隨著我國經(jīng)濟水平的不斷提高,國家和人民對于建設(shè)海洋強國的呼聲日益增強,海洋強國的建設(shè)離不開對海洋環(huán)境的觀測和對海洋資源的勘探與開發(fā),而水下機器人正是實現(xiàn)這些目標的重要技術(shù)手段之一。水下機器人在水下復雜的環(huán)境中運動時其動力學參數(shù)會因自身所受到的負載的變化而產(chǎn)生變化,其運動過程中的測量數(shù)據(jù)也容易因此受到多種噪聲的污染,如高斯白噪聲、復雜白噪聲(系數(shù)矩陣和觀測向量均含有白噪聲)、有色噪聲等,水下機器人的運動和控制系統(tǒng)的精度也會因所處復雜環(huán)境而受到影響。為了對水下機器人的運動和控制系統(tǒng)進行實時修正從而使其更加適應(yīng)水下的復雜環(huán)境,得到一個能夠隨水下機器人動力學參數(shù)變化而不斷更新的高精度動力學模型很有必要。本文的研究內(nèi)容正是針對復雜環(huán)境下的水下機器人動力學模型參數(shù)在線辨識問題進行展開的,文中通過對多個傳感器的測量數(shù)據(jù)進行融合來快速提高對水下機器人動力學模型的參數(shù)在線辨識精度,以滿足辨識問題中的實時性和高精度要求。本文主要研究內(nèi)容如下:1)首先介紹了水下機器人的運動學模型和動力學模型,說明了水下機器人的相關(guān)特點,并對其動力學模型進行了簡化。2)介紹了水下機器人動力學模型參數(shù)辨識的內(nèi)容及辨識步驟,說明了部分辨識算法的辨識原理,然后將這些算法應(yīng)用到對水下機器人動力學模型的辨識中,比較了這些算法在不同噪聲環(huán)境下的辨識結(jié)果。3)研究在水下機器人動力學模型的系數(shù)矩陣和觀測向量均含有白噪聲條件下的參數(shù)在線辨識問題。通過理論推導得出最小二乘融合算法(RLS_F)在復雜白噪聲環(huán)境下的估計結(jié)果及其與真值之間的理論偏差,提出多傳感器融合的遞推總體最小二乘辨識算法(RTLS_F)。通過仿真實驗對這部分研究內(nèi)容進行了驗證。4)研究在水下機器人動力學模型的觀測向量含有有色噪聲的條件下的參數(shù)在線辨識問題。介紹了增廣最小二乘算法的原理,通過理論推導得出多傳感器融合的增廣最小二乘算法(RELS_F)以便快速地提高參數(shù)在線辨識精度,并通過仿真實驗進行了驗證。
【學位單位】：武漢理工大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP242;U674.941
【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 復雜噪聲環(huán)境下AUV動力學模型在線辨識問題分析
    1.4 AUV動力學模型參數(shù)多傳感器融合辨識
    1.5 論文主要研究內(nèi)容與結(jié)構(gòu)安排
第2章 水下機器人數(shù)學模型的建立
    2.1 水下機器人的運動學模型
    2.2 水下機器人的動力學模型
    2.3 動力學模型的簡化
    2.4 本章小結(jié)
第3章 水下機器人動力學模型參數(shù)辨識研究
    3.1 水下機器人動力學模型參數(shù)辨識
    3.2 最小二乘參數(shù)估計方法
    3.3 極大似然參數(shù)估計方法
    3.4 總體最小二乘參數(shù)估計方法
    3.5 本章小結(jié)
第4章 復雜白噪聲環(huán)境下的多傳感器融合在線辨識
    4.1 引言
    4.2 最小二乘集中式融合與總體最小二乘集中式融合
    4.3 多傳感器遞推總體最小二乘融合算法
    4.4 復雜白噪聲環(huán)境下多傳感器融合辨識仿真
    4.5 復雜白噪聲環(huán)境下威爾科克森符號秩檢驗及結(jié)果分析
    4.6 本章小結(jié)
第5章 有色噪聲環(huán)境下的多傳感器融合在線辨識
    5.1 引言
    5.2 增廣最小二乘算法
    5.3 增廣最小二乘的多傳感器融合算法
    5.4 有色噪聲環(huán)境下多傳感器融合辨識仿真
    5.5 有色噪聲環(huán)境下威爾科克森符號秩檢驗結(jié)果及分析
    5.6 本章小結(jié)
第6章 結(jié)論與展望
    6.1 全文總結(jié)
    6.2 展望
致謝
參考文獻
攻讀碩士期間發(fā)表的論文及參與項目
附錄 主要章節(jié)部分代碼

