论文部分内容阅读
作业型遥控水下机器人(remotely operated vehicle,ROV)是人类开发海洋资源的重要工具。随着我国对深海油气开采的不断深入,能够在几千米深海作业的ROV将扮演越来越重要的角色。本文以教研室研制的深海作业型ROV为基础,在ROV控制系统设计、建模方法、轨迹跟踪鲁棒控制器设计、局部路径规划等方面展开了研究。首先,对ROV的控制系统进行了研究,ROV控制系统采用Xilinx公司的Zynq平台。在该平台上,首先搭建了硬件系统,利用Verilog HDL设计了多个串口模块并通过Modelsim进行了仿真试验;其次搭建了软件系统,实现了Linux系统的启动、Linux系统下驱动程序编写和应用程序编写,并对软件实现的基本功能进行了相应的测试。其次,对ROV建模方法进行了研究。根据ROV在多个坐标系下的状态变量建立ROV空间六自由度的运动学模型;根据ROV在海底的受力分析,通过牛顿动力学方程和动量矩方程建立ROV空间六自由度的动力学模型。之后依据ROV自身结构特性、运动特性等,对得到的空间六自由度模型进行了合理的化简,为后续的控制算法设计提供简便的数学模型。再次,设计了ROV轨迹跟踪鲁棒控制器。根据ROV在水下三维轨迹跟踪的运动特点,忽略横倾和纵倾对ROV轨迹跟踪的影响,将ROV空间六自由度模型简化成空间四自由度模型。将此四个自由度的状态变量作为一个整体来考虑,设计基于非线性干扰观测器的指令滤波自适应Backstepping控制器。通过系统仿真与对比实验,可以看出该控制算法能够实现ROV三维轨迹跟踪的精确控制,并且与PID算法的控制效果相对比,具有更优的控制品质。最后,对ROV局部路径规划方法进行了研究。通过分析模糊控制和神经网络控制各自的优缺点,取长补短,构造模糊神经网络控制器。根据ROV局部路径规划的要求,设计一种基于Takagi-Sugeno模型的多层网络结构,通过计算每层网络的输出值,推导出控制器中参数自调整的学习算法。算法仿真阶段,通过样本训练,验证了该学习算法能够自动调整参数,使网络输出误差快速收敛,训练后的模糊神经网络控制器能够用于ROV的局部路径规划。