论文部分内容阅读
进入到21世纪,随着世界各个国家开始重视海洋的探索与开发,与其相关的技术研究和产业发展都逐渐变大变强,众多先进的设备和仪器逐步从创新走向成熟走向市场。其中,自主水下潜航器(AUV)凭借着其小体积、轻重量、低造价和强智能性等优点,在深海勘测、搜索救援及军事用途等方面已经得到了广泛的应用。AUV的控制系统是AUV技术的关键,因此研究AUV的控制系统、设计算法和模拟仿真具有相当重要的使用价值和工程意义。相比单个AUV系统,多个AUV组成的编队系统能够承担更加复杂、多样的任务,所以编队的控制系统会更加的复杂,不仅要具有单个AUV的功能,而且更需要具有协调控制各个AUV的能力。本文主要研究的是AUV编队可视化仿真问题,从这个目的出发,深入探讨了 AUV编队控制、路径规划和避障方面的一些理论问题,以此为基础结合新型三维开发平台进行AUV编队控制可视化仿真系统,总的目的是研究出一种新的仿真方式来提高多AUV编队控制仿真的动态品质,更加直观全面的验证控制器及算法的实际可靠性。论文的主要工作如下:第一部分:AUV编队控制。本文研究对象为六自由度AUV,编队策略采用领航者-跟随者(Leader-follower)方法。基于六自由度AUV数学模型,根据编队队形对各个AUV之间距离与姿态的要求,建立编队的误差模型,再根据李雅普诺夫稳定性理论,进行李雅普诺夫函数设计,推导出跟随AUV控制器。第二部分:路径规划。在编队中以领航AUV为目标,采用快速步进法(Fast-Marching),首先建立整个网格空间上每个网格的最优代价值(距离函数),进而通过所求解的最优代价值,形成一条无碰撞最优路径。第三部分:避障。在编队中以跟随AUV为目标,采用生物启发神经网络(Biological Inspired Neural Network)作为避障算法。基于对整个水下环境进行网格建模,将每个网格定义为神经网络中的一个神经元,通过神经元活性值计算得出一条安全避障路径,并将生物启发神经网络避障算法与编队控制算法进行融合,当编队中某跟随AUV进入到障碍区域时,以正常编队时该跟随AUV在对行中的位置为目标点进行避障,离开障碍区域时则以编队控制算法进行编队。第四部分:可视化仿真。分析并设计仿真系统的需求和总体框架,研究利用Unity 3D和3DMax实现仿真系统,AUV模型由3DMax进行建模并导出为Unity 3D兼容的FBX格式文件。利用Unity 3D的脚本系统实现各算法,并将脚本绑定在视景中的目标AUV中进行编队以及避障的可视化仿真。