一种基于虚拟锚泊的欠驱动AUV三维控制区域镇定控制方法

    公开(公告)号:CN108363400B

    公开(公告)日:2020-12-22

    申请号:CN201810084233.2

    申请日:2018-01-29

    Abstract: 本发明公开了一种基于虚拟锚泊的欠驱动AUV三维控制区域镇定控制方法,属于无人水下机器人运动控制技术领域,包含以下步骤:建立AUV六自由度运动学方程,AUV六自由度动力学方程;建立欠驱动AUV的相对速度和相对加速度的方程;对欠驱动水下机器人进行受力分析;通过改进的静态悬链线方程表示悬链曲线张力水平分力方程和垂直分力方程;求解水下机器人所受到的悬链曲线张力水平分力和垂直分力;对悬链曲线张力水平分力和悬链曲线张力垂直分力进行分解:将纵向力、转艏力矩和俯仰力矩分配到AUV的执行器。本发明不依赖于模型,控制算法结构较为简单,并且能够让欠驱动AUV在强干扰环境下实现抵抗海流的目标,抗干扰能力强,具有很强的实际应用前景。

    欠驱动AUV的虚拟锚泊水平面区域镇定控制方法及实现方法

    公开(公告)号:CN107991872A

    公开(公告)日:2018-05-04

    申请号:CN201711286715.8

    申请日:2017-12-07

    Abstract: 本发明提供的是一种欠驱动AUV的虚拟锚泊水平面区域镇定控制方法及实现方法。包括:建立欠驱动AUV的水平面运动方程;建立还有环境影响下的欠驱动AUV的相对速度和相对加速度的方程;建立了虚拟锚泊的数学模型;通过改进的静态悬链线方程对水平分力进行表示,采用Traube改进抛物线法对水下机器人所受到的锚链张力进行求解;取锚链张力中的水平分力进行按照AUV的随艇坐标系进行分解,分为纵向力Fxm和横向力Fym以及转艏力矩Mm;将Fxm和Mm分配到推力器,得出主推进器的推力X和转艏力矩N。本发明方法不基于模型,不会因为载体而对本控制方法产生影响,可以使得欠驱动AUV在大干扰环境下实现区域镇定。

    欠驱动AUV的虚拟锚泊水平面区域镇定控制方法及实现方法

    公开(公告)号:CN107991872B

    公开(公告)日:2020-12-22

    申请号:CN201711286715.8

    申请日:2017-12-07

    Abstract: 本发明提供的是一种欠驱动AUV的虚拟锚泊水平面区域镇定控制方法及实现方法。包括:建立欠驱动AUV的水平面运动方程;建立还有环境影响下的欠驱动AUV的相对速度和相对加速度的方程;建立了虚拟锚泊的数学模型;通过改进的静态悬链线方程对水平分力进行表示,采用Traube改进抛物线法对水下机器人所受到的锚链张力进行求解;取锚链张力中的水平分力进行按照AUV的随艇坐标系进行分解,分为纵向力Fxm和横向力Fym以及转艏力矩Mm;将Fxm和Mm分配到推力器,得出主推进器的推力X和转艏力矩N。本发明方法不基于模型,不会因为载体而对本控制方法产生影响,可以使得欠驱动AUV在大干扰环境下实现区域镇定。

    一种基于虚拟锚泊的欠驱动AUV三维控制区域镇定控制方法

    公开(公告)号:CN108363400A

    公开(公告)日:2018-08-03

    申请号:CN201810084233.2

    申请日:2018-01-29

    CPC classification number: G05D1/0692

    Abstract: 本发明公开了一种基于虚拟锚泊的欠驱动AUV三维控制区域镇定控制方法,属于无人水下机器人运动控制技术领域,包含以下步骤:建立AUV六自由度运动学方程,AUV六自由度动力学方程;建立欠驱动AUV的相对速度和相对加速度的方程;对欠驱动水下机器人进行受力分析;通过改进的静态悬链线方程表示悬链曲线张力水平分力方程和垂直分力方程;求解水下机器人所受到的悬链曲线张力水平分力和垂直分力;对悬链曲线张力水平分力和悬链曲线张力垂直分力进行分解:将纵向力、转艏力矩和俯仰力矩分配到AUV的执行器。本发明不依赖于模型,控制算法结构较为简单,并且能够让欠驱动AUV在强干扰环境下实现抵抗海流的目标,抗干扰能力强,具有很强的实际应用前景。

    基于Q学习的欠驱动AUV虚拟锚泊三维镇定控制及实现方法

    公开(公告)号:CN108572654A

    公开(公告)日:2018-09-25

    申请号:CN201810532467.9

    申请日:2018-05-29

    Abstract: 本发明公开了基于Q学习的欠驱动AUV虚拟锚泊三维镇定控制及实现方法,属于无人水下机器人运动控制技术领域。包括:输入控制命令并初始化各变量;建立Q学习迭代方程,输入各变量;判断Q迭代的收敛性,是则策略选择动作,否则以虚拟锚泊控制输出组成动作;动作作用于AUV,得到所需参数,更新Q值和Q表;进行状态交换,判断AUV是否达到目标状态,在满足次数后,结束系统,否则继续迭代。虚拟锚泊控制部分:建立欠驱动AUV的动力学方程;建立欠驱动AUV的运动学方程;根据受力分析建立虚拟锚泊的数学模型;将锚链力进行分解,分配给AUV的执行器。本发明将虚拟锚泊控制的输出作为Q学习的指导,加快Q学习的收敛过程,为AUV在干扰的镇定控制问题提供了便利。

Patent Agency Ranking