论文部分内容阅读
随着人类社会的发展,陆地上不可再生资源逐渐减少,海洋作为蕴含大量资源的宝库,已经成为全世界竞相研究和开发的对象。开发海洋需要先进的技术和装备,水下机器人作为海洋开发的重要装备受到人们的关注。随着对海洋开发进程的加快,对无人无缆自主式水下机器人(AUV)的功能提出了新的要求,要求其在探测功能基础上能够具有作业功能,因此需要在AUV上搭载机械手,构成作业型AUV,通过机械手与AUV载体协同控制完成作业任务。由于搭载了机械手,作业展开时会导致AUV载体的姿态变化,影响AUV载体-机械手系统的动力学性能,进而影响AUV的作业效果。因此,研究作业型AUV机械手展开对AUV载体-机械手系统动力学性能的影响以及对机器人姿态的控制方法,对于提高其作业质量和效率具有重要的研究意义和实用价值。为了研究作业型AUV姿态受机械手运动的影响规律及其控制方法,本文研制AUV载体-机械手实验样机。在实验室已有的小型自主式水下机器人载体“BeaverⅡ”的基础上,研制小型双关节水下电动机械手。针对“BeaverⅡ”载体开架式、体积小的特点,提出本文机械手的技术指标;进行关节驱动电机选型与所需功率计算,完成机械手两个关节的结构设计,完成关节与“BeaverⅡ”载体之间连接模块、关节间连接模块的结构设计;完成机械手各零部件的材料选择、完成检测机械手关节转动角度信息的角度传感器选型,设计传感器与机械手之间的连接方式和传感器密封方式;完成机械手的安装调试,对搭载机械手之后的“BeaverⅡ”载体进行水中重浮心调平。研究搭载机械手之后的“BeaverⅡ”载体的动力学性能,建立其纵倾和纵向两个自由度的动力学模型。针对机械手展开导致载体姿态变化的问题,分析搭载机械手后“BeaverⅡ”的受力情况,利用最小二乘法和BP神经网络学习方法,通过水池实验辨识纵倾和纵向动力学模型未知参数。为检验所建立的动力学模型的准确性,通过搭载机械手的“BeaverⅡ”载体进行水池实验验证。研究搭载机械手后的“BeaverⅡ”载体在机械手作业时姿态保持的控制方法。针对作业型水下机器人系统非线性、强耦合的特点,本文设计一种自适应神经网络控制方法,在该方法中,为降低模型不确定因素对载体AUV控制精度的影响,基于自适应神经网络方法对动力学模型中不确定因素进行单独逼近,并通过Lyapunov理论对本文控制器下的系统稳定性进行分析;通过机械手展开不同角度时的AUV艇体纵倾姿态和纵横倾复合姿态控制仿真实验,验证本文设计的自适应神经网络控制方法的有效性。对本文机械手展开作业时“BeaverⅡ”载体姿态保持问题进行水池实验研究。为验证本文设计的自适应神经网络控制方法的实际效果,本文以搭载机械手的“BeaverⅡ”为实验对象,进行多组水池姿态控制实验,并与典型的滑模控制方法进行对比。多组水池姿态控制实验为:1)在机械手以阶跃和正弦轨迹运动时,对AUV纵倾、横倾单独控制进行水池实验,以验证本文方法在机械手以不同规律运动时,对AUV单自由度姿态的控制效果;2)在机械手以阶跃和正弦轨迹运动时,对AUV纵横倾复合姿态控制进行水池实验,以验证本文方法对AUV复合姿态的控制效果;3)为验证该方法抵抗外界干扰的能力,本文进行模拟海流干扰下的纵倾、横倾单自由度姿态控制和纵横倾复合姿态控制水池实验。