自治水下机器人

摘要： 随着各国对海洋研究的不断深入,海上作业越来越频繁,作为探索海洋的重要工具,自治水下机器人(autonomous underwater vehicle,AUV)在海事搜索方面的发展也越来越受到关注。多AUV协作搜索控制作为多AUV研究的主要方向之一,在促进海洋科学与工程技术进步、海洋资源探测与开发、国家海防安全与海洋战略实施等方面有着十分重要的意义。首先,综述了近些年来多AUV协作搜索控制的国内外研究现状;然后,从AUV自身和环境的外界约束,以及海洋探测等方面,分析了多AUV水下协作搜索控制研究所面临的技术难点和存在的问题;最后,通过分析当前多AUV协作搜索控制的进展和实际需要,对多AUV协作搜索系统的发展趋势进行了探讨。

摘要： 针对欠驱动自治水下机器人(autonomous underwater vehicle,AUV)在外部干扰和系统内部扰动下深度难以控制的问题,提出基于非线性干扰观测器(nonlinear disturbance observer,NDO)的自适应终端滑模控制方法.首先建立欠驱动AUV在垂直面上的状态方程并对其简化,其次根据简化后的系统状态方程构建NDO对外部干扰进行观测,再结合反步法设计出自适应终端滑模控制器;最后通过李雅普诺夫稳定性理论证明控制系统的稳定性.结果表明:欠驱动AUV最大跟踪误差为0.1375 m,峰值时间为2.1 s,证明了所设计的控制器能够实现深度控制,降低抖振,具有较强的鲁棒性.

摘要： 针对复杂海洋环境下的自治水下机器人(Autonomous underwater vehicle,AUV)三维避障问题,本文提出了一种高效的修正导航向量场方法.构建自由空间下的初始导航向量场,引导AUV以最短路径向目标点航行.定义修正矩阵来量化描述障碍物对初始导航向量场的影响,得到障碍空间下的修正导航向量场,使得AUV向目标点航行的同时躲避静态障碍.通过结合障碍物运动速度,分别构建相对初始导航向量场与相对修正导航向量场,并采取有限时域推演与调整策略,最终引导AUV安全躲避动态障碍.仿真结果表明,本方法能较好地应用于复杂海洋环境下的AUV避障任务.

摘要： In this paper, to solve the position tracking problem in autonomous underwater vehicle (AUV) systems with input saturation, a command filtering based adaptive neural networks backstepping method is proposed.Firstly, the neural networks (NNs) are used to approximate unknown nonlinear function of AUV systems and the backstepping method is employed to design controllers with input saturation.Then, the command filtered control (CFC) method is utilized to deal with the"explosion of complexity"problem, and the filtering error can be reduced properly by the introduction of error compensation mechanism.Finally, by choosing the appropriate Lyapunov function, the adaptive law is obtained, and all the signals of the closed-loop system are proved to be bounded.The simulation results show that the constructed controller can make tracking errors converge to a small region of the origin.This research has some practical application value.%为解决考虑输入饱和的自治水下机器人的位置跟踪问题, 本文采用自适应神经网络命令滤波控制方法, 设计了对自治水下机器人进行位置跟踪控制器.利用反步法构造考虑输入饱和的控制器, 使用神经网络系统逼近自治水下机器人系统中的非线性项, 同时采用命令滤波技术解决计算爆炸问题, 引入误差补偿机制, 降低滤波误差带来的影响.通过选取合适的李雅普诺夫函数求出自适应律, 证明闭环系统的所有信号有界.仿真结果表明, 该控制器可以使水下机器人系统中的位置跟踪误差收敛到一个足够小的邻域内.该研究具有一定的实际应用价值.

摘要： 标准的UKF算法是一种高效的线性化航迹追踪方法,算法冗余度,且具有较理想的追踪效果.但UKF控制算法当中的采样间隔常被设置为常数,将会影响导航追踪结果的精度.由此,本文提出了应用于AUV航迹追踪的灰色关联度无损卡尔曼滤波算法(即GUKF),用于改善AUV航迹追踪的预测精度.在标准UKF算法的基础上,通过设计一些的判断与反馈机制[1],调整UKF算法每一步的采样间隔t,从而实现系统的采样间隔的自适应变化.通过仿真与结果对比,验证了之前的设想.应用于AUV航迹追踪技术的GUKF算法与标准的UKF算法相比,具有更理想的航迹预测误差精度和鲁棒性.

