CN107499476A - 水下机器人控制系统及运动控制方法 - Google Patents

水下机器人控制系统及运动控制方法 Download PDF

Info

Publication number
CN107499476A
CN107499476A CN201710717025.7A CN201710717025A CN107499476A CN 107499476 A CN107499476 A CN 107499476A CN 201710717025 A CN201710717025 A CN 201710717025A CN 107499476 A CN107499476 A CN 107499476A
Authority
CN
China
Prior art keywords
mrow
control
underwater robot
underwater
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710717025.7A
Other languages
English (en)
Other versions
CN107499476B (zh
Inventor
曾庆军
张光义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University of Science and Technology
Original Assignee
Jiangsu University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu University of Science and Technology filed Critical Jiangsu University of Science and Technology
Priority to CN201710717025.7A priority Critical patent/CN107499476B/zh
Publication of CN107499476A publication Critical patent/CN107499476A/zh
Application granted granted Critical
Publication of CN107499476B publication Critical patent/CN107499476B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
    • B63C—LAUNCHING, HAULING-OUT, OR DRY-DOCKING OF VESSELS; LIFE-SAVING IN WATER; EQUIPMENT FOR DWELLING OR WORKING UNDER WATER; MEANS FOR SALVAGING OR SEARCHING FOR UNDERWATER OBJECTS
    • B63C11/00—Equipment for dwelling or working underwater; Means for searching for underwater objects
    • B63C11/34—Diving chambers with mechanical link, e.g. cable, to a base
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors

Abstract

本发明公开了一种水下机器人控制系统及运动控制方法。水面控制系统包括水面控制台，大功率电源，脐带缆，水下控制系统包括供电单元、嵌入式微控制器、照明监测单元、动力推进单元、传感器信息采集单元、安全检测单元等。水下机器人本体采用三块核心控制芯片设计，一块用于导航、深度信息采集以及运动控制算法实现；一块用于传感器信息采集及水下灯控制；另一块专门用于控制推进器及采集推进器信息。本发明解决水下机器人由于海洋里流、浪等复杂环境引起的扰动问题，将广义预测控制和模糊控制相结合来设计控制器，实现对水下机器人系统的灵活控制，使得水下机器人的运动更加稳定，提高水下机器人的控制精度。

