基于遗传算法的水下机器人大范围路径规划

智能水下机器人（AUV）研究领域中的一个重要问题是全局路径规划，它的目标是在已知障碍物的环境中寻找一条从起始状态到达目标状态的无碰路径。提出一种分层遗传算法来解决大范围海洋环境下AUV的路径规划问题。详细介绍了算法的实现，并进行了仿真实验，仿真结果证明了该算法的有效性。     

水下机器人自适应S面控制

以某机器人为研究对象,使用S(Sigmoid)面控制方法构造了速度控制器并分析了该控制器的稳定性. 参考滑模变结构控制思想,提出了参数自适应S面速度控制器,使控制参数根据运动状态自适应调整. 同时,为了提高S面位置控制器的适应性,改进了控制器的自适应调整项,增强了控制器消除稳态误差的能力,实现了S面控制器局部动态调整. 水池中的对比实验和海洋验证实验表明,改进方法获得了良好的控制效果,有效提高了水下机器人运动控制的适应性.     

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.     

基于二次优化的救援机器人路径规划

针对当前应急救援过程中救援机器人路径规划效率低的问题,采用改进的遗传算法和二次优化方法实现救援路径的优化。对传统遗传算法进行改进,在初始化过程中采用一种启发式可行点插入方法建立初始种群,在适应度函数中加入路径平滑评价函数,在保留策略中采取“抓大放小”的方法,使算法的全局收敛能力和收敛速度都有了较大的提高。在初始路线的基础上,由起点到终点采用逐段寻优的方法进行路径二次优化,进一步缩短规划路径的长度并减少拐点数量。仿真结果表明,该方法较次优方法,路径长度分别缩短2.61%、2.21%、3.52%、1.22‰,平均收敛次数、搜索时间均有效优化,可有效地弥补传统遗传算法的缺陷,提高救援机器人的救援能力。     

智能水下机器人协同仿真框架研究

摘要： 针对水下机器人仿真的实际应用,引入协同仿真技术,提出了水下机器人协同仿真框架和配套的开发方法.阐述了该平台的体系结构和信息流程,对运动控制的协同仿真模型进行了说明,在建立的仿真系统中进行了远距离蔽障航行、目标探测与识别和管道跟踪半实物仿真实验.实验表明,协同仿真框架能够完成各种不同软件环境的异构仿真模型之间的协同工作,克服了单一模型难以精确描述非线性关系的问题,在一定程度上提高了仿真的可信度.     

基于混合微粒群算法的智能水下机器人模糊神经网络控制

为减少因水下机器人模糊神经网络控制器参数较多、手工调整困难及主观不确定性因素的影响,提出一种基于免疫理论和惯性权值非线性递减策略的混合微粒群算法.该算法在保持基本微粒群算法处理多峰和多维问题能力的基础上,根据粒子浓度和适应度来动态调整约束因子,同时结合惯性权值非线性递减策略来抑制算法早熟收敛,平衡全局和局部搜索能力.在与GAI、GA及基本微粒群算法的仿真比较试验中,该算法搜索到最佳近优解,且其收敛速度最快.在水下机器人仿真平台上的控制试验表明,基于混合微粒群算法的控制器性能良好,具有较强的抗海流干扰能力.仿真结果证明了该算法的可行性.     

基于鲁棒神经网络的水下机器人运动控制

针对水下机器人神经网络控制中系统响应速度慢及对噪声较敏感的问题,依据变结构控制理论,提出了一种基于鲁棒神经网络的水下机器人控制方法E利用指数趋近律,推导出神经网络参数的镇定算法,并采用标准误差反向传播(EBP)算法最小化目标函数,最后在水下综合探测机器人仿真平台上进行了试验研究E试验结果表明,该控制方法对神经网络学习率的改变和外界扰动有很强的鲁棒性,大大降低了机器人机械传动系统的磨损,且能够保证神经网络快速、稳定地学习,从而满足实时性控制的要求,具有较高的理论和实用价值.     

