基于反馈线性化的深海潜标姿态滑模控制

针对潜标空间运动的强非线性及数学模型中存在的干扰不确定性为控制带来的挑战,提出了一种基于反馈线性化的深海潜标姿态滑模控制律,并编程进行了仿真及与输入输出线性化控制方法进行比较,结果表明,两种方法均能将潜标控制到参考姿态,滑模控制对系统的不确定性干扰和执行器滞后具有更好的鲁棒性。另外,通过程序可以数值模拟的方式观察潜标在控制过程中的水动力、力矩,潜标姿态、空间运动轨迹、缆索动力学特征等信息,为客观分析潜标的控制与水动力机理提供了支撑。     

舰船舵减横摇广义预测约束控制

依据舵减摇状态空间模型,推导舵减横摇广义预测控制律,在舵角舵速约束的条件下,采用二次型规划计算控制量进行减横摇控制.对某一船舶在典型航行工况下进行了系统仿真,仿真结果表明,该方法不但可取得35%～45%的减摇效果,而且对横摇角速度与横摇角加速度也有40%左右的减小效果.     

水下导航数据融合方法

设计了一种基于多模型自动识别与转换的潜艇水下自适应卡尔曼滤波算法,并以此为基础,引入联邦卡尔曼滤波思想,结合模式识别技术,实现模型的自动识别、转换与跟踪,克服常规卡尔曼滤波对于变模型系统没有自适应能力致使在很多情况下误差太大或无法应用的缺点.仿真结果证明此方法可以复杂的潜艇水下综合导航的数据融合技术开辟一条新的有效途径.     

基于输入输出线性化的深海潜标姿态控制

针对当前深海潜标水下不能主动调整姿态的问题,提出了一种基于矢量推进螺旋桨的主动姿态控制方法.首先,利用凝集质量法建立潜标缆索在深海环境中的运动模型,解算张力及缆索构型;然后,联立潜标六自由度运动方程,耦合缆索两端的边界条件,采用四阶龙格-库塔法解算获得潜标的运动要素与姿态变化;最后,针对潜标运动的非线性数学模型,提出了一种基于输入输出线性化的状态反馈姿态控制律,并编制Matlab程序进行仿真.仿真结果表明:该控制律能够使潜标姿态跟踪到参考姿态.     

水下运载体与浮标相对导航方法研究

针对水下运载体与浮标相对导航主要依靠声学传递信息的问题,提出了不依赖声学进行相对导航的两种方法。拖曳式浮标法通过分析拖曳线缆在水中的三维空间形态获得相对位置信息;自由式浮标法为建立与训练神经网络模型,通过将采集数据输入此模型获得的输出信息,将浮标的位置向水下延伸。经仿真研究表明,两种方法原理上可行,为实际应用研究提供了依据。     

基于遭遇角决策的并行双模切换舵减摇控制

结合舵减摇控制中通用线性模型与模糊线性模型的优缺点,采用了一种根据遭遇角的不同自动切换控制器设计模型的并行双模切换舵减摇控制方案。为在线自动辨识遭遇角,提出基于横摇功率谱密度柱状图的神经网络辨识方法。仿真结果表明,该方法辨识精度较高,且比传统重心法节省了在线计算量与存储数据库所需的存储空间,简化了辨识流程。