Description

水下机器人控制系统及运动控制方法
技术领域
本发明涉及一种水下机器人，尤其涉及一种水下机器人控制系统及运动控制方法，属于机器人技术领域。
背景技术
海洋环境对船体及海洋钻井平台等有着巨大的危害，漆膜锈蚀、脱落会导致水下结构体的寿命下降。恶劣的海洋环境还会使其形成损伤，如果在早期阶段未能及时发现，就可能发展成为危险的事故……因此对于水下结构的安全检测与维护必不可少。水下机器人使得水下检测变得更加安全、快捷。水下机器人代替人工作业，提高了安全系数，减少人工成本。
国家对海洋开发高度重视，并积极发展海洋科学技术和教育。水下机器人(ROV)作为水下安全检测强有力的工具，得到了越来越广泛的应用。如果想要实现ROV在广阔而复杂的海洋环境中长时间的安全稳定的作业，就必须对ROV的运动控制技术做出深入的研究，这对于我们开发海洋环境具有重大意义。
ROV因其经济性好、下水出水灵活性高、环境适应性好、作业效率高、使用有效等优点，得到了迅速发展。因此，企业迫切希望水下机器人融入到水下安全检测技术中，以实现安全便捷、提高效益的目标。随着计算机技术、控制技术、导航技术及通讯传感技术的不断发展，ROV在水下复杂环境中自由工作的能力必将取得更大的进步。观察能力、顶流作业能力、运动控制能力等均是水下机器人研究发展的方向，与此同时水面控制系统具有更简单的人机交互界面、更快速的数据处理以及更智能的操作模式也是其发展的趋势。水下机器人控制经常采用的方法主要包括以下几种：PID控制及各种改进的先进PID控制、滑模变结构控制、自适应控制、模糊控制、神经网络、鲁棒控制等。
结合所研制的水下机器人，基于流体动力学仿真法建立动力学模型，进行六自由度动力定位分析。通过传感器获得ROV的位置和艏向，采用模糊控制和预测控制相结合的方法来实现水下机器人的运动控制，从而可以极大的减小浪、流等复杂海洋环境带来的干扰。该方法具有良好的运动控制效果，在受到扰动时能快速达到稳定状态。申请号为“201511009115.8”的专利文献公开了“一种ROV水下机器人的运动控制方法”，但所采用的遇限削弱积分的PID算法超调较大，收敛性较差，并且容易发生振荡；申请号为“201510705284.9”的专利文献公开了“水下机器人的二维轨迹跟踪控制器”，其采用最小二乘法和自适应的广义预测控制技术实现水下机器人的二维轨迹跟踪控制，但在控制初始阶段广义预测控制由于没有数据信息无法进行预测控制，从而导致初始阶段波动较大。
发明内容
本发明的目的在于提供一种水下机器人控制系统及运动控制方法，提供一种通信系统稳定的控制系统以及运动稳定的控制方法。
本发明的目的通过以下技术方案予以实现：
一种水下机器人控制系统，包括水面控制系统和水下控制系统，所述水面控制系统包括水面控制台1、大功率电源2、脐带缆3，水面控制台1和大功率电源2与脐带缆3相连，为水下机器人本体提供能量及数据传输；所述水下控制系统包括供电单元4、嵌入式微控制器5、照明监测单元6、动力推进单元7、传感器信息采集单元8、安全检测单元9，脐带缆3的通信线与嵌入式微控制器5相连，接收水下机器人的动作指令以及发送水下机器人通过传感器单元8采集到的信息，脐带缆3的电源线与大功率电源2相连，为水下机器人提供电能；所述供电单元4将脐带缆3传输的直流电源转换成电压等级不同的直流电压，并分别输送给嵌入式微控制器5、照明监测单元6、动力推进单元7；所述嵌入式微控制器5包括ARM9主控板51、第一LPC从控板52、第二LPC从控板53，所述第一LPC从控板52与照明监测单元6、安全检测单元9相连，用于控制水下灯62、云台摄像模块61、电压电流温度检测91、温湿度检测92、漏水检测93；所述第二LPC从控板53与动力推进单元7相连，控制水下推进器，实现机器人的运动；所述ARM9主控板51搭载Linux操作系统，与水面控制台1、第一LPC从控板52、第二LPC从控板53通信，所述ARM9主控板51控制导航模块81、深度计模块82、声呐模块83进行数据采集，对运动控制单元10进行控制；所述照明监测单元6包括水下灯62和云台摄像模块61，分别用于视觉照明和水下环境监测记录。
一种水下机器人控制系统的运动控制方法，包括以下步骤：
步骤1：水下机器人在水中做六个自由度运动，分别为三轴移动和三轴旋转；在外界环境干扰的情况下，通过传感器系统采集的水下机器人的位置和姿态信息，建立水下机器人运动学数学模型为：
其中，M为水下机器人惯性矩阵，M∈R6×6；C(v)为水下机器人科氏及向心力矩阵，C(v)∈R6×6；D(v)是水下机器人流体阻力矩阵，D(v)∈R6×6；g(η)是由重力和浮力组成的回复力矩阵，g(η)∈R6×1；τ是水下机器人推进器提供的推力，τ∈R6×1；为水下机器人相对于固定坐标系的位置和姿态角，其中为横滚角，θ为俯仰角，ψ为航向角；J(η)为坐标转换矩阵；v＝[u v w p q r]T，为水下机器人在艇体坐标系内的六个自由度的速度；
水下机器人的运动包括前进、后退、上浮、下潜和转艏，其运动方式为单自由度运动，各自由度之间粘性耦合较小，运动坐标系原点和水下机器人重心基本重合，简化后的模型为：
则水下机器人的单自由度动力学模型为：
式中，μ为速度，mμ、dμ及dμ|μ|分别为惯性系数、一阶阻力系数和二阶阻力系数，gμ表示水下机器人的重力和浮力在单自由度方向上的作用力，τμ表示推进器产生的作用力；
使用Fluent软件对水下机器人进行水动力性能数值模拟分析，得到不同航态下的推力、速度及加速度；对数值模拟结果采用最小二乘法参数辨识，求出惯性系数、一阶阻力系数和二阶阻力系数的值，得到单自由度动力学模型；
步骤2：广义预测控制采用受控自回归积分滑动平均模型(CARIMA)模型作为预测模型，预测模型为：
其中A(z-1)、B(z-1)是后移算子z-1的多项式，u(t-1)是t-1时刻推进器输入电压，Δ＝1-z-1表示差分算子，e(t)为均值为零的白噪声序列，y(t)为t时刻的输出；
为了预测得到j步后输出y(t+j)的最优预测值，使用丢番图Diophantine方程：
1＝Ej(z-1)A(z-1)Δ+z-jF(z-1) (5)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jHj(z-1) (6)
其中j＝1,…,N1,并且
Ej(z-1)＝ej0+ej1z-1+…+ej,j-1z-j+1，ej0＝1
Fj(z-1)＝fj0+fj1z-1+…+fjnz-n
Gj(z-1)＝gj0+gj1z-1+…+gj,j-1z-j+1
Hj(z-1)＝hj0+hj1z-1+…+hjn-1z-n+1
由式(4)、(5)、(6)得最优预测值表示为：
y(t+j)＝GjΔu(t+j-1)+Gjy(t)+HjΔu(t-1)+Eje(t+j)
其中y(t+j)为t+j时刻的预测输出，Eje(t+j)为t+j时刻的白噪声；
步骤3：当被控对象参数未知或慢时变时，必须使用参数估计算法，在线估计出A(z-1)和B(z-1)的系数，然后用参数估计值代替真实值进行控制率推导；
给定算法中的遗忘因子ρ，取ρ＝0.95～1，正定矩阵P(-1)和参数估计初始值θ(0)，给定预测时域N1,控制时域Nu和加权常数λ；
令ε(t)＝Δy(t)-X(t-1)Tθ(t-1)，其中Δy(t)为当前输出变化，X(t-1)为过去时刻输入，考虑到被控对象参数可能慢时变的情况选取具有遗忘因子的递推最小二乘算法，得
用式(7)、(8)在线估算出A(z-1)和B(z-1)，并利用式(5)、(6)求出Ej、Fj、Gj和Hj；
步骤4：计算矩阵G及GT(G+λI)-1，其中I为单位矩阵；
步骤5：为了使当前时刻的输出y(t)尽可能平稳的到达设定值yr，引入一阶滤波方程：
