精华内容
下载资源
问答
  • 发展水下机器人有着重大而深远的意义,水下机器人运动控制是实现其智能化的关键,是国内外研究的热点。本文将模糊技术应用于水下机器人,根据水下机器人的六自由度运动模型,设计了水下机器人模糊控制器与PID控制...
  • 遥控式水下机器人运动控制技术的研究,讲述了水下机器人控制方面的知识
  • 作者开展了以“水下机器人运动控制系统体系结构的研究”为题的博士 论文研究工作,从水下机器人的总体体系结构出发,根据水下机器人运动控 制的特点,将运动控制系统分为感知层、控制层以及执行层三层,提出了基 于...
  • 主要简绍水下机器人控制系统,及其数字PID、模糊控制等算法研究,
  • 基于生物免疫系统的生理特性,以免疫系统T细胞、B细胞与免疫应答为基础,引入了免疫算法,其结构简单,易于实现,但是...将该方法应用于水下机器人运动控制系统进行仿真研究,结果表明了改进人工免疫算法的有效性。
  • 基于生物免疫系统的生理特性,以免疫系统T 细胞、B 细胞与免疫应答为基础,引入了免疫算法,其结构简单,易于实现,但是...将该方法应用于水下机器人运动控制系统进行仿真研究,结果表明了改进人工免疫算法的有效性。
  • 水下机器人运动控制与仿真的数学模型 常文君 博士生#工程师 国防科工委[$%%%"&]刘建成 女 博士生 哈尔滨工程大学[$!%%%$]于华南 女 博士生 哈尔滨工程大学[$!%%%$]徐玉如 博士生导师 哈尔滨工程大学...

    ·!"· 水下机器人运动控制与仿真的数学模型 常文君 博士生#工程师 国防科工委[$%%%"&]刘建成 女 博士生 哈尔滨工程大学[$!%%%$]于华南 女 博士生 哈尔滨工程大学[$!%%%$]徐玉如 博士生导师 哈尔滨工程大学[$!%%%$] 摘 要 本文首先确定了水下机器人六自由度空间运动模型,为了便于在控制与仿真中应用,本文借助 ’()*(+ 平台,将水下机器人的六个自由度的方程转换为矩阵相乘形式,然后结合水下机器人的环境仿真、推力器仿真、舵翼仿真,建立了水下机器人六自由度运动仿真器。最后用该仿真器进行了运动仿真,仿真结果与海上试验吻合得很好,表明该仿真系统是符合实际的。该仿真系统采用一种普遍实用的数学模型,精度较高,适用于任何类型的水下机器人,对研究水下机器人操纵与控制有很大现实意义。 关键词 水下机器人 仿真 运动控制 数学模型中图分类号 ,-./. ! 引 言 水下机器人是一个复杂的非线性对象《,潜艇操纵性》书中给出的水下机器人(潜器)平动方程和转动方程都是根据动量定量和动量矩定理推出的,可称为水下机器人运动方程的理论形式。这种形式不便于在控制和仿真中应用。本文将给出较为规范的,更便于直接进行控制和仿真的六自由度通用模型。第一,用线性系统的状态方程形式表达。第二,用 ’()*(+ 符号运算将数值求逆转换为矩阵相乘,避免了数值求逆可能出现的“病态”。第三,采用水动力系数代替实验曲线表达粘性水动力,把粘性水动力纳入主方程,保证了模型整体上的解析性。第四,把所有可能的操作控制因素都一律处理为控制量,得到统一规范表达。 " 水下机器人空间运动方程 在潜艇操纵性书中都有潜艇六自由度空间运动标准方程的介绍,本文以施生达所著《潜艇操纵性》 $!0 页的潜艇六自由度空间运动方程为依据。艇体 水动力是运动参数 !、 "、 #、 $、 %、 &、 ’!、 ’"、 ’#、 ’$、 ’%、 ’& 的函数,在基准点(通常以速度 (% 作匀速直航)将艇体水动力作泰勒展开,我们采用书中给出的形式。在此,我们将式中所有惯性水动力移到方程的左端,所有的粘性水动力移到方程的右端,并将右端粘性水动力表示如下,其中 )"*+ 1 ,"*+是六个自由度的粘 性水动力。 -"*+ .[)"*+ /"*+ 0"*+ 1"*+ 2"*+ ,"*+]3 ($) 令 ) 2[! " # $ % &]3 水下机器人六自由度空间运动方程可以表达 成: 2’ ) . - . -"*+ 4 -5 4 -# 4 -6578& (.) 式中: 2 是质量矩阵(包含了附加质量、附加惯性 矩); ’ ) 2[ ’! ’" ’# ’$ ’% ’&]3为六个自由度的(角)加速 度矩阵; - 是水下机器人六个自由度所受合力(矩),其中包括粘性水动力 -"*+、推力器推力 -5、舵力 -# 以 及重力、浮力等其他力。 为了便于计算机计算,同时防止因某些系数为零,数值求逆影响精度和计算速度,我们用 ’()*(+ 符号运算,对系数矩阵 2 符号矩阵求逆,可以直接得到符号矩阵的逆 *9"(2),记为 2$,将数值求逆转换为向量相乘,则水下机器人六自由度空间运动方程表达成: ’ ) . 2$- . 2$(-"*+ 4 -5 4 -# 4 -6578&)(3)此方程中考虑了所有非线性水动力,精度较高,适用于任何一般水下机器人。对于不同的水下机器人,只要改变系数就可以用了。方程中某些非线性水动力导数,如果不容易得到,可以用零代替,由于数值计算中完全是向量加减乘,不会因为某些量为零,而影响计算精度与速度,同时也避免了数值

