水下機器人動力學(xué)模型辨識與廣義預(yù)測控制技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩123頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、21世紀是人類研究、開發(fā)及和平利用海洋的世紀,隨著人類對海洋開發(fā)利用的不斷增加,能夠探測水下環(huán)境并且自主完成特定作業(yè)任務(wù)的水下機器人受到國內(nèi)外研究機構(gòu)的廣泛重視。作為在復(fù)雜海洋環(huán)境下工作的載體,自主性及安全性是水下機器人的重要特征,智能控制技術(shù)是保障其自主性和安全性的重要基礎(chǔ)和核心技術(shù)。水下機器人智能控制的內(nèi)涵包括自主規(guī)劃、運動控制與狀態(tài)監(jiān)控。研究水下機器人自主任務(wù)規(guī)劃、智能運動控制、傳感器信息融合以及自主監(jiān)控技術(shù),對于提高水下機器人的

2、智能化水平和加快工程化應(yīng)用進程具有重要的意義。 水下機器人是具有較強非線性的復(fù)雜動態(tài)系統(tǒng),廣義預(yù)測控制對于模型辨識誤差、傳感器噪聲以及被控系統(tǒng)的時滯和階次不確定表現(xiàn)出良好的魯棒性,本文進行了基于廣義預(yù)測控制算法的水下機器人運動控制的研究工作。從基于牛頓.歐拉方程和神經(jīng)網(wǎng)絡(luò)建立水下機器人的動力學(xué)模型入手,通過預(yù)測模型,根據(jù)被控系統(tǒng)的歷史信息和未來輸入預(yù)測其未來輸出,采用有限時段滾動優(yōu)化,并根據(jù)被控系統(tǒng)實際輸出誤差,在線調(diào)整預(yù)測模型

3、和控制器參數(shù),實現(xiàn)預(yù)測模型與控制器的在線調(diào)整。 為了研究水下機器人的運動特性,推導(dǎo)了位姿向量在固定坐標系和運動坐標系之間的轉(zhuǎn)換矩陣,根據(jù)“海貍”水下機器人的體系結(jié)構(gòu)和運動特點,對轉(zhuǎn)換矩陣進行了簡化。根據(jù)流體中剛體的牛頓.歐拉方程,建立了“海貍”水下機器人艏向和縱向的動力學(xué)模型,利用最小二乘法對動力學(xué)模型的參數(shù)進行辨識及偏差估計,對“海貍”水下機器人所配置的推進器進行了動態(tài)性能分析。 在分析動態(tài)遞歸神經(jīng)網(wǎng)絡(luò)用于非線性動態(tài)系

4、統(tǒng)辨識的原理及可行性的基礎(chǔ)上,推導(dǎo)了改進的Elman網(wǎng)絡(luò)的動態(tài)BP學(xué)習(xí)算法。以滑動窗口模式,采用截短學(xué)習(xí)樣本的方法,實現(xiàn)改進的Elman網(wǎng)絡(luò)的在線學(xué)習(xí),并進行了存在白噪聲和類階躍信號干擾情況下的非線性動態(tài)系統(tǒng)的在線辨識。提出了應(yīng)用于非線性動態(tài)系統(tǒng)神經(jīng)網(wǎng)絡(luò)辨識的并行模型和串并模型相融合的改進的系統(tǒng)輸出遞歸方式,既對被辨識系統(tǒng)有一定的濾波能力,又提高了神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的收斂速度。在廣義預(yù)測控制算法方面,對參數(shù)未知、參數(shù)慢時變以及考慮控制量及

5、控制量變化率受限的線性動態(tài)系統(tǒng)進行了廣義預(yù)測控制的計算機控制研究,對“海貍”水下機器人的動力學(xué)模型進行了動態(tài)性能分析,利用歐拉差分得到其離散差分方程,基于特殊非線性動態(tài)系統(tǒng)可以時變參數(shù)線性轉(zhuǎn)化的理論,對具有二次阻力項的水下機器人非線性動力學(xué)模型存在自噪聲的情況下,進行了艏向、縱向自由度速度、位移方式的廣義預(yù)測控制研究。 以改進的Elman網(wǎng)絡(luò)作為多步預(yù)測模型:提出并推導(dǎo)了神經(jīng)廣義預(yù)測控制律的靈敏度導(dǎo)數(shù)計算公式,在存在白噪聲干擾和

6、類階躍信號干擾情況下,分別利用具有在線學(xué)習(xí)功能的和不具有在線學(xué)習(xí)功能的神經(jīng)廣義預(yù)測控制算法進行了非線性動態(tài)系統(tǒng)的預(yù)測控制研究和控制誤差分析。提出了將具有在線學(xué)習(xí)功能的神經(jīng)廣義預(yù)測控制算法應(yīng)用于水下機器人的運動控制,并進行了計算機仿真研究,由于改進了神經(jīng)網(wǎng)絡(luò)系統(tǒng)輸出的遞歸方式,基于神經(jīng)網(wǎng)絡(luò)的廣義預(yù)測控制相對于基于CARIMA模型的廣義預(yù)測控制的魯棒性要好。具有在線學(xué)習(xí)功能的神經(jīng)廣義預(yù)測控制的計算機仿真結(jié)果表明具有在線學(xué)習(xí)功能的神經(jīng)廣義預(yù)測

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論