遥控式水下机器人PID运动控制算法优化研究

论文摘要

随着海洋研究与开发的不断深入,水下机器人成为人们完成各种水下任务的重要辅助工具,其中遥控式水下机器人(ROV)在海洋开发的很多领域都得到了广泛应用。ROV工作在复杂的海洋环境中,具有运动速度慢,运动惯性较大,非线性和耦合性较强的特点。运动控制技术是水下机器人研究的基础,一个稳定可靠的控制系统也是水下机器人完成预期任务和水下作业的前提与保证,因此对ROV的控制成为当前ROV技术的研究热点之一。本文以遥控式水下机器人“试验二号”为研究对象,根据其控制特点,建立了简化的四自由度空间运动方程,并采用经典PID控制算法为其设计控制器,完成了ROV的运动控制仿真。为了提高控制系统的性能,本文分别引入蚁群优化算法和粒子群优化算法对PID控制器进行优化。首先采用蚁群算法优化PID控制器,通过模拟蚂蚁寻找最短路径的方式来获取最优的PID参数组合。并使用基本蚁群算法的改进版来优化控制器参数,其更多的利用了寻优过程中较好的解,并且只在全局最优解所属的边界增加信息素,这样可以有效地避免算法的停滞现象。仿真结果表明,经过蚁群算法优化之后,可以取得更好的控制效果。其次介绍了粒子群优化算法,讨论了参数对算法的影响,以及粒子群优化算法优化PID控制器参数的步骤。提出了改进基本粒子群算法的方法,一方面添加压缩因子,保证算法收敛,另一方面惯性权重因子线性递减,既保证了算法前期搜索的快速性,又改善了后期易陷入局部极值的不足。最后进行了仿真试验,对三种控制算法的控制效果进行了对比。对比结果表明经过蚁群算法和粒子群算法优化的PID控制器控制效果均优于传统PID,具有良好的动态品质,三者之中改进粒子群算法优化的PID控制效果最好。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 水下机器人概念与分类
• 1.3 ROV 的特点与发展状况
• 1.3.1 ROV 的特点
• 1.3.2 国外ROV 发展状况
• 1.3.3 国内ROV 发展状况
• 1.4 水下机器人运动控制方法
• 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 滑模控制
• 1.4.5 S 面控制
• 1.4.6 专家控制
• 1.5 论文的目的意义与主要内容
• 1.6 本章小结
• 第2章 ROV 的运动建模
• 2.1 引言
• 2.2 试验二号介绍
• 2.3 坐标系选取
• 2.4 水下机器人运动参数
• 2.5 ROV 动力学建模
• 2.5.1 流体水动力
• 2.5.2 重力和浮力
• 2.5.3 推力曲线
• 2.5.4 环境干扰力
• 2.6 本章小结
• 第3章 PID 控制器的蚁群优化算法寻优
• 3.1 引言
• 3.2 PID 控制原理
• 3.3 蚁群优化算法
• 3.3.1 蚁群算法简介
• 3.3.2 基本原理
• 3.3.3 参数影响分析
• 3.4 蚁群算法优化PID 控制器参数
• 3.4.1 蚁群优化PID 步骤
• 3.4.2 收敛性分析
• 3.5 仿真实验及结果分析
• 3.6 本章小结
• 第4章 粒子群算法优化PID 控制器
• 4.1 引言
• 4.2 粒子群优化算法
• 4.2.1 标准粒子群算法
• 4.2.2 改进PSO 算法
• 4.3 粒子群优化PID 控制器参数
• 4.3.1 粒子群优化PID 步骤
• 4.3.2 参数分析
• 4.3.3 收敛性分析
• 4.4 仿真实验及结果分析
• 4.4.1 传统PID 与蚁群算法优化后的PID 结果比较分析
• 4.4.2 粒子群与蚁群算法优化后的PID 结果比较分析
• 4.5 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