目錄
第1章 緒論 1
1.1 水下機器人概述 1
1.2 載人潛水器概述 3
1.3 國際水下機器人研究概況 6
1.3.1 有纜遙控水下機器人 7
1.3.2 自主水下機器人 9
1.4 國內(nèi)水下機器人研究概況 11
1.4.1 國內(nèi)自主水下機器人 12
1.4.2 國內(nèi)有纜遙控水下機器人 13
1.4.3 水下滑翔機 14
1.4.4 新概念水下機器人 15
1.5 水下機器人關(guān)鍵技術(shù) 19
1.5.1 水下機器人建模與參數(shù)辨識技術(shù)- 19
1.5.2 水下機器人水下環(huán)境感知與地圖構(gòu)建技術(shù) 21
1.5.3 水下機器人的導航定位技術(shù) 21
1.5.4 水下機器人的水下路徑規(guī)劃及安全避障技術(shù) 22
1.5.5 水下機器人的軌跡跟蹤控制技術(shù) 23
1.5.6 水下機器人故障自診斷與容錯控制技術(shù) 25
參考文獻 26
第2章 水下機器人建模與參數(shù)辨識 28
2.1 水下機器人的動力學建模 28
2.1.1 坐標系及坐標變換 29
2.1.2 水下機器人運動模型分析 31
2.1.3 水下機器人動力學分析 35
2.1.4 水下機器人動力學運動方程 41
2.2 典型水下機器人建模 42
2.2.1 Falcon ROV水下機器人建模 42
2.2.2 “海事一號”ARV水下機器人建模 45
2.3 “海事一號”水下機器人參數(shù)辨識 47
2.3.1 辨識原理 48
2.3.2 辨識試驗與數(shù)據(jù)處理 49
參考文獻 50
第3章 水下機器人環(huán)境感知與地圖構(gòu)建 52
3.1 GPS全球衛(wèi)星導航系統(tǒng) 52
3.2 水下機器人導航定位系統(tǒng) 55
3.2.1 慣性導航定位系統(tǒng) 55
3.2.2 基線聲學導航 59
3.3 水下感知傳感器 62
3.3.1 聲吶傳感器 63
3.3.2 測深聲吶 63
3.3.3 側(cè)掃聲吶 64
3.3.4 前視聲吶 66
3.4 基于多波束聲吶的水下環(huán)境融合感知技術(shù) 68
3.4.1 水下環(huán)境柵格地圖 69
3.4.2 聲吶傳感器參數(shù)與模型 71
3.4.3 基于D-S信息融合的AUV地圖構(gòu)建與更新 74
3.4.4 構(gòu)建地圖仿真案例 78
參考文獻 84
第4章 水下機器人啟發(fā)搜索水下路徑規(guī)劃 86
4.1 柵格化環(huán)境建模 86
4.1.1 平面地圖環(huán)境建模 86
4.1.2 三維地圖環(huán)境建模 87
4.2 基于D*算法的AUV動態(tài)路徑規(guī)劃 89
4.2.1 D*算法原理 89
4.2.2 D*算法的執(zhí)行過程 95
4.2.3 仿真與分析 96
4.3 基于改進D*算法的AUV動態(tài)路徑規(guī)劃 98
4.3.1 障礙物代價模型 98
4.3.2 轉(zhuǎn)向角代價模型 105
4.3.3 仿真與分析 108
4.4 基于改進D*算法的AUV動態(tài)路徑的綜合優(yōu)化 111
4.4.1 三次均勻B樣條曲線平滑優(yōu)化 111
4.4.2 綜合路徑優(yōu)化流程實現(xiàn) 113
4.4.3 目標函數(shù)S及其參數(shù)選取 114
4.4.4 仿真與分析 114
4.5 考慮海流因素的AUV動態(tài)路徑規(guī)劃 117
4.5.1 海洋環(huán)境分析 117
4.5.2 海流對AUV路徑規(guī)劃的影響 117
4.5.3 海流模擬生成 119
4.5.4 海流影響能耗代價模型 121
4.5.5 仿真與分析 123
參考文獻 126
第5章 人工神經(jīng)網(wǎng)絡(luò)水下路徑規(guī)劃 128
5.1 GBNN算法基本原理介紹 128
5.1.1 生物啟發(fā)神經(jīng)網(wǎng)絡(luò)算法簡介 128
5.1.2 GBNN算法基本原理 129
5.2 基于GBNN的二維單AUV全覆蓋路徑規(guī)劃算法研究 135
5.2.1 全覆蓋路徑規(guī)劃問題概述 135
5.2.2 基于GBNN的二維單AUV全覆蓋路徑規(guī)劃算法 135
5.2.3 仿真與分析 139
5.3 基于GBNN的三維單AUV全覆蓋路徑規(guī)劃算法研究 149
5.3.1 三維全覆蓋路徑規(guī)劃問題概述 149
5.3.2 基于GBNN的三維單AUV全覆蓋路徑規(guī)劃算法 150
5.3.3 仿真與分析 151
5.4 基于GBNN的二維多AUV合作全覆蓋路徑規(guī)劃算法研究 161
5.4.1 多AUV合作全覆蓋路徑規(guī)劃問題概述 161
5.4.2 基于GBNN和離散規(guī)劃的二維多AUV合作全覆蓋路徑規(guī)劃算法 162
5.4.3 仿真與分析一 163
