公共文化服务平台

运动学约束条件下多AUV任务分配算法被引量：5: 2016年; 针对运动学约束的自治水下机器人(AUV)任务分配与路径规划问题,本文以多个AUV组成的系统为研究对象,将Dubins Path算法与改进的自组织映射(SOM)神经网络算法相结合,提出一种在运动学约束条件下多AUV任务分配与路径规划算法。通过SOM神经网络方法对多AUV进行任务分配后,若存在运动学约束或障碍物而导致无法进行Dubins路径规划时,则重新进行任务分配,直到所有目标点都有AUV到达。仿真结果表明该算法能够有效完成运动学约束条件下多AUV的任务分配。; 李欣朱大奇徐珂昂; 关键词：自治水下机器人自组织映射 PATH

水下机器人动力学模型参数辨识方法综述被引量：14: 2014年; 以集中讨论水下机器人动力学建模和参数辨识方法、突出近年来取得的成就和未来的方向为主线,通过简要介绍水下机器人水动力性质与机器人几何外形之间的关系,给出基于牛顿-欧拉方程的6自由度动力学方程.经简化模型后给出需要辨识的模型参数.将参数辨识方法按经验法、试验法和计算流体动力学法进行分类,介绍各辨识方法的基本原理和目前相关研究现状,指出其优点和不足,展望水下机器人参数辨识方法的未来研究方向.; 邓志刚朱大奇方建安; 关键词：水下机器人水动力动力学模型参数辨识

多AUV主从式编队及避障控制方法被引量：9: 2014年; 研究了自治水下机器人(AUV)主从式编队控制问题,提出了一种基于反步控制和人工势场的多AUV三维编队与避障方法,并实现了7AUV编队控制仿真和7AUV避障控制仿真。该方法利用领航者的位置信息,引入反步控制实现跟随AUV对虚拟AUV的轨迹跟踪,实现三维水下编队控制;结合人工势场的方法变换队形,有效地避开障碍物,顺利地通过障碍物区域。仿真研究表明,该方法编队时间短,差错率低,实现了预期的控制效果,验证了算法的有效性及实用性。; 丁国华朱大奇; 关键词：主从式反步控制人工势场避障

Cooperative Search Algorithm For AUVs Based On Bio-inspired Model: To deal with the cooperative search issue of AUVs(autonomous underwater vehicles) system,a bio-inspired model ...; Zhengwen RuiDaqi Zhu; 文献传递

多个水下机器人动态任务分配和路径规划的信度自组织算法被引量：16: 2015年; 针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.; 朱大奇曹翔; 关键词：自组织神经网络动态任务分配

A model predictive based UUV control design from kinematic to dynamic tracking control: In this paper,the trajectory tracking control problem with model predictive control approach is investigated f...; Bing SunWenyang GanDaqi ZhuWei ZhangSimon X Yang; 文献传递

水下机器人动力学系统的小波辨识算法被引量：2: 2014年; 动力学模型辨识是机器人控制设计的基础,是水下机器人研究的核心内容之一。以Falcon水下机器人的动力学模型为研究对象,在模型适当简化的基础上,提出基于小波级数模型的水下机器人动力学在线辨识方法,选取DOG(Derivative of Gaussian)小波作为小波函数,对Falcon水下机器人纵向自由度动力学模型进行自适应辨识。针对水下机器人动力学模型的时变特性,研究负载特性变化情况下的系统辨识,得出了基于DOG小波级数模型的水下机器人动力学在线算法更加有效。; 邓志刚朱大奇方建安; 关键词：水下机器人系统辨识动力学模型

基于终端滑模观测器的水下机器人推进器故障重构被引量：4: 2015年; 研究了基于终端滑模观测器的水下机器人推进器故障重构方法.针对传统滑模观测器中状态估计误差渐进收敛而影响推进器故障重构时效性的问题,利用终端滑模所具有的有限时间收敛特性,构建终端滑模观测器以保证所有的状态估计误差在有限时间内收敛,并利用等效输出误差注入方法重构推进器故障值.通过仿真对所提方法进行有效性验证.; 褚振忠朱大奇张铭钧; 关键词：水下机器人推进器

A neurodynamics control strategy for real-time tracking control of autonomous underwater vehicle: How to control an AUV accurately to complete an underwater path-following task is still an open challenging pr...; Xun HuaDaqi ZhuXiang Cao; 文献传递

A Survey of Cooperative Hunting Control Algorithms for Multi-AUV Systems: ＜正＞Cooperative multi-robot systems have become a particularly popular research focus in recent years for their...; CAO XiangZHU Daqi; 文献传递

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(51279098)