UUV水下回收自抗扰控制方法研究
发布时间：2021-06-02 21:55
随着世界人口的增长,陆地上能源的短缺,进入21世纪以来,各强国纷纷把目光放到了海洋开发上来。充分的开发和利用海洋一定离不开大量的高科技海洋装备,水下无人航行器（UUV,Unmanned Underwater Vehicle）因其独特的优势而得到了广泛研究和关注。在UUV完成任务之后,需要进行维护、数据交换和能源补充等进一步工作,如果能对UUV进行自动化的回收,就能提高UUV的工作效率。因此,进行自动化回收是长久以来的研究热点,也是具有重要意义的研究方向。本文以某型UUV为研究对象,采用叉柱式回收方式,基于自抗扰控制方法,对回收过程进行分解,分阶段设计回收用控制器,以求满足控制要求,达到抗扰效果。本文具体研究内容如下:首先,通过对PID控制的不足之处进行分析,介绍了自抗扰控制对PID控制缺点的改进方法,据此说明了自抗扰控制理论的优势。通过分析自抗扰控制器各个结构中的每个参数的变化对控制系统的影响,进一步研究了自抗扰控制器的各个组成部分及其作用,并总结了自抗扰控制器的调试规律。之后把各个系统结构进行组合,构成了完整的自抗扰控制器,进而引入自抗扰控制器的分离性定理,并给出了自抗扰控制器的一般...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
Hugin3000型UUV国内的研究机构主要有哈尔滨工程大学水下机器人技术重点实验室、中国科学院沈
图 1.1 Remus-6000 型 UUV 图 1.2 Hugin3000 型 UUV国内的研究机构主要有哈尔滨工程大学水下机器人技术重点实验室、中国科学院沈阳自动化研究所和中船重工 710 研究所等。七十年代末期，沈阳中科院自动化所和上海交通大学合作研制了我国第一个 ROV——“海人一号”。1992 年 6 月，由中科院沈阳自动化研究所牵头与俄科学院海洋技术研究所共同开发，以俄罗斯 MT-88 型 UUV 为基础，终于在 1995 年 8 月研制成功 CR-01 型无缆自治水下机器人，该型号 UUV 可以在6000m 水下进行拍照、摄像、测量海底地势与剖面、海底沉物目标搜索和观察、水文物理测量和海底多金属结核丰度测量，并能自动记录各种数据及其相应的坐标位置。在此基础上通过设计改进和技术更新，根据任务需求的不同又成功研制了“潜龙一号”和“潜龙二号”。近年来，中船重工 710 研究所又研制了不同种类多功能远程自主运载 UUV，可潜深数百米。从 20 世纪 90 年代起，哈尔滨工程大学智能水下机器人技术重点实验室着手研究智能水下机器人技术，取得了巨大进步，其设计最新型 UUV 已成功在南海完成深度为 2000m 的指定区域内的深潜探测试验[8][9]。一些国内 UUV 如图 1.3,1.4 所示。
研究现状的分析，可以了解到 UUV 是否能成功布放回收关系到 U内外学者在 UUV 回收方法和回收过程控制方法方面上取得外 UUV 的回收方式、和控制算法的研究现状进行分析。收方式研究现状收方式可分为两类：水面起吊回收和水下对接回收。：UUV 研发初期，由于缺少用的保障设备和船舶，一般往往艇、军辅船甚至民船。通常使用母船上的吊车进行吊放，采，使用其他的小船或者是充气艇进行吊钩的摘取。随着 U专门的吊具。在布放和回收 UUV 的时候，实验人员进行解UV 的过程中，风浪引起的母船的摇晃很可能会引起 UUV措施保证安全。这种布放回收方式的优势是结构简单、成时，复杂，参与人员众多，在实验环境恶劣的情况下可能会 UUV 水面起吊作业。
【参考文献】：
期刊论文
[1]基于串级自抗扰理论的BTT导弹解耦控制器设计[J]. 周中凯,宋闯,洪诗权,郝明瑞,姜易阳. 战术导弹技术. 2018(06)
