复杂环境下AUV动力学模型多传感器融合在线辨识方法研究

发布时间：2020-10-16 14:26

　　 随着我国经济水平的不断提高,国家和人民对于建设海洋强国的呼声日益增强,海洋强国的建设离不开对海洋环境的观测和对海洋资源的勘探与开发,而水下机器人正是实现这些目标的重要技术手段之一。水下机器人在水下复杂的环境中运动时其动力学参数会因自身所受到的负载的变化而产生变化,其运动过程中的测量数据也容易因此受到多种噪声的污染,如高斯白噪声、复杂白噪声(系数矩阵和观测向量均含有白噪声)、有色噪声等,水下机器人的运动和控制系统的精度也会因所处复杂环境而受到影响。为了对水下机器人的运动和控制系统进行实时修正从而使其更加适应水下的复杂环境,得到一个能够随水下机器人动力学参数变化而不断更新的高精度动力学模型很有必要。本文的研究内容正是针对复杂环境下的水下机器人动力学模型参数在线辨识问题进行展开的,文中通过对多个传感器的测量数据进行融合来快速提高对水下机器人动力学模型的参数在线辨识精度,以满足辨识问题中的实时性和高精度要求。本文主要研究内容如下:1)首先介绍了水下机器人的运动学模型和动力学模型,说明了水下机器人的相关特点,并对其动力学模型进行了简化。2)介绍了水下机器人动力学模型参数辨识的内容及辨识步骤,说明了部分辨识算法的辨识原理,然后将这些算法应用到对水下机器人动力学模型的辨识中,比较了这些算法在不同噪声环境下的辨识结果。3)研究在水下机器人动力学模型的系数矩阵和观测向量均含有白噪声条件下的参数在线辨识问题。通过理论推导得出最小二乘融合算法(RLS_F)在复杂白噪声环境下的估计结果及其与真值之间的理论偏差,提出多传感器融合的递推总体最小二乘辨识算法(RTLS_F)。通过仿真实验对这部分研究内容进行了验证。4)研究在水下机器人动力学模型的观测向量含有有色噪声的条件下的参数在线辨识问题。介绍了增广最小二乘算法的原理,通过理论推导得出多传感器融合的增广最小二乘算法(RELS_F)以便快速地提高参数在线辨识精度,并通过仿真实验进行了验证。
【学位单位】：武汉理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP242;U674.941
【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 复杂噪声环境下AUV动力学模型在线辨识问题分析
    1.4 AUV动力学模型参数多传感器融合辨识
    1.5 论文主要研究内容与结构安排
第2章 水下机器人数学模型的建立
    2.1 水下机器人的运动学模型
    2.2 水下机器人的动力学模型
    2.3 动力学模型的简化
    2.4 本章小结
第3章 水下机器人动力学模型参数辨识研究
    3.1 水下机器人动力学模型参数辨识
    3.2 最小二乘参数估计方法
    3.3 极大似然参数估计方法
    3.4 总体最小二乘参数估计方法
    3.5 本章小结
第4章 复杂白噪声环境下的多传感器融合在线辨识
    4.1 引言
    4.2 最小二乘集中式融合与总体最小二乘集中式融合
    4.3 多传感器递推总体最小二乘融合算法
    4.4 复杂白噪声环境下多传感器融合辨识仿真
    4.5 复杂白噪声环境下威尔科克森符号秩检验及结果分析
    4.6 本章小结
第5章 有色噪声环境下的多传感器融合在线辨识
    5.1 引言
    5.2 增广最小二乘算法
    5.3 增广最小二乘的多传感器融合算法
    5.4 有色噪声环境下多传感器融合辨识仿真
    5.5 有色噪声环境下威尔科克森符号秩检验结果及分析
    5.6 本章小结
第6章 结论与展望
    6.1 全文总结
    6.2 展望
致谢
参考文献
攻读硕士期间发表的论文及参与项目
附录 主要章节部分代码

【相似文献】

相关期刊论文 前10条

1 ;水下机器人收放系统[J];重工与起重技术;2017年01期

2 王慧;陈恒钊;黄浩恩;谭聪林;梁棋源;聂兆炜;蔡泽铭;张宇航;;便携式水下机器人系统的设计与实现[J];自动化应用;2018年11期

3 李永龙;王皓冉;张华;;水下机器人在水利水电工程检测中的应用现状及发展趋势[J];中国水利水电科学研究院学报;2018年06期

4 裴国栋;卞则武;温亚楠;;便携式水下机器人设计[J];船电技术;2019年01期

5 曹少华;张春晓;王广洲;潘水艳;罗文;李森;;智能水下机器人的发展现状及在军事上的应用[J];船舶工程;2019年02期

6 王争艳;;核级设备的检修师[J];现代班组;2017年10期

7 张旭东;;我国实现缆控式与自治式水下机器人深海交会拍摄[J];军民两用技术与产品;2017年15期

8 刘珍娜;秦婧文;;浅谈仿生水下机器人的发展现状[J];山东工业技术;2018年01期

9 王永鼎;董亚龙;;水下机器人动力学分析与控制系统研究[J];制造业自动化;2018年03期

10 杨冲;;基于连续体模型应力评估的水下机器人刚度强化设计[J];舰船电子工程;2018年03期

相关博士学位论文 前10条

1 姜春萌;自主水下机器人智能控制与参数优化技术研究[D];哈尔滨工程大学;2018年

2 李战东;面向核电水池作业的水下机器人及其动力学特性研究[D];哈尔滨工业大学;2018年

3 潘无为;分布式多水下机器人编队控制方法研究[D];哈尔滨工程大学;2018年

4 姜大鹏;多水下机器人协调控制技术研究[D];哈尔滨工程大学;2011年

5 高延增;超小型水下机器人关键性能提升技术研究[D];华南理工大学;2010年

6 常文君;基于神经网络的多水下机器人协调控制方法研究[D];哈尔滨工程大学;2004年

7 于华男;开架式水下机器人辨识与控制技术研究[D];哈尔滨工程大学;2003年

8 成巍;仿生水下机器人仿真与控制技术研究[D];哈尔滨工程大学;2004年

9 由光鑫;多水下机器人分布式智能控制技术研究[D];哈尔滨工程大学;2006年

10 王玉甲;水下机器人智能状态监测系统研究[D];哈尔滨工程大学;2006年

相关硕士学位论文 前10条

1 江健;微小型UVMS设计及水下机器人多机协作研究[D];浙江工业大学;2019年

2 朱红坤;复杂环境下AUV动力学模型多传感器融合在线辨识方法研究[D];武汉理工大学;2018年

3 杨雨潇;遥控水下机器人控制系统设计及试验分析[D];东北石油大学;2018年

4 张弓;水下机器人全泵驱动控制方法研究[D];华北水利水电大学;2018年

5 魏学;自主水下机器人自升沉控制技术研究[D];东北大学;2015年

6 王雷;水下机器人运动控制研究[D];中国科学技术大学;2018年

7 王雪梅;水下机器人水动力学系数计算与操纵性能研究[D];山东大学;2018年

8 赵彦飞;水下机器人运动姿态控制技术研究[D];西安工业大学;2018年

9 裴蕾;模块化水下机器人设计及力学分析[D];西安工业大学;2018年

10 沈天鹤;水下机器人监控系统的研究与实现[D];扬州大学;2018年

本文编号：2843376