您现在的位置: 首页> 研究主题> 自主水下航行器

自主水下航行器

自主水下航行器的相关文献在2001年到2022年内共计467篇,主要集中在自动化技术、计算机技术、武器工业、水路运输 等领域,其中期刊论文298篇、会议论文7篇、专利文献2924779篇;相关期刊94种,包括系统工程与电子技术、西北工业大学学报、兵工学报等; 相关会议7种,包括第十届中国系统建模与仿真技术高层论坛、第九届中国系统建模与仿真技术高层论坛、2012年江苏省仪器仪表学会学术年会等;自主水下航行器的相关文献由860位作者贡献,包括严卫生、高剑、宋保维等。

自主水下航行器—发文量

期刊论文>

论文:298 占比:0.01%

会议论文>

论文:7 占比:0.00%

专利文献>

论文:2924779 占比:99.99%

总计:2925084篇

自主水下航行器—发文趋势图

自主水下航行器

-研究学者

  • 严卫生
  • 高剑
  • 宋保维
  • 张福斌
  • 潘光
  • 徐德民
  • 崔荣鑫
  • 张立川
  • 王鹏
  • 刘明雍
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

作者

    • 师颖慧; 张冰; 赵强
    • 摘要: 由于传统快速扩展随机树的改进算法(RRT^(*))在处理自主式水下机器人三维路径规划问题时存在算法收敛速度慢、规划出的路径不平滑等问题,提出一种改进型NT-RRT^(*)算法(正态采样、三角裁剪的快速扩展随机树改进算法),利用正态分布的空间采样策略来代替RRT^(*)算法中的全局均匀随机采样,用来提高算法的收敛速度。此外,引入基于三角不等式的几何修剪算法,减少了随机树扩展过程中的节点和路径长度。在有地形障碍物和漂浮障碍物的三维水下环境进行仿真,仿真结果表明,改进后的算法在随机扩展中的节点数减少为原来的15%,算法规划时间缩短为原来的20%,规划出的路线长度约为原来的一半并且路径光滑、曲折性小,说明改进后的NT-RRT^(*)算法在收敛速度和路径长度上明显优于RRT^(*)算法。
    • 罗建超; 朱心科
    • 摘要: 为解决欠驱动自主式水下航行器的定深控制问题,建立欠驱动自主式水下航行器的数学模型,选用经典的PID控制器对其进行控制。为使控制器的各项性能指标良好,控制器的参数整定选用粒子群优化算法。粒子群算法在迭代过程中容易出现粒子早熟现象,为了避免这一现象,本文引入指数函数,对粒子群迭代公式的惯性权重进行动态调整,延长了粒子的大范围搜索时间。在Matlab 2019b环境下进行仿真,通过纵向对比,证明了改进算法的可行性,将改进后的算法与ZN整定算法进行对比,结果表明,改进粒子群算法表现更佳。
    • 张晓飞; 辛明真; 隋海琛; 雷鹏; 柳义成; 阳凡林
    • 摘要: 在复杂海洋环境下,利用超短基线对自主水下航行器(AUV)进行跟踪定位可能会受到各类误差的影响,通常采用以最小均方误差为准则的卡尔曼滤波对动态定位数据进行处理。构建起与目标实际运动相匹配的运动模型,是保证卡尔曼滤波精度和可靠性的重要基础,而AUV具有机动性较强的特点,往往难以先验性地确定单一的运动模型实现对所有运动状态的匹配。针对基于单模型卡尔曼滤波无法全程适应水下目标的所有运动状态的问题,采用交互式多模型卡尔曼滤波方法处理AUV的超短基线跟踪数据,运动模型之间通过概率矩阵转移来增强运动状态的适应性,实验结果表明该算法在多模型集合构建合理的情况下,其状态适应性优于单模型卡尔曼滤波算法。
    • 吴函; 徐红丽; 谭东旭; 唐磊生
    • 摘要: 在无协商、指派及中心控制的自主水下航行器(AUV)集群控制中,AUV群集在进行避碰、多目标追踪等行为时群集分裂的现象不可避免,如果分裂不可控,易出现AUV丢失或分裂后的子群规模差距过大等问题。为了面对外部刺激时群集能进行可控分群,提出一种融合拓扑交互和信息耦合度的分群控制算法,该算法使用信息耦合度作为评判指标衡量个体间的影响作用,并根据AUV在水下通信难、感知难的特点,引入了拓扑交互机制,减少群集组群和分群所需要的信息,提升AUV组群和分群的效果。仿真实验验证该算法的可行性和有效性。
    • 郭可建; 林晓波; 郝程鹏; 侯朝焕
    • 摘要: 随着海洋研究与开发的日益扩大,高速自主水下航行器(AUV)作为重要的无人水下工作平台受到广泛关注。然而由于其模型具有多输入多输出、强耦合欠驱动以及强非线性特性,因此依赖精确模型的传统控制方法在实际应用中常受到限制。针对此问题,文中提出一种不依赖精确模型的强化学习位姿控制器,该控制器通过姿态环和位置环的配合不仅可以实现高速AUV的快速姿态稳定,还可以更快地完成下潜到指定深度的动作;同时,为了降低获取用于训练强化学习控制器数据的成本,结合神经网络技术提出了一种改进的高速AUV状态估计器,该估计器可以在已知当前时刻AUV的状态以及所受控制量的情况下估计出下一时刻的状态,从而为强化学习控制方法提供大量的训练数据。仿真实验结果表明,估计器达到了较高的估计精度,基于神经网络状态估计器训练得到的强化学习控制器可以完成原AUV的平稳快速控制,从而验证了所提方法的可行性及有效性。