yr＝y(t)yr(t+j)＝αyr(t+j-1)+(1-α)yr j＝1,2,…
其中α为柔化系数，且0≤α＜1；广义预测控制的任务就是使被控对象的输出y(t+j)尽可能的靠近yr(t+j)；
性能指标为：
其中Ε为数学期望，N1是预测时域，Nu是控制时域，λ为控制加权常数；
将GT(G+λI)-1GT第一行记作[p1,…,pN1]＝pT；
可求得：Δu1(t)＝pT[yr-Fy(t)-HΔu1(t-1)]；
因此控制量为u1(t)＝u1(t-1)+Δu1(t)；
步骤6：控制系统中模糊控制器输入量是导航模块采集位置姿态的偏差e(t)＝y(t)-yr(t)和偏差变化率ec(t)＝e(t)-e(t-1)，其实际论域为e∈(-10,10)，选量化因子Ke＝0.3，Kec＝0.3，则其两个语言变量E、EC离散论域皆为[-3,-2,-1,0,1,2,3]，基于语言变量E、EC的离散论域，选定输出U的论域为[-3,-2,-1,0,1,2,3]；经模糊规则运算得出的控制量U是一个模糊子集，但实际被控对象只能接受一个精确的控制量，因此，需要把控制量的模糊集清晰化，乘以比例因子Ku，得到实际的控制量u2(t)；根据运动控制经验确定语言变量E、EC、U的隶属函数曲线；根据专家知识建立控制规则的解析表达式为：
U＝ζE+(1-ζ)·CE,ζ∈[0,1]
式中ζ为调整因子，又称为加权因子；
取ζ＝0.5时，可得模糊控制规则表，选取控制量的基本规则是：当误差的绝对值大于5时，选择尽快消除误差的控制量,即选用模糊控制器；当误差的绝对值小于5时，选择模糊及广义预测控制器；
步骤7：在广义预测控制器和模糊控制器结合的过程中，比例系数为β，以此来控制两种控制器的输出占总输出的比重，即
u(t)＝βu1(t)+(1-β)u2(t)
当|e|＞5时，以模糊控制器为主控制器，即β＝0；
当|e|≤5时，β＝-0.2|e|+1，0≤β＜1；
步骤8：通过运动控制器输出u(t)通过动力分配给不同的推进器，从而驱动水下机器人的运动；
步骤9：当t+1时刻时，返回到步骤3。
本发明的目的还可以通过以下技术措施来进一步实现：
前述水下机器人控制系统，其中水面控制台1包括工控机11、显示器12、控制按钮13和操纵摇杆14；所述工控机11用于运行上位机以及连接显示器12，所述控制按钮13和操纵摇杆14均与工控机11进行串口通讯，用于操控水下机器人；所述显示器12显示云台摄像模块61采集的图像，观看海洋水下环境。
前述水下机器人控制系统，其中脐带缆3的缆芯为两根电缆线，一根光纤，两根电缆线传输电力，通过电缆线将水面大功率电源2与水下机器人连接，为机器人提供能量；一根光纤用于水下系统与水上系统的数据通信。
前述水下机器人控制系统，其中动力推进单元7包括控制器模块71、电机驱动模块72、推进器73；所述的控制器模块71为Arduino系列单片机，用于控制电机驱动模块72，电机驱动模块72的输出直接控制推进器73，所述推进器73共有4个，垂向布置两个，纵向布置两个，在尾部垂向布置的推进器73控制水下机器人的前进、后退、转艏动作；在中间纵向布置的推进器73控制水下机器人的上浮、下潜、横滚动作。
前述水下机器人控制系统，其中传感器信息采集单元8包括导航模块81、深度计模块82、声呐模块83；所述导航模块81实时采集机器人的姿态信息，包括航向角、俯仰角以及横滚角；所述深度计模块82通过感知水压来采集水下机器人的深度信息；所述声呐模块83用于采集水下结构物信息，所述导航模块81、深度计模块82、声呐模块83均与ARM9主控板51连接，将数据传给主控板加以解析。
前述水下机器人控制系统，其中安全检测单元9包括电压电流温度检测91、温湿度检测92、漏水检测93；所述电压电流温度检测91对电源模块监测，防止电源报错；所述温湿度检测92用于测量密封舱内的温湿度，以防温度过高或者舱内渗水的情况；所述漏水检测93用于检测舱内是否有漏水现象。
与现有技术相比，本发明的技术方案具有以下有益效果：
1.本发明中水面控制系统与水下控制系统所采用的网络通信相对于其他的通信方法来说，通信速率高、质量好、传输误码率低，使用光纤通信介质更加稳定，快速。
2.本发明中所采用的微控制器共有三块，分工明确，主控制器能够更好的执行运动控制算法，从控制器作为动作的实施者，具有很强的应用能力。
3.本发明中所采用的广义预测控制与模糊控制在运动控制系统中，都不需要建立准确的数学模型，GPC算法在系统结构变化或未知的情况下，仍可获得次优解，有良好的稳定性，且具有很强的鲁棒性。同时，GPC算法利用CARIMA模型作为预测模型，消除了系统静差。模糊控制在偏差较大时能更好的达到控制效果，这使得水下机器人能够快速、平稳地运动。因此在控制初期阶段或者误差较大时，选择模糊控制；在系统达到稳定状态时，选择广义预测控制与模糊控制相结合的方法，通过模糊控制来补偿广义预测控制的误差，消除稳态误差。
附图说明
图1为本发明机器人系统结构框图；
图2是本发明运动控制方法结构图；
图3是本发明水下机器人运动控制系统的算法流程图；
图4是本发明模糊控制器语言变量E、EC、U的隶属函数图；
图5是本发明模糊控制规则表。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示，一种水下机器人控制系统包括水面控制系统和水下控制系统，所述水面控制系统包括水面控制台1、大功率电源2、脐带缆3，水面控制台1和大功率电源2与脐带缆3相连，为水下机器人本体提供能量及数据传输；所述水下控制系统包括供电单元4、嵌入式微控制器5、照明监测单元6、动力推进单元7、传感器信息采集单元8、安全检测单元9，脐带缆3通信线与嵌入式微控制器5相连，接收水下机器人的动作指令以及发送水下机器人通过传感器单元8采集到的信息，脐带缆3的电源线与大功率电源2相连，为水下机器人提供源源不断的能量；所述供电单元4是将脐带缆3传输的直流电源通过不同的电源模块转换成不同的直流电压，并将它们分别输送给嵌入式微控制器5、照明监测单元6、动力推进单元7；所述嵌入式微控制器5有三块，其中第一LPC从控板52与照明监测单元6以及安全检测单元9相连，用于控制水下灯62、云台摄像模块61，并且用于电压电流温度检测91、温湿度检测92、漏水检测93；第二LPC从控板53与动力推进单元7相连，用于控制水下推进器，实现机器人的运动；另一块为致远电子公司的ARM9主控板51，它搭载Linux操作系统，主要用于与水面控制台1的通信、与两块LPC从控板52、53通信、并且实现对导航模块81和深度计模块82以及声呐模块83数据的采集以及运动控制单元10的实现；所述照明监测单元6包括水下灯62和云台摄像模块61，分别用于视觉照明和水下环境监测记录。
图1中水面控制台1包括工控机11、显示器12、控制按钮13和操纵摇杆14等。所述工控机11的配置较高，主要用于运行上位机以及连接显示器12，还可扩充其他显示设备；所述控制按钮13和操纵摇杆14均与单片机相连，与工控机11进行串口通讯，用于操控水下机器人；所述显示器12主要用于显示云台摄像模块61采集的图像，观看海洋水下环境等。
图1中脐带缆3的缆芯为两根电缆线，一根光纤。两根电缆线主要是电力传输，通过电缆线将水面大功率电源2与水下机器人连接，为机器人提供能量；一根光纤主要用于水下系统与水上系统的数据通信。
图1中动力推进单元7包括控制器模块71、电机驱动模块72、推进器73。所述的控制器模块71为Arduino系列的单片机，主要用于控制电机驱动模块72，电机驱动模块72的输出直接控制推进器73。所述推进器73共有四个，即垂向两个，纵向两个，尾部垂向的两个推进器73用来控制水下机器人的前进、后退、转艏动作；中间纵向的两个推进器73用来控制水下机器人的上浮、下潜、横滚动作。
