研究了通讯时延情况下的欠驱动自主水下航行器(A u tonom ous U nderw ater V eh icle)编队控制问题。考虑到水下通讯所面临困难,将编队问题分为两个部分:一部分为单个AUV的路径跟踪控制问题,保证每个AUV沿各自的期望路径航行;另一部分...研究了通讯时延情况下的欠驱动自主水下航行器(A u tonom ous U nderw ater V eh icle)编队控制问题。考虑到水下通讯所面临困难,将编队问题分为两个部分:一部分为单个AUV的路径跟踪控制问题,保证每个AUV沿各自的期望路径航行;另一部分为路径参数的协同控制问题,保证每个AUV期望的路径参数能够实现同步,进而达到编队控制的目的。提出的控制方案仅需要AUV之间交互路径参数信息,通讯需求量小,满足实际工程需求且能够允许一定的通讯时间延迟。数值仿真结果验证了控制算法的有效性。展开更多
本研究提出了一种基于反向传播神经网络(BPNN)和自适应无迹卡尔曼滤波器(AUKF)的SOC(state of charge)估计方法。首先针对电池SOC与端电压之间在不同温度下的关系,研究设计了一系列温度补偿策略,以提高在低温、低SOC条件下的估计精度。...本研究提出了一种基于反向传播神经网络(BPNN)和自适应无迹卡尔曼滤波器(AUKF)的SOC(state of charge)估计方法。首先针对电池SOC与端电压之间在不同温度下的关系,研究设计了一系列温度补偿策略,以提高在低温、低SOC条件下的估计精度。其次,利用反向传播神经网络(BPNN)建立了一个耦合了温度补偿策略的电池模型。这个模型能更好地适应低温和低SOC条件下的电池状态变化,提高了SOC估计的准确性。最后,基于BPNN电池模型建立了BPNN-AUKF的SOC估计框架,通过利用测量值与测量预测值之间的信息和残差序列,对系统过程和测量噪声协方差进行估计修正。通过实验验证,发现该方法在低温环境下具有明显优势,相比传统方法能够更准确地估计电池的SOC,且具备较好的泛化能力。这种基于BPNN-AUKF方法的SOC估计器不仅适用于自主无人潜水器(AUV),而且对于其他在复杂环境中工作的车辆也具有广泛的应用价值。展开更多
文摘研究了通讯时延情况下的欠驱动自主水下航行器(A u tonom ous U nderw ater V eh icle)编队控制问题。考虑到水下通讯所面临困难,将编队问题分为两个部分:一部分为单个AUV的路径跟踪控制问题,保证每个AUV沿各自的期望路径航行;另一部分为路径参数的协同控制问题,保证每个AUV期望的路径参数能够实现同步,进而达到编队控制的目的。提出的控制方案仅需要AUV之间交互路径参数信息,通讯需求量小,满足实际工程需求且能够允许一定的通讯时间延迟。数值仿真结果验证了控制算法的有效性。
文摘本研究提出了一种基于反向传播神经网络(BPNN)和自适应无迹卡尔曼滤波器(AUKF)的SOC(state of charge)估计方法。首先针对电池SOC与端电压之间在不同温度下的关系,研究设计了一系列温度补偿策略,以提高在低温、低SOC条件下的估计精度。其次,利用反向传播神经网络(BPNN)建立了一个耦合了温度补偿策略的电池模型。这个模型能更好地适应低温和低SOC条件下的电池状态变化,提高了SOC估计的准确性。最后,基于BPNN电池模型建立了BPNN-AUKF的SOC估计框架,通过利用测量值与测量预测值之间的信息和残差序列,对系统过程和测量噪声协方差进行估计修正。通过实验验证,发现该方法在低温环境下具有明显优势,相比传统方法能够更准确地估计电池的SOC,且具备较好的泛化能力。这种基于BPNN-AUKF方法的SOC估计器不仅适用于自主无人潜水器(AUV),而且对于其他在复杂环境中工作的车辆也具有广泛的应用价值。