水下機器人系統(tǒng)體系結(jié)構(gòu)及避障控制技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩167頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、近年來,隨著海洋研究和開發(fā)的不斷深入以及國防發(fā)展的需要,水下機器人所擔(dān)負的任務(wù)也更加多樣化,對水下機器人的智能化也提出了更高的要求。水下機器人作為具有人工智能的系統(tǒng),要能夠自主適應(yīng)外界環(huán)境的變化,并自主決策完成操作人員下達的任務(wù)。水下機器人系統(tǒng)體系結(jié)構(gòu)是水下機器人研究中非?;A(chǔ)和關(guān)鍵的部分,在水下機器人技術(shù)中有著重要的現(xiàn)實意義和實際應(yīng)用價值。論文研究的目的是建立具有良好通用性的水下機器人系統(tǒng)體系結(jié)構(gòu),該體系結(jié)構(gòu)適應(yīng)于完成不同任務(wù)的水下機

2、器人。
   論文以本實驗室開發(fā)的某型智能水下機器人為研究對象,對水下機器人系統(tǒng)體系結(jié)構(gòu)及動態(tài)障礙物感知、避障規(guī)劃與控制,路徑規(guī)劃及運動控制等相關(guān)技術(shù)進行了研究。
   提出了模塊化的設(shè)計水下機器人混合系統(tǒng)體系結(jié)構(gòu),明確了各個模塊的功能以及模塊間的相互關(guān)系。采用singer運動模型的Sage-Husa自適應(yīng)卡爾曼濾波算法的動態(tài)障礙物感知方法,在滿足感知精度和實時性的同時,而不會給水下機器人系統(tǒng)帶來過大的資源消耗。在水下機

3、器人動態(tài)避障行為規(guī)劃方法研究中,提出了在速度矢量坐標(biāo)下求解期望速度的避障規(guī)劃方法。通過綜合水下機器人運動能力、自身的速度、艏向、動態(tài)障礙物的速度、航向以及碰撞時間等多種因素,求解出實現(xiàn)避障的期望速度解集,從而按照最小艏向原則確定期望速度,使水下機器人能夠?qū)討B(tài)障礙物快速安全避障。對于避障行為的控制,提出了模糊參數(shù)自適應(yīng)有限時間PD控制,該控制器能夠根據(jù)避障的緊迫程度動態(tài)調(diào)整系統(tǒng)響應(yīng)速度,并加入了協(xié)調(diào)器,減小了艏向和縱向控制的耦合效應(yīng),該

4、控制器通過與避障行為規(guī)劃緊密結(jié)合,構(gòu)成避障規(guī)劃控制一體化設(shè)計。對于復(fù)雜海洋環(huán)境全局路徑規(guī)劃問題,著重研究粒子群算法在復(fù)雜海流環(huán)境下的全局路徑規(guī)劃應(yīng)用中粒子群維度、編碼設(shè)計、參數(shù)選擇、拓撲結(jié)構(gòu)的設(shè)計方法。對于密集障礙物海流環(huán)境全局路徑規(guī)劃問題,提出了采用主干線二叉樹搜索算法與粒子群相結(jié)合的方法,從而在實現(xiàn)了全局路徑基礎(chǔ)上,降低了路程花費。對于水下機器人的巡航行為控制,設(shè)計了神經(jīng)網(wǎng)絡(luò)并行自學(xué)習(xí)控制器,并成功的進行了海上試驗。
  

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論