的攻角和水动力阻尼系数的不确定性,设计神经网络控制器来对纵倾运动中的非线性水动力阻尼项和外界海流干扰作用进行在线估计,并基于Lyapunov稳定性理论设计神经网络权值的自适应律,保证系统闭环信号的一致最终有界.最后通过两组仿真实验,比较了所设计的控制器在设定控制器增益参数下的系统响应和在扰动作用下的变深控制性能,结果表明,所设计的控制器具有较小的稳态误差和较高的跟踪精度.     

自主式水下机器人的光视觉管道探测跟踪系统

研究了自主式水下机器人（AUV）利用单目光视觉系统对水下管道的检测跟踪问题,对实现该方法的各个过程从硬件组成和软件体系结构两方面进行了阐述,从而完成了一整套水下光视觉系统的软、硬件设计. 分析了水下管道图像的特点,结合该特点阐述了图像预处理过程,提出了一种改进的Hough变换方法,改善了管道边界的提取效果. 同时采用管道参考区域预测方法,提高了管道的检测率以及实时性, 并利用水池试验对系统的可行性和有效性进行了验证.     

基于改进强跟踪滤波器的微小型水下机器人船位推算

针对微小型水下机器人低速航行时的水下导航问题,提出一种基于改进强跟踪滤波器的船位推算方法.引入Sage-Husa量测噪声估计器以及自适应调节因子,通过改善渐消因子的大小,使得微小型水下机器人在机动性能较低情况下仍能加强滤波器的跟踪能力,提高滤波精度.以SY-1载体为研究对象进行的仿真试验验证了该方法的可行性和有效性.     

自主水下机器人强制自航下潜的类物理模拟

为提高自主水下机器人(AUV)下潜的安全性和稳定性,需对AUV自航下潜操纵运动进行精确预报.为此提出建立载体全物理模型,模拟螺旋桨运动,编写用户自定义函数(UDF),求解雷诺平均N-S方程,实时预报载体强制自航下潜运动受力和流动特性的类物理数值模拟方法.该方法采用多块混合网格和动区域法,能提高动网格数值模拟的精度和计算效率.数值方法通过AUV自航试验的速度对比进行了验证.将该方法应用于AUV强制自航下潜模拟,结果表明:初始启动时,载体加速度较大,将导致AUV有较大纵向和垂向阻尼;在载体纵倾变化过程中,载体垂向力幅值较大且振荡,螺旋桨尾迹有扭转趋势,螺旋桨推力变化;在载体定向直航下潜中,螺旋桨推力和载体阻力较为稳定.     

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.