AUV水下对接关键技术研究

对国内外主要AUV水下对接系统进行了研究，从对接方式、对接传感器、控制策略、流体干扰和对接失误对策五个方面阐述了AUV水下对接系统的方法、技术现状以及发展趋势．     

AUV自动跟踪水下管道的试验研究

本文介绍了AUV跟踪水下管道的一种方法,讨论了几 种跟踪方式的优、缺点,给出了控制系统原理图和试验结果．     

基于贝叶斯网络的水下AUV健康管理方法

随着自主式水下航行器(AUV)系统不断向自动化、智能化方向发展,系统结构和功能也越来越复杂。针对AUV健康管理系统中未能充分挖掘多源数据中隐含的有效信息的缺点,提出了基于朴素贝叶斯网络的AUV健康管理方法。首先,采用朴素贝叶斯网络与数据结合的方式构建AUV的健康管理系统;其次,计算该系统各部件和子系统的健康指标,并对整体健康情况进行评估;最终,输出AUV系统的健康状态和寿命指标结果,得到AUV系统的健康指标。利用Visual Studio和MATLAB作为仿真平台实现该方法并对结果进行验证,实验结果表明,该方法可以实现对不同健康程度的量化分析和表达,可确保AUV健康长久地运行。     

远程自治水下机器人研究

本文主要讨论远程自治水下机器人的关键技术，叙述了导航、能源技术和控制系统的 实现方法，并给出水下试验结果，为进一步开展远程自治水下机器人的研究工作提供了试验 数据和理论依据．     

一种面向AUV水下对接的双目视觉测距方法

水下对接技术是AUV的研究前沿和关键技术;AUV要实现水下对接,就必须实时准确地获取相对于对接目标的距离信息;根据水下对接中成像的特点,提出了一种基于纹理控制的金字塔互相关双目视觉测距算法,在实验室模拟海洋环境中进行圆形对接目标的测距实验,结果表明该算法能够精确地提取对接目标并实时给出有效的距离信息;进一步通过实验定量地说明了本算法中各项技术对于提高实时性的贡献;上述实验初步证明了本算法对于AUV水下对接的适用性。     

基于多AUV协作的稀疏水下传感网定位技术研究

如何在稀疏部署的水下传感器网络中实现传感器节点的高效定位是一个研究热点.提出了一种基于多个移动AUV协作的水下传感器网络内节点定位机制,利用AUV的精确自导航功能实现对网内未知位置节点的定位协助.提出的协作定位算法扩展了水下传感器网络的网内节点位置迭代估计方法,将信标节点和多AUV联合作为定位参考点,然后推导了基于最小二乘法的定位估计方程.仿真结果验证了该方法可以在定位节点比例、归一化定位误差和平均置信度等几个方面提高定位性能.     

稀疏水下传感网中AUV数据移动收集技术研究

由于水下传感器节点的水声通信距离有限、价格昂贵,水下传感器网络中一般采用稀疏方式部署,因此很难保证整体网络的连通性及数据采集效率。自主水下航行器AUV（Autonomous Underwater Vehicle）作为天然的移动数据采集平台,可以弥补固定Sink节点数据采集方式的缺陷。提出了一种基于移动AUV的水下传感网移动数据收集机制。以AUV覆盖区域内的传感器节点作为临时Sink节点,其他传感器节点以临时Sink节点为根节点,采用最小生成树MST（Minimum Spanning Tree）方法将传感数据传输到这些临时Sink节点,然后通过临时Sink节点将汇聚数据传输给AUV。随着AUV的自主移动轨迹,水下传感网的传感数据都能简单高效地被收集起来。仿真结果验证了该方法在保证网络能耗的前提下提高了数据采集效率。     

无人机自主着陆高度控制系统设计研究

无人机自主着陆是无人机任务执行后顺利回收的重要阶段;论文根据固定翼无人机着陆滑跑的特点,设计了无人机着陆滑跑的下滑高度轨迹及高度控制回路;在已知无人机着陆性能和空气动力学模型的情况下,根据无人机飞行任务的需求,研究了直线下滑段的轨迹设计,利用指数拉平方法设计了末端拉平段的轨迹,并结合PID控制技术对无人机的纵向俯仰控制回路以及整个无人机高度控制回路进行了建模和详细研究,利用MATLAB仿真技术对设计的控制方案的性能进行了详细分析,获得了相应的关键设计参数;对设计的高度控制回路方案的数学仿真和基于FlightGear飞行环境模拟系统的半物理仿真验证了所设计的自主着陆高度控制系统的可行性,具有一定的参考实用价值。     

AUV波阵面水声精确定位

本文提出在长基线自治水下机器人导航定位系统中用波阵面进行定位的方法 ，即用射线理论求出波阵面，用波阵面相交求出目标位置．模拟计算表明，对于深海导航定 位，利用这种方法可以较大地提高定位精度．     

无缆自治水下机器人控制方法研究

以成功研制的无缆自治水下机器人(AUV)为基础,对其航行控制和定位控制方法进行了较详细的分析.同时介绍了它的推进器布置、控制系统结构、推力分配等方法.最后展示了它的运行实验结果.􀁱     

