微小型水下机器人运动控制

论文摘要

微小型水下机器人具有体积小、阻力低、机动灵活、成本低、可批量生产、搭载方便的特点,它非常适合发展成为一种无人化、智能化的水下装备。而运动控制技术是微小水下机器人系统研究中的基础与前提。一个稳定可靠的控制系统也是微小水下机器人完成预期任务和水下作业的前提与保证。由于微小型水下机器人尺度小,施力装置少,易受波浪、海流与漩涡等干扰,是一个强非线性参数不确定系统,且运行在复杂的海洋环境中,运动控制系统所面临的困难众多。并且,传感器较少,能直接获得的运动信息不足于控制其运动。因此,对数据处理,控制算法和推力分配有较高的要求。论文以“WL”微小型水下机器人为研究对象。完善了适合微小型水下机器人的水动力模型,为微小型水下机器人的性能测试和控制器的设计提供了一个有效的仿真平台。本文提出了基于S型隶属函数的模糊神经网络控制方法,并推导了网络权值学习算法,在没有过多损失整体控制品质的情况下,使其网络算法得到极大简化,运算速度得到了提高,反应能力得到了增强。为了减少手工调整S面控制器参数所带来的困难和误差,本文提出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;设定监控因子,保证粒子算法的收敛;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。同时,本论文还运用了基于混合算法的T-S型模糊神经网络来控制“WL”微小型水下机器人。该网络采混合算法算法,并用后件网络自动调整运算规则,从而减少神经网络运算量,并且提高整个控制器的鲁棒性和适应性,保证即使在恶劣的情况下,控制器控制性能也不会有很大的降低。最后,简要介绍了该微小型水下机器人的嵌入式控制系统,从硬件和软件方面介绍了该微小型水下机器人控制体系结构和其信息流程。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 微小型水下机器人概念
• 1.3 微小型水下机器人的发展现状
• 1.3.1 国外水下机器人发展现状
• 1.3.2 我国微小型水下机器人的发展现状
• 1.4 水下机器人控制方法的发展现状
• 1.4.1 PID控制
• 1.4.2 模糊控制
• 1.4.3 神经网络控制
• 1.4.4 模糊系统与神经网络相结合的控制
• 1.4.5 滑模控制
• 1.4.6 S面控制
• 1.4.7 其他控制方法
• 1.5 微小型水下机器人控制的特点
• 1.6 本课题的研究目的及意义
• 1.7 本课题研究的难点
• 1.8 本论文的主要研究内容
• 1.9 本章小结
• 第2章 微小型水下机器人运动建模及仿真
• 2.1 引言
• 2.2 坐标系的选取及机器人运动参数
• 2.3 空间操纵运动方程
• 2.3.1 受力分析
• 2.3.2 原始模型的建立
• 2.3.3 运动方程中粘性水动力
• 2.3.4 重力与浮力
• 2.3.5 推进器产生的推力
• 2.3.6 有效舵翼角的处理
• 2.3.7 海流的影响
• 2.4 微小型水下机器人的运动模型
• 2.4.1 水动力系数的获得
• 2.4.2 对运动方程计算的处理
• 2.5 本章小结
• 第3章 基于S型隶属函数的模糊神经网络控制
• 3.1 引言
• 3.2 基于S型隶属度函数的模糊神经网络
• 3.2.1 基于S型隶属度函数的模糊神经网络结构
• 3.2.2 基于S型隶属度函数的FNN权值的学习算法
• 3.3 微小型水下机器人控制系统的设计方式
• 3.4 基于S型与高斯型隶属函数的FNNs的对比
• 3.5 仿真实验
• 3.5.1 纵向运动仿真
• 3.5.2 艏向运动仿真
• 3.5.3 深度运动仿真
• 3.5.4 速度控制仿真
• 3.6 本章小结
• 第4章 S面控制器的改进粒子群优化算法
• 4.1 引言
• 4.2 S面控制方法
• 4.3 仿人智能积分
• 4.4 引入智能积分的S面控制模型
• 4.5 改进的PSO算法与参数优化问题
• 4.5.1 粒子群优化算法（PSO）
• 4.5.2 对标准PSO的改进
• 4.6 基于改进PSO算法的S面控制参数优化
• 4.6.1 粒子的初始化
• 4.6.2 目标函数
• 4.6.3 粒子的适应度计算
• 4.6.4 选取当前每个粒子的个体最优值和粒子群的全局最优值
• 4.6.5 更新粒子群
• 4.7 两种算法的优化对比
• 4.8 仿真实验
• 4.9 本章小结
• 第5章 基于混合算法的T-S型模糊神经网络控制
• 5.1 引言
• 5.2 基于混合算法的T-S型模糊神经网络控制器设计
• 5.2.1 基于T-S型模糊神经网络控制器结构图
• 5.2.2 后件网络结构
• 5.2.3 前件网络结构
• 5.2.4 网络的自学习过程
• 5.3 免疫遗传算法对水下机器人控制器进行离线优化
• 5.3.1 免疫遗传算法
• 5.3.2 基于IGA的“WL” AUV混合控制器参数优化
• 5.4 仿真试验
• 5.5 本章小结
• 第6章 嵌入式控制系统
• 6.1 引言
• 6.2 嵌入式运动控制系统的体系结构
• 6.2.1 硬件体系结构
• 6.2.2 软件体系结构
• 6.3 半实物仿真系统
• 6.3.1 半实物仿真系统数据流程
• 6.3.2 数据处理
• 6.3.3 推力分配
• 6.3.4 加入规划的半实物仿真
• 6.4 半实物仿真试验
• 6.4.1 艏向控制
• 6.4.2 速度控制
• 6.4.3 深度控制
• 6.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