水下无人航行器高速航行下的运动特性及仿真控制研究

水下无人航行器具有水下活动范围大、机动性好优点,主要用于大范围地形地貌勘探,水下高速长航程航行时,水下航行器运动特性和姿态控制是研究重点。本文建立水下航行器垂直面航行运动模型,分析高速航行下的运动特性。为保证高速航行高效稳定,提出PID方法控制纵倾和滑模方法控制深度的组合控制策略。通过仿真试验,开展高速航行运动仿真研究。研究结果表明,在高速航行下,水下航行器会产生一定纵倾,且随着航速增加,纵倾影响会越大,高速状态放大了水下航行器外形上下轻微不对称的特性,诱导产生的垂向水动力及力矩增大,进而引起纵倾;在高速航行条件下,水下航行器能稳定保持定深度长距离航行,控制策略具有很好的适用性。

水下无人航行器发电及储能技术研究

自水下无人航行器出现以来,关于其发电和储能系统的研究就从未停止。对适合长期部署的自供电水下无人航行器的需求一直在增长,需进一步研究小规模海洋梯度能源系统。本文综述了利用海洋热能(海水温差、相变材料和热电发生器)和海洋环境能(风能、太阳能和波浪能)的发电技术,总结其优缺点。同时,介绍目前及未来用于水下无人航行器的储能电池,包括锂电池、燃料电池、半燃料电池等。最后,对水下无人航行器电池的未来发展方向进行讨论,为其发电及储能技术发展提供一定参考。

基于CKF-SLAM改进的无人水下航行器动态目标跟踪算法研究

针对容积卡尔曼滤波(cubature Kalman filter,CKF)同步定位与建图(simultaneous localization and mapping,SLAM)算法在动态目标跟踪(object tracking,OT)的应用中,存在算法实时性不高、计算复杂以及对动态目标物跟踪精度较低的问题,提出基于平方根容积卡尔曼滤波SLAM的无人水下航行器(unmanned underwater Vehicle,UUV)目标跟踪算法(SRCKF-SLAM-OT).该算法将CKF-SLAM-OT中复杂的计算部分,利用3阶容积准则选取一组相同权值的容积点来近似计算,再利用数值积分法计算非线性方程模型的后验状态估计平均值和方差,并对协方差矩阵的平方根因子进行更新.仿真结果表明:SRCKF-SLAM-OT算法简化了计算量和改善了数值精度,提高了UUV在未知水下环境中自身定位的精度和动态目标物跟踪的能力.

无人水下航行器(UUV)技术综述

本文介绍了无人水下航行器的发展状况,重点分析了其动力系统和IMP装置。

水下无人航行器编队协同搜索研究综述

随着水下无人航行器(UUV)及相关技术的发展,UUV已被广泛用于执行扫雷、侦察、情报搜索及海洋探测等任务。通过多UUV编队协同,可克服单UUV探测、捕获目标能力有限、作战效能不高的弱点,以满足应对多种复杂任务需求。作为UUV编队协同关键任务之一,UUV编队协同搜索是当今水下协同研究中的一个重要方向。本文综述UUV编队协同搜索的应用研究和方法研究进展情况,分析探讨了UUV编队协同搜索面临的挑战和应用进展。研究成果对进一步发展未来水下无人集群协同具有一定参考意义。

水下无人航行器多目标优化设计研究进展

水下无人航行器设计具有参数多、目标性能相互耦合的特点,传统设计方法在平衡各个设计目标过程中占用过多时间和计算资源,影响设计进程。多目标优化方法通过多性能的参数化建模给水下无人航行器的优化设计提供了简洁有效的解决方案,提升了设计效率与质量。本文对多目标优化方法在水下无人航行器设计上的研究进行整理与总结,首先概述多目标优化方法的优化机理,强调水下无人航行器多目标优化设计的优势性;其次围绕外形、结构、动力推进等几个设计方向上的多目标问题,总结归纳了当前的研究进展;最后结合未来发展趋势,提出水下无人航行器多目标优化设计的发展设想,旨在为相关技术研究提供有益借鉴与参考。

水下无人航行器实时轨迹跟踪控制方法研究

针对水下无人航行器受外界不确定因素影响产生航行准确度低的问题,研究水下无人航行器实时轨迹跟踪控制方法。分析水下无人航行器运动特性,设计基于贝叶斯神经网络的水下无人航行器自适应控制器,以水下无人航行器的参考速度信号为网络输入,通过网络的不断训练,输出控制力矩,促使水下无人航行器的航行点与预设航行位误差趋近于0,完成实时轨迹跟踪控制。实验结果表明,该方法可完成直线轨迹、圆形曲线轨迹的跟踪控制,且航行点与预设航行位误差小、收敛快、波动次数少,具备轨迹跟踪控制抗干扰能力强、适应能力强的优势。