    展开全文
  • 为了避免在微观交通仿真系统中出现穿透现象,设计了适合微观交通仿真系统的坐标系,建立了系统中主要实体的空间几何等效体,提出了筛选式的检测过程,详细分析了不同实体间的碰撞检测算法,使系统仿真的真实感和实时...
  • 机器人运动控制-水下机器人

    千次阅读 2020-08-28 22:59:58
    水下机器人运动控制体系由三个部分组成数据处理部分、控制算法、推力分配 数据处理通过采用不同的滤波方式,把从传感器传来的信息通过滤波处理、剔除野点来获取平滑数据,同时还可以根据位置信息推算出速度,加速度等 ...

    1背景

    水下机器人运动控制体系由三个部分组成数据处理部分、控制算法、推力分配
    数据处理通过采用不同的滤波方式,把从传感器传来的信息通过滤波处理、剔除野点来获取平滑数据,同时还可以根据位置信息推算出速度,加速度等
    控制算法部分,通过采用不同的控制器的设计来实现,获取水下机器人各个自由度上所需要提供的推力矩
    分配器包括将各个自由度的推力分配到每个执行器上以及执行器所发出的力与指令之间的转换
    在这里插入图片描述
    运动控制系统分为感知层、控制层以及执行层三层。其中感知层包括环境危险的感知避障、对水下机器人运动状态以及水下环境的理解、对于上层规划系统指令的分析、水下机器人的故障信息感知等。在控制层中,采用智能控制技术设计了水下机器人的运动控制器,研究神经网络与其它控制算法相结合的控制器结构和学习算法,探讨适应于水下机器人的运动控制理论。在执行层中,针对各种复杂的执行器系统,通过分析各种执行器系统的水动力性能,设计了合适的推力分配策略

    2PCE体系结构

    运动控制系统的体系结构分为三层,这三层不仅包含了软件体系结构,同时也包括了硬件体系结构,分别为感知层(preception layer)、控制层(control layer)和执行层(executive layer),简称水下机器人PCE运动控制体系结构。

    感知层是水下机器人获取外部知识以及目标指令的窗口,包括对水下机器人的系统资源、动力性能、周围环境以及目标指令的感知与理解。它依赖水下机器人搭载的各种传感器包括速度传感器、位置传感器、姿态传感器、定高传感器、流传感器等来获取水下机器人的运动信息以及水下机器人的周围环境信息,同时采用一定的滤波算法来处理水下机器人获得的原始传感器信息。另外针对各种上层结构如规划控制系统或者人为指令,感知层根据水下机器人当前的运动状态信息以及环境理解对目标指令进行理解,在综合考虑水下机器人运动能力的基础上提供信息给控制层。同时感知层具有对水下机器人自身和周围环境信息的理解能力,针对某些紧急、故障处理等行为,如果将指令下达给控制层后再驱动执行结构会导致指令的滞后,在这种极其危险情况下最重要的己经不是控制器的稳定性,而是水下机器人的安全问题,针对这些情况,感知层采用行为响应的办法直接操作和控制执行层的元件。

