水下机器人高度信息融合与欠驱动地形跟踪控制

研究了配置高度计和多普勒速度计(DVL)的欠驱动水下机器人地形跟踪控制问题.采用Takagi-Sugeno推理方法对高度计和DVL两种传感器的高度信息进行融合,提高了高度信息感知能力.将地形跟踪分为速度控制和深度控制问题,分别使用S面控制方法设计速度控制器和反步法设计欠驱动深度控制器.最后,通过实际海洋实验对研究的方法进行了验证,实验结果表明该文提出的方法是有效的.     

水下机器人S面控制器的改进粒子群优化

S面控制器是一种有效的水下机器人的运动控制算法,但需要人工调整参数.为了减少手工调整参数所带来的困难和误差,提出了改进的粒子群优化算法对S面控制器参数进行优化.采用动态压缩因子,加快粒子算法的收敛;引入退火算法,提高粒子算法的局部搜索能力.同时,在S面控制器中引入智能积分项,有效地减小控制器的稳态误差.最后,论述了改进粒子群算法优化S面控制参数的具体过程,并在某型水下机器人上进行了仿真试验和水池试验.试验结果表明,该算法对于水下机器人非线性控制器的参数寻优达到良好的效果,优化后的S面控制具有较快的反应速度和较小的超调.     

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

基于切换视线法的欠驱动无人艇鲁棒自适应路径跟踪控制

针对欠驱动无人艇（USV）的航路点路径跟踪问题,提出了一种鲁棒自适应控制方法。设计了一个新的切换型视线（LOS）法制导律,以引导USV始终以最佳LOS圆半径趋向期望路径。与传统制导律相比,切换型LOS法制导律具有运算负载小、收敛速度快的特点。考虑到USV模型的不确定性及环境干扰未知时变性,开发了一种复合神经网络控制器来增强系统鲁棒性。通过在网络输入中增加预测误差信息,以提高网络逼近精度。同时,引入最小学习参数思想优化网络结构,对神经网络的在线自适应参数进行压缩,以减轻网络计算负担,并借助李雅普诺夫理论对系统的稳定性进行了分析。通过对比仿真实验验证了所提出控制策略的有效性。     

基于自抗扰的自主水下航行器地形跟踪控制

为保证自主水下航行器在进行地形跟踪任务时,可以更好地抵抗外界环境及自身信号传输的干扰作用,提出一种基于自抗扰控制技术的地形跟踪控制方法,可以将地形跟踪转化为水下机器人的纵倾控制,并设计有运动保护机制。在仿真实验中,利用所设计方法,进行了三维运动仿真,模拟了机器人从水面到水下完成地形跟踪任务的全过程,并与基于PID控制方法的控制器进行比较。结果表明,基于自抗扰控制技术的地形跟踪控制方法能够准确完成预定任务,同时,相比于基于PID的跟踪方法,能够更有效地抑制干扰所造成的超调和震颤等现象,具有更优的控制效果。     

一种基于注意力机制的AUV控制层指令理解方法

为了更好地衔接水下机器人(AUV)规划层与控制层,参考Itti视觉注意力模型,提出了基于注意力机制的规划指令理解模型,建立了规划指令理解与再次规划环节.通过使用模糊推理的方法对指令元素特征、指令元素显著性进行分析处理,得到规划指令注意力聚焦;根据注意力聚焦进行再次规划,保证规划层关注的状态得到优先执行.仿真实验表明文章提出的规划指令理解环节实现了对规划层指令意图的获取,使规划指令得到更好地执行,有效地改善运动控制效果,提高了控制层的智能水平.     

预应力砼管桩在软基处理中的技术应用

本文主要对利用预应力砼管桩进行软基桥台基础处理的应用情况进行详细阐述,以便能让我们清楚地掌握住相关的一些工艺技术要求,为日后在进行类似工程的施工控制时能起到参考借鉴的作用。     

空调工程监理重点

空调工程包括通风工程、空调工程、人防防排烟工程3个分项工程.它们具有相同之处,即管道安装工艺复杂,设备较多且施工要求严格,尤其是使用功能必须满足主控项目及一般项目达到规范要求.实践证明,工程监理应着重做好以下四方面的工作.     

基于重构容错的智能水下机器人定深运动控制

为保证智能水下机器人（AUV）在部分运动执行器出现故障的情况下,仍可在一定深度下顺利完成相应任务,提出一种定深容错运动控制策略。该控制策略针对某型智能水下机器人垂向推进器的故障,从实用角度出发,基于重构容错控制思想,同时结合自抗扰控制（ADRC）方法进行具体的控制器设计和实现。该控制策略中包括两种定深控制器设计,分别为垂推正常工况下和垂推故障情况下的定深控制,试图依靠相关故障信息,通过重构替换实现容错控制。在仿真实验中,该控制策略于不同环境干扰下进行了相应测试,并与结合PID方法的定深控制器进行了比较。结果表明,基于重构容错控制思想,并结合自抗扰控制方法的定深容错控制策略不仅有效,同时具有更好的抑制干扰作用,从而可以为机器人提供更优的控制效果。