论文部分内容阅读
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形式及其设计方法。其次,简单的介绍了UUV的叉柱式回收方法和所用到的设备:回收架和UUV上的折叠式回收对接杆。根据叉柱式回收的特点,详细的设计了回收流程,把UUV的回收过程分成了三个阶段,制定了UUV的叉柱式回收策略。然后,根据自抗扰控制原理自有的解耦方法,设计了一种针对UUV模型的解耦方法。以解耦后的模型为基础,设计UUV回收自抗扰控制器,通过编写MATLAB程序进行效果验证。考虑到在回收过程中UUV会受到海流干扰和近壁面干扰的影响,在仿真中加入了对应的干扰项,采用之前设计的控制器进行仿真,结果表明所设计的控制器可以对干扰进行很好的抑制,具有良好的抗扰效果,是一种很有实用前景的控制方法。最后,指出在控制被控对象的变化范围比较大的系统时,自抗扰控制存在的一些不足,设计了一种利用神经网络对自抗扰控制器进行优化补偿的方法。并从理论和设计的角度引入采用梯度下降动量和自适应学习率的BP算法训练函数来避免神经网络的局部极小值问题。根据这个思想设计了基于神经网络的自抗扰控制器用于回收过程中的水平面第I阶段,最后通过MATLAB仿真验证了神经网络补偿是有效的。本文通过讨论和仿真,验证了自抗扰控制器具有良好的鲁棒性,对于处于强干扰环境下工作的UUV也可以进行很好的控制,是一种极具实用价值的控制器。