基于多观测器的UVMS自适应神经网络抗扰控制

水下机器人机械臂系统(UVMS)往往面临高度非线性、模型不确定、复杂海洋干扰及执行器死区非线性等因素,严重影响控制精度。首先将UVMS水动力学模型与死区非线性特性变换为模型已知和未知两部分,其中未知部分与其他干扰归结为总干扰。接下来利用基于径向基函数(RBF)的自适应神经网络逼近未知非线性函数,并构造神经网络性能估计器,利用其估计误差设计了一种新颖的神经网络干扰观测器来估计总干扰。在此基础上提出了一种基于神经网络干扰观测器、性能估计器以及多补偿器的自适应神经网络抗扰控制算法,并利用李雅普诺夫方法分析了闭环系统的稳定性。最后将所提的算法运用到6自由度UVMS进行仿真实验,并通过对比验证了本文所提控制算法的有效性。

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。

载人潜水器—机械手系统动力学研究

首先介绍了潜水器—机械手系统的一般动力学模型;针对载人潜水器(HOV)作业运动仿真培训的需要,提出了适用于运动仿真的HOV水下机械手动力学、运动学数学模型。结合已建立的HOV六自由度运动仿真模型,进行了HOV—机械手系统动力学运动学仿真计算,给出了三自由度水下机械手典型作业运动时,机械手手端运动轨迹及HOV姿态角变化的仿真结果。计算结果表明了研究的可行性和有效性;研究结果已被用于HOV的模拟培训器中。

水下机器人-机械手系统非奇异终端滑模控制

针对复杂集总干扰下水下机器人-机械手系统的轨迹跟踪控制难题,提出基于时延估计的非奇异终端滑模控制方法.该方法以时延估计为基础架构,利用非奇异终端滑模控制的强鲁棒性,实现复杂集总干扰下系统高性能的轨迹跟踪控制.受益于时延估计无需动力学模型的特性和非奇异终端滑模控制的强鲁棒性,所提算法具有优异的控制性能、良好的鲁棒性和工程易用性.以实验室搭建的一型水下机器人-机械手系统为研究对象,展开9自由度数值仿真和7自由度水池试验研究,结果表明:在未知复杂集总干扰下,利用相同的控制增益,所提控制方法相对传统时延估计控制可以保证更优的综合控制性能,前者系统末端定位精度为0.038 m,而后者仅为0.067m.

水下机器人-机械手系统末端执行器固定时间轨迹跟踪控制

针对四自由度水下机器人搭载二自由度机械臂的水下机器人-机械手系统,设计一种基于固定时间扰动观测器的积分滑模控制方法.利用固定时间特性,设计固定时间扰动观测器实现对未建模动态与外部扰动的观测,并设计了一种基于积分滑模的固定时间轨迹跟踪控制策略.仿真研究表明,设计的控制方法可在固定时间内使水下机器人-机械手系统末端执行器精准跟踪期望轨迹,且收敛时间与初始状态无关.该研究为具有未建模动态与外界扰动情况下的水下机器人-机械手系统末端执行器轨迹跟踪控制问题提供了一种有效的解决方法.