基于滤波反步法的水面目标救援跟踪观测控制器设计方法

    公开(公告)号:CN108052009A

    公开(公告)日:2018-05-18

    申请号:CN201810066319.2

    申请日:2018-01-23

    Abstract: 基于滤波反步法的水面目标救援跟踪观测控制器设计方法,涉及水面目标救援跟踪控制领域。为了解决水面运动目标救援的跟踪控制的问题。根据导引律求得救援船的期望位置与期望速度;设计救援船状态观测器,利用其滤除救援船在四级海况下的各个方向的振荡运动,保留救援船在四级海况下的平移运动;设计基于反步法的观测控制器,选择李雅普诺夫函数证明观测控制器的稳定性;采用二阶滤波器对得到的观测控制器中的虚拟控制量进行滤波处理以避免反步法设计的观测控制器多次对虚拟控制量进行求导;构造滤波补偿系统对二阶滤波器的输入输出信号产生的偏差进行消除,设计基于滤波反步法的观测控制器。本发明针对水面失事潜艇跟踪控制,精度高,鲁棒性强。

    一种改进的粒子滤波方法
    72.
    发明授权

    公开(公告)号:CN103389094B

    公开(公告)日:2017-03-01

    申请号:CN201310296086.2

    申请日:2013-07-15

    Abstract: 本发明提供的是一种改进的粒子滤波方法。包括:(1)运载体启动后,选取运载体状态函数及量测函数;(2)选取渐消因子和弱化因子;(3)采用STSRCKF设计重要性密度函数;(4)重新产生粒子;(5)计算粒子重要性权值并归一化;(6)重采样(;7)状态估计;(8)时刻迭代更新,判断当前时刻k是否为迭代终止时刻,若当前时刻k不是迭代终止时刻,则由当前时刻k更新到下一时刻k+1,重复执行步骤(2);若当前时刻k是迭代终止时刻,则结束,控制运载体停止运动。

    无人水下航行器群体任务协调系统及方法

    公开(公告)号:CN104049616B

    公开(公告)日:2016-08-17

    申请号:CN201410290790.1

    申请日:2014-06-25

    CPC classification number: Y02P90/02

    Abstract: 本发明公开了一种无人水下航行器群体任务协调系统及方法。包括传感器模块、全局状态模块、任务协调模块和UUV执行器,传感器模块用于采集环境信息、UUV自身状态信息并接收其他UUV发送的信息;全局状态模块包括更新单元、UUV描述单元、任务描述单元,UUV描述单元进行UUV状态的更新,任务描述单元进行任务状态的更新;任务协调模块包括不可预见情况和冲突单元、动态任务规划单元、任务分配单元、组合体维护单元、执行单元,用于任务的协调与分配。本发明是一个分布式、高效、稳定的多无人水下航行器任务协调系统与方法。

    一种自主水下航行器在水下无线充电设备

    公开(公告)号:CN105703458A

    公开(公告)日:2016-06-22

    申请号:CN201610179703.4

    申请日:2016-03-25

    CPC classification number: H02J7/02

    Abstract: 一种自主水下航行器在水下无线充电设备,本发明涉及自主水下航行器在水下无线充电设备。本发明是要解决目前没有航行器基于无线能量传输技术的内部充电结构进行设计的问题,该设备具体包括自主水下航行器、水下充电装置和捕捉机械臂;所述的自主水下航行器包括耦合器次级端、谐振补偿电路、整流滤波电路、直流斩波器、自主水下航行器主控制器、负载、微处理器、电池组、电流传感器、解调电路、通信控制器和总线;所述水下充电装置包括海底输电电缆、水密接头、捕捉机构、变压器、整流滤波电路、高频逆变电路、谐振补偿电路、驱动控制器、耦合器初级端、调制电路和主控制器;本发明应用于自主水下航行器在水下无线充电领域。

    一种威胁互联网下UUV的航路规划方法

    公开(公告)号:CN105629992A

    公开(公告)日:2016-06-01

    申请号:CN201610082285.7

    申请日:2016-02-05

    CPC classification number: G05D1/10 G06N3/00

    Abstract: 一种威胁互联网下UUV的航路规划方法,涉及路径规划技术领域,尤其涉及一种威胁互联网下UUV的航路规划方法。本发明要解决现有威胁互联网的环境下,同时存在障碍区和威胁区时,存在不能事先设置UUV应保持的安全概率,且难以保证航路尽可能最短的问题。本发明将安全概率计算规则和基于安全保障的蚁群状态转移概率计算方法运用于蚂蚁算法,与传统的蚁群算法在规划过程中有固定的目标点不同,本发明提出的算法其目标点在规划过程中会按照遍历顺序依次变化,每只蚂蚁得到的路径都是从布放点出发遍历过所有的必经点后回到回收点的完整路径;本发明的规划是一次性完成而不是分段规划后拼接的;本发明可应用于路径规划技术领域。