[2]自抗扰控制技术研究及应用[J]. 段永杰,王江磊,陈仁涛. 决策探索(中). 2018(07)
[3]基于模拟退火算法优化的BP神经网络预测模型[J]. 蒋美云. 软件工程. 2018(07)
[4]陆海复合型中国“海洋强国”战略分析[J]. 郑义炜. 东北亚论坛. 2018(02)
[5]自治水下机器人技术综述[J]. 余明刚,张旭,陈宗恒. 机电工程技术. 2017(08)
[6]军用UUV发展方向与趋势（下）——美军用无人系统发展规划分析解读[J]. 钱东,赵江,杨芸. 水下无人系统学报. 2017(03)
[7]自抗扰控制:研究成果总结与展望[J]. 李杰,齐晓慧,万慧,夏元清. 控制理论与应用. 2017(03)
[8]美海军报告分析2025年自主潜航器需求[J]. 申淼. 防务视点. 2016(07)
[9]智能水下机器人研究进展[J]. 庞硕,纠海峰. 科技导报. 2015(23)
[10]小波神经网络自抗扰控制器在水下机器人深度控制中的应用[J]. 邵克勇,申雨轩. 计算机与现代化. 2015(06)
博士论文
[1]基于扁平UUV动力学模型的导航定位与路径跟随控制方法研究[D]. 周佳加.哈尔滨工程大学 2012
硕士论文
[1]基于卷积神经网络的图像分类算法研究[D]. 郭田梅.济南大学 2017
[2]动基座条件下的UUV对接控制方法研究[D]. 宋吉广.哈尔滨工程大学 2017
[3]基于模型预测的UUV叉柱式回收控制方法研究[D]. 郁晨曦.哈尔滨工程大学 2017
[4]基于RBF神经网络的自抗扰控制器的三电机同步控制系统[D]. 丁网芳.江苏大学 2017
[5]UUV地形跟踪安全性评估及航行模式切换控制方法研究[D]. 周易.哈尔滨工程大学 2017
[6]基于辨识模型的UUV回收控制方法研究[D]. 张吉楠.哈尔滨工程大学 2016
[7]近水面回收作业UUV位姿自适应控制方法研究[D]. 刘枭夫.哈尔滨工程大学 2015
[8]UUV驮载式布放回收过程中空间相对运动轨迹规划与控制研究[D]. 王洪涛.哈尔滨工程大学 2013
[9]BP神经网络的优化与研究[D]. 吕琼帅.郑州大学 2011
[10]近壁面环境下UUV回收过程的自适应控制方法研究[D]. 曲莹.哈尔滨工程大学 2011
本文编号：3210822
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：100 页
【学位级别】：硕士
【部分图文】：
Hugin3000型UUV国内的研究机构主要有哈尔滨工程大学水下机器人技术重点实验室、中国科学院沈
图 1.1 Remus-6000 型 UUV 图 1.2 Hugin3000 型 UUV国内的研究机构主要有哈尔滨工程大学水下机器人技术重点实验室、中国科学院沈阳自动化研究所和中船重工 710 研究所等。七十年代末期，沈阳中科院自动化所和上海交通大学合作研制了我国第一个 ROV——“海人一号”。1992 年 6 月，由中科院沈阳自动化研究所牵头与俄科学院海洋技术研究所共同开发，以俄罗斯 MT-88 型 UUV 为基础，终于在 1995 年 8 月研制成功 CR-01 型无缆自治水下机器人，该型号 UUV 可以在6000m 水下进行拍照、摄像、测量海底地势与剖面、海底沉物目标搜索和观察、水文物理测量和海底多金属结核丰度测量，并能自动记录各种数据及其相应的坐标位置。在此基础上通过设计改进和技术更新，根据任务需求的不同又成功研制了“潜龙一号”和“潜龙二号”。近年来，中船重工 710 研究所又研制了不同种类多功能远程自主运载 UUV，可潜深数百米。从 20 世纪 90 年代起，哈尔滨工程大学智能水下机器人技术重点实验室着手研究智能水下机器人技术，取得了巨大进步，其设计最新型 UUV 已成功在南海完成深度为 2000m 的指定区域内的深潜探测试验[8][9]。一些国内 UUV 如图 1.3,1.4 所示。
