伴隨人類對(duì)海洋認(rèn)知的不斷深入和高新技術(shù)的快速發(fā)展,自主水下機(jī)器人（Autonomous Underwater Vehicle,AUV）在水雷探測(cè)、情報(bào)收集、海底資源開發(fā)、堤壩和管道檢測(cè)等軍事和民用領(lǐng)域的應(yīng)用也日益廣泛。隨著對(duì)AUV的依賴程度越來越高,AUV的作業(yè)環(huán)境越來越復(fù)雜,對(duì)其運(yùn)動(dòng)控制性能的要求也在不斷提高。良好的運(yùn)動(dòng)控制性能是AUV完成各項(xiàng)作業(yè)任務(wù)的基本前提。本文以提高AUV的運(yùn)動(dòng)控制性能為目標(biāo),在以下方面開展了研究:一、為有效開展AUV運(yùn)動(dòng)控制與參數(shù)優(yōu)化技術(shù)研究,在介紹研究對(duì)象平臺(tái)基礎(chǔ)上,針對(duì)研究對(duì)象所配備的傳感器和執(zhí)行機(jī)構(gòu),搭建了AUV控制系統(tǒng)硬件和軟件體系結(jié)構(gòu)。二、對(duì)基于稀疏表示的濾波技術(shù)開展了研究。為提高傳感器輸出數(shù)據(jù)的精度,在數(shù)據(jù)稀疏表示理論基礎(chǔ)上,介紹了數(shù)據(jù)稀疏性衡量方法,證明了稀疏表示最優(yōu)解的存在及其唯一性,闡述了基于K-奇異值分解算法（K-Singular Value Decomposition,K-SVD）獲得過完備冗余字典的具體實(shí)現(xiàn),構(gòu)建了基于稀疏表示的濾波系統(tǒng)模型,并在仿真實(shí)驗(yàn)中對(duì)AUV多普勒速度計(jì)數(shù)據(jù)開展了基于稀疏表示的濾波處理,在海上試驗(yàn)中對(duì)AUV多普勒... 

【文章來源】：哈爾濱工程大學(xué)黑龍江省 211工程院校

【文章頁數(shù)】：140 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

ABE自主水下機(jī)器人Fig1.1AspectofABE

圖 1.1ABE 自主水下機(jī)器人Fig 1.1 Aspect of ABE圖 1.2 Sentry 自主水下機(jī)器人Fig 1.2 Aspect of Sentry（3）美國藍(lán)鰭機(jī)器人公司研發(fā)的高度模塊化自主水下機(jī)器人 Bluefin-21 是開展海上搜索、打撈、考古及反水雷任務(wù)的理想平臺(tái)[43]。如圖 1.3 所示，Bluefin-21 長 4.9m，重 750kg，最大航速 4.5kn，最大潛深 4500m，續(xù)航力 25h，配備側(cè)掃聲納、海底地層剖面儀和多波束回聲探測(cè)儀等。2014 年 4 月，Bluefin-21 被美國海軍用于在南印度洋開展馬航 370 失聯(lián)客機(jī)的搜索工作。（4）美國通用動(dòng)力公司與藍(lán)鰭機(jī)器人公司共同研發(fā)的 Knifefish 水雷探測(cè)自主水下機(jī)器人是 Bluefin-21 的改良版本[44]。如圖 1.4 所示，Knifefish 長 5.8m，重 770kg，續(xù)航力 16h，通過合成孔徑聲納探測(cè)漂浮或埋設(shè)的水雷，基于搭載的數(shù)據(jù)庫和分析程序識(shí)別水雷目標(biāo)。2017 年 3 月，美國海軍在波士頓海岸虛擬雷區(qū)完成了對(duì) Knifefish的測(cè)試，檢驗(yàn)了 Knifefish 對(duì)埋設(shè)于不同深度水雷的探測(cè)和分類能力。

圖 1.1ABE 自主水下機(jī)器人Fig 1.1 Aspect of ABE圖 1.2 Sentry 自主水下機(jī)器人Fig 1.2 Aspect of Sentry（3）美國藍(lán)鰭機(jī)器人公司研發(fā)的高度模塊化自主水下機(jī)器人 Bluefin-21 是開展海上搜索、打撈、考古及反水雷任務(wù)的理想平臺(tái)[43]。如圖 1.3 所示，Bluefin-21 長 4.9m，重 750kg，最大航速 4.5kn，最大潛深 4500m，續(xù)航力 25h，配備側(cè)掃聲納、海底地層剖面儀和多波束回聲探測(cè)儀等。2014 年 4 月，Bluefin-21 被美國海軍用于在南印度洋開展馬航 370 失聯(lián)客機(jī)的搜索工作。（4）美國通用動(dòng)力公司與藍(lán)鰭機(jī)器人公司共同研發(fā)的 Knifefish 水雷探測(cè)自主水下機(jī)器人是 Bluefin-21 的改良版本[44]。如圖 1.4 所示，Knifefish 長 5.8m，重 770kg，續(xù)航力 16h，通過合成孔徑聲納探測(cè)漂浮或埋設(shè)的水雷，基于搭載的數(shù)據(jù)庫和分析程序識(shí)別水雷目標(biāo)。2017 年 3 月，美國海軍在波士頓海岸虛擬雷區(qū)完成了對(duì) Knifefish的測(cè)試，檢驗(yàn)了 Knifefish 對(duì)埋設(shè)于不同深度水雷的探測(cè)和分類能力。