    控制层的作用是根据从感知层获得的运动目标信息、自身运动信息采用一定的算法来获取水下机器人各个自由度上执行结构所应该提供的推力,并将该推力指令发送给执行层,从而完成上层系统所规划或人为指定的各种目标路径

    执行层的作用是将控制层的推力分配到各个执行机构上,并驱动执行机构使其发出运动所需要的力。另外执行层也可以在不需要控制层参与的情况下,直接执行感知层的指令来应对各种紧急情况

    简要来说是控制层受到感受层信息作出控制算法,来驱动执行层。但是在危险和特低情况下,感知层可以直接操作执行层。

    在这里插入图片描述

    3感知层

    感知层技术包括环境与系统信息的获取与处理、知识的抽象与表达、联想与推理等,是外界事物在水下机器人“头脑”里的反映,是水下机器人对自身任务和系统环境的一种认知,通常分为离线感知技术和在线感知技术,而后者则是了水下机器人的自主能力和思考能力的体现。

    感知层技术是针对水下机器人运动控制系统体系结构来说的
    通过环境与运动状态感知、目标指令理解、系统性能感知三个方面来完善系统

    其中环境感知体现了水下机器人的非条件反射行为目标指令感知是水下机器人对于上层指令的分析理解系统性能感知是其对自身系统状态的认知,也是进行故障诊断的一个依据,使得水下机器人在发生故障之后能够采取合理的控制模式,保障水下机器人的安全或在安全的前提下完成任务。

    3.1水下机器人动力学模型

    有两个坐标系与水下机器人的运动有关,它们分别被称为大地坐标系和艇体坐标系。大地坐标系又被称为地球坐标系或惯性坐标系,它被定义为以地球表面上任意一点为原点的三个正交的轴,其中,X轴指向正北、Y轴指向正东、轴指向深度增加的方向,它们遵循右手定则.

    艇体坐标系定义在水下机器人上,它的三个轴分别是纵轴指向艇舷方向,横轴指向艇体的右侧,竖轴指向艇体的底部。

    3.2目标指令理解

    遥控水下机器人指令的通常是通过上位机与下位机的通讯由操作人员下达,预编程水下机器人则通过将水面控制机的控制台上编制好的程序直接下装到预编程水下机器人载体计算机中。遥控式水下机器人与预编程水下机器人相对而言都有具体操作人员的参与,因此操作人员的指令往往直接作为其运动控制系统的目标指令。而自主型智能水下机器人由于目标指令往往都是根据任务需要并通过分解任务获得的,通常都没有考虑到水下机器人当前的运动能力以及运动需求,正如在获得潜浮的目标指令时,如果不考虑当前水下机器人的纵向运动速度,则不能以最优的方式来实现潜伏运动。
    在这里插入图片描述
    简单来说操作人员可以发出简单指令和目标指令两种指令,其中简单指令机器人的理解系统接直接理解并作出动作,而目标指令需要通过规划系统和多机器人系统和其他智能体分解任务。指令理解系统对其理解并作出动作。例如过弯,需要声呐配合不停接受发送信息最后完成动作。

    4控制层

    其目的是根据从感知层所获得的运动目标信息、自身运动信息通过一定的算法来获得水下机器人各个自由度上执行机构所应该提供的推力

    在深水中、近海底或靠近障碍物时,其所受到的水动力各不相同。复杂的海洋环境有风、浪和流,对于深水航行
    的水下机器人来说,尽管风和浪一般不加以考虑,但海流的影响是很大的。总之,水下机器人是一个强非线性系统,而且考虑到运动的时变性、环境的复杂性和不确定性,建立精确的水下机器人运动模型是不可能的
    所以,水下机器人控制系统的设计必须考虑非线性问题和水下机器人运动耦合问题,同时从加强机器人的自主性与适应性,从改善水下机器人工作性能的观点来看,控制系统还应该具备良好的自适应与自学习能力
    在这里插入图片描述

