復(fù)合型水下機(jī)器人設(shè)計(jì)、辨識(shí)及控制技術(shù)研究.pdf

1、作為人類研究和開(kāi)發(fā)海洋的得力助手，水下機(jī)器人在海洋工程領(lǐng)域正扮演著越來(lái)越重要的角色，尤其在海底電纜鋪設(shè)、海底搜救、海底軍事設(shè)施維護(hù)等工程領(lǐng)域。水下機(jī)器人能夠在潛水員不可能到達(dá)的深度進(jìn)行綜合考察和研究，并能完成各種作業(yè)任務(wù)，在海洋開(kāi)發(fā)中發(fā)揮著極其重要的作用。
　　但是未知多變的海洋環(huán)境比陸地環(huán)境要復(fù)雜得多，加上水下機(jī)器人自身存在強(qiáng)耦合、非線性、欠驅(qū)動(dòng)及模型不確定性，使得有效控制成為技術(shù)難點(diǎn)。本文結(jié)合遙控水下機(jī)器人和自治水下機(jī)器人的優(yōu)

2、點(diǎn)，設(shè)計(jì)了一款復(fù)合型自治-遙控水下機(jī)器人，即“SMU I”ARV(Autonomous Remotely-operated Vehicle)。文中詳細(xì)介紹了該機(jī)器人的硬件系統(tǒng)組成和軟件結(jié)構(gòu)設(shè)計(jì)，并依據(jù)推進(jìn)器的布置，構(gòu)建了該機(jī)器人的牛頓-歐拉動(dòng)力學(xué)模型。考慮該機(jī)器人的對(duì)稱性和低速等特點(diǎn)，對(duì)模型進(jìn)行了簡(jiǎn)化，并采用多新息最小二乘法(Multi-innovation Least Squares，MILS)對(duì)模型參數(shù)進(jìn)行了辨識(shí)研究；隨后進(jìn)一步提出

3、了機(jī)器人在載荷變化條件下的模型辨識(shí)方法，包括Kalman濾波辨識(shí)方法和小波級(jí)數(shù)模型辨識(shí)方法；接著利用生物啟發(fā)神經(jīng)動(dòng)力學(xué)模型，完成抗驅(qū)動(dòng)飽和路徑跟蹤控制器設(shè)計(jì)，并進(jìn)行了路徑跟蹤控制算法的仿真實(shí)驗(yàn)研究；最后利用“SMU I”ARV，在試驗(yàn)水池進(jìn)行了動(dòng)力學(xué)模型參數(shù)辨識(shí)、狀態(tài)控制和聲納避障等方面的試驗(yàn)研究。本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)概括如下：
　　1)復(fù)合型水下機(jī)器人設(shè)計(jì)方法研究
　　針對(duì)遙控水下機(jī)器人和自治水下機(jī)器人的應(yīng)用局限性，

4、設(shè)計(jì)了一款自治-遙控水下機(jī)器人，能夠在自治航行中進(jìn)行人為干預(yù)，完成一些精細(xì)操控作業(yè)；信息傳輸采用光纜替代電纜，可獲得高質(zhì)量的實(shí)時(shí)高清視頻、遙測(cè)數(shù)據(jù)和操控靈活性，加上測(cè)距聲納的配合，使機(jī)器人可以更好地適應(yīng)復(fù)雜未知的水下環(huán)境；利用CAN(Controller Area Network)總線對(duì)電池電壓和溫度進(jìn)行監(jiān)測(cè)，可有效避免電池起火和爆炸；設(shè)計(jì)的模糊PID狀態(tài)控制器，可以更準(zhǔn)確地控制水下機(jī)器人的運(yùn)動(dòng)狀態(tài)。
　　2)基于多新息的模型參數(shù)

5、辨識(shí)方法研究
　　針對(duì)穩(wěn)態(tài)模型的辨識(shí)精度問(wèn)題，進(jìn)行了水下機(jī)器人動(dòng)力學(xué)模型辨識(shí)算法的仿真實(shí)驗(yàn)研究。將多新息最小二乘法應(yīng)用于縱向自由度動(dòng)力學(xué)模型的辨識(shí)方案中，并和最小二乘法(Least Squares，LS)等方法進(jìn)行比較，顯示該方法可以獲得更高辨識(shí)精度的模型參數(shù)。
　　3)變載荷條件下的Kalman濾波及小波模型辨識(shí)方法研究
　　針對(duì)動(dòng)態(tài)模型的辨識(shí)精度問(wèn)題，進(jìn)行了水下機(jī)器人載荷變化條件下的動(dòng)力學(xué)模型辨識(shí)算法的仿真實(shí)驗(yàn)研究

6、。首先，將Kalman濾波方法應(yīng)用到艏向自由度動(dòng)力學(xué)模型辨識(shí)中，并和漸消記憶遞推最小二乘法進(jìn)行比較，說(shuō)明Kalman濾波方法具有更強(qiáng)的時(shí)變參數(shù)辨識(shí)性能，收斂速度更快。其次，提出了DOG(Derivative of Gaussian)小波級(jí)數(shù)辨識(shí)方法，對(duì)縱向自由度動(dòng)力學(xué)模型的動(dòng)態(tài)特性進(jìn)行辨識(shí)，并和Haar小波辨識(shí)方法進(jìn)行比較，得出采用DOG小波辨識(shí)方法可獲得更高的辨識(shí)精度。
　　4)生物啟發(fā)路徑跟蹤控制方法研究
　　針對(duì)常規(guī)反