基于单目视觉的水下机器人管道检测

以单目CCD摄像机为视觉传感器,利用视觉系统测量方法获得水下管道的导航信息,并在此基础上建立了一个用于水下机器人的水下管道检测系统． 按照数据结构的抽象程度,将系统中传递的数据信息分为由低至高4个层次,描述了各层次内容,详细介绍了水下机器人管道检测方法． 为了提高系统的准确性和实时性,采用了动态窗口管道检测方法．在室内实验水池中,以某型号水下机器人为试验载体,进行了多次管道跟踪试验,验证了系统的可行性和有效性．     

自治式水下机器人避障行为机制研究

针对未知环境下自治式水下机器人(AUV)的运动规划问题,提出了一种基于行为的避障和趋向目标方法。根据行为动力学原理,设计了水平方面的趋向目标行为模块和避障行为模块,利用水平面的宏行为实现了水平面行为模块的融合。垂直面的行为设计根据模糊理论建立了输入"深度"和"高度"的模糊隶属度,制定了航行深度和距底高度与参考深度之间的推理规则,再通过解模糊化得到实际的参考深度的精确量。仿真结果表明:所设计的行为模型对外界环境有较好的反应性,响应正确有效,有助于提高AUV对环境的适应性。     

小型自治水下机器人控制系统研究开发

开发了一种性价比高的CAN总线分布式自治水下机器人控制系统结构,并采用了独特的故障处理方法．根据弱耦合简化模型,详细设计了航行控制器,并对航行控制系统进行了仿真研究．仿真与试验结果表明: 控制系统性能可靠、传输率高,并具有很好的鲁棒性与稳定性,能够满足水下机器人工作环境复杂多变的要求．     

基于CAN总线的自治水下机器人控制系统

将CAN总线应用在自治水下机器人中,构成多主站的分布式控制系统,取代了以往水下机器人采用的集中式控制结构及主从式网络结构．从硬件和软件两方面详细介绍了CAN总线在自治水下机器人中的应用方案,设计了基于P87C591单片机的CAN总线控制器,并针对水下机器人分布式控制系统的需求特点,设计了CAN应用层协议和相应的通信软件．最后通过湖试验证了控制系统的可行性和可靠性．     

基于神经网络的自治水下机器人广义预测控制

针对自治式水下机器人高度非线性和时变性的特点,提出了一种基于神经网络的水下机器人广义预测控制策略．利用改进型Elman网络作为多步预测模型,在对网络学习算法进行改进的基础上,实现了Elman网络的在线学习,并提出了用于求解神经广义预测控制律的灵敏度公式．进行了具有神经网络在线学习功能和不具有在线学习功能的水下机器人的速度控制实验,并就预测控制效果进行了对比分析．实验结果表明,具有自适应学习功能的水下机器人速度控制法的精度要优于不具有在线学习功能的速度控制法,且当水下机器人动态特性发生变化时具有较强的自适应能力．     

基于传感器信息的水下机器人动态避障研究

提出一种新的基于传感器信息的自治式水下机器人(AUV)动态避障方法。介绍了传感器的工作原理。通过栅格法把传感器采集的AUV运行环境障碍信息进行合理描述,并预测动态障碍物的速度,保证AUV能够根据传感器信息躲避障碍物,达到航行要求。最后,通过仿真实验对机器人自主避障能力进行了验证。     

基于能源消耗最小的自治水下机器人-机械手系统协调运动研究

描述了自治水下机器人搭载的三功能水下电动机械手的设计．鉴于自治水下机器人—机械手系统是运动学冗余的且自带能源,因此将系统阻力优化函数引入逆运动学求解,设计了基于系统能源消耗最小的系统协调运动规划算法．仿真表明,该算法在解决系统冗余度的同时,有效地减小了系统能源消耗．     

LDPC码在基于FH-FSK的AUV水声通信系统中的应用

水声信道严重的多途干扰和频率选择性衰落,将增加水声FH-FSK系统的平均误码率.此外,由于自主式水下交通工具(AUV)平台的运动特性,接收信号易产生时间选择性衰落,在接收端产生成串的突发错误甚至导致通信的中断.以上两方面因素将降低移动FH-FSK系统的可靠性,针对此问题,将多元低密度奇偶校验(LDPC)码与FH-FSK系统相结合,提出了一种基于多元LDPC码的水声FH-FSK系统.对比了基于二元LDPC码的FH-FSK系统与基于卷积码的FH-FSK系统的抗干扰性能,实验结果表明:前者具有更强的抗干扰能力.对比了基于多元LDPC码的FH-FSK系统与基于二元LDPC码的FH-FSK系统,仿真与实验结果表明:基于多元LDPC码的FH-FSK系统具有更强的抗干扰能力,可以进一步提高FH-FSK系统的可靠性.     

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.     

基于神经网络补偿的滑模控制在AUV运动中的应用*

由于自主水下机器人水动力模型参数的不确定性及其强非线性,提出神经网络动态滑模面控制法。将系统分为确定与不确定部分,通过滑模控制实现对系统确定部分的控制,通过神经网络所具有的自适应调节能力实现对未知干扰与不确定部分进行补偿控制,提高系统的强鲁棒性。通过Lyapunov法验证了控制算法的收敛性;通过MATLAB仿真平台和半物理仿真平台,验证了算法的鲁棒性和抗干扰性。