    4.1神经网络搭建

    我们将目标规划器所获得的期望加速度作为控制网络的输入输入层、隐含层、输出层分别包含2个,6个,1个神经元.输出则是作用在水下机器人上的各个自由度上的力。为了保证控制网络的稳定性,在传感器由无数据到有数据状态变化的那个节拍自学习部分和实时部分的网络权值不进行同步更新

    5水下机器人执行层技术

    1针对不同推力器的布置方式造成的推力分配的复杂性,建立合理的推力分配逻辑

    2针对采用舵、翼等多种执行机构时,舵、翼等执行结构与推力器之间推力分配方案选择,以及在推力器与舵翼执行器之间相互转换时采取的处理方法

    3针对某个执行器出现故障情况时而执行器系统仍有冗余情况下的推力重新分配。

    6水下机器人运动控制系统

    在这里插入图片描述

    展开全文
  • 水下机器人运动控制的是嵌入式计算机系统,它需具有运动控制算法的实现、数据采集、与外设的通讯等功能[4][5][6]。本文以潜艇式有缆遥控水下机器人(ROV,Remotely Operated Vehicle)为对象设计了基于ARM9处理器的...
  • 本文介绍了开架式水下探测机器人的结构、传感器系统,基于AT91RM9200处理器设计了ROV嵌入式控制器。
  • 这本书详细的介绍了水下机器人的构成及控制系统的设计与实现,让你能够充分地了解到水中的机器人是如何运动和如何实现的。
  • 由于水下机器人系统的非线性以及所处环境的不确定性、水下机器人进行精确运动控制技术一直是智能水下机器人技术中急于解决而又难以解决的问题。基于生物免疫系统的生理特性,以免疫系统T细胞、B细胞与免疫应答为基础...
  • 国内外研究人员已经提出了许多运动控制方法,目前已经应用的水下机器人的控制算法有:PID控制、自适应控制、模糊控制、滑模控制、神经网络控制、鲁棒控制,以及其中几种控制方法的结合等等。  1.PID控制  PID是...

          国内外研究人员已经提出了许多运动控制方法,目前已经应用的水下机器人的控制算法有:PID控制、自适应控制、模糊控制、滑模控制、神经网络控制、鲁棒控制,以及其中几种控制方法的结合等等。

           1.PID控制

              PID是比例、积分、微分的简称,PID 控制的应用较灵活,并且具有一定的鲁棒性。水下机器人的运动具有非线性和时变性,但可以通过模型简化或反馈线性化等方法将非线性系统化简或转化为基本线性和非时变的系统,进而可以应用 PID 进行控制。

             虽然 PID 控制比较简单实用,并且应用较广泛,但毕竟水下机器人的运动是高度非线性、时变和强耦合的,因此该方法并不能完美地对水下机器人的复杂的水下运动进行控制,而各种改进的 PID 控制方法的目的就是要摒弃单纯 PID 控制的参数调整困难的缺点,根据需要在线调整 PID 参数使之适应复杂的非线性和多样的系统状态。但是各种改进的 PID 控制方法还不够完善,需要深入的研究使之能方便地应用到水下机器人的运动控制当中。
     

          2.自适应控制

             自适应控制是根据各种环境的变化对自身的特性进行智能调节,使系统可以按照设定好的标准工作于最佳状态,自适应控制设计的理论基础主要有超稳定性、李雅普诺夫、随机控制和参数估计等理论。

            自适应控制方法在水下机器人的运动控制中的应用还是较为广泛的,这主要是因为自适应控制的参数是变化的,并且可以对参数进行在线校正,从而可以应用到控制不确定的非线性系统当中,但许多研究人员开始致力于对自适应控制的改进设计以减少最初的控制阶段的控制不稳定或估计参数振动显著等缺点。

