矢量推进水下航行器系统辨识建模与动力学特性仿真分析

发布时间：2020-12-28 11:45

　　复杂的海洋环境和多样化的探测需求对水下航行器的动力学性能要求越来越高,建立动力学模型进行仿真,研究其动力学特性与控制算法是普遍采用的水下航行器研发技术路线。传统的动力学模型依靠动力学理论建模,通过简化非线性项来获得航行器线性化的六自由度模型,但无法有效解决强非线性的空间运动耦合问题,只能近似地将空间运动过程解耦为水平面和纵垂面分别解算,建模及求解难度相对较高,且仿真精度严重依赖于水动力参数的精度。矢量推进水下航行器具有更强的空间运动机动性能和更复杂的动力学特性,因此需要更加有效、简便的建模方法。本文基于系统辨识原理,采用神经网络作为辨识模型代替传统动力学模型,并建立水下航行器动力学系统的参数模型。然后通过大量的航行实验数据训练优化神经网络参数,验证了模型的实用性,研究成果如下:(1)将神经网络与动力学系统辨识方法相结合,以矢量推进水下航行器为建模目标,建立其动力学模型与轨迹预测模型,并依据大量的航行实验数据,通过反向求导算法优化参数,得到与真实系统相近的神经网络模型。(2)依据监督学习得到的轨迹预测模型,对航行器进行运动学仿真分析,与实验结果一致性良好,证明该方法正确有效,而且空间机动... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

Explore、AutoSub和Hugin三种AUV

(a) Blufin 型 AUV (b) REMUS 系列 AUV图 1-2 Blufin、REMUS 两种 AUVFigure 1-2 Two kinds ofAUV named Blufin and REMUS型 AUV 虽然下潜深度较浅和搭载能力较弱，但其价格便宜，机

Gavia和Ocean型小型AUV

【参考文献】：
期刊论文
[1]六自由度水下航行器操纵性仿真及性能评估[J]. 戴君锐,向先波,于曹阳,熊恒.  华中科技大学学报(自然科学版). 2015(S1)
[2]基于OFRBF-Elman网络的UUV动力学模型辨识[J]. 边信黔,牟春晖,张勋,严浙平.  计算机测量与控制. 2011(09)
[3]自治水下机器人的研发现状与展望[J]. 李晔,常文田,孙玉山,苏玉民.  机器人技术与应用. 2007(01)
[4]水下机器人运动系统的神经网络辨识[J]. 刘云霞,林孝工,王智学.  机械工程与自动化. 2006(02)
[5]智能水下机器人技术展望[J]. 徐玉如,庞永杰,甘永,孙玉山.  智能系统学报. 2006(01)
[6]“CR -02”6000m无人自治水下机器人载体系统（英文）[J]. 刘涛,徐芑南,王惠铮,吴幼华,刘正元.  船舶力学. 2002(06)
[7]极大似然法在水下机器人系统辨识中的应用[J]. 刘建成,刘学敏,徐玉如.  哈尔滨工程大学学报. 2001(05)
[8]“CR-01”6000m自治水下机器人在太平洋锰结核调查中的应用[J]. 李一平,封锡盛.  高技术通讯. 2001(01)
[9]水下机器人动力定位中的海流及不平衡力估计[J]. 吕舒平,边信黔,施小成,王新鹏.  哈尔滨工程大学学报. 2000(03)
[10]基于神经网络的无人无缆水下机器人运动建模与控制技术研究[J]. 张铭钧,孟庆鑫.  中国造船. 1999(02)

博士论文
[1]混合驱动水下自航行器动力学行为与控制策略研究[D]. 王晓鸣.天津大学 2009
[2]水下机器人动力学模型辨识与广义预测控制技术研究[D]. 徐建安.哈尔滨工程大学 2006
[3]具有着陆坐底功能的水下自航行器系统控制与试验研究[D]. 侯巍.天津大学 2006
[4]开架式水下机器人辨识与控制技术研究[D]. 于华男.哈尔滨工程大学 2003

硕士论文
[1]基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究[D]. 周晓莉.浙江大学 2016
[2]基于神经网络的水下机器人建模方法研究[D]. 张剑.哈尔滨工程大学 2006



本文编号：2943699