图1中传感器信息采集单元8包括导航模块81、深度计模块82、声呐模块83。所述导航模块81实时采集机器人的姿态信息，包括航向角、俯仰角以及横滚角；所述深度计模块82通过感知水压来采集水下机器人的深度信息；所述声呐模块83用于采集水下结构物信息；以上所述传感器均与ARM9主控板51连接，将数据传给主控板加以解析。
图1中安全检测单元9包括电压电流温度检测91、温湿度检测92、漏水检测93。所述电压电流温度检测91主要是对电源模块的监测，防止电源报错；所述温湿度检测92用于测量密封舱内的温湿度，以防温度过高或者舱内渗水的情况；所述漏水检测93用于检测舱内是否有漏水现象。
如图2所示，一种水下机器人的运动控制方法包括模糊控制器和广义预测控制器。所述广义预测控制器的基本原理为预测模型、滚动优化、反馈校正；所述模糊控制器，其设计包括确定模糊控制器的语言变量，绘制输入语言变量的偏差、偏差变化率和输出语言变量的赋值表，建立模糊状态表及模糊控制查询表，从而得到模糊控制器的输出；所述比例系数β代表着两个控制器输出在总输出中所占的比例，β取值为0≤β＜1；所述动力分配为根据控制器的输出，判断机器人的动作，将动力分配给推进器；所述推进器为机器人的推进装置，本水下机器人共有四台推进器，纵向两个推进器控制机器人的前进、后退及转艏，垂向的两个推进器控制机器人的上浮、下潜及翻滚。
如图3所示，为水下机器人运动控制系统的算法流程图，具体步骤如下：
步骤1：水下机器人在水中做六个自由度运动，分别为三轴移动和三轴旋转；在外界环境干扰的情况下，通过传感器系统采集的水下机器人的位置和姿态信息，从而建立水下机器人运动学数学模型为：
其中，M为水下机器人惯性矩阵，M∈R6×6；C(v)为水下机器人科氏及向心力矩阵，C(v)∈R6×6；D(v)是水下机器人流体阻力矩阵，D(v)∈R6×6；g(η)是由重力和浮力组成的回复力矩阵，g(η)∈R6×1；τ是水下机器人推进器提供的推力，τ∈R6×1；为水下机器人相对于固定坐标系的位置和姿态角，其中为横滚角，θ为俯仰角，ψ为航向角；J(η)为坐标转换矩阵；v＝[u v w p q r]T，为水下机器人在艇体坐标系内的六个自由度的速度。
由于该水下机器人航速较低，可忽略科氏及向心力；主要运动包括前进、后退、上浮、下潜和转艏，忽略横倾和纵倾；其运动方式可看作为单自由度运动，各自由度之间粘性耦合较小；运动坐标系原点和水下机器人重心基本重合；简化后的模型为：
则水下机器人的单自由度动力学模型为：
式中，μ为速度，mμ、dμ及dμ|μ|分别为惯性系数、一阶阻力系数和二阶阻力系数，gμ表示ROV的重力和浮力在单自由度方向上的作用力，τμ表示推进器产生的作用力；
根据Fluent软件对水下机器人进行水动力性能数值模拟分析，得到不同航态下的推力、速度及加速度；对数值模拟结果采用最小二乘法参数辨识，求出惯性系数、一阶阻力系数和二阶阻力系数的值，便可得到单自由度动力学模型。
步骤2：广义预测控制采用受控自回归积分滑动平均模型(CARIMA)模型作为预测模型，这个模型可以写为：
其中A(z-1)、B(z-1)是后移算子z-1的多项式，u(t-1)是t-1时刻推进器输入电压，Δ＝1-z-1表示差分算子，e(t)为均值为零的白噪声序列，y(t)为t时刻的输出；
为了预测得到j步后输出y(t+j)的最优预测值，使用丢番图Diophantine方程：
1＝Ej(z-1)A(z-1)Δ+z-jF(z-1) (5)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jHj(z-1) (6)
其中j＝1,…,N1,并且
Ej(z-1)＝ej0+ej1z-1+…+ej,j-1z-j+1，ej0＝1
Fj(z-1)＝fj0+fj1z-1+…+fjnz-n
Gj(z-1)＝gj0+gj1z-1+…+gj,j-1z-j+1
Hj(z-1)＝hj0+hj1z-1+…+hjn-1z-n+1
由(4)(5)(6)式得最优预测值可表示为：
y(t+j)＝GjΔu(t+j-1)+Gjy(t)+HjΔu(t-1)+Eje(t+j)
其中y(t+j)为t+j时刻的预测输出，Eje(t+j)为t+j时刻的白噪声；
步骤3：当被控对象参数未知或慢时变时，必须使用参数估计算法，在线估计出A(z-1)和B(z-1)的系数，然后用参数估计值代替真实值进行控制率推导；
给定算法中的遗忘因子ρ，取ρ＝0.95～1，正定矩阵P(-1)和参数估计初始值θ(0)，给定预测时域N1,控制时域Nu和加权常数λ；
令ε(t)＝Δy(t)-X(t-1)Tθ(t-1)，其中Δy(t)为当前输出变化，X(t-1)为过去时刻输入，考虑到被控对象参数可能慢时变的情况选取具有遗忘因子的递推最小二乘算法，得
用式(7)(8)在线估算出A(z-1)和B(z-1)，并利用式(5)(6)求出Ej、Fj、Gj和Hj；
步骤4：计算矩阵G及GT(G+λI)-1，其中I为单位矩阵；
步骤5：为了使当前时刻的输出y(t)尽可能平稳的到达设定值yr，引入一阶滤波方程：
yr＝y(t)yr(t+j)＝αyr(t+j-1)+(1-α)yr j＝1,2,…
其中α为柔化系数，且0≤α＜1；广义预测控制的任务就是使被控对象的输出y(t+j)尽可能的靠近yr(t+j)；
性能指标为：
其中Ε为数学期望，N1是预测时域，Nu是控制时域，λ为控制加权常数；
将GT(G+λI)-1GT第一行记作[p1,…,pN1]＝pT；
可求得：Δu1(t)＝pT[yr-Fy(t)-HΔu1(t-1)]；
因此控制量为u1(t)＝u1(t-1)+Δu1(t)；
步骤6：控制系统中模糊控制器输入量是导航模块采集位置姿态的偏差e(t)＝y(t)-yr(t)和偏差变化率ec(t)＝e(t)-e(t-1)，其实际论域为e∈(-10,10)，选量化因子Ke＝0.3，Kec＝0.3，则其两个语言变量E、EC离散论域皆为[-3,-2,-1,0,1,2,3]，基于语言变量E、EC的离散论域，选定输出U的论域为[-3,-2,-1,0,1,2,3]；经模糊规则运算得出的控制量U是一个模糊子集，但实际被控对象只能接受一个精确的控制量，因此，需要把控制量的模糊集清晰化，乘以比例因子Ku，得到实际的控制量u2(t)；根据运动控制经验确定语言变量E、EC、U的隶属函数曲线，如图4所示，为模糊控制器语言变量E、EC、U的隶属函数图，在这些论域中定义相同的模糊子集，并与论域中的元素相对应；根据专家知识建立的控制规则，实际上控制规则可以近似地由一个解析表达式来描述：
U＝ζE+(1-ζ)·CE,ζ∈[0,1]
式中ζ为调整因子，又称为加权因子。
通过调整ζ值的大小，可改变对偏差及偏差变化率的不同加权程度。ζ值不同，则模糊控制规则不同，控制效果也不同。本发明取ζ＝0.5时，可得模糊控制规则表，如图5所示，选取控制量的基本规则是：当误差的绝对值大于5时，选择尽快消除误差的控制量,即选用模糊控制器；当误差的绝对值小于5时，选择模糊及广义预测控制器；
步骤7：在广义预测控制器和模糊控制器结合的过程中，比例系数为β，以此来控制两种控制器的输出占总输出的比重，即
u(t)＝βu1(t)+(1-β)u2(t)
当|e|＞5时，以模糊控制器为主控制器，即β＝0；
当|e|≤5时，β＝-0.2|e|+1，0≤β＜1；
步骤8：通过运动控制器输出u(t)通过动力分配给不同的推进器，从而驱动水下机器人的运动；
步骤9：当t+1时刻时，返回到步骤3。
除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围内。