         3.模糊控制

          模糊控制为以模糊数学的基本思想和理论为基础的一种计算机数字控制方法,它即属于非线性控制范畴,又属于智能控制范畴,模糊逻辑的主要特点就是它的表达人类思维的模糊性。因此,当过程的数学模型不存在,或者虽然存在但不确定时,可以选择模糊控制方法来处理未知过程。
            模糊控制的优点有很多:
           (1) 并不需要被控对象的数学模型,只需要专家等的经验、知识和操作数据;
           (2)简单、易于实现; 
           (3)系统的鲁棒性强,可以适用于非线性、时变的系统; 
           (4) 可与其他经典控制方法相结合。

     
          但模糊控制也存在一定的缺陷:
         (1)系统的稳态特征相对对象参数的变化的灵敏度较高,系统可能产生稳态误差或自激振荡;
         (2)误差和误差变化率的动态范围需要进行反复调整; 
         (3) 缺乏在线自学习或自调整的能力; 
         (4) 并不适宜于安全性能要求高的系统。

        4.滑模控制

         滑模控制可以在动态过程中根据系统当前的状态进行有目的的不断变化,使系统按照预定的状态轨迹运动,滑模控制具有响应速度快、对应参数变化及扰动不灵敏、无需系统在线辨识以及物理实现简单等优点,但滑模控制要求有较好的系统动态模型,以及模型中不精确或确定的信息。

        滑模控制在水下机器人的控制当中得到了很大的重视,并取得了一定的科研成果,但还存在许多问题需要解决,尤其是需要最大限度地减少抖振现象,滑模控制与其他控制方法的结合还需要进行深入的研究并有待于实际的应用实验的验证。
     

         5.神经网络控制

        神经网络控制是智能控制的一个分支,它主要是将人工神经网络理论与控制理论有机结合起来,神经网络控制的实现主要是通过将神经网络在相应的控制系统结构中作为控制器或者辨识器,从而对非线性的不确定的系统进行控制。

        尽管神经网络在工业中的应用越来越流行,但是非临界函数和系统都限制了神经网络的应用,这主要是当前还没有通用的方法可以证明神经网络在线学习的收敛,并且神经网络控制的计算较复杂,对控制系统的硬件性能要求较高等都限制了神经网络在水下机器人中的应用,因此,神经网络控制的研究还需不断地进展以提高其实用性。
     

    展开全文
  • 智能水下机器人滑模控制研究,徐璐瑜,张永林,针对智能水下机器人运动轨迹跟踪的问题,本文采用了基于指数趋近律和基于准滑动模态的滑模控制算法。通过对四自由度AUV系统模型进
  •  水下机器人运动控制系统,必须要考虑非线性流体动力学和以潮汐为代表的环境的变化。由于水下环境复杂,传统的PID控制一是参数的确定比较困难,二是当环境发生变化是,很难仍旧保持良好的控制性能。 将神经网络...

     文章概述:

    将神经网络和模糊控制理论应用于水下机器人的运动规划和控制中,提出了能够实现自学习、自调整的规划算法,基于预测模糊控制进行水下机器人控制的方法。

     

    正文:

      水下机器人的运动控制系统,必须要考虑非线性流体动力学和以潮汐为代表的环境的变化。由于水下环境复杂,传统的PID控制一是参数的确定比较困难,二是当环境发生变化是,很难仍旧保持良好的控制性能。

    将神经网络应用于水下机器人的运动控制,Yuh提出了强化学习法,基本思想是基于控制误差直接进行控制器网络的结合权重调整 ,其优点为对控制对象的动特性不需要详细了解 ,不足之处为学习时间、学习收敛性等方面尚需探讨。藤井提出了 SONCS的方法,主要内容为构造一个表现系统动特性的前向模型 ,控制器神经网络结合权重的调整量不是由控制结果直接算出 ,而是通过前向模型间接地算出。  它的不足之处为:每一次控制器的调整都需要一次实际航行的运动数据 ,为得到精度较高的控制器 ,就需要多次的实验和
    多次的调整。 Ishii提出了 I TNN法用于控制器的调整,核心为用神经网络构造一个可以自循环的前向运动模型 ,并用这个模型进行控制器的假想训练。但是这个前向模型存在的问题
    是结构复杂学习效率较低 ,收敛精度较差。

