本文選題：水下滑翔機(jī) + 路徑規(guī)劃　； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：水下滑翔機(jī)具有無(wú)動(dòng)力推動(dòng)的特點(diǎn),可以把溫差能轉(zhuǎn)換為機(jī)械能。依靠自身攜帶的能源調(diào)整姿態(tài)和俯仰角度,利用水下溫差能實(shí)現(xiàn)水下滑翔。克服了傳統(tǒng)的水下機(jī)器人的能耗限制,具有更大范圍,更長(zhǎng)時(shí)間進(jìn)行海下探測(cè)的能力;同時(shí)由于無(wú)動(dòng)力推進(jìn),噪聲極小,隱蔽性強(qiáng),具有很高的實(shí)用價(jià)值。路徑規(guī)劃是水下滑翔機(jī)的重要研究課題,路徑規(guī)劃問(wèn)題是值如何在確定的環(huán)境中,按照某個(gè)優(yōu)化目標(biāo)取得最優(yōu)的路徑。建立水下滑翔機(jī)的能耗模型首先要理解其工作原理,本文從水下滑翔機(jī)的受力分析出發(fā),剖析其系統(tǒng)組成,詳細(xì)分析了從溫差能轉(zhuǎn)化為機(jī)械能的過(guò)程。水下滑翔機(jī)的動(dòng)力來(lái)源于海洋溫差能,根據(jù)其動(dòng)力系統(tǒng)對(duì)溫度敏感的特點(diǎn),本文使用美國(guó)國(guó)家海洋學(xué)數(shù)據(jù)中心海洋氣候?qū)嶒?yàn)室的數(shù)據(jù)產(chǎn)品WOA13北緯10°到20°,東經(jīng)110°到120°之間海域2013年1月份的溫度數(shù)據(jù),對(duì)能達(dá)到溫度要求的海域進(jìn)行定量區(qū)分,得出區(qū)分特定水下滑翔機(jī)適航與否的地形圖。同時(shí)對(duì)相隔0.25緯度、經(jīng)度的測(cè)量點(diǎn)數(shù)據(jù)進(jìn)行了細(xì)化,得到了相鄰的數(shù)據(jù)點(diǎn)相差0.05緯度、經(jīng)度的適航區(qū)域地形圖。準(zhǔn)確的環(huán)境數(shù)據(jù)是決定路徑規(guī)劃效率的重要前提。本文使用改進(jìn)的粒子群算法對(duì)水下滑翔機(jī)的路徑進(jìn)行規(guī)劃,針對(duì)粒子群算法初始階段隨機(jī)生成粒子的不穩(wěn)定性影響算法性能問(wèn)題,本文利用反學(xué)習(xí)方法初始化粒子群,選擇適應(yīng)度最好的半數(shù)粒子作為初始種群,加快了算法的收斂速度。因?yàn)槁窂綄?dǎo)航受到路徑長(zhǎng)度和水深兩部分因素的影響,本文引入懲罰函數(shù)優(yōu)化適應(yīng)度函數(shù)的計(jì)算。為了進(jìn)一步強(qiáng)化PSO算法的深度搜索能力,避免陷入局部最優(yōu),本文結(jié)合差分進(jìn)化操作,發(fā)掘當(dāng)前種群周?chē)膬?yōu)秀解。仿真實(shí)驗(yàn)表明,本文改進(jìn)的粒子群算法具有更快的收斂速度、同時(shí)得到更優(yōu)的規(guī)劃路線(xiàn)。
[Abstract]:The underwater glider has the characteristic of no driving force, and can convert the temperature difference energy into mechanical energy. The underwater gliding can be realized by adjusting the attitude and pitch angle of the energy carried by itself and utilizing the underwater temperature difference. It overcomes the limitation of energy consumption of the traditional underwater vehicle, and has the ability to carry out subsea detection in a larger range and longer time. At the same time, because of the powerless propulsion, the noise is very small, the concealment is strong, so it has high practical value. Path planning is an important research topic for underwater gliders. The path planning problem is how to obtain the optimal path according to an optimal target in a given environment. In order to establish the energy consumption model of underwater glider, it is necessary to understand its working principle. Based on the stress analysis of underwater glider, this paper analyzes its system composition and the process of converting temperature difference energy into mechanical energy in detail. The underwater glider's power comes from the ocean temperature difference energy, according to its power system is sensitive to the temperature characteristic, In this paper, the temperature data of January 2013 in the sea area between latitude 10 擄to 20 擄N and longitude 110 擄to 120 擄E from WOA13 N to 20 擄and longitude 110 擄to 120 擄East are used to quantitatively distinguish the sea areas that can meet the temperature requirements, using the data from the Marine Climate Laboratory of the National Oceanographic data Center of the United States of America. A topographic map is obtained to distinguish the seaworthiness of a particular underwater glider. At the same time, the data of measuring points separated by 0.25 latitudes and longitude are refined, and the difference of adjacent data points is 0.05 latitude and longitude, and the navigable area topographic map is obtained. Accurate environmental data is an important prerequisite to determine the efficiency of path planning. In this paper, improved particle swarm optimization (PSO) algorithm is used to plan the path of underwater glider. In view of the effect of random particle instability in the initial stage of PSO on the performance of the algorithm, the inverse learning method is used to initialize the PSO. The convergence rate of the algorithm is accelerated by selecting the half particle with the best fitness as the initial population. Because the path navigation is affected by the path length and water depth, the penalty function is introduced to optimize the fitness function. In order to further enhance the depth searching ability of PSO algorithm and avoid falling into local optimum, this paper combines differential evolution operation to discover the excellent solutions around the current population. The simulation results show that the improved particle swarm optimization algorithm has faster convergence speed and better planning path.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：U674.941;U664.82;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃天赦;葉春明;;采用量子粒子群算法的一類(lèi)模糊作業(yè)車(chē)間調(diào)度問(wèn)題的研究[J];現(xiàn)代制造工程;2009年11期

2 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

3 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

4 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

5 王偉;;混合粒子群算法及其優(yōu)化效率評(píng)價(jià)[J];中國(guó)水運(yùn)(學(xué)術(shù)版);2007年06期

6 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動(dòng)敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報(bào);2007年11期

7 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測(cè)試選擇[J];電子測(cè)量與儀器學(xué)報(bào);2008年02期

8 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

9 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2009年08期

10 張大興;賈建援;張愛(ài)梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

相關(guān)會(huì)議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線(xiàn)年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線(xiàn)性振動(dòng)暨第九屆全國(guó)非線(xiàn)性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽(yáng);陳琦;;以粒子群算法求解買(mǎi)賣(mài)雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問(wèn)題[A];第二十一屆中國(guó)（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 李慶偉;粒子群算法及電廠若干問(wèn)題的研究[D];東南大學(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線(xiàn)重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問(wèn)題的粒子群算法研究[D];東北大學(xué);2014年

4 邵晴;粒子群算法研究及其工程應(yīng)用案例[D];吉林大學(xué);2017年

5 王芳;粒子群算法的研究[D];西南大學(xué);2006年

6 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

7 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

8 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

9 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

10 張靜;基于混合離散粒子群算法的柔性作業(yè)車(chē)間調(diào)度問(wèn)題研究[D];浙江工業(yè)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂(lè)果合成過(guò)程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動(dòng)機(jī)數(shù)學(xué)模型問(wèn)題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場(chǎng)并網(wǎng)的電力系統(tǒng)無(wú)功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動(dòng)態(tài)粒子群算法的軟件測(cè)試數(shù)據(jù)自動(dòng)生成研究[D];江西理工大學(xué);2015年

，

本文編號(hào)：2094054