【摘 要】
：
目前,随着“海洋牧场”的快速建设和海洋资源的深入探索,水下机器人（Unmanned Underwater Vehicle,UUV）正广泛运用于海洋矿产、渔业等资源的开发。针对水下机器人小型化、大众化过程中出现的操作难、易受干扰、易损坏等问题,本文以自主设计的“Aquaman V3”小型水下机器人为基础,通过优化硬件和控制算法,提高小型水下机器人的稳定性与控制精度,使之能够对抗海流、碰撞等外界扰动,
论文部分内容阅读
目前,随着“海洋牧场”的快速建设和海洋资源的深入探索,水下机器人（Unmanned Underwater Vehicle,UUV）正广泛运用于海洋矿产、渔业等资源的开发。针对水下机器人小型化、大众化过程中出现的操作难、易受干扰、易损坏等问题,本文以自主设计的“Aquaman V3”小型水下机器人为基础,通过优化硬件和控制算法,提高小型水下机器人的稳定性与控制精度,使之能够对抗海流、碰撞等外界扰动,降低事故率。首先,在硬件方面,选择开架式结构并利用计算流体动力学（Computational Fluid Dynamics,CFD）仿真验证结构的抗冲击能力。采用双芯片结构的同时,设计舱内干燥器保证电路稳定。选取温湿度、深度和MPU9250姿态传感器,多角度测量机器人控制所需信息。选型并设计动力桨、外置相机、机械手等部件,丰富小型水下机器人功能。使用电池、远程供电系统配合供电,保障能源供应。其次,在控制算法方面,使用动量定理与动力矩定理配合双坐标系统获得并简化小型水下机器人的数学模型。使用时标分解法降低简化模型的耦合度,获得小型水下机器人的奇异摄动模型。分别采用CFD仿真法与互补滤波算法,测定解算模型的水动力参数与位置姿态信息,使模型更为精确。基于奇异摄动模型设计串-并联PID控制器,使用一类非线性方法整定PID参数,提高水下机器人的控制精度,减少控制误差。最后,组装小型水下机器人样机,通过压力模拟装置检测硬件性能。使用Matlab/Simulink对串-并联PID控制进行仿真并与经典PID控制对比,验证串-并联PID控制对抗外界扰动时的高稳定性。设计拖曳测试、抗干扰测试与抓取测试,检验水动力参数是否准确,验证小型水下机器人的稳定性能与控制精度是否符合设计指标。
其他文献
以面向雷电预报的雷达、卫星遥感资料同化及其应用为研究目的,利用NCEP资料、新一代多普勒雷达网、FY2C气象卫星、闪电定位仪网、自动气象站等观测资料的诊断、同化模拟以及理论分析等方法,对气象遥感资料的同化设计及其在雷暴天气条件下雷电预测方面的应用进行了综合研究和初步分析。主要得到了以下结论:1)雷达资料间接同化方面:以夏季暴雨为研究对象,用MUSCAT技术做双多普勒雷达风场反演资料的间接同化,与非
文本分类是自然语言处理领域中最重要的任务之一。在信息爆炸的大数据时代下,海量文本信息源源不断地产生并推送到人们手中,但人们通常只需要自己感兴趣的信息,因此,对海量文本信息做好分类管理至关重要。本文着重以深度学习方法为基础,围绕当前文本分类模型存在语义信息、标签信息以及对中文文本表示上考虑不全面的问题展开研究,面向不同类型的文本分类任务构建高效且适用的分类模型,以期提升文本分类精度。本文的具体创新与
随着社会医疗卫生水平的提高,不断上升的疫苗需求量导致疫苗冷链配送问题面临极大的挑战。配送过程中的大量碳排放将污染大气环境,因此需要对配送车辆的路径进行合理规划,使配送方案在满足人们疫苗需求的同时,降低运输成本和对环境的负面影响。烟花算法作为一种群智能算法,结构简单,求解效率较高,适用于求解物流路径优化这类NP-hard问题。基于上述背景,本文对多目标烟花算法及其在低碳疫苗冷链配送问题中的应用进行研