          

    预测控制的基本原理:

    核心思想是先预测系统未来的输出状态,然后再确定当前的控制动作。首先检测实际输出信息,然后利用其对预测进行修正,进行新的优化,最终通过引入误差预测或模型辨识对未来作出较准确的预测。利用实际信息对模型预测的修正 ,是克服系统存在不确定性的有效手段。

    展开全文
  • 通过动态反馈控制实现对分解出的近似线性部分进行初步控制,利用神经网络所具有的自适应控制实现对不确定模型与干扰项进行补偿控制,提高自主水下机器人运动控制的鲁棒性。通过Lyapunov稳定判据证明了此控制算法的...
  • 针对自治水下机器人(AUV)的控制特点,建立了AUV纵向运动的动力模型,采用高阶滑模非线性控制的方法,并运用计算机仿真的手段进行了验证,仿真结果显示了该系统具有良好的控制性能,有效地消除了滑模控制的抖振,对...
  • 小型水下机器人控制系统方案设计

    千次阅读 多人点赞 2020-10-03 17:18:44
    3 水下机器人控制系统设计 方案设计 水下机器人总体控制方案,如图3.1。水下机器人总体控制方案是设计的核心所在,控制系统主要包括水上控制器、姿态控制系统、图像控制系统三部分。姿态控制是对水下机器人进行姿态...
  • 由于水下机器人未知的动力学模型和横摇运动与横摇运动之间的耦合,大多数基于模型或比例积分微分的控制器不能有效地解决这些问题。为此,我们将水下机器人的深度控制问题表述为未知转移概率下的连续状态、连续动作...
  • 介绍了“海狸”水下机器人的系统结构,存分析推进器件能的基础上,通过数字罗盘、加速度计以及深度计等传感器获得的运行速度、角速度等位姿信息,建立了水下机器人前向运动模型,进行了水下机器人运动控制与状态监测...
  • 基于控制效果评价的水下机器人实时路径规划方法研究,鲁燕,张铭钧,复杂水下作业环境及机器人自身强非线性运动特性直接影响到水下机器人控制性能,甚至会直接影响水下机器人的安全性。实时路径规
  • 微小型AUV具有体积小,灵活性高、隐蔽性好等特点,可以工作于其它大型水下机器人无法进入的区域。民用上可以应用于海洋矿产勘探、海底地形探测,沉船打捞,水下考古,海洋生物探测等;军事上可以用来反水雷,作为自...
  • 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...
  • 关键词-移动操作,视觉伺服,水下机器人,干扰抑制 我们的目的希望在绿色平面视野里有我们的目标物体,基于声呐的距离测量和相机姿态信息,我们可以估计出蓝色平面,使用蓝色平面视野,相比于之前的平面更稳定精确。...
  • 所提出的控制律是分布式的,即每个水下机器人控制器只使用自己的信息和相邻水下机器人的有限信息。基于自组织竞争计算的编队控制策略是在考虑工作负荷平衡的情况下进行的,这样一组水下机器人可以在工作负荷平衡和...
  • 研究水下机器人轨迹跟踪控制问题。在充分考虑不确定水动力系数的结构...最后将所设计的控制方法应用于球形水下机器人ODIN,对其纵向、横向和艏向运动轨迹 的跟踪问题进行了仿真实验,实验结果验证了控制方法的有效性。
  • 为分析水下机器人非线性运动控制系统的特点,采用基于生物免疫生理特性与免疫应答的免疫控制方法,结合 Sigmoid非线性模型和函数简化策略,得到改进型免疫控制器.水下机器人仿真试验表明,该控制器具有设计简单、...
  • 水下机器人控制中,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...
  • 无线遥控模块发出指令码,输入模块接收指令码并由三极管放大后送给单片机模块解码,解码后单片机模块根据指令意图给输出驱动模块发出指令,输出驱动模块根据指令驱动电机从而实现水下机器人的各个方向的运动和机械手...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 735
精华内容 294
关键字:

水下机器人运动控制