基于势场法的水下机器人局部路径规划研究

本文阐述了用势场法解决矩形形状水下机器人局部避碰问题的方法。首先针对障碍物和目标对机器人的作用特点,确定了斥力和引力势函数的形式;然后根据刚体的运动特性讨论了机器人的平移和转动规则,提出了机器人局部避碰算法;最后在两台微机上以网络的形式进行了避碰模拟,给出了仿真结果,对一些问题进行了讨论。     

SY-Ⅱ遥控式水下机器人推力器容错控制的研究

为提高遥控水下机器人的可靠性,研究了推力分配建模和基于递归神经网络的容错控制技术.以SY-Ⅱ遥控水下机器人为研究对象,针对其推力器布置情况进行推力分配建模,并以该模型为基础通过对偶原理建立机器人控制的能量函数,实现了递归神经网络形式的推力器容错控制算法.通过容错控制的仿真和实验表明,该算法具有较强的鲁棒性,能够根据推力器的不同故障状况,重新进行推力分配.使得要遥控水下机器人当一个主推和其它任意一个平面推力器正常工作,而其它平面推力器发生故障时,仍能准确地实现机器人的水平面两自由度容错运动控制.从而说明该算法在容错控制方面的优越性,提高遥控水下机器人的安全性和可靠性.     

时变二次规划的高精度数值算法

提出一种用于求解时变二次规划问题的高精度数值算法.首先,给出求解时变二次规划问题的连续模型;然后,采用新型泰勒差分公式将连续模型离散,得到具有高计算精度的数值算法;最后,通过理论分析和仿真实验表明该数值算法的优越性和有效性,并将所提出的数值算法应用于一个五连杆机械臂的运动控制中.研究结果表明:所提算法的计算稳态误差与采样间隔τ具有O(τ~4)的关系,该数值算法既可以有效地求解时变二次规划问题,又能有效地应用于机械臂的运动控制.     

欠驱动智能水下机器人的自抗扰路径跟踪控制

为削弱欠驱动智能水下机器人(AUV)在路径跟踪过程中遇到的外界环境干扰和载体内部信号传输干扰的影响,以某欠驱动AUV为研究目标,基于自抗扰控制技术以及在Serret-Frenet坐标系下建立的路径跟踪误差方程,结合水下机器人相关运动学及动力学方程,建立了二阶自抗扰路径跟踪控制器,并进行了与传统PID控制器的对比仿真实验.仿真实验包括水平面随机干扰下的圆路径跟踪和渐变干扰下的空间螺旋线跟踪.仿真结果表明,基于自抗扰控制技术的欠驱动AUV路径跟踪控制器能够实现相应的参考路径跟踪任务,同时,相比于传统PID控制器,自抗扰路径跟踪控制器能够更有效地抑制干扰造成的颤抖、超调等现象,具有更优的控制效果.     

二次规划的矩阵分解算法

本文利用广义逆和矩阵的分解理论讨论二次规划问题(QP),并给出了一个求解二次规划问題的矩阵分解算法。     

半无限规划的递归二次规划算法

本文对于半无限规划问题提出了 WHP 递归二次规划算法,并证明此算法具有整体收敛性。     

水下机器人的模糊滑模控制方法

建立了某水下机器人的水动力模型，采用模糊逻辑与滑模控制相结合的方法，通过模糊逻辑动态调整滑模控制器的指数趋近率的参数，有效地抑制了滑模控制中所存在的抖振现象，仿真试验和水池试验证明，该控制器能有效地消除滑模控制的抖振，对外部扰动具有较强的鲁棒性，而且具有良好的响应特性．     

凸二次规划的一种分解算法

An algorithm to solve convex quadratic programming with nonnegative variables and linear equation constraints is given by means of the concept of ABS algorithm and decomposition strategy. If the object function is strict convex ,then the optimal solution can be gotten in finite steps ; otherwise ,the algorithm is superlinear convergent.     

基于改进Prim算法的变电站巡检机器人路径规划

变电站巡检机器人主要代替人进行变电站设备巡检,全面实现变电站无人值守.通过GPS定位技术获取机器人及设备位置信息,并将其抽象成网状存储结构,利用改进Prim算法生成最小生成树,同时,设计遍历算法遍历最小生成树,使路径回溯花费最小,完成机器人巡检路径规划.仿真实验结果表明,算法具有数据结构简单、执行效率高的特点.     

基于神经网络的滑模控制在水下机器人中的应用

在水下机器人的控制中,对强耦合非线性运动进行精确建模和解析是极其困难的,本文采用神经网络对水下机器人水动力引起的不确定项和干扰的上限进行自适应逼近学习,然后采用滑模变结构方法对水下机器人航向进行控制,并进行了跟踪仿真和静态水池实验,结果表明:该种控制方法具有一定的效果。