多功能遥控水下无人航行器阻力特性研究

针对深海目标探测、打捞作业的安全、高效要求,研制一型多推进系统矢量配置的多功能遥控水下无人航行器。针对航行器系统配置和作业性能参数,首先采用流体力学方法分析计算多种工况下外形阻力和脐带电缆阻力特性,通过水平面多推进器环形矢量配置和垂直面推进器对称分布配置,解耦垂直面和水平面运动,实现航行器高效多自由度运动。然后,根据推进器的性能和不同工况下航行器阻力特性计算分析,拟合阻力、动力、速度关系曲线,校验推进系统配置的合理性。最后对比分析阻力特性与推进器推力输出特性,结果表明航行器动力配置方式及推进器效能满足航行器机动作业性能要求。

高速水下无人航行器仿生外形设计与阻力数值预报研究

为了研究水下无人航行器(unmanned underwater vehicle,UUV)的外形因素对阻力性能的影响,利用计算流体力学方法对不同航行器外形展开阻力预报及分析。对于水下高速UUV而言,优异的阻力性能对UUV的航速和续航能力的提升都是至关重要的。针对某高速UUV的减阻需求,首先结合SUBOFF标准模型进行了阻力特性数值预报,与试验数据对比验证了预报方法的适用性;在此基础上,模仿鲨鱼和海豚的外形特征设计了2种UUV水动力外形构型,针对2种外形构型分别预报了带有不同附体构型的阻力特性,得到了一种相比SUBOFF艇形具有明显减阻效果的UUV水动力外形。研究对低阻型高速UUV的外形设计具有一定的参考价值。

基于PSO与ε-SVR的无人水下航行器水动力参数辨识方法

为了提高无人水下航行器(UUV)在小样本且存在噪声干扰情况下水动力参数辨识的准确性,文中提出了一种基于粒子群优化(PSO)与支持向量机回归(SVR)方法。该方法利用基于不敏感损失因子的支持向量机回归(ε-SVR)方法辨识水下航行器的水动力参数,克服了小样本情况下的水动力参数难以准确辨识问题;在此基础上,采用粒子群算法对ε-SVR的超参数进行优化,提升了算法的抗噪声性能。仿真结果表明,在相同样本和噪声条件下,ε-SVR辨识的水动力参数值与真值的最大相对误差(MRE)不超过11.8%,而递归最小二乘算法(RLS)辨识结果的最大相对误差高达55%。此外,文中在Z型实验激励信号下对辨识的模型进行验证,结果表明与RLS算法辨识的模型相比,ε-SVR辨识的模型误差更小。

多无人水下航行器协同导航定位研究进展

介绍了多无人水下航行器(UUV)协同导航定位的原理,进而详细综述了国内外多UUV协作系统及多UUV协同导航定位系统的研究进展,重点研究和分析了水声测距及通信一体化、协同导航定位算法、协同导航定位观测、水下UUV组网等关键技术的研究特点和发展趋势。研究表明,随着海洋研究的不断深入,多UUV协同导航定位系统的发展将会更注重减小体积质量、适应复杂海洋环境和能源限制方面的研究。

浅水域探测型无人水下航行器波浪能发电系统设计

为了实现浅水域探测型无人水下航行器(Unmanned underwater vehicle,UUV)探测设备水下长时间工作,提出波浪能发电系统,可以将近水面的波浪能收集转化为电能。详细叙述永磁发电机的原理结构及设计参数;根据Lagrange方程建立系统的数学模型;采用Runge-Kutta方法求解简化的运动方程,研究不同海况条件下对发电性能的影响。研究结果表明提出的波浪能发电系统是合理可行的,在一般海况下,能够满足探测设备的能源需求。同时表明频率与幅度以及耦合横摇对发电性能影响比较大,而耦合垂荡对其影响基本可以忽略。研究结果将为后期波浪能发电系统的工程试验提供一定的理论依据。

引入改进蝠鲼觅食优化算法的水下无人航行器三维路径规划

针对复杂环境下传统群体智能优化算法在求解水下无人航行器(UUV)路径规划的过程中存在路径搜索能力不足、易陷入局部最优等问题,提出了一种引入改进蝠鲼觅食优化算法的UUV三维路径规划方法。首先,根据UUV在水下航行时的实际环境,建立相关地形模型和威胁源模型;其次,对传统的蝠鲼觅食优化算法进行改进,相关改进包括在初始化过程中加入局部反向学习机制优化种群的位置,提高了种群的多样性;根据每次迭代后种群个体适应度的不同,改进蝠鲼翻滚觅食的翻滚因子S,由此实现一种自适应翻滚,有利于跳出局部最优;同时,在蝠鲼螺旋觅食过程中融合莱维飞行-柯西变异策略,扩大了搜索路径和种群搜索范围,提升了算法寻找全局最优的能力;最后,将改进的蝠鲼觅食优化算法引入到UUV的路径规划中,进行相应的实验模拟。实验结果表明:在地形1中采用改进的蝠鲼觅食优化算法所规划的路径相比于灰狼算法和蝠鲼觅食优化算法分别降低了32.49 km和23.88 km,航迹代价分别降低了9.68和4.04;在地形2中采用改进的蝠鲼觅食优化算法所规划的路径相较于灰狼算法和蝠鲼觅食优化算法分别降低了20.83 km和29.95 km,航迹代价分别降低了10.14和3.18;同时,所提路径规划方法能够使UUV有效地避开障碍物、威胁物等,较大地降低了风险成本,安全性更高。