Claims (7)

1.一种水下机器人控制系统，包括水面控制系统和水下控制系统，其特征在于：所述水面控制系统包括水面控制台(1)、大功率电源(2)、脐带缆(3)，水面控制台(1)和大功率电源(2)与脐带缆(3)相连，为水下机器人本体提供能量及数据传输；所述水下控制系统包括供电单元(4)、嵌入式微控制器(5)、照明监测单元(6)、动力推进单元(7)、传感器信息采集单元(8)、安全检测单元(9)，脐带缆(3)的通信线与嵌入式微控制器(5)相连，接收水下机器人的动作指令以及发送水下机器人通过传感器单元(8)采集到的信息，脐带缆(3)的电源线与大功率电源(2)相连，为水下机器人提供电能；所述供电单元(4)将脐带缆(3)传输的直流电源转换成电压等级不同的直流电压，并分别输送给嵌入式微控制器(5)、照明监测单元(6)、动力推进单元(7)；所述嵌入式微控制器(5)包括ARM9主控板(51)、第一LPC从控板(52)、第二LPC从控板(53)，所述第一LPC从控板(52)与照明监测单元(6)、安全检测单元(9)相连，用于控制水下灯(62)、云台摄像模块(61)、电压电流温度检测(91)、温湿度检测(92)、漏水检测(93)；所述第二LPC从控板(53)与动力推进单元(7)相连，控制水下推进器，实现机器人的运动；所述ARM9主控板(51)搭载Linux操作系统，与水面控制台(1)、第一LPC从控板(52)、第二LPC从控板(53)通信，所述ARM9主控板(51)控制导航模块(81)、深度计模块(82)、声呐模块(83)进行数据采集，对运动控制单元(10)进行控制；所述照明监测单元(6)包括水下灯(62)和云台摄像模块(61)，分别用于视觉照明和水下环境监测记录。
2.根据权利要求1所述的水下机器人控制系统，其特征在于：水面控制台(1)包括工控机(11)、显示器(12)、控制按钮(13)和操纵摇杆(14)；所述工控机(11)用于运行上位机以及连接显示器(12)，所述控制按钮(13)和操纵摇杆(14)均与工控机(11)进行串口通讯，用于操控水下机器人；所述显示器(12)显示云台摄像模块(61)采集的图像，观看海洋水下环境。
3.根据权利要求1所述的水下机器人控制系统，其特征在于：脐带缆(3)的缆芯为两根电缆线，一根光纤，两根电缆线传输电力，通过电缆线将水面大功率电源(2)与水下机器人连接，为机器人提供能量；一根光纤用于水下系统与水上系统的数据通信。
4.根据权利要求1所述的水下机器人控制系统，其特征在于：动力推进单元(7)包括控制器模块(71)、电机驱动模块(72)、推进器(73)；所述的控制器模块(71)为Arduino系列单片机，用于控制电机驱动模块(72)，电机驱动模块(72)的输出直接控制推进器(73)，所述推进器(73)共有4个，垂向布置两个，纵向布置两个，在尾部垂向布置的推进器(73)控制水下机器人的前进、后退、转艏动作；在中间纵向布置的推进器(73)控制水下机器人的上浮、下潜、横滚动作。
5.根据权利要求1所述的水下机器人控制系统，其特征在于：传感器信息采集单元(8)包括导航模块(81)、深度计模块(82)、声呐模块(83)；所述导航模块(81)实时采集机器人的姿态信息，包括航向角、俯仰角以及横滚角；所述深度计模块(82)通过感知水压来采集水下机器人的深度信息；所述声呐模块(83)用于采集水下结构物信息，所述导航模块(81)、深度计模块(82)、声呐模块(83)均与ARM9主控板(51)连接，将数据传给主控板加以解析。
6.根据权利要求1所述的水下机器人控制系统，其特征在于：安全检测单元(9)包括电压电流温度检测(91)、温湿度检测(92)、漏水检测(93)；所述电压电流温度检测(91)对电源模块监测，防止电源报错；所述温湿度检测(92)用于测量密封舱内的温湿度，以防温度过高或者舱内渗水的情况；所述漏水检测(93)用于检测舱内是否有漏水现象。
7.根据权利要求1所述的水下机器人控制系统的运动控制方法，其特征在于包括以下步骤：
步骤1：水下机器人在水中做六个自由度运动，分别为三轴移动和三轴旋转；在外界环境干扰的情况下，通过传感器系统采集的水下机器人的位置和姿态信息，建立水下机器人运动学数学模型为：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>M</mi> <mover> <mi>v</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>+</mo> <mi>C</mi> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> <mi>v</mi> <mo>+</mo> <mi>D</mi> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> <mi>v</mi> <mo>+</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>&amp;eta;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;tau;</mi> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <mover> <mi>&amp;eta;</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>=</mo> <mi>J</mi> <mrow> <mo>(</mo> <mi>&amp;eta;</mi> <mo>)</mo> </mrow> <mi>v</mi> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中，M为水下机器人惯性矩阵，M∈R6×6；C(v)为水下机器人科氏及向心力矩阵，C(v)∈R6×6；D(v)是水下机器人流体阻力矩阵，D(v)∈R6×6；g(η)是由重力和浮力组成的回复力矩阵，g(η)∈R6×1；τ是水下机器人推进器提供的推力，τ∈R6×1；为水下机器人相对于固定坐标系的位置和姿态角，其中为横滚角，θ为俯仰角，ψ为航向角；J(η)为坐标转换矩阵；v＝[u v w p q r]T，为水下机器人在艇体坐标系内的六个自由度的速度；
水下机器人的运动包括前进、后退、上浮、下潜和转艏，其运动方式为单自由度运动，各自由度之间粘性耦合较小，运动坐标系原点和水下机器人重心基本重合，简化后的模型为：
<mrow> <mi>M</mi> <mover> <mi>v</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>+</mo> <mi>D</mi> <mrow> <mo>(</mo> <mi>v</mi> <mo>)</mo> </mrow> <mi>v</mi> <mo>+</mo> <mi>g</mi> <mrow> <mo>(</mo> <mi>&amp;eta;</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;tau;</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
则水下机器人的单自由度动力学模型为：
<mrow> <msub> <mi>m</mi> <mi>&amp;mu;</mi> </msub> <mover> <mi>&amp;mu;</mi> <mo>&amp;CenterDot;</mo> </mover> <mo>+</mo> <msub> <mi>d</mi> <mi>&amp;mu;</mi> </msub> <mi>&amp;mu;</mi> <mo>+</mo> <msub> <mi>d</mi> <mrow> <mi>&amp;mu;</mi> <mo>|</mo> <mi>&amp;mu;</mi> <mo>|</mo> </mrow> </msub> <mi>&amp;mu;</mi> <mo>|</mo> <mi>&amp;mu;</mi> <mo>|</mo> <mo>+</mo> <msub> <mi>g</mi> <mi>&amp;mu;</mi> </msub> <mo>=</mo> <msub> <mi>&amp;tau;</mi> <mi>&amp;mu;</mi> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
式中，μ为速度，mμ、dμ及dμ|μ|分别为惯性系数、一阶阻力系数和二阶阻力系数，gμ表示水下机器人的重力和浮力在单自由度方向上的作用力，τμ表示推进器产生的作用力；
使用Fluent软件对水下机器人进行水动力性能数值模拟分析，得到不同航态下的推力、速度及加速度；对数值模拟结果采用最小二乘法参数辨识，求出惯性系数、一阶阻力系数和二阶阻力系数的值，得到单自由度动力学模型；
步骤2：广义预测控制采用受控自回归积分滑动平均模型模型作为预测模型，预测模型为：