【相似文獻】

相關(guān)期刊論文 前10條

1 ;水下機器人收放系統(tǒng)[J];重工與起重技術(shù);2017年01期

2 王慧;陳恒釗;黃浩恩;譚聰林;梁棋源;聶兆煒;蔡澤銘;張宇航;;便攜式水下機器人系統(tǒng)的設(shè)計與實現(xiàn)[J];自動化應(yīng)用;2018年11期

3 李永龍;王皓冉;張華;;水下機器人在水利水電工程檢測中的應(yīng)用現(xiàn)狀及發(fā)展趨勢[J];中國水利水電科學研究院學報;2018年06期

4 裴國棟;卞則武;溫亞楠;;便攜式水下機器人設(shè)計[J];船電技術(shù);2019年01期

5 曹少華;張春曉;王廣洲;潘水艷;羅文;李森;;智能水下機器人的發(fā)展現(xiàn)狀及在軍事上的應(yīng)用[J];船舶工程;2019年02期

6 王爭艷;;核級設(shè)備的檢修師[J];現(xiàn)代班組;2017年10期

7 張旭東;;我國實現(xiàn)纜控式與自治式水下機器人深海交會拍攝[J];軍民兩用技術(shù)與產(chǎn)品;2017年15期

8 劉珍娜;秦婧文;;淺談仿生水下機器人的發(fā)展現(xiàn)狀[J];山東工業(yè)技術(shù);2018年01期

9 王永鼎;董亞龍;;水下機器人動力學分析與控制系統(tǒng)研究[J];制造業(yè)自動化;2018年03期

10 楊沖;;基于連續(xù)體模型應(yīng)力評估的水下機器人剛度強化設(shè)計[J];艦船電子工程;2018年03期

相關(guān)博士學位論文 前10條

1 姜春萌;自主水下機器人智能控制與參數(shù)優(yōu)化技術(shù)研究[D];哈爾濱工程大學;2018年

2 李戰(zhàn)東;面向核電水池作業(yè)的水下機器人及其動力學特性研究[D];哈爾濱工業(yè)大學;2018年

3 潘無為;分布式多水下機器人編隊控制方法研究[D];哈爾濱工程大學;2018年

4 姜大鵬;多水下機器人協(xié)調(diào)控制技術(shù)研究[D];哈爾濱工程大學;2011年

5 高延增;超小型水下機器人關(guān)鍵性能提升技術(shù)研究[D];華南理工大學;2010年

6 常文君;基于神經(jīng)網(wǎng)絡(luò)的多水下機器人協(xié)調(diào)控制方法研究[D];哈爾濱工程大學;2004年

7 于華男;開架式水下機器人辨識與控制技術(shù)研究[D];哈爾濱工程大學;2003年

8 成巍;仿生水下機器人仿真與控制技術(shù)研究[D];哈爾濱工程大學;2004年

9 由光鑫;多水下機器人分布式智能控制技術(shù)研究[D];哈爾濱工程大學;2006年

10 王玉甲;水下機器人智能狀態(tài)監(jiān)測系統(tǒng)研究[D];哈爾濱工程大學;2006年

相關(guān)碩士學位論文 前10條

1 江健;微小型UVMS設(shè)計及水下機器人多機協(xié)作研究[D];浙江工業(yè)大學;2019年

2 朱紅坤;復雜環(huán)境下AUV動力學模型多傳感器融合在線辨識方法研究[D];武漢理工大學;2018年

3 楊雨瀟;遙控水下機器人控制系統(tǒng)設(shè)計及試驗分析[D];東北石油大學;2018年

4 張弓;水下機器人全泵驅(qū)動控制方法研究[D];華北水利水電大學;2018年

5 魏學;自主水下機器人自升沉控制技術(shù)研究[D];東北大學;2015年

6 王雷;水下機器人運動控制研究[D];中國科學技術(shù)大學;2018年

7 王雪梅;水下機器人水動力學系數(shù)計算與操縱性能研究[D];山東大學;2018年

8 趙彥飛;水下機器人運動姿態(tài)控制技術(shù)研究[D];西安工業(yè)大學;2018年

9 裴蕾;模塊化水下機器人設(shè)計及力學分析[D];西安工業(yè)大學;2018年

10 沈天鶴;水下機器人監(jiān)控系統(tǒng)的研究與實現(xiàn)[D];揚州大學;2018年

本文編號：2843376