    基于迭代的自主水下航行器三维曲线路径跟踪控制方法

    公开(公告)号:CN102768539B

    公开(公告)日:2014-08-06

    申请号:CN201210211449.3

    申请日:2012-06-26

    Abstract: 本发明提供的是一种基于迭代的自主水下航行器三维曲线路径跟踪控制方法。步骤1.初始化;步骤2.计算初始时刻AUV当前位置与期望路径上“虚拟向导”点在AUV载体坐标系下的相对跟踪误差;步骤3.计算期望路径上“虚拟向导”点的期望移动速度、AUV运动学跟踪控制律;步骤4.在运动学等价控制律的基础上,采用迭代,推导欠驱动自主水下航行器AUV的三维路径跟踪的动力学控制律;步骤5.计算当前AUV位置ηn=(x,y,z)与标定的转向点WPk=(xk,yk,zk)之间的距离若小于设定的航迹切换半径R,则表示完成当前指定路径的跟踪任务停止航行或切换下一个期望航迹,否则继续步骤2。本发明能够提高AUV的路径跟踪精度。

    一种检修机器人避碰规划方法

    公开(公告)号:CN103309351A

    公开(公告)日:2013-09-18

    申请号:CN201310227389.9

    申请日:2013-06-08

    Abstract: 本发明属于传感探测领域,特别涉及一种基于激光测距数据来构建极坐标柱状图以解决势场法容易陷入局部最小值并频繁震颤的问题,克服增强式矢量场法在阈函数构造中未考虑机器人实时速度的缺点的检修机器人避碰规划方法。本发明包括:建立极坐标柱状图;通过阈函数简化极坐标柱状图;根据评价函数选择检修机器人前进方向。本发明具有计算量小、反应速度快的优点;缩小了机器人下一工作周期选择行进方向的范围,减小了相应的计算时间与能耗。

    一种自主水下航行器自主导航定位方法

    公开(公告)号:CN102980579A

    公开(公告)日:2013-03-20

    申请号:CN201210460353.0

    申请日:2012-11-15

    Abstract: 本发明涉及的是一种自主水下航行器自主导航定位方法,特别是涉及一种基于强跟踪容积卡尔曼滤波的自主水下航行器自主导航定位方法。本发明包括如下步骤:选取自主水下航行器运动模型;选取自主水下航行器测量模型;通过自主水下航行器运动模型和测量模型构建动态系统;滤波器参数初始化;选取渐消因子;更新滤波器时间;更新滤波器量测数据;由当前时刻更新到下一时刻,重复执行步骤(5)至步骤(7),直到到达终止时刻,结束计算,输出结果。通过引入渐消因子实时调整滤波增益矩阵,强迫输出残差序列保持相互正交,以此来减小老数据的权值,相对地增加新数据的权值,提高了滤波器的估计精度和稳定性。

    一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法

    公开(公告)号:CN102385316B

    公开(公告)日:2013-03-20

    申请号:CN201110275937.6

    申请日:2011-09-16

    Abstract: 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法,涉及欠驱动自主水下航行器的控制技术领域。所述的变深控制方法为:首先通过压力传感器采集压力信息,并根据该压力信息计算获得对应的自主水下航行器AUV所在的深度;然后建立欠驱动自主水下航行器AUV的数学模型和鲁棒变深控制器模型,根据海流环境以及AUV水动力参数建立欠驱动自主水下航行器AUV的数学模型,采用基于反馈增益的反步法设计鲁棒变深控制器模型;最后获得基于神经网络权重的在线学习算法和自适应鲁棒控制器参数的自适应规律,对获得的数学模型中存在的不确定性进行在线识别及误差估计,并给予补偿、优化最终控制器的输出信号,然后采用该控制器实现欠驱动自主水下航行器AUV的变深控制。

    一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法

    公开(公告)号:CN102385316A

    公开(公告)日:2012-03-21

    申请号:CN201110275937.6

    申请日:2011-09-16

    Abstract: 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法,涉及欠驱动自主水下航行器的控制技术领域。所述的变深控制方法为:首先通过压力传感器采集压力信息,并根据该压力信息计算获得对应的自主水下航行器AUV所在的深度;然后建立欠驱动自主水下航行器AUV的数学模型和鲁棒变深控制器模型,根据海流环境以及AUV水动力参数建立欠驱动自主水下航行器AUV的数学模型,采用基于反馈增益的反步法设计鲁棒变深控制器模型;最后获得基于神经网络权重的在线学习算法和自适应鲁棒控制器参数的自适应规律,对获得的数学模型中存在的不确定性进行在线识别及误差估计,并给予补偿、优化最终控制器的输出信号,然后采用该控制器实现欠驱动自主水下航行器AUV的变深控制。

Patent Agency Ranking