基于卡尔曼滤波的动目标预测

对非机动目标可利用标准卡尔曼滤波算法对其运动状态进行预测,因为其运动数学模型精确可知.而当运动目标处于机动时,准确描述目标运动状态的数学模型难以建立,标准卡尔曼滤波算法难以进行对其状态预测.因此,文中采用将目标加速度作为虚拟噪声的自适应卡尔曼滤波算法,进行动目标运动状态的预估.仿真结果表明了该算法有效、可行,具有一定应用参考价值.     

竞争粒子群算法及其在UUV航迹规划中的应用

提出一种竞争粒子群算法. 在粒子进化过程中,每个粒子每次进化都会向两个速度方向进化,其中一个速度方向侧重于全局搜索,另一个速度方向侧重于局部搜索,然后对得到的两个同源子粒子进行比较,保留较优的子粒子,淘汰较差的子粒子,最终得到下一代子粒子种群. 利用几个测试函数对算法性能进行分析验证,并与BPSO、LWPSO、EPSO、TVAC算法进行比较,结果表明所提算法在搜索精度、稳定性以及搜索速度上均优于BPSO、LWPSO、EPSO、TVAC算法. 最后,将竞争粒子群算法应用于UUV航迹规划中,得到了较优的规划航迹.      

遗传算法在AUV局部路径规划中的应用研究

利用遗传算法（GA）实现AUV（自主水下机器人）对于运动目标的自主避碰,根据前视声纳信息探测到的障碍物距离信息,AUV的运动信息以及航迹规划信息.算法采用了二进制编码规则,并把避碰、航迹跟踪等约束条件作为适应度函数的影响因子,将AUV的下一步的航向和速度作为避碰算法的输出结果.仿真表明,AUV对动目标的自主避碰效果良好、避碰和航迹回归路径平滑.     

基于路径跟踪的欠驱动 UUV 编队协调控制

研究了空间曲线路径跟踪下多无人水下航行器（UUV）的编队协调控制问题．将此类控制问题分解为2个控制子问题：a．路径跟踪控制问题;b．协调编队控制问题．在单个UUV的路径跟踪控制中利用反步法设计路径跟踪控制器;通过引入代数图论知识,得到多个UUV复杂网络通信拓扑的数学表达,根据通信得到相邻UUV的状态来调整自身的航速,设计协调控制器,使得多UUV沿期望路径的位置和速度在规定队形下达到一致,实现多UUV间的协调,而不影响空间域上的路径跟踪性能．理论分析和仿真结果证实了控制器的有效性．     

基于误差空间的UUV三维鲁棒跟踪控制研究

针对水下无人航行器(UUV)系统存在非线性和不确定性的特点,采用基于误差空间理论的跟踪控制方法,进行UUV在复杂海洋环境以及自身工作状态和模块配置变化时的空间跟踪控制问题研究. 以海浪干扰下的深度跟踪控制仿真实验分析该控制方法的鲁棒性. 该控制方法的理论基础是结合被跟踪平台的动态过程,以被跟踪平台和跟踪平台的空间误差为状态空间的状态量组成误差空间系统. 由于融合了被跟踪平台的动态过程和跟踪误差,跟踪精度和跟踪能力增加,同时系统的鲁棒性也增强.      

粒子群优化平方根强跟踪CKF及应用

提出一种粒子群优化平方根强跟踪容积卡尔曼滤波算法,并将其用于水下应答器辅助航位推算组合导航系统. 以强跟踪滤波器为理论框架,结合容积卡尔曼滤波器,设计了平方根强跟踪容积卡尔曼滤波器. 提出一种改进的粒子群算法,将粒子两两为一对分成若干对,每进化一次后,比较两个粒子的代价函数值,代价函数值较优的粒子,搜索方向侧重于群体历史经验,代价函数较差的粒子,搜索方向侧重于自身历史经验. 将改进的粒子群算法用于求取强跟踪滤波器的渐消因子. 仿真结果表明在系统模型不准确的情况下所提算法依然能够有效跟踪状态变化,比传统的容积卡尔曼滤波器具有更高的滤波精度和稳定性.      

基于NGPC的UUV路径跟随控制

针对水下无人潜航器（UUV）路径跟随问题,提出了一种基于模型的非线性反馈跟随控制方法.考虑UUV两输入、三输出的非线性跟随模型,选择与输出误差和控制误差相关的性能指标函数,利用基于最小化指标函数的非线性广义预测控制算法设计路径跟随器.针对UUV跟随模型简化后不确定性对路径跟随效果的影响,在控制闭合回路中提出了基于积分形式的水动力参数辨识方案,以减小路径跟随过程中规划路径和实际跟随路径之间的位置误差.最后,通过湖试验证了所提出方法的有效性.     

基于前视声呐的水下移动障碍物运动参数预测

针对水下未知环境中移动障碍物的运动速度预测,提出一种基于多波束前视声呐预测方法.首先,对多波束前视声呐采集的障碍物三维点云数据进行滤波处理,并采用并行搜索树算法进行数据分块处理以分离出单个障碍物.然后,分别计算声呐每一采样时刻障碍物虚拟质心位置,并修正由无人潜航器船位差所产生的虚拟质心位置变化;建立自适应神经模糊推理系统模型,根据输入的虚拟质心位置依次预测移动障碍物的速度和方向角.最后,进行Matlab仿真实验,仿真结果表明:基于前视声呐探测数据获取的虚拟质心能够准确反映移动障碍物的运动趋势,基于此的自适应神经模糊推理系统能够准确预测移动障碍物的运动参数.     

多智能体Q学习在多AUV协调中的应用研究

分析了近年来提出的几种主要单、多智能体强化算法,提出一种多智能体Q学习算法,并将它用于多AUV协调中.此算法融合了Nash-Q、CE-Q及WoLF-PHC的算法思想或表达形式,程序简单、容易计算,并且具有很好的收敛性.多AUV协调控制仿真实验结果表明这个算法是有效的.     

Consensus of multiple autonomous underwater vehicles with double independent Markovian switching topologies and timevarying delays

A new method in which the consensus algorithm is used to solve the coordinate control problems of leaderless multiple autonomous underwater vehicles(multi-AUVs) with double independent Markovian switching communication topologies and time-varying delays among the underwater sensors is investigated.This is accomplished by first dividing the communication topology into two different switching parts,i.e.,velocity and position,to reduce the data capacity per data package sent between the multi-AUVs in the ocean.Then,the state feedback linearization is used to simplify and rewrite the complex nonlinear and coupled mathematical model of the AUVs into a double-integrator dynamic model.Consequently,coordinate control of the multi-AUVs is regarded as an approximating consensus problem with various time-varying delays and velocity and position topologies.Considering these factors,sufficient conditions of consensus control are proposed and analyzed and the stability of the multi-AUVs is proven by Lyapunov-Krasovskii theorem.Finally,simulation results that validate the theoretical results are presented.