【參考文獻(xiàn)】：
期刊論文
[1]考慮剩余靜載的高速AUV新型滑�？刂破髟O(shè)計(jì)（英文）[J]. 姜春萌,萬磊,孫玉山,李岳明.  Journal of Central South University. 2018(01)
[2]基于支持向量機(jī)的電力云故障診斷方法研究[J]. 余輝,屈喜龍,謝京力.  湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(04)
[3]典型電能質(zhì)量穩(wěn)態(tài)指標(biāo)預(yù)測(cè)模型研究[J]. 林順富,湯繼開,湯波,李東東,符楊.  電網(wǎng)技術(shù). 2018(02)
[4]基于支持向量機(jī)的在線負(fù)面口碑處理專家識(shí)別方法[J]. 張心澤,蔡淑琴,羅思宇.  統(tǒng)計(jì)與決策. 2017(22)
[5]基于最小二乘支持向量機(jī)的黏著狀態(tài)辨識(shí)[J]. 劉林凡,何靜.  湖南工業(yè)大學(xué)學(xué)報(bào). 2017(04)
[6]一種新穎的改進(jìn)人工魚群算法[J]. 劉東林,李樂樂.  計(jì)算機(jī)科學(xué). 2017(04)
[7]Design of motion control system of pipeline detection AUV[J]. 姜春萌,萬磊,孫玉山.  Journal of Central South University. 2017(03)
[8]果蠅算法在基于LSSVM智能水下機(jī)器人操縱運(yùn)動(dòng)模型辨識(shí)中的應(yīng)用[J]. 孫玉山,徐昊,曹東東,龐永杰.  船舶工程. 2017(02)
[9]AUV縱傾角動(dòng)態(tài)面滑模自適應(yīng)控制[J]. 陳巍,魏延輝,曾建輝,賈獻(xiàn)強(qiáng),王澤鵬.  火力與指揮控制. 2016(06)
[10]基于NSGA-Ⅱ算法的水下機(jī)器人水平面運(yùn)動(dòng)參數(shù)辨識(shí)[J]. 李慶梅,劉平,潘芳煜,梁彩平,周平.  上海第二工業(yè)大學(xué)學(xué)報(bào). 2016(02)

博士論文
[1]改進(jìn)人工魚群智能優(yōu)化算法及其應(yīng)用研究[D]. 姚正華.中國礦業(yè)大學(xué) 2016
[2]基于稀疏表示的圖像分類與目標(biāo)跟蹤研究[D]. 匡金駿.重慶大學(xué) 2013
[3]無人艇操縱性與智能控制技術(shù)研究[D]. 吳恭興.哈爾濱工程大學(xué) 2011
[4]RNA二級(jí)結(jié)構(gòu)預(yù)測(cè)算法的研究[D]. 何靜媛.重慶大學(xué) 2009
[5]微小型水下機(jī)器人運(yùn)動(dòng)控制技術(shù)研究[D]. 李曄.哈爾濱工程大學(xué) 2007
[6]一種新型的智能優(yōu)化方法-人工魚群算法[D]. 李曉磊.浙江大學(xué) 2003

碩士論文
[1]基于稀疏表示的小弱運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D]. 陳靜.重慶大學(xué) 2015
[2]染色機(jī)自組織模糊控制系統(tǒng)研制[D]. 史桂麗.浙江理工大學(xué) 2014
[3]基于模糊理論的AUV回收運(yùn)動(dòng)協(xié)調(diào)控制技術(shù)研究[D]. 徐鵬飛.哈爾濱工程大學(xué) 2011
[4]遙控式水下機(jī)器人PID運(yùn)動(dòng)控制算法優(yōu)化研究[D]. 姜嬋娟.哈爾濱工程大學(xué) 2010
[5]遺傳算法PID控制在AUV運(yùn)動(dòng)控制中的應(yīng)用[D]. 張用.哈爾濱工程大學(xué) 2009
[6]基于神經(jīng)網(wǎng)絡(luò)的水下機(jī)器人廣義預(yù)測(cè)控制技術(shù)研究[D]. 高萍.哈爾濱工程大學(xué) 2007
[7]基于vxWorks的AUV組合導(dǎo)航系統(tǒng)研究[D]. 郭傳海.哈爾濱工程大學(xué) 2005



本文編號(hào)：2979028