    • 李娟; 张韵; 陈涛
    • 摘要: 针对未知水下环境下的自主水下航行器(autonomous underwater vehicle,AUV)目标搜索问题,传统方法搜索速度慢且以解决二维平面下搜索问题为主,本文提出了一种基于改进RRT(rapid-exploration random tree)的未知三维环境目标搜索算法。在搜索方面,分别建立了包括目标存在概率地图、不确定度地图、区域遍历度地图在内的实时地图并设定其更新规则,根据搜索目标建立决策函数;在局部规划方面,将滚动规划与改进RRT算法相结合,规划出到搜索决策点的路径。二者的结合,实现了AUV在三维空间下在线实时搜索。仿真表明,该算法具有较强的遍历能力,提高了三维空间下目标搜索的速度。
    • 陈冠军; 郝高建; 冯湘子; 朱友生
    • 摘要: 自主水下航行器AUV(Autonomous Underwater Vehicle)是目前在深水海域进行海洋工程勘察的重要手段之一,将AUV应用于深水海底管道在位状态调查首次实践取得了成功,发现了水海异常反射区、珊瑚礁、沙波区等地形地貌,分析认为这些环境因素对海底管道的安全运营存在着很大的威胁,需重点关注。
    • 陈柯宇; 黄南宇; 苏为; 程恩
    • 摘要: 针对自主水下航行器(AUV)隐蔽航行需求,文中设计了一种基于捷联式惯性导航系统(SINS)和长基线(LBL)的组合导航系统,其中LBL信标按照固定顺序在不同时隙分别发送声信号,在接收到声信号后通过SINS分别计算出每个虚拟信标的位置平移量,并列出方程组解算出水声定位位置坐标。航行中可以通过LBL水声定位信息来校正SINS的导航误差,而校正后的SINS位置信息可以为LBL定位提供更精确的虚拟信标平移量。在组合导航定位过程中,通过融合节点冗余信息,进行多点LBL定位,从而提高定位精度;同时利用历史冗余节点替代缺失节点,保证正常量测更新。通过MATLAB仿真对组合导航系统进行验证,结果表明,基于SINS和LBL的AUV组合导航系统能在AUV隐蔽状态下,充分抑制纯惯导误差,提高导航定位精度,节省系统能量。在利用冗余信息之后,系统的导航精度、可靠性和容错性都得到进一步提高。
    • 边有钢; 张俊杰; 李崇康; 徐彪; 秦兆博; 胡满江
    • 摘要: 针对多自主水下航行器(Autonomous Underwater Vehicle,AUV)的深度和纵向速度耦合控制问题,提出一种基于分布式模型预测控制(Distributed Model Predictive Control,DMPC)的双子系统控制方法 .在DMPC的框架下,AUV和邻居共享信息以建立预测优化问题,实现多AUV的协同控制.考虑单个AUV的深度和纵向速度控制,深度控制子系统参考轨迹中的俯仰角序列作为速度控制子系统中俯仰角的实际值,同时纵向速度控制子系统参考轨迹中的纵向速度序列作为深度控制子系统中纵向速度的实际值,由此解耦为两个子系统,进而独立地求解预测优化问题.仿真实验结果表明,相对于整体系统DMPC方法,本文提出的双子系统DMPC方法可在牺牲一定深度控制收敛速度的基础上降低计算时间73.3%.
    • 简杰; 朱志宇
    • 摘要: [目的]为提高杂波干扰下自主水下航行器(AUV)集群系统在协同定位过程中的全局定位精度,提高定位信息的实时性,提出一种以信息增益为评价标准的局部信息融合算法。[方法]通过阈值加权方法对观测数值进行粗差改善,进行局部信息滤波,优化观测值以使其更接近于真实值。从信息熵理论的角度考察各量测信息的可靠性,对多台主AUV的多组局部滤波信息进行优化。以信息增益为融合权值指标,融合多组局部滤波结果,生成唯一的被测从AUV定位信息。进一步地,考虑到主、从AUV之间的声呐探测以及水声信号的通信延时特性,局部信息滤波与信息增益融合算法会出现滤波数据异步的问题,提出一种局部信息滤波和信息增益加权方法的并行结构,通过实时更新机制,确保信息加权算法的输入值为最新时刻的局部滤波输出值。[结果]仿真实验结果表明,相较于多源局部滤波信息,所提融合方法能够有效降低局部滤波误差,提高定位精度,对局部滤波有进一步的优化作用。[结论]所提融合方法可有效实现多AUV系统的协同定位能力。
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号