浅海海底管线检测与维修中的对线控位方法研究

浅海海底管线电缆的检测和维修需要维修装置在非线性的海洋条件下 ,在管线上方进行对线控位。以便装置能够坐沉海底 ,通过将维修舱打入海底泥沙并骑在管线上对管线进行维修。这要求对线控位时维修装置的纵向中心线偏离待维修管线中心的距离不大于 0 .3米。本文采用模糊滑模变结构进行装置的对线控位控制 ,有效地克服了常规变结构控制器中颤振的影响 ,提高了对线控位的控制精度。

水下自主作业系统轨迹跟踪与动力定位

论述了一种水下自主作业系统的轨迹跟踪和动力定位控制算法。该系统由一个水下智能机器人和一个机械手组成,具有非线性、强耦合、高维数、时变等特点。在充分考虑了各种水动力因素的基础上,使用Quasi-Lagrange方程建立系统的动力学数学模型。采用滑模控制方法,并利用模糊逻辑动态调节滑膜控制器的增益系数,进行了计算机仿真试验。结果表明该方法对水下自主作业系统的轨迹跟踪与动力定位控制性能优良。

基于模糊神经网络的水下机器人实时状态监测模型

本文提出了基于人工智能的自主式水下机器人推进器及舵状态监测模块结构 ,基于模糊神经网络技术 ,以模糊自适应学习控制网络为核心构筑了状态监测模型 ,提出了基于最大权值矩阵的规则提取及基于浮点数编码的遗传算法参数调整方法 ,分析了推进器及舵的状态监测过程 ,并基于监测模型探讨了推进器及舵工作状态的评价方法。通过计算机仿真试验 ,验证了本文所提方法的有效性和监测模型的可行性。

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。

基于海管维修的UVMS运动规划方法

定期对海底海管进行检测维修对保障海上油气田的正常生产具有重要作用,采用水下机器人-水下机械臂(简称UVMS系统)进行海管检测和维修能够实现无人自主化作业,减少检修成本,具有工程价值和现实意义。该文针对UVMS系统在海管检测和维修中局部自由度冗余导致的任务分配问题,提出了一种基于模糊逻辑的UVMS运动学任务规划方法,通过仿真实验验证了该运动规划方法的可行性和有效性,能够满足海管维修作业的要求。