模糊解耦在UUV回收运动控制中的应用

在回收过程中,UUV对水平面运动的控制精度有很高的要求。以BSA-UUV为平台,构建水平面操纵非线性方程,在此模型的基础上,分析了多阶段回收过程中的主要耦合变量和耦合原因。针对水平面运动中航向控制与横向运动之间的强耦合问题,基于模糊理论和解耦理论设计一种解耦补偿器,由模糊补偿器的输入输出隶属度函数,根据模糊补偿规则,经过模糊推理合成运算和清晰化运算,得出解耦补偿量。仿真结果显示加入模糊解耦控制器以后,有效降低了系统的超调量,提高了控制精度,表明模糊解耦控制方法在UUV回收运动控制中有很高的应用价值。

基于BP神经网络的非线性流域UUV动态回收过程预测

针对水下无人自主航行器(UUV)回收过程中流域存在非线性干扰问题,提出了一种基于BP神经网络优化UUV回收路径的闭环控制方法。采用计算流体力学(CFD)方法模拟UUV相对于潜艇以不同路径进行回收的水动力系数,将数值模拟结果作为训练BP神经网络的初始数据,利用拉丁超立方法对非线性流域的位置随机采样,采用神经网络输出UUV在采样处的水动力系数,实现非线性流域内UUV动态回收过程的水动力系数预测。结果表明:通过均方根检验神经网络预测水动力系数误差均在10%范围内。将神经网络预测结果与UUV纵向操纵性方程结合,对比回收速度和操舵间隔与理论回收轨迹的误差,优化UUV动态回收路径的闭环控制方案。

基于发射管的UUV自动回收机械臂动力学研究

回收是舰艇装备UUV急需解决的一大难题。传统回收方式有着人力、缆绳及救生艇等诸多限制条件,机动性差、危险系数高,无法满足舰艇的紧急作战要求。基于舰艇发射管利用机械臂进行UUV的回收能解决传统回收方式的难题且更具隐蔽性,具有重大的军事意义。本文针对舰艇的回收需求,研究基于发射管的回收机械臂设计方案,利用牛顿-欧拉法建立动力学方程,然后在Matlab下利用七次多项式规划工作轨迹并进行动力学数值仿真。结果表明浮力、负载的重量和空间尺寸均对关节驱动力矩有一定影响,该结果可为后续回收机械臂的关节驱动校核、机械结构优化以及控制系统设计等工作提供参考。

基于改进的复合自适应遗传算法的UUV水下回收路径规划

传统遗传算法的变异操作会简单随机产生新的路径,对算法进化性能有不利影响,使算法易陷入局部最优的陷阱;遗传算法常配合栅格法进行路径规划,所得的最优路径并非无人水下航行器(UUV)回收路径规划可获得的最短路径,并存在UUV机动性能可能与最优路径冲突的问题。为此,设计一种具有UUV机动性约束条件的改进遗传算法,提出环境复杂度的概念用于分析机动性约束的具体取值,使路径规划适配于UUV的机动性,使算法结果更具实用性;提出复合自适应变异策略,控制变异的个体在迭代过程中发生自适应的进化;当一定迭代数内种群进化停滞时,引导最优个体进行双阶段自适应变异,从而使最优路径趋近全局近似最优解,有效提高算法的收敛速度。基于MATLAB软件的算法对比仿真结果表明一般复杂水域和复杂水域环境下,改进的复合自适应遗传算法生成的最优路径相比于遗传算法和自适应遗传算法的最优路径更加平滑,路径长度更低,可见改进的复合自适应遗传算法在路径规划上收敛性能和寻优能力更优,更具有可行性和优越性。