摘要： 针对多AUV(Autonomous Underwater Vehicle)目标搜索问题,引入生物启发神经网络,提出生物启发多AUV搜索算法.将水下栅格地图与生物启发神经网络相联系,神经网络中每一个神经元与水下栅格地图中的位置单元一一对应,根据该神经网络中神经元的在线活性输出值分布情况制定AUV的搜索路径规划模型.在神经网络中,AUV受到目标的全局吸引,同时受障碍物的局部排斥,使AUV自主规划出一条高效的搜索路径.该神经网络具有无需学习、自适应性好的特性,提高AUV目标搜索的实时性.静态环境和动态环境下仿真结果证明生物启发神经网络在多AUV目标搜索中的有效性.

摘要： 多AUV(Autonomous Underwater Vehicle)在实际水下环境中执行搜索任务时,水流对AUV的航行造成较大影响,使得搜索路径增长,整个搜索团队消耗更多能量.提出了一种将速度矢量合成算法嵌入生物启发神经网络的综合算法.利用生物启发神经网络规划出搜索路径,由于水流影响,其规划的路径较长,引入速度矢量合成算法抵消水流对AUV的影响,优化每个AUV的搜索路径,在不同水流环境中进行多AUV目标搜索仿真.通过与没有引入速度矢量合成的生物启发神经网络算法对比,证明所提方法搜索路径更短、更节省能量.

摘要： 自治水下机器人采集资料是目前精度最高的地球物理资料;它的分辨率要远远高于常规二维、三维地震资料和船载方式获取的地形地貌和浅地层资料的分辨率。以往的资料(如三维地震及其切片)只能发现规模较大的滑坡体;而基于最新采集的高精度AUV多波束和浅地层资料,在琼东南盆地深水区识别了更为精细的重力流沉积体系。该重力流沉积体系表现为典型的块体流沉积和浊流沉积特征:如挤压脊、舌状体、海底线状侵蚀地形、残留地层、逸出块体、海底沟痕以及蠕变地层浊流沉积等,深化了对琼东南盆地深水区沉积体系的认识。此外,分析了地势对重力流发育及内部构造的控制作用、重力流的各部位对原海底侵蚀程度、当前重力流物性(含水率、固结程度、成分等)的原因及浊流沉积内部产生雾状反射的成因等。通过对超高精度AUV资料的解释,认识到重力流沉积体系要比传统认识更为复杂,并且重力流沉积范围要比通过传统资料解释圈定的范围更加广泛。

摘要： 研究了自治水下机器人(AUV)在三维环境中主从式编队控制问题,提出一种基于生物启发反步级联控制方法.该方法利用领航者的位置信息以及期望的队形得到虚拟AUV的航行轨迹和速度信息,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;利用生物启发神经网络有界性的特点,解决了速度跳变以及由此引起的驱动饱和问题.仿真结果表明,该方法实现了预期控制效果,并且有较好的有效性和实用性.%The control of leader-follower formation of autonomous underwater vehicles(AUV)in three-di-mensional underwater environment is discussed in this paper, and a composite method based on bio-inspired neural network and backstepping control is applied.Reference trajectory and speed information of follower, namely virtual vehicle,is obtained based on the leader position and predetermined formation only.Then,the backstepping control is introduces to realize the follower AUV's tracking of the virtual AUV to achieve three dimensional underwater formation control.Using the bounded output character of bio-inspired neural network, the speed jump problem can be solved very well and thruster saturation can be avoided to meet the limitation of AUV thrusters.The simulation results showed that the presented algorithm achieved the expected control effect,and verified the validity and the practicability of the algorithm.