<mrow> <mi>A</mi> <mrow> <mo>(</mo> <msup> <mi>z</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>)</mo> </mrow> <mi>y</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>B</mi> <mrow> <mo>(</mo> <msup> <mi>z</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>)</mo> </mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mrow> <mi>e</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mi>&amp;Delta;</mi> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中A(z-1)、B(z-1)是后移算子z-1的多项式，u(t-1)是t-1时刻推进器输入电压，Δ＝1-z-1表示差分算子，e(t)为均值为零的白噪声序列，y(t)为t时刻的输出；
为了预测得到j步后输出y(t+j)的最优预测值，使用丢番图Diophantine方程：
1＝Ej(z-1)A(z-1)Δ+z-jF(z-1) (5)
Ej(z-1)B(z-1)＝Gj(z-1)+z-jHj(z-1) (6)
其中j＝1,…,N1,并且
Ej(z-1)＝ej0+ej1z-1+…+ej,j-1z-j+1，ej0＝1
Fj(z-1)＝fj0+fj1z-1+…+fjnz-n
Gj(z-1)＝gj0+gj1z-1+…+gj,j-1z-j+1
Hj(z-1)＝hj0+hj1z-1+…+hjn-1z-n+1
由式(4)、(5)、(6)得最优预测值表示为：
y(t+j)＝GjΔu(t+j-1)+Gjy(t)+HjΔu(t-1)+Eje(t+j)
其中y(t+j)为t+j时刻的预测输出，Eje(t+j)为t+j时刻的白噪声；
步骤3：当被控对象参数未知或慢时变时，必须使用参数估计算法，在线估计出A(z-1)和B(z-1)的系数，然后用参数估计值代替真实值进行控制率推导；
给定算法中的遗忘因子ρ，取ρ＝0.95～1，正定矩阵P(-1)和参数估计初始值θ(0)，给定预测时域N1,控制时域Nu和加权常数λ；
令ε(t)＝Δy(t)-X(t-1)Tθ(t-1)，其中Δy(t)为当前输出变化，X(t-1)为过去时刻输入，考虑到被控对象参数可能慢时变的情况选取具有遗忘因子的递推最小二乘算法，得
<mrow> <mi>&amp;theta;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;theta;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>&amp;epsiv;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;rho;</mi> <mo>+</mo> <mi>X</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>&amp;rho;</mi> </mfrac> <mo>&amp;lsqb;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>-</mo> <mfrac> <mrow> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>X</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;rho;</mi> <mo>+</mo> <mi>X</mi> <msup> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mi>T</mi> </msup> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>2</mn> <mo>)</mo> </mrow> <mi>X</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> </mfrac> <mo>&amp;rsqb;</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
用式(7)、(8)在线估算出A(z-1)和B(z-1)，并利用式(5)、(6)求出Ej、Fj、Gj和Hj；
步骤4：计算矩阵G及GT(G+λI)-1，其中I为单位矩阵；
步骤5：为了使当前时刻的输出y(t)尽可能平稳的到达设定值yr，引入一阶滤波方程：
yr＝y(t)yr(t+j)＝αyr(t+j-1)+(1-α)yr j＝1,2,…
其中α为柔化系数，且0≤α＜1；广义预测控制的任务就是使被控对象的输出y(t+j)尽可能的靠近yr(t+j)；
性能指标为：
<mrow> <mi>J</mi> <mo>=</mo> <mi>E</mi> <mo>{</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mn>1</mn> </msub> </munderover> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>(</mo> <mrow> <mi>t</mi> <mo>+</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>y</mi> <mi>r</mi> </msub> <mo>(</mo> <mrow> <mi>t</mi> <mo>+</mo> <mi>j</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>&amp;times;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>u</mi> </msub> </munderover> <mi>&amp;lambda;</mi> <msup> <mrow> <mo>(</mo> <mi>&amp;Delta;</mi> <mi>u</mi> <mo>(</mo> <mrow> <mi>t</mi> <mo>+</mo> <mi>j</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mo>}</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
其中Ε为数学期望，N1是预测时域，Nu是控制时域，λ为控制加权常数；
将GT(G+λI)-1GT第一行记作[p1,…,pN1]＝pT；
可求得：Δu1(t)＝pT[yr-Fy(t)-HΔu1(t-1)]；
因此控制量为u1(t)＝u1(t-1)+Δu1(t)；
步骤6：控制系统中模糊控制器输入量是导航模块采集位置姿态的偏差e(t)＝y(t)-yr(t)和偏差变化率ec(t)＝e(t)-e(t-1)，其实际论域为e∈(-10,10)，选量化因子Ke＝0.3，Kec＝0.3，则其两个语言变量E、EC离散论域皆为[-3,-2,-1,0,1,2,3]，基于语言变量E、EC的离散论域，选定输出U的论域为[-3,-2,-1,0,1,2,3]；经模糊规则运算得出的控制量U是一个模糊子集，但实际被控对象只能接受一个精确的控制量，因此，需要把控制量的模糊集清晰化，乘以比例因子Ku，得到实际的控制量u2(t)；根据运动控制经验确定语言变量E、EC、U的隶属函数曲线；根据专家知识建立控制规则的解析表达式为：
U＝ζE+(1-ζ)·CE,ζ∈[0,1]
式中ζ为调整因子，又称为加权因子；
取ζ＝0.5时，可得模糊控制规则表，选取控制量的基本规则是：当误差的绝对值大于5时，选择尽快消除误差的控制量,即选用模糊控制器；当误差的绝对值小于5时，选择模糊及广义预测控制器；
步骤7：在广义预测控制器和模糊控制器结合的过程中，比例系数为β，以此来控制两种控制器的输出占总输出的比重，即
u(t)＝βu1(t)+(1-β)u2(t)
当|e|＞5时，以模糊控制器为主控制器，即β＝0；
当|e|≤5时，β＝-0.2|e|+1，0≤β＜1；
步骤8：通过运动控制器输出u(t)通过动力分配给不同的推进器，从而驱动水下机器人的运动；
步骤9：当t+1时刻时，返回到步骤3。
CN201710717025.7A 2017-08-21 2017-08-21 水下机器人控制系统及运动控制方法 Active CN107499476B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710717025.7A CN107499476B (zh) 2017-08-21 2017-08-21 水下机器人控制系统及运动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710717025.7A CN107499476B (zh) 2017-08-21 2017-08-21 水下机器人控制系统及运动控制方法