研究现状的分析，可以了解到 UUV 是否能成功布放回收关系到 U内外学者在 UUV 回收方法和回收过程控制方法方面上取得外 UUV 的回收方式、和控制算法的研究现状进行分析。收方式研究现状收方式可分为两类：水面起吊回收和水下对接回收。：UUV 研发初期，由于缺少用的保障设备和船舶，一般往往艇、军辅船甚至民船。通常使用母船上的吊车进行吊放，采，使用其他的小船或者是充气艇进行吊钩的摘取。随着 U专门的吊具。在布放和回收 UUV 的时候，实验人员进行解UV 的过程中，风浪引起的母船的摇晃很可能会引起 UUV措施保证安全。这种布放回收方式的优势是结构简单、成时，复杂，参与人员众多，在实验环境恶劣的情况下可能会 UUV 水面起吊作业。
【参考文献】：
期刊论文
[1]基于串级自抗扰理论的BTT导弹解耦控制器设计[J]. 周中凯,宋闯,洪诗权,郝明瑞,姜易阳. 战术导弹技术. 2018(06)
[2]自抗扰控制技术研究及应用[J]. 段永杰,王江磊,陈仁涛. 决策探索(中). 2018(07)
[3]基于模拟退火算法优化的BP神经网络预测模型[J]. 蒋美云. 软件工程. 2018(07)
[4]陆海复合型中国“海洋强国”战略分析[J]. 郑义炜. 东北亚论坛. 2018(02)
[5]自治水下机器人技术综述[J]. 余明刚,张旭,陈宗恒. 机电工程技术. 2017(08)
[6]军用UUV发展方向与趋势（下）——美军用无人系统发展规划分析解读[J]. 钱东,赵江,杨芸. 水下无人系统学报. 2017(03)
[7]自抗扰控制:研究成果总结与展望[J]. 李杰,齐晓慧,万慧,夏元清. 控制理论与应用. 2017(03)
[8]美海军报告分析2025年自主潜航器需求[J]. 申淼. 防务视点. 2016(07)
[9]智能水下机器人研究进展[J]. 庞硕,纠海峰. 科技导报. 2015(23)
[10]小波神经网络自抗扰控制器在水下机器人深度控制中的应用[J]. 邵克勇,申雨轩. 计算机与现代化. 2015(06)
博士论文
[1]基于扁平UUV动力学模型的导航定位与路径跟随控制方法研究[D]. 周佳加.哈尔滨工程大学 2012
硕士论文
[1]基于卷积神经网络的图像分类算法研究[D]. 郭田梅.济南大学 2017
[2]动基座条件下的UUV对接控制方法研究[D]. 宋吉广.哈尔滨工程大学 2017
[3]基于模型预测的UUV叉柱式回收控制方法研究[D]. 郁晨曦.哈尔滨工程大学 2017
[4]基于RBF神经网络的自抗扰控制器的三电机同步控制系统[D]. 丁网芳.江苏大学 2017
[5]UUV地形跟踪安全性评估及航行模式切换控制方法研究[D]. 周易.哈尔滨工程大学 2017
[6]基于辨识模型的UUV回收控制方法研究[D]. 张吉楠.哈尔滨工程大学 2016
[7]近水面回收作业UUV位姿自适应控制方法研究[D]. 刘枭夫.哈尔滨工程大学 2015
[8]UUV驮载式布放回收过程中空间相对运动轨迹规划与控制研究[D]. 王洪涛.哈尔滨工程大学 2013
[9]BP神经网络的优化与研究[D]. 吕琼帅.郑州大学 2011
[10]近壁面环境下UUV回收过程的自适应控制方法研究[D]. 曲莹.哈尔滨工程大学 2011
本文编号：3210822
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3210822.html