摘要： 针对传统PID在控制自治水下机器人(autonomous underwater vehicle,AUV)变深运动时易出现超调、大幅波动等问题,提出一种具有过渡目标值过程来调节误差反馈的非线性PID控制器.在分析传统PID控制下系统出现超调原因的基础上,对系统目标值安排过渡过程,利用系统输出跟踪过渡后的目标值进行误差反馈控制.通过赫尔维兹判据证明了系统稳定性,仿真验证了控制的可行性.最后通过湖上试验验证其工程可行性与实用性,得出在非线性过渡目标值的PID控制下,系统的动态响应特性得以优化,变深超调和波动问题明显改善,可实现AUV平稳地变深运动控制.

摘要： 本文首先介绍了GPS系统的构成及数据读取方法,着重介绍了GPS在“探索者”号和“CR-01”自治水下机器人中的应用,概述了这一领域的最新研究动态.

摘要： 研究了AUV的续航能力，并给出了一种计算方法.续航能力是AUV作业能力的重要指标，为了进一步提高AUV的续航能力，建立了AUV续航能力的数学模型，系统分析了各个设计变量与续航力的关系，给出了续航能力和最佳巡航速度的计算公式，仿真分析验证了该计算方法的正确性.AUV的续航能力主要受能源总量和巡航速度的影响，最佳巡航速度与电子设备的能耗密切相关.算例分析表明普通AUV的最佳巡航速度一般均在4节以下.该续航力的计算方法为AUV续航能力的设计优化提供了理论依据。

摘要： 结合Agent理论的研究成果,以自治水下机器人(AUV)为背景,在BDI逻辑的基础上拓展出AUV心智逻辑,并用于建立AUV心智模型,从内特性层面深入探讨AUV心智状态的表示与处理机制,在一定程度上解决了目前基于Agent的机器人"外强中干"的问题,弥补了Agent理论在机器人应用上的不足.

摘要： 本发明涉及一种水下机器人供能系统、水下机器人及水下机器人群系统，本水下机器人供能系统中水下机器人的首端设有机械手，其末端设有夹持端，以及水下机器人内设有充放电控制模块；其中机械手、夹持端内设有通电回路触点，以及各通电回路触点均连通充放电控制模块；充放电控制模块适于通过相应通电回路触点实现对水下机器人内锂电池进行充电或放电；本发明能够提高水下行进效率，降低行进过程中的电能消耗，并且使电能能够均匀分配至各水下机器人，延长续航时间，并且通过三阶段分步靠拢方式，克服了水下情况复杂，范围宽广的工作特点，采用三种通信方式满足了水下机器人在不同间距下完成汇聚。

摘要： 本发明涉及一种水下机器人供能系统、水下机器人及水下机器人群系统，本水下机器人供能系统中水下机器人的首端设有机械手，其末端设有夹持端，以及水下机器人内设有充放电控制模块；其中机械手、夹持端内设有通电回路触点，以及各通电回路触点均连通充放电控制模块；充放电控制模块适于通过相应通电回路触点实现对水下机器人内锂电池进行充电或放电；本发明能够提高水下行进效率，降低行进过程中的电能消耗，并且使电能能够均匀分配至各水下机器人，延长续航时间，并且通过三阶段分步靠拢方式，克服了水下情况复杂，范围宽广的工作特点，采用三种通信方式满足了水下机器人在不同间距下完成汇聚。

摘要： 本发明实施例提供一种自治水下机器人及路径跟随控制方法、装置，涉及机器人技术领域。获取搭建的自治水下机器人运动系统；根据物理学原理，生成所述自治水下机器人运动系统的非线性动态系统；接收所述定位模块获取的所述自治水下机器人的实时位置，并根据所述动力学模型对所述实时位置进行改写；基于自治水下机器人的干扰项、实时位置以及预设的输入‑状态稳定性理论，生成非线性鲁棒反步控制器，并对自治水下机器人运动系统进行控制，使得自治水下机器人自主独立完成精确路径跟随作业并实现稳定工作。

摘要： 本发明公开了一种用于自治水下机器人的水体取样装置，主要包括AUV舱段外壳、环状联接体、采样器固定盘、气密采样器以及控制机构。本发明的装置尺寸小，结构紧凑，可以独立完成对海水样品的采样；整个装置可以通过联接体与其他AUV舱段连接；气密采样器包括采样筒、触发机构和单向阀部分，可以在采样前牢固锁住采样器，采样时顺利触发完成采样，并保证样品的气密性，结构简单高效；采样器之间相互独立，通过固定盘固定，排列紧凑；控制机构包括机械结构部分和驱动部分，使用一个电机即可完成对多个采样器的触发控制，动作高效可靠。

