变速鱼雷推进器动态模型理论研究

传统鱼雷推进器静态模型已无法满足变速鱼雷的建模需要，为了解决这一问题，在国内外学者研究的基础上，运用流体动力学方法，建立了鱼雷推进器比较精确的动态模型。该模型是以推进器来流速度和螺旋桨转速为状态变量，以电机施加转矩为输入，螺旋桨推力和转矩为输出的。     

欠驱动自主水下航行器轨迹跟踪控制

文章基于级联方法,研究了欠驱动AUV的水平面轨迹跟踪控制问题。将跟踪误差分解为位置跟踪和航向角跟踪2个相互级联的系统,独立设计跟踪控制器,级联系统理论则保证了整个轨迹跟踪误差的全局一致渐近稳定性。其中,采用反演方法获得位置跟踪的全局一致渐近跟踪控制器,并且针对参考航向角速度为非零常值的一类参考轨迹,推导出保证系统全局一致渐近稳定的控制参数及参考轨迹条件。仿真研究表明该轨迹跟踪控制器是有效的,控制品质良好。     

自校正DMC-PID过热汽温控制系统仿真

为了克服在过热汽温控制中对象参数变化对系统控制带来的困难,提出了自校正DMC-PID控制方法.保留了通常过热汽温控制采用的串级控制结构,能够快速有效地克服干扰.同时通过参数辨识得到非参数模型进行动态矩阵控制(DMC),即自校正DMC,无需从广义对象的阶跃模型的上下界中选取一条标称的阶跃响应曲线去实现DMC控制,实际应用起来更简单.仿真结果表明,控制方法有良好的控制效果,改善了模型失配时的鲁棒性,在过热汽温控制中是十分有效的.     

共同观测环境多UUV协同导航

协同导航方法是一种利用无人水下航行器(UUV)之间相对位置信息,提高配备低精度自定位传感器个体定位精度的方法。然而个体间相对位置的改变,即协同结构的不同,会导致不同的定位精度。当多个UUV由于相距较近,被在较远处的配备高精度定位传感器的另一UUV上的同一声纳同步观测时,即它们处于"共同观测环境"中,各个UUV所受到的噪声干扰具有相同或相近的性质。因此,可以利用误差间这种相关性对量测信息进行粗估计,再利用合适的滤波器融合粗估计量测与航位推算估计以提高配备低自定位精度传感器UUV位置估计的精度。最后的仿真结果显示了这种处理方法的有效性和一致性。     

基于移动长基线和误差修正算法的多UUV协同导航

在移动长基线（MLBL）定位结构中,虽可利用基于水声传播延迟（TOF）原理获取的量测信息和贝叶斯滤波器（如扩展卡尔曼滤波（EKF））提高低自定位能力无人水下航行器（UUV）的定位精度,但较高的测量误差会降低这种提高的幅度.根据水声通信的特点提出了一种相关性假设并构建了误差修正算法（ECA）,在设定条件下利用误差间的相关性减小量测误差,从而实现量测的粗估计.仿真结果表明,先粗估计量测值再结合贝叶斯滤波器,可显著提高配备低精度自定位传感器的UUV的定位精度.     

水下航行器电动舵机控制电路设计

介绍了一种美国TI公司的UC1637芯片和日本富士公司的6D130A-050功率模块构成的自主水下航行器舵机控制电路。实践证明．该舵机控制电路结构简单、性能可靠、控制效果良好。     

一种利用单信标修正AUV定位误差的方法

针对配置有捷联惯导（SINS）／多普勒速度仪（DVL）／深度传感器组合导航定位系统的自主水下航行器（AUV）的定位误差随时间增大,以及采用GPS修正定位误差引起的AUV隐蔽性降低等问题,提出了一种利用水下固定单信标修正SINS／DVL／深度传感器组合定位误差的方法。该方法首先利用水声测距原理测量出AUV与水下固定单信标的距离,然后基于空间几何关系计算出AUV的实时位置,最后通过卡尔曼滤波连续修正AUV的定位误差。仿真结果表明,该方法可以有效减小AUV的定位误差,有较好的工程应用价值。     

水下航行器自动驾驶仪开发中的虚拟原型技术

自动驾驶仪是自主水下航行器控制系统中的关键部件,随着技术的发展功能日趋复杂,传统的设计、制造方法已经不能满足现代系统研制的需要.研究了先进的虚拟原型(VP)技术在水下航行器自动驾驶仪开发过程中的应用,针对不同的开发阶段,分别提出并实现了三个不同层次的VP:控制律设计VP,软件交互开发VP以及半物理仿真VP,在开发过程中收到良好的效果.实践表明,VP的应用大大缩短了自动驾驶仪的研制周期,降低了研制风险,提高了研制质量.尤其是软件交互开发VP在软件的测试、维护过程中发挥了重要作用.     

深度相机与微机电惯性测量单元松组合导航算法

针对室内非结构环境下,全球定位系统、无线电定位等定位手段使用困难,轮式里程计在楼梯等场合易出现打滑或空转而误差较大,单一视觉传感器或微机电系统（MEMS）惯性测量单元（IMU）很难实现高精度自主定位,以及传统的视觉与MEMS IMU组合导航算法复杂、计算量大、导航精度低等问题,提出一种适用于室内的深度相机与MEMS IMU松组合导航算法。MEMS IMU预积分结果作为改进迭代最近点（ICP）算法的迭代初值,大幅减少了迭代次数;通过深度相机和MEMS IMU分别计算载体的位置并作差运算,将位置差值作为量测信息,使用扩展卡尔曼滤波估计MEMS IMU的导航误差,修正航位推算的结果;利用Kinect v1深度相机和MTI 100-IMU搭建的平台进行实验验证。结果表明,基于MEMS IMU辅助的改进ICP算法能够减少迭代次数约50%,基于位置差值的深度相机与MEMS IMU松组合算法导航定位误差小于总里程的10%.