近年来,随着深度学习的迅猛发展,超分辨率重建技术得广泛关注。与此同时,随着注意力机制在图像分割、检测等领域大放光彩,研究者也逐渐将注意力机制引入超分辨率方向,并取得了众多显著成果。本文基于注意力机制对超分辨率重建在单一图像和视频方面进行探索性和创新性的研究,并取得了以下成果。针对目前超分辨率网络存在着通道权重的预测破坏了每个通道与其权重的直接对应关系的问题,以及现有网络仅仅只考虑一阶或二阶通道注意
自动分割出CT图像序列中的肾脏及肿瘤目标可为医生在临床诊断中提供定量的诊断依据,当前基于深度学习的三维分割技术得到了广泛的研究,然而由于CT图像中肾脏及肿瘤目标形状复杂多样,且存在着肿瘤目标小、样本数少等问题,现有的三维分割网络并不能很好的分割出肿瘤等小目标,如何准确分割出肾脏肿瘤仍是一个富有挑战性的问题。同时当前的三维深度分割网络模型大、参数多、且对计算机硬件要求高,这也给模型在实际部署中带来巨
在我国基础设施建设不断发展的今天,公路建设作为基础建设中重要的环节之一,也得到了飞速的发展,但伴随而来的道路养护问题。道路养护的首要环节是检测路面损坏,其中,道路裂缝是在路面检测过程中最为常见的路面病害类型之一。论文以道路裂缝作为研究内容,采用深度学习的语义分割算法来检测道路裂缝,围绕路面裂缝图像的预处理、裂缝检测算法以及裂缝的定量分析展开研究。首先,对采集到的裂缝图像进行滤波操作,同时结合裂缝图
车辆检测和车型识别是智能交通领域中的重要研究内容。随着人工智能技术的发展,在智能交通领域运用深度学习解决车辆检测和车型识别问题已经成为一种研究趋势。本文基于深度学习方法对车辆检测和车型识别进行了研究,主要研究内容如下:（1）针对目前车辆检测数据库较少的问题,本文选择南京信息工程大学周围的交通环境作为研究背景,从样本的拍摄采集、正负样本及模糊样本的筛选和标签标注等方面详细介绍了本文构建的车辆检测数据
随着智能设备的广泛运用,包含用户信息的数据不断涌现,基于大数据的人工智能技术有了质的飞跃。但是机遇与挑战并存,人工智能技术利用数据为各行各业带来增益的同时,用户隐私数据泄露的问题也随之出现。因此联邦学习应运而生,这是一种特殊的分布式机器学习框架,它能够联合多客户端训练的同时保护数据隐私,因为客户端的数据不需要离开本地。这样的学习框架为人工智能技术面临的挑战提供了解决方案。本文针对现有联邦学习的缺点
多人姿态估计任务可以概括为两个阶段,第一阶段将输入图像中人体检测出来（人体检测）,第二阶段基于第一阶段检测出来的各个人体,进一步将其骨骼关键点位置定位出来（单人姿态估计）。多人姿态估计在人机交互、电影制作和安全监控等领域有巨大的应用背景。在技术方面,轻量化是深度学习多人姿态估计中近年来的研究热点之一。本文对深度学习多人姿态估计的轻量化方法进行了探索和研究,主要研究工作包括:针对单人姿态估计中目前最
随着我国汽车保有量的逐年攀升,私家车通勤在日常出行中的所占比重越来越大。上路车辆的增多带来了许多交通问题,而通勤时段的拥堵问题尤其突出。目前推行的尾号限行、拥堵收费的方式未能充分考虑通勤者的临时出行需求。合乘出行正是缓解通勤时段交通压力和有效利用资源的良策,也是许多出行者倾向的选择。网约拼车近年来得到快速发展,但现有互联网打车平台未能摆脱以盈利为目标的营运性质,利益驱动下的上路汽车只会增多。本文结