潜艇与智能无人水下航行器协同系统控制体系及决策研究

无人作战是未来战争发展的必然趋势,然而,当下无人水下航行器(UUV)的智能水平有限,造成UUV编队在水下网络中心战(UWNCW)中的应用具有局限性。针对以上问题,将人的智能引入智能UUV编队,形成一种潜艇与智能UUV结合的协同系统,分析了系统的优点及复杂性,并对系统的控制体系结构及决策问题等关键技术进行了研究。对系统在突发威胁情况下的航迹规划过程进行了仿真,仿真结果表明潜艇与智能UUV协同系统能够有效地实现避障并能躲避突发威胁,提升了整个系统的应急能力。

基于反馈增益反步法欠驱动无人水下航行器三维路径跟踪控制

针对欠驱动无人水下航行器的三维空间路径跟踪控制问题.基于虚拟向导建立载体坐标系下的三维路径跟踪运动学误差模型,首先设计跟踪误差反馈增益形式的线性控制项镇定位置跟踪系统,避免计算虚拟控制量导数的复杂形式;然后基于反步法设计动力学控制器,通过合理的选择控制器参数消除了部分非线性项,简化了虚拟控制量的形式,同时避免了采用传统反步法设计控制器时存在的奇异值问题,基于李雅普诺夫稳定性理论设计鲁棒反馈补偿项,保证了闭环跟踪误差系统状态的一致最终有界.仿真实验表明本文设计控制器能够精确跟踪三维曲线路径,并对外界干扰具有较好的鲁棒性.

海底定点停驻无人水下航行器流体动力特性分析

在介绍海底定点停驻无人水下航行器(UUV)概念及工作过程的基础上,为了研究UUV上浮及下潜时大攻角下的流体动力特性以及辅推和支撑机构对流体动力特性的影响,采用计算流体力学(CFD)的方法,用Ansys ICEM对无辅推无支撑机构UUV、只有支撑机构的UUV、有辅推有支撑机构3种航行器外围流场进行结构化的网格划分,并利用软件CFX对3种模型的攻角从-90°变化到90°时93种工况下的流场进行了数值模拟,得到了各工况下航行器的阻力、升力及俯仰力矩数值.最后,对计算结果进行了汇总及分析,得到了3种UUV的阻力系数、升力系数及俯仰力矩系数随攻角的变化曲线,并分析了UUV的阻力、升力、俯仰力矩特性以及辅推、支撑机构对航行器的流体动力特性的影响.

无人水下航行器PID神经网络解耦控制

通过无人水下航行器动力学分析和运动建模,将系统解耦为航向、横滚、纵向三通道控制系统。为了消除解耦过程中存在的问题,采用PID神经网络控制算法来实现三自由度的独立控制。仿真结果表明,该控制方法不仅减少了计算时间,提高了响应速度,而且具有超调量小、稳态精度高等控制品质,对无人水下航行器的实际应用具有一定意义。

基于遗传算法的无人水下航行器深度自抗扰控制

根据无人水下航行器(UUV)操纵控制过程的特点,设计了一种基于遗传算法的UUV深度自抗扰控制器(ADRC)。针对ADRC控制器控制参数较多的问题,将其参数设计转化为一种辨识问题。借助遗传算法,对UUV深度控制系统中的ADRC控制参数进行了辨识,并对其在无外界干扰和近水面航行受波浪力干扰两种情况下的深度控制进行了仿真。数值仿真结果表明,ADRC控制可以获得较好的深度保持性能,并且具有较强的抗干扰能力。与PID控制相比,ADRC控制的操舵幅度和操舵频率有了明显降低,其控制品质有了明显提高。

潜伏式无人水下航行器概念设计

对潜伏式无人水下航行器进行了概念设计,介绍了本航行器的组成部分。在此基础上,详细设计了潜伏控制段,并设计了两种潜伏控制方式——液压支撑式和锚链式。对这两种潜伏方式的潜伏工作过程分别进行了描述、设计了两种潜伏控制段的组成部分并介绍了各部分的作用,在此基础上,设计了各组成部分的参数。最后,对这两种潜伏控制段进行了比较,并选择了锚链式潜伏控制结构。

海洋勘测水下无人航行器的自主控制技术研究

针对水下无人航行器的海洋勘测任务,提出了一种基于多智能体(MAS)的自主控制技术.自主控制结构采用分布式的智能体结构,智能体之间通过通信和协作来共同完成复杂的整体操作.海洋勘测使命要求航行器在动态不确定的环境中,利用不同的勘测传感器进行多个局部区域的勘测.引入基于多属性路径点的使命描述方法,方便使命描述和控制.使命控制过程采用离散事件驱动的Petri网形式建模.针对事件管理过程中并发事件缺乏中央控制的问题,离散事件被赋予优先级以消除冲突.通过湖海试验验证了所提自主控制技术的可行性和有效性.