面向作业任务的AUV用自主式机械手结构设计

论述了研制的自主作业水下机械手的总体、结构设计特点和主要性能技术指标.机械手装备于自主式潜水器(AUV)上,具有五个自由度,直流力矩电机驱动,最大作业水深为100m.机械手具有结构轻巧、运动传递精确、手爪可更换和被动柔顺功能等特点.可在计算机控制下面向对象自主作业.讨论了机械手的运动学计算、计算机仿真和调试试验情况.     

Deep-water steel sheet pile cofferdam back cover summary

文章以广州市南沙区凤凰一桥主墩钢板桩围堰封底施工为例,总结了在深水软弱地质条件下钢板桩围堰封底的施工技术,以供同行参考.     

深海潜水器研究现状与展望

深海潜水器研究对海洋科学与工程技术进步、海洋资源探测与开发、国家海防安全与海洋战略实施有着十分重要的意义。本文在简要概述深海潜水器基本类型的基础上,综述了深海潜水器的发展历史与国内外研究现状,论述了深海潜水器研究的关键技术,最后对深海潜水器的发展趋势及应用前景进行了探讨。     

同优先级的多水下机器人避碰控制

根据智能水下机器人(AUV)水下通讯相对困难的特点，在改进势力场法避障的基础上，实现了单机器人的避碰控制，在机器人群体间隐式通讯条件下，应用危险阈值和智能传感器的方法，成功地解决了优先级相同的多水下机器人编队航行过程中的避碰避障问题，并在仿真环境下验证了算法的有效性。     

大攻角情况下破损进水潜艇水下机动性

在美国泰勒海军舰船研究与发展中心发布的潜艇6自由度空间运动方程基础之上,结合潜艇大攻角及螺旋桨变负荷水动力试验研究,考虑大攻角对于潜艇水动力系数的影响,建立了改进的潜艇空间运动模型.分析了潜艇出现大攻角运动的时机,并运用改进的潜艇运动方程仿真计算,研究讨论了破损进水潜艇的水下机动性.改进后的运动方程对于潜艇应急挽回机动过程显示出良好的适用性.     

水下自航器的时变运动模型

为开发研制大航程、变速度的水下自航器 ,实现更精确的控制和导引 ,需建立水下自航器的时变运动模型。利用刚体分析动力学和理论流体力学的基本理论 ,研究水下自航器因燃料的消耗而引起的质量变化、质心位置和转动惯量的变化 ,导出描述其变化规律的方程 ;研究因推力变化而引起速度的改变 ,导出推力变化方程。在此基础上 ,推导出水下自航器空间运动方程组 ,并将数学模型表达成简明的矩阵形式 ,为研究变质量、变速度水下自航器的运动性能和设计控制及导引律提供基础     

基于WGAN的语音增强算法研究

带噪语音可看成由独立的噪声信号和语音信号经某种方式混合而成,传统语音增强方法需要对噪声信号和干净语音信号的独立性和特征分布做出假设,不合理的假设会造成噪声残留、语音失真等问题,导致语音增强效果不佳。此外,噪声本身的随机性和突变性也会影响传统语音增强方法的鲁棒性。针对这些问题,使用生成对抗网络来对语音进行增强,给出一种基于Wasserstein 距离的生成对抗网络(Wasserstein generative adversarial nets, WGAN)的语音增强方法来加快训练速度和稳定训练过程。该方法无需人工提取声学特征,且使语音增强系统的泛化能力得以提升,在匹配噪声集和不匹配噪声集中都有良好的增强效果。实验结果表明,使用训练出的端对端语音增强模型后,语音信号的客观评价标准(perceptual evaluation of speech quality,PESQ)平均得到23.97%的提高。     

基于级联思想的欠驱动AUV三维轨迹跟踪控制

为解决模型预测控制器(MPC)在执行器约束下初始状态量偏差大导致的无解问题,设计一种基于级联思想的MPC控制方法：首先,针对欠驱动AUV模型进行级联系统划分,再对划分出的模型分别进行MPC控制器设计;然后,利用微分跟踪器将期望量平滑处理;最后,基于非线性干扰观测器对外界干扰进行补偿。仿真结果验证了该方法的有效性。     

单层隔振平台抗冲击性能试验设计与分析

以结构简化后的模块化平台作为研究对象,根据水下爆炸设备抗冲击试验设计标准,设计试验工况使其达到GJB150.18—1986规定的最严酷考核工况,对此单层隔振平台进行抗冲击试验并与设计谱输入下的仿真结果进行对比．结果表明：试验设计合理,最严酷工况下谱位移达到设计要求,试验后模块化平台模型外观完好,未出现塑性变形,模块化平台冲击响应计算结果与试验结果较为符合,模块化平台的加速度峰值与谱加速度相较于浮动冲击平台内底减小幅度在95%以上,表明单层隔振平台具有良好抗冲击性能．     

基于平行注意力机制的对抗样本防御方法

为降低对抗样本的影响,提高分类模型在遭受攻击威胁下的精度,利用哺乳动物视觉系统工作原理,结合注意力机制,提出一种新型防御对抗样本模型PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。该防御模型在通过编码器获得对抗样本的特征图后,使用平行注意力机制提取特征图中的个体和位置信息,然后在保证这些特征不变的情况下,重新调整特征图的权重,通过解码器产生净化结果。该方法能在清除恶意扰动的同时保持净化结果与输入的一致性,有效降低对抗样本对模型精度的影响。在CIFAR-10和MNIST数据集上,PSCAM-GAN面对多种对抗样本攻击时的防御效果超越了其他基于预处理的防御方法,能有效提高模型的健壮性。