Publications (2)

Publication Number Publication Date
CN107499476A true CN107499476A (zh) 2017-12-22
CN107499476B CN107499476B (zh) 2019-06-21

Family

ID=60691750

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710717025.7A Active CN107499476B (zh) 2017-08-21 2017-08-21 水下机器人控制系统及运动控制方法

Country Status (1)

Country Link
CN (1) CN107499476B (zh)

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319276A (zh) * 2017-12-26 2018-07-24 上海交通大学 基于布尔网络的水下机器人姿态调节控制装置及方法
CN108345332A (zh) * 2018-01-31 2018-07-31 上海彩虹鱼深海装备科技有限公司 一种深海图像追踪采集系统、方法及装置
CN108375625A (zh) * 2018-02-06 2018-08-07 中国海洋大学 一种无磁场干扰的导管架腐蚀检测设备及腐蚀检测方法
CN108549321A (zh) * 2018-04-10 2018-09-18 广州启帆工业机器人有限公司 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN108594716A (zh) * 2018-05-25 2018-09-28 福州大学 一种浅水级超小型rov控制系统及控制方法
CN108776432A (zh) * 2018-06-08 2018-11-09 哈尔滨工程大学 基于网络的机场跑道检测机器人预测控制方法
CN108983794A (zh) * 2018-07-05 2018-12-11 上海查派机器人科技有限公司 水下机器人智能辅助作业系统与方法
CN109018259A (zh) * 2018-07-05 2018-12-18 上海查派机器人科技有限公司 机器人系统
CN109032178A (zh) * 2018-08-06 2018-12-18 江苏科技大学 全驱动auv回收控制系统及自主回收方法
CN109062230A (zh) * 2018-08-06 2018-12-21 江苏科技大学 水下辅助采油机器人控制系统及动力定位方法
CN109189095A (zh) * 2018-09-27 2019-01-11 东华理工大学 一种微型水下机器人视频探测与控制系统
CN109814581A (zh) * 2019-01-09 2019-05-28 哈尔滨工业大学（威海） Rov水下机器人自动定深运动控制方法
CN109885096A (zh) * 2019-04-08 2019-06-14 哈尔滨工程大学 一种基于Lyapunov-MPC技术的自主水下机器人路径跟踪闭环控制方法
CN109987209A (zh) * 2019-02-20 2019-07-09 博雅工道（北京）机器人科技有限公司 一种仿生机器鱼的控制电路
CN110510085A (zh) * 2019-08-01 2019-11-29 华南理工大学 一种基于可见光通信的水下机器人
CN111043448A (zh) * 2019-12-18 2020-04-21 杭州申昊科技股份有限公司 一种管道机器人
CN111506090A (zh) * 2020-04-18 2020-08-07 华中科技大学 一种水下机器人深度区间控制方法和系统
CN111731449A (zh) * 2020-06-14 2020-10-02 西北工业大学 一种基于一致性算法的水下清洗机器人调头侧移量控制方法
CN111896135A (zh) * 2019-05-05 2020-11-06 上海中车艾森迪海洋装备有限公司 用于水下机器人的温度监测方法及装置
CN111913489A (zh) * 2019-05-10 2020-11-10 欧舶智能科技（上海）有限公司 水下机器人多推进器耦合控制方法及系统
CN111966115A (zh) * 2020-08-14 2020-11-20 南京工程学院 一种基于stm32的有缆式水中机器人的控制电路及其控制方法
CN112013993A (zh) * 2020-08-27 2020-12-01 国网山西省电力公司大同供电公司 一种基于水下机器人的海底电缆探测方法
CN112124537A (zh) * 2020-09-23 2020-12-25 哈尔滨工程大学 一种海底生物自主吸取捕捞的水下机器人智能控制方法
CN112141303A (zh) * 2020-10-09 2020-12-29 西北工业大学 水下机器人攀爬模态下的防滑调头控制方法及水下机器人
CN112361123A (zh) * 2020-10-23 2021-02-12 武汉中仪物联技术股份有限公司 一种用于管道检测机器人的控制系统
CN112530226A (zh) * 2020-12-13 2021-03-19 中国船舶重工集团公司七五0试验场 一种用于混浊水域辅助作业的rov模拟训练系统
CN112810780A (zh) * 2021-01-26 2021-05-18 华中科技大学鄂州工业技术研究院 一种rov硬件系统
CN112835349A (zh) * 2019-11-22 2021-05-25 中国科学院沈阳自动化研究所 一种基于模糊逻辑的自主水下机器人路径规划方法
CN113419545A (zh) * 2021-07-23 2021-09-21 西北工业大学 一种具有滑移管制的水下机器人优化控制方法
CN113479303A (zh) * 2021-05-28 2021-10-08 深圳市吉影科技有限公司 一种用于机器人横移推进器的控制系统
CN113602462A (zh) * 2021-10-08 2021-11-05 南京工程学院 水下机器人及其水中高可视度情况下姿态与运动控制方法
CN113759989A (zh) * 2020-12-03 2021-12-07 中国科学院沈阳自动化研究所 一种水下电动云台控制装置及方法
CN114644098A (zh) * 2022-02-24 2022-06-21 深圳市吉影科技有限公司 一种新型大功率水下助推器控制系统
CN114771787A (zh) * 2022-04-19 2022-07-22 江苏科技大学 一种水下机器人矢量推进器的控制系统、控制方法及矢量角度选择方法
CN114954862A (zh) * 2022-07-01 2022-08-30 扬州工业职业技术学院 一种带缆水下机器人运动控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130269585A1 (en) * 2010-12-22 2013-10-17 Samsung Heavy Ind. Co., Ltd. Underwater moving apparatus and moving method thereof
CN103439935A (zh) * 2013-08-15 2013-12-11 青岛远创机器人自动化有限公司 一种基于状态机模型的水下机器人控制系统
CN103488175A (zh) * 2013-09-26 2014-01-01 上海海事大学 一种自治遥控水下机器人水下管道检测跟踪系统及检测方法
CN104199447A (zh) * 2014-08-18 2014-12-10 江苏科技大学 水下结构物检测机器人控制系统及运动控制方法
US20160009347A1 (en) * 2010-09-13 2016-01-14 Incube Labs, Llc Self-propelled buoy for monitoring underwater objects
CN106240774A (zh) * 2016-06-21 2016-12-21 北京臻迪机器人有限公司 一种无人船及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160009347A1 (en) * 2010-09-13 2016-01-14 Incube Labs, Llc Self-propelled buoy for monitoring underwater objects
US20130269585A1 (en) * 2010-12-22 2013-10-17 Samsung Heavy Ind. Co., Ltd. Underwater moving apparatus and moving method thereof
CN103439935A (zh) * 2013-08-15 2013-12-11 青岛远创机器人自动化有限公司 一种基于状态机模型的水下机器人控制系统
CN103488175A (zh) * 2013-09-26 2014-01-01 上海海事大学 一种自治遥控水下机器人水下管道检测跟踪系统及检测方法
CN104199447A (zh) * 2014-08-18 2014-12-10 江苏科技大学 水下结构物检测机器人控制系统及运动控制方法
CN106240774A (zh) * 2016-06-21 2016-12-21 北京臻迪机器人有限公司 一种无人船及系统