5.4.4 基于GBNN和集中規(guī)劃的二維多AUV合作全覆蓋路徑規(guī)劃算法 168
5.4.5 仿真與分析二 171
參考文獻 175
第6章 水下機器人軌跡跟蹤控制 177
6.1 基于模型預(yù)測控制的水下機器人運動學軌跡跟蹤 177
6.1.1 軌跡跟蹤控制描述 177
6.1.2 基于量子粒子群優(yōu)化的模型預(yù)測跟蹤控制 178
6.1.3 仿真與分析 186
6.2 基于模型預(yù)測滑�？刂频乃�下機器人動力學軌跡跟蹤 197
6.2.1 模型預(yù)測滑�？刂破� 197
6.2.2 穩(wěn)定性證明 200
6.2.3 Falcon有纜遙控水下機器人軌跡跟蹤仿真分析 201
6.2.4 “蛟龍?zhí)枴陛d人潛水器軌跡跟蹤仿真分析 209
6.3 海流環(huán)境中的水下機器人軌跡跟蹤控制 223
6.3.1 傳統(tǒng)自適應(yīng)軌跡跟蹤控制 224
6.3.2 帶有海流信息的模型預(yù)測自適應(yīng)軌跡跟蹤控制 225
6.3.3 穩(wěn)定性分析 227
6.3.4 仿真與分析 228
參考文獻 236
第7章 水下機器人故障容錯控制技術(shù) 238
7.1 水下機器人人工神經(jīng)網(wǎng)絡(luò)故障診斷 239
7.1.1 DBN模型 239
7.1.2 深海載人潛水器推進器的常見故障模式 242
7.2 深海載人潛水器推進器信息融合故障辨識方法 244
7.2.1 傳統(tǒng)推進器故障診斷方法 244
7.2.2 DBN信息融合故障辨識模型 245
7.2.3 水池實驗與推進器模擬故障樣本 246
7.3 人工神經(jīng)網(wǎng)絡(luò)信息融合故障診斷模型的在線故障辨識 251
7.3.1 DBN故障辨識器與SOM故障辨識器的故障診斷結(jié)果分析 254
7.3.2 DBN故障辨識器與BPNN故障辨識器的故障診斷結(jié)果分析 255
7.4 設(shè)定狀態(tài)水下機器人容錯控制 255
7.4.1 Falcon ROV設(shè)定狀態(tài)推進器容錯控制 256
7.4.2 Falcon ROV設(shè)定狀態(tài)容錯控制仿真實驗 259
7.5 水下機器人軌跡跟蹤容錯控制 262
7.5.1 變結(jié)構(gòu)滑模動力學控制器設(shè)計 262
7.5.2 水下機器人模型預(yù)測滑模軌跡跟蹤容錯控制 264
參考文獻 275
第8章 多水下機器人任務(wù)分配與編隊控制技術(shù) 276
8.1 自組織多AUV多任務(wù)分配與路徑規(guī)劃算法 276
8.1.1 自組織映射神經(jīng)網(wǎng)絡(luò) 276
8.1.2 基于SOM的多AUV系統(tǒng)的多任務(wù)分配 277
8.1.3 三維速度矢量合成算法 282
8.1.4 無海流環(huán)境下的多AUV多任務(wù)分配與路徑規(guī)劃研究 283
8.1.5 海流環(huán)境下的多AUV多任務(wù)分配與路徑規(guī)劃研究 285
8.2 生物啟發(fā)自組織BISOM多AUV多任務(wù)分配與路徑規(guī)劃算法 286
8.2.1 基于BISOM算法的多AUV任務(wù)分配與路徑規(guī)劃 286
8.2.2 多AUV均衡任務(wù)量的任務(wù)分配研究 289
8.2.3 海流多障礙物環(huán)境下BISOM算法的多AUV任務(wù)分配與路徑規(guī)劃 290
8.2.4 海流多障礙物環(huán)境下多AUV均衡任務(wù)量的任務(wù)分配 291
8.3 多AUV主從式運動學編隊控制研究 294
8.3.1 多AUV主從式編隊控制模型 296
8.3.2 基于領(lǐng)航AUV位置信息的虛擬AUV設(shè)計 299
8.3.3 運動學編隊控制律設(shè)計 303
8.3.4 運動學編隊控制仿真及結(jié)果分析 306
8.4 多AUV編隊避障方法研究 314
8.4.1 基于人工勢場的多AUV編隊避障方法 314
8.4.2 基于人工勢場的多AUV編隊避障仿真 316
參考文獻 322
第9章 多水下機器人水下博弈與圍捕控制技術(shù) 324
9.1 AUV水下博弈對抗控制 324
9.1.1 雙AUV水下追逃博弈對抗建模 324
9.1.2 雙AUV水下追逃博弈對抗控制 325
9.1.3 雙AUV水下追逃博弈仿真 327
9.2 多AUV水下圍捕控制 330
9.2.1 多AUV水下圍捕聯(lián)盟生成算法 336
9.2.2 多AUV圍捕路徑規(guī)劃跟蹤 338
9.2.3 多AUV協(xié)作圍捕占位 344
9.2.4 智能入侵機器人的逃逸策略 345
9.3 多障礙物環(huán)境下多AUV協(xié)作圍捕仿真 347
9.3.1 二維環(huán)境下的圍捕仿真設(shè)計 347
9.3.2 二維環(huán)境下的圍捕蒙特卡羅仿真 350
9.3.3 三維環(huán)境下的圍捕仿真分析 351
參考文獻 352