摘要： 本发明涉及一种自治水下机器人摄像系统，包括辅助光源和水下摄像机；辅助光源和水下摄像机设置于自治水下机器人的正下方，且辅助光源和水下摄像机中心点的虚拟连线平行于自治水下机器人的轴线。本发明提供一种细长流体型自治水下机器人的摄像系统辅助光源布置方式，提升自治水下机器人水下细小目标探测的能力，通过辅助光源的布置使得水下成像效果达到最佳，本装置已经经过湖上、海上试验验证了其有效性。

摘要： 本发明公开了一种自治水下机器人等平面水下编队方法。该系统包含了由多台自治水下机器人组成的水下机器人编队，该编队以领航‑跟随的方式、形成一种几何队形进行作业。编队内各水下机器人运行在同一平面上，且相对位置和相对速度维持稳定。该方法形成的编队稳定性较高，鲁棒性较强，水下机器人之间无需信息交互，解决了水下弱通信或无通信的问题，并且可以证明经过该方法形成的编队系统是渐进收敛的系统。

摘要： 本发明实施例提供一种自治水下机器人及路径跟随控制方法、装置，涉及机器人技术领域。获取搭建的自治水下机器人运动系统；根据物理学原理，生成所述自治水下机器人运动系统的非线性动态系统；接收所述定位模块获取的所述自治水下机器人的实时位置，并根据所述动力学模型对所述实时位置进行改写；基于自治水下机器人的干扰项、实时位置以及预设的输入‑状态稳定性理论，生成非线性鲁棒反步控制器，并对自治水下机器人运动系统进行控制，使得自治水下机器人自主独立完成精确路径跟随作业并实现稳定工作。

摘要： 本发明涉及一种自治水下机器人监视唤醒系统及方法，包括ARM主控电路、驱动电路和开关电路；通过自治水下机器人的主控计算机制定唤醒时间，在休眠模式时，由本系统ARM主控电路监视自治水下机器人的漏水与水声状态，做出相应的应急机制与简单使命，唤醒后实时监视主控计算机的唤醒情况。本发明的装置具有超低功耗工作与监视水下机器人状态并启动应急工作模式的能力，可以在满足自治水下机器人安全的前提下，最大限度的提升自治水下机器人的工作时间。

摘要： 本发明公开了一种多自治水下机器人搜索控制系统及其方法，该系统包括：多个自治水下机器人，根据搜索指令，在各自搜索区域采集水下环境信息，搜索任务目标，并定期上浮，发送水下采集到的环境信息和任务目标搜索进度信息；上位机，与自治水下机器人无线通信，根据搜索任务利用自组织神经网络算法分别为各自治水下机器人分配搜索区域和对应的任务目标，并生成相应的搜索指令发给自治水下机器人；同时，接收自治水下机器人采集的环境信息和任务目标搜索进度信息，并对上述信息分析反馈，动态调整每台所述自治水下机器人的搜索区域和对应的任务目标，生成相应的搜索指令，直到搜索任务中所有目标被搜索到。本发明搜索范围大，动性、搜索的效率高。

摘要： 本发明涉及自治水下机器人领域，具体地说是一种用于自治水下机器人的高精度浮力调节装置，包括透水壳体和密封壳体，其中在透水壳体内设有外油囊，在密封壳体内设有内油缸、直流电机、齿轮泵、阀组A和阀组B，其中齿轮泵通过直流电机驱动旋转，内油缸的出油端口与所述齿轮泵的入油端口相连，所述齿轮泵的出油端口与阀组A上的第一端口相连，所述阀组A上的第二端口与外油囊的油口相连，所述外油囊的油口同时还与阀组B的入油端口相连，所述阀组B的出油端口与内油缸与齿轮泵之间的连接管路相连，在阀组A内并联设有单向阀和电磁阀A，在阀组B内串联设有电磁阀B和节流阀。本发明可自主调整水下机器人的浮力，体积小，能耗低，噪音低，可靠性高。