Cited By (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108319276A (zh) * 2017-12-26 2018-07-24 上海交通大学 基于布尔网络的水下机器人姿态调节控制装置及方法
CN108345332A (zh) * 2018-01-31 2018-07-31 上海彩虹鱼深海装备科技有限公司 一种深海图像追踪采集系统、方法及装置
CN108375625A (zh) * 2018-02-06 2018-08-07 中国海洋大学 一种无磁场干扰的导管架腐蚀检测设备及腐蚀检测方法
CN108375625B (zh) * 2018-02-06 2023-08-15 中国海洋大学 一种无磁场干扰的导管架腐蚀检测设备及腐蚀检测方法
CN108549321A (zh) * 2018-04-10 2018-09-18 广州启帆工业机器人有限公司 一种综合时间能量跃度的工业机器人轨迹生成方法及系统
CN108594716A (zh) * 2018-05-25 2018-09-28 福州大学 一种浅水级超小型rov控制系统及控制方法
CN108776432A (zh) * 2018-06-08 2018-11-09 哈尔滨工程大学 基于网络的机场跑道检测机器人预测控制方法
CN109018259B (zh) * 2018-07-05 2020-06-12 上海查派机器人科技有限公司 机器人系统
CN108983794A (zh) * 2018-07-05 2018-12-11 上海查派机器人科技有限公司 水下机器人智能辅助作业系统与方法
CN109018259A (zh) * 2018-07-05 2018-12-18 上海查派机器人科技有限公司 机器人系统
CN109032178B (zh) * 2018-08-06 2021-08-24 江苏科技大学 全驱动auv回收控制系统及自主回收方法
CN109062230B (zh) * 2018-08-06 2021-05-04 江苏科技大学 水下辅助采油机器人控制系统及动力定位方法
CN109062230A (zh) * 2018-08-06 2018-12-21 江苏科技大学 水下辅助采油机器人控制系统及动力定位方法
CN109032178A (zh) * 2018-08-06 2018-12-18 江苏科技大学 全驱动auv回收控制系统及自主回收方法
CN109189095A (zh) * 2018-09-27 2019-01-11 东华理工大学 一种微型水下机器人视频探测与控制系统
CN109814581A (zh) * 2019-01-09 2019-05-28 哈尔滨工业大学（威海） Rov水下机器人自动定深运动控制方法
CN109987209A (zh) * 2019-02-20 2019-07-09 博雅工道（北京）机器人科技有限公司 一种仿生机器鱼的控制电路
CN109885096A (zh) * 2019-04-08 2019-06-14 哈尔滨工程大学 一种基于Lyapunov-MPC技术的自主水下机器人路径跟踪闭环控制方法
CN111896135A (zh) * 2019-05-05 2020-11-06 上海中车艾森迪海洋装备有限公司 用于水下机器人的温度监测方法及装置
CN111913489A (zh) * 2019-05-10 2020-11-10 欧舶智能科技（上海）有限公司 水下机器人多推进器耦合控制方法及系统
CN110510085A (zh) * 2019-08-01 2019-11-29 华南理工大学 一种基于可见光通信的水下机器人
CN112835349B (zh) * 2019-11-22 2022-01-11 中国科学院沈阳自动化研究所 一种基于模糊逻辑的自主水下机器人路径规划方法
CN112835349A (zh) * 2019-11-22 2021-05-25 中国科学院沈阳自动化研究所 一种基于模糊逻辑的自主水下机器人路径规划方法
CN111043448A (zh) * 2019-12-18 2020-04-21 杭州申昊科技股份有限公司 一种管道机器人
CN111506090A (zh) * 2020-04-18 2020-08-07 华中科技大学 一种水下机器人深度区间控制方法和系统
CN111731449A (zh) * 2020-06-14 2020-10-02 西北工业大学 一种基于一致性算法的水下清洗机器人调头侧移量控制方法
CN111731449B (zh) * 2020-06-14 2022-07-12 西北工业大学 一种基于一致性算法的水下清洗机器人调头侧移量控制方法
CN111966115A (zh) * 2020-08-14 2020-11-20 南京工程学院 一种基于stm32的有缆式水中机器人的控制电路及其控制方法
CN112013993A (zh) * 2020-08-27 2020-12-01 国网山西省电力公司大同供电公司 一种基于水下机器人的海底电缆探测方法
CN112013993B (zh) * 2020-08-27 2021-12-14 国网山西省电力公司大同供电公司 一种基于水下机器人的海底电缆探测方法
CN112124537B (zh) * 2020-09-23 2021-07-13 哈尔滨工程大学 一种海底生物自主吸取捕捞的水下机器人智能控制方法
CN112124537A (zh) * 2020-09-23 2020-12-25 哈尔滨工程大学 一种海底生物自主吸取捕捞的水下机器人智能控制方法
CN112141303A (zh) * 2020-10-09 2020-12-29 西北工业大学 水下机器人攀爬模态下的防滑调头控制方法及水下机器人
CN112361123A (zh) * 2020-10-23 2021-02-12 武汉中仪物联技术股份有限公司 一种用于管道检测机器人的控制系统
CN113759989A (zh) * 2020-12-03 2021-12-07 中国科学院沈阳自动化研究所 一种水下电动云台控制装置及方法
CN112530226A (zh) * 2020-12-13 2021-03-19 中国船舶重工集团公司七五0试验场 一种用于混浊水域辅助作业的rov模拟训练系统
CN112530226B (zh) * 2020-12-13 2023-10-27 中国船舶重工集团公司七五0试验场 一种用于混浊水域辅助作业的rov模拟训练系统
CN112810780A (zh) * 2021-01-26 2021-05-18 华中科技大学鄂州工业技术研究院 一种rov硬件系统
CN113479303A (zh) * 2021-05-28 2021-10-08 深圳市吉影科技有限公司 一种用于机器人横移推进器的控制系统
CN113419545B (zh) * 2021-07-23 2022-09-27 西北工业大学 一种具有滑移管制的水下机器人优化控制方法
CN113419545A (zh) * 2021-07-23 2021-09-21 西北工业大学 一种具有滑移管制的水下机器人优化控制方法
CN113602462A (zh) * 2021-10-08 2021-11-05 南京工程学院 水下机器人及其水中高可视度情况下姿态与运动控制方法
CN114644098A (zh) * 2022-02-24 2022-06-21 深圳市吉影科技有限公司 一种新型大功率水下助推器控制系统
CN114771787A (zh) * 2022-04-19 2022-07-22 江苏科技大学 一种水下机器人矢量推进器的控制系统、控制方法及矢量角度选择方法
CN114771787B (zh) * 2022-04-19 2023-09-22 江苏科技大学 一种水下机器人矢量推进器的控制系统、控制方法及矢量角度选择方法
CN114954862A (zh) * 2022-07-01 2022-08-30 扬州工业职业技术学院 一种带缆水下机器人运动控制方法

Also Published As

Publication number Publication date
CN107499476B (zh) 2019-06-21

Similar Documents

Publication Publication Date Title
CN107499476B (zh) 水下机器人控制系统及运动控制方法
CN107957727B (zh) 水下机器人控制系统及动力定位方法
CN105843233B (zh) 一种基于非线性观测器的自主水下航行器运动控制方法
CN109062230A (zh) 水下辅助采油机器人控制系统及动力定位方法
CN107255923B (zh) 基于rbf辨识的ica-cmac神经网络的欠驱动无人艇航迹跟踪控制方法
CN101833338B (zh) 无人潜航器垂直面欠驱动运动控制方法
CN107953350A (zh) 一种用于检测与作业的水下机器人控制系统
CN106773741A (zh) 一种无人船动力定位系统及方法
CN105383654A (zh) 一种自主式水下潜器的深度控制装置
Mukhopadhyay et al. Collaborative autonomous surveys in marine environments affected by oil spills
CN109240289A (zh) 波浪滑翔器艏摇信息自适应滤波方法
CN109976189A (zh) 一种智能舰艇自动巡航模拟仿真方法
Wirtensohn et al. Modelling and identification of a twin hull-based autonomous surface craft
Feng et al. Hovering control of submersible transformer inspection robot based on ASMBC method
Salgado-Jimenez et al. Design of ROVs for the Mexican power and oil industries
Bian et al. An autonomous underwater vehicle manipulator system for underwater target capturing
Shaik et al. Development and Validation of Embedded System Architecture for Shallow-Water Based H-AUV
Wang et al. Design and parameter estimation of a remotely operated underwater vehicle
Guo et al. Adaptive control of an autonomous underwater vehicle testbed using neural networks
Li et al. Energy Efficient Space-Air-Ground-Ocean Integrated Network based on Intelligent Autonomous Underwater Glider
Pedersen et al. Model comparison of a videoray pro 4 underwater rov
CN113190025B (zh) 一种适用于变结构水下机器人的运动控制方法
Subchan et al. Estimation of hydrodynamic coefficients using unscented kalman filter and recursive least square
CN117590751B (zh) 基于水下机器人的水下环境监测方法及系统
Zohedi et al. Comprehensive study of current trend of the remotely operated vehicle for underwater systems

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant