【摘 要】
:
随着海洋战略的实施,海工装备是实现海洋强国目标的重要环节之一。在海洋环境的影响下,深海起重机起吊点垂直方向的剧烈运动给起重机海上作业造成严重影响,使得钢丝绳或脐带缆断裂。主动升沉补偿可以减弱该影响。本文从深海起重机主动升沉补偿的控制方法入手,实现起重机深海环境下的安全作业。首先,利用海洋波浪动力学和牛顿第二定律搭建深海起重机的传递函数,将传递函数通过系统方框图建立状态空间方程,为互补滑模控制律的设
论文部分内容阅读
随着海洋战略的实施,海工装备是实现海洋强国目标的重要环节之一。在海洋环境的影响下,深海起重机起吊点垂直方向的剧烈运动给起重机海上作业造成严重影响,使得钢丝绳或脐带缆断裂。主动升沉补偿可以减弱该影响。本文从深海起重机主动升沉补偿的控制方法入手,实现起重机深海环境下的安全作业。首先,利用海洋波浪动力学和牛顿第二定律搭建深海起重机的传递函数,将传递函数通过系统方框图建立状态空间方程,为互补滑模控制律的设计做好基础。其次,主动升沉补偿是通过消除起重机所受扰动实现,故将扰动分为匹配扰动和非匹配扰动。针对匹配扰动设计互补滑模控制系统来解决;针对非匹配扰动利用扩张扰动观测器对非匹配扰动及各阶导数进行观测,并反馈补偿至互补滑模控制器当中,实现对非匹配扰动的补偿控制。再次,针对起重机缆绳应变不可测,设计扩张状态观测器对缆绳应变进行实时观测,并反馈至改进型互补滑模控制器来实现主动升沉补偿。在扩张状态观测器中引入高幂次非线性函数使得观测误差相比于线性观测器更小;引入反双曲正弦函数对系统状态进行互补滑模设计,以此减小控制器输出幅值,提高控制精度。仿真实验结果验证了主动升沉补偿的有效性。最后,因为滑模因子决定互补滑模面的位置,并对控制输出的抖振和负载位移跟踪误差有很大影响。故设计一种基于强化学习的互补滑模控制方法,在互补滑模控制器设计过程中采用强化学习的梯度下降算法对控制参数进行优化,实现参数的在线调整。调整过程中,利用控制输出抖振作为强化学习的评价函数,同时兼顾负载跟踪位移误差和控制输出抖振,使控制系统具有更好的性能。
其他文献
压电陶瓷作为一种微位移智能材料,具有分辨率高、能量密度大、低耗能、快响应等优点。设计的作动器被广泛应用于扫描隧道显微镜、微操纵器、精密加工机床和计算机组件系统的定位中。然而,压电陶瓷材料自身存在迟滞非线性,这种特性限制了应用端的作动器并降低了定位精度,从而导致系统不稳定。在实际应用中,压电陶瓷作动器的迟滞非线性特性还会随着输入信号频率的增加变得更加严重。因此,本文以压电陶瓷作动器系统为研究对象,主
随着现代科技的不断发展和计算机技术的普及,多移动机器人系统得到了快速的发展和研究,而多机器人编队系统由于功能强大、性能稳定以及鲁棒性好,已经成为国内外研究的热点。较于传统渐近时间编队控制,固定时间编队控制收敛速度更快,且收敛时间的上界不依赖于初始状态,因此对固定时间编队控制的研究有着非常重要的现实意义。本文首先研究了跟随机器人在打滑状态下的固定时间编队控制问题,然后考虑到多机器人系统自身能量和网络
货车轴型识别被广泛应用于高速公路计重收费和货车超重检测等领域。传统基于轴型检测器的货车轴型识别方法存在准确率低、安装时需要破坏路面、不易维护和成本高的问题。针对这些问题,本文研究了基于深度学习的货车轴型识别方法,只需要货车的图像信息,就能直接识别出货车轴型,具有准确率高、成本低和安装维护方便等优点。本文主要内容如下:(1)研究一种基于目标检测的货车轴型识别方法,该方法先利用目标检测算法YOLOv3
