复杂环境下AUV动力学模型多传感器融合在线辨识方法研究

摘要

随着我国经济水平的不断提高，国家和人民对于建设海洋强国的呼声日益增强，海洋强国的建设离不开对海洋环境的观测和对海洋资源的勘探与开发，而水下机器人正是实现这些目标的重要技术手段之一。水下机器人在水下复杂的环境中运动时其动力学参数会因自身所受到的负载的变化而产生变化，其运动过程中的测量数据也容易因此受到多种噪声的污染，如高斯白噪声、复杂白噪声(系数矩阵和观测向量均含有白噪声)、有色噪声等，水下机器人的运动和控制系统的精度也会因所处复杂环境而受到影响。为了对水下机器人的运动和控制系统进行实时修正从而使其更加适应水下的复杂环境，得到一个能够随水下机器人动力学参数变化而不断更新的高精度动力学模型很有必要。本文的研究内容正是针对复杂环境下的水下机器人动力学模型参数在线辨识问题进行展开的，文中通过对多个传感器的测量数据进行融合来快速提高对水下机器人动力学模型的参数在线辨识精度，以满足辨识问题中的实时性和高精度要求。本文主要研究内容如下： 1)首先介绍了水下机器人的运动学模型和动力学模型，说明了水下机器人的相关特点，并对其动力学模型进行了简化。 2)介绍了水下机器人动力学模型参数辨识的内容及辨识步骤，说明了部分辨识算法的辨识原理，然后将这些算法应用到对水下机器人动力学模型的辨识中，比较了这些算法在不同噪声环境下的辨识结果。 3)研究在水下机器人动力学模型的系数矩阵和观测向量均含有白噪声条件下的参数在线辨识问题。通过理论推导得出最小二乘融合算法(RLS_F)在复杂白噪声环境下的估计结果及其与真值之间的理论偏差，提出多传感器融合的递推总体最小二乘辨识算法(RTLS_F)。通过仿真实验对这部分研究内容进行了验证。 4)研究在水下机器人动力学模型的观测向量含有有色噪声的条件下的参数在线辨识问题。介绍了增广最小二乘算法的原理，通过理论推导得出多传感器融合的增广最小二乘算法(RELS_F)以便快速地提高参数在线辨识精度，并通过仿真实验进行了验证。

目录

声明

第1章 绪论

1.1 研究背景

1.2 国内外研究现状

1.3 复杂噪声环境下AUV动力学模型在线辨识问题分析

1.3.1 复杂白噪声条件下的AUV动力学模型参数在线辨识

1.3.2 有色噪声条件下的AUV动力学模型参数辨识

1.4 AUV动力学模型参数多传感器融合辨识

1.5 论文主要研究内容与结构安排

1.5.1 论文的主要研究内容

1.5.2 论文的章节安排

第2章 水下机器人数学模型的建立

2.1 水下机器人的运动学模型

2.1.1 水下机器人的地面坐标系和运动坐标系

2.1.2 坐标的转换

2.2 水下机器人的动力学模型

2.3 动力学模型的简化

2.4 本章小结

第3章 水下机器人动力学模型参数辨识研究

3.1 水下机器人动力学模型参数辨识

3.2 最小二乘参数估计方法

3.2.1 最小二乘参数估计原理

3.2.2 最小二乘参数估计仿真实验

3.2.3 仿真结果分析

3.3 极大似然参数估计方法

3.3.1 极大似然参数估计原理

3.3.2 极大似然参数估计仿真实验

3.3.3 仿真结果分析

3.4 总体最小二乘参数估计方法

3.4.1 总体最小二乘原理

3.4.2 总体最小二乘参数估计仿真实验

3.4.3 仿真结果分析

3.5 本章小结

第4章 复杂白噪声环境下的多传感器融合在线辨识

4.1 引言

4.2 最小二乘集中式融合与总体最小二乘集中式融合

4.2.1 最小二乘集中式融合算法

4.2.2 总体最小二乘集中式融合算法

4.2.3 最小二乘集中式融合算法的理论偏差

4.3 多传感器递推总体最小二乘融合算法

4.4 复杂白噪声环境下多传感器融合辨识仿真

4.4.1 多传感器融合的最小二乘算法的理论偏差与实验偏差

4.4.2 复杂白噪声环境下水下机器人动力学模型参数辨识

4.4.3 仿真结果分析

4.5 复杂白噪声环境下威尔科克森符号秩检验及结果分析

4.5.1 威尔科克森符号秩检验

4.5.2 复杂白噪声环境下参数估计结果的Wilcoxon符号秩检验

4.5.3 威尔科克森符号秩检验结果分析

4.6 本章小结

第5章 有色噪声环境下的多传感器融合在线辨识

5.1 引言

5.2 增广最小二乘算法

5.3 增广最小二乘的多传感器融合算法

5.3.1 增广最小二乘集中式融合

5.3.2 多传感器融合的增广最小二乘递推算法

5.4 有色噪声环境下多传感器融合辨识仿真

5.4.1 有色噪声环境下水下机器人动力学模型参数辨识

5.4.2 仿真结果分析

5.5 有色噪声环境下威尔科克森符号秩检验结果及分析

5.5.1 有色噪声环境下估计结果的Wilcoxon符号秩检验

5.5.2 威尔科克森符号秩检验结果分析

5.6 本章小结

第6章 结论与展望

6.1 全文总结

6.2 展望

致谢

参考文献

攻读硕士期间发表的论文及参与项目

附录 主要章节部分代码