基于SVM的水下机器人预测S面控制

针对舵桨联合操控水下机器人系统的非线性特点,将预测控制的思想引入经典S面控制中,构造了一种基于支持向量机（SVM）的预测S面控制器,改善了S面控制器的控制效果,增强其自适应性.用支持向量机辨识水下机器人的非线性系统模型,充分发挥了SVM的泛化能力,能准确预测其运动状态.构造二次型性能优化函数以获取S面控制器的最优控制参数,进而获得水下机器人最优控制律.仿真结果表明：基于支持向量机的预测S面控制器具有结构简单、响应速度快、鲁棒性好等优点可行且有效.     

高强水下不分散混凝土

水下不分散混凝土是八十年代国际高新技术，其特点为混凝土入水不分散、自流平、自密实、无需振捣，对施工水域无环境污染，硬化混凝土质量均匀、可靠等。该项技术可应用于桥梁、港口、码头、海堤、核电站基础、钻井平台等多种水下工程，施工水深达215米(德国北海油田海底管线试验工程)。     

水下声学调制解调器动态可重构数字系统设计与实现

提出一种动态可重构的水下声学调制解调器数字系统,此系统将调制、解调模块定义为可重构模块,根据水下声学信道的检测结果,动态调整其调制解调方式和数据率,以提供低误码率、低能耗的通信。在Xilinx XUPV5 FPGA开发板上完成数字系统的实现与软硬件协同验证,结果表明功能正确,数字系统可以动态配置为2FSK和2PSK模式。与传统FPGA实现方法相比,动态可重构的设计方法提高了算法设计的灵活性,节约了数字系统硬件实现的资源。     

水下爆炸载荷作用下浮体模型变形机理研究

为揭示舰船底板在水下爆炸载荷下的变形机理,设计水面浮体模型,进行实验研究和理论分析. 考虑近距离爆炸球面波效应,得到了模型获得的冲击波能量. 将聚偏氟乙烯计测得的壁压时程作为浮体模型的输入载荷,并计及模型浮力的变化,得到了模型的最大动能. 考虑膜力拉伸应变和弯曲应变的耦合效应,使用拟合的底板挠曲面函数,得到了模型底板的塑性变形能. 将模型的动能与塑性变形能之和除以冲击波能与气泡能之和,得到了模型的能量利用率. 结果表明:能量利用率随量纲一的数Φ的增加先增加后减小,当Φ在50～90时,浮体模型对水下爆炸能量的利用率达到最高,达到20%～30%.      

长江口横沙浅滩及邻近海域含沙量与沉积物特征分析

长江口在河流动力和海洋动力相互作用和相互制约下,在河口口门形成了庞大的河口拦门沙系,在河口口外形成了巨大的水下三角洲.横沙浅滩是河口拦门沙系的重要组成部分.横沙浅滩含沙量不仅受到流域来水来沙条件的影响,更主要的是受到台风暴潮和寒潮大风的影响,除了大潮含沙量大于小潮含沙量的特征外,冬季含沙量大大大于夏季含沙量.横沙浅滩5 m水深含沙量的总体水平约为0.459 kg/m3.横沙浅滩邻近海域含沙量在向海方向上迅速降低.除潮汐大小含沙量呈现大小变化之外,冬季含沙量大于夏季含沙量是其主要特征.长江流域来沙近年来呈现减少趋势,邻近海域含沙量有所减少,局部海床出现冲刷现象.横沙浅滩沉积以细粉砂为主,水下三角洲沉积物以粘土质粉砂为主,横沙浅滩及邻近海域沉积物的平面分布和垂向分布均反映了横沙浅滩沉积物和水下三角洲沉积物的组合结构.拟建横沙浅滩挖入式港池和外航道沉积地层均为第四纪疏松沉积层,特别是水下三角洲地层,可挖性好,容易成槽,对工程建设有利.     

浅议AUV深度的自抗扰控制

文章将自抗扰控制技术引入到AUV的深度控制中,分析AUV深度控制的数学模型,并在Matlab中建立AUV深度控制的ADRC模型,进行仿真验证。结果表明,所设计的自抗扰控制器在水下机器人的定深控制方面表现出较好的鲁棒性和适应性。     

基于改进人工势场的水下机器人路径规划

针对传统人工势场法中的局部极小点问题,引入势场栅格对水下机器人的运动环境建模,基于障碍物对每个栅格节点的不同影响构建了改进的人工势场.通过累计水下机器人路径所经过的栅格点的势能与路径本身长度的势能,完成势能累计最小的最优路径的搜索.针对不同的栅格数目环境、多障碍物密集环境及目标点近距离接近障碍物的环境分别进行了规划仿真...     

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．     

基于类加权YOLO网络的水下目标检测

由于水下目标检测面临着图像模糊、尺度多样化、复杂背景等问题,给水下目标检测应用带来很多挑战.本文提出了一种基于类加权YOLO网络的水下目标检测方法,主要思想是在深度网络YOLO的基础上,构造了类加权损失函数,来平衡样本难易程度以获得更好的效果,并引入了目标框自适应维度聚类方法,进一步提升了检测性能.实验结果表明,本文算法与传统的YOLO网络模型相比,在每幅图片包含近20个目标的密集目标检测任务中,能够将平均准确率从71.2%提升至74.1%,召回率由71.1%提升到78.3%.     

第三十届奥运会男篮赛中国队攻防能力的RSR综合评价分析

本文运用RSR秩和比法对2012年第三十届伦敦奥运会男篮B组赛攻防能力进行综合评价分析,旨为中国男篮比赛攻防能力作出客观定位;找出技术层面存在的差距,为今后有针对性训练提供有益参考.