综合实验项目涉及多学科知识间融合交叉,可以提升学生的创新能力和综合能力,是理工类高校培养人才的重要手段之一。本文基于综合课程体系要求,针对微控制器技术与直流调速原有实验安排理论知识融合性较差的问题,开发了一套直流脉宽双闭环调速实验系统,并设计了相关实验内容用于教学安排。实验系统由控制器模块、驱动模块、IGBT模块、电源模块、直流电机模块、负载模块、转速检测模块、电流检测模块、上位机模块九部分组成。
自动驾驶技术是当前世界的研究热点,具有深远的应用前景。而轨迹跟踪控制是自动驾驶的核心技术之一,旨在保证跟踪精确性和行驶稳定性的前提下,使自主车辆能够按照参考轨迹行驶。目前国内外对车辆轨迹跟踪进行了大量的研究,并取得了很多研究成果。但是在低附着系数路面等环境下轨迹跟踪的精确性和稳定性有待提高。本文主要研究内容如下:(1)在车辆轨迹跟踪的研究中,本文首先运用了LQR控制理论进行轨迹跟踪。由于LQR理论
在我国社会经济快速发展环境下,高速铁路运输成为非常重要的一种交通方式。随着时间的推移、列车车次的不断增加导致钢轨表面出现了多种病害。钢轨表面病害的出现会降低钢轨的质量和抗腐蚀性能,从而对列车的安全行驶造成威胁。为了提高钢轨表面病害检测分类准确率,降低人工的工作量或者完全得取代人工检测,本文提出了基于深度学习的钢轨表面病害分类技术与研究,将深度学习引入到钢轨表面病害分类的工程应用中。本文主要的研究内
科技发展速度越来越快,机器人所涉及的领域逐渐增多,从简单的物体搬运到复杂的喷涂、点焊等领域。由于人工成本高以及传统焊接效率低,点焊机器人逐渐替代人工劳作,不仅改善了焊接质量,而且提高了焊接效率。与此同时,对点焊机器人的应用提出了更多的要求,包括机器人在焊点间移动过程中,关节运动保持柔顺平滑,末端位置准确无误的到达指定焊点;传统点焊路径规划不合理,路径规划需具备科学理论依据,才能保证点焊路径规划的合
图像语义分割是计算机视觉中的一个重要研究方向,在自动驾驶、无人机及医疗等领域有广泛应用。传统的图像分割只能根据颜色、纹理和形状等底层特征对图像进行分割,能达到的分割精准性有限,无法满足实际需求。而图像语义分割则是在图像分类的基础上将分类对象由图像转变成了像素点。近年来,基于深度学习的交通场景图像语义分割技术成为一个新的研究热点,受到越来越多学者的关注。起初,基于深度学习的图像语义分割多是通过简单地
实际系统中普遍存在着的不确定性与时滞现象,会降低系统性能甚至引起系统不稳定。因此,研究时滞不确定系统稳定性与控制方法具有重要的理论意义和实际价值。滑模变结构控制对外界扰动及系统参数变化表现出较强的鲁棒性,已经在多类系统中得到了验证。本文以滑模控制理论为基础,结合Lyapunov稳定性定理、线性矩阵不等式和自适应理论分析三类不同的时滞系统,并设计具体控制方案。(1)针对时滞系统中存在的参数摄动和不确
随着制播技术的发展,有声语言在视频中的表达方式愈加丰富,视觉化趋势愈加凸显。多屏时代的媒体环境对有声语言传播提出场景化、情感化和话题性的新要求,本文以文化类节目为例,分析有声语言通过声音、图像、文字、视频等元素的多模态表达对节目表现力的提升作用,进一步探讨文化类节目的多平台传播创新。