摘要：针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle,AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter,IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。

摘要：为改善全垫升气垫船的操纵性,提出了一种基于支持向量机的参数自整定自抗扰控制算法.采用扩张状态观测器观测系统内外扰动并加以补偿,利用非线性误差反馈控制律提高控制性能.利用支持向量机辨识系统非线性关系,建立其瞬时线性化模型.结合最优控制的二次型性能指标思想,实现自抗扰控制参数的自整定.仿真结果表明:在恶劣环境扰动下,所设计控制器能够实现全垫升气垫船航向的精确控制,调节时间短、超调量小、自适应性强.

摘要：针对全垫升气垫船与常规水面船相比,非线性强,可操纵性较差,设计了神经网络自抗扰航迹引导控制器及航向控制器,以提高其航迹控制效果.利用非线性跟踪微分器(TD)提取微分信号并安排过渡过程.利用扩张状态观测器(ESO)对系统内、外扰动进行观测,并进行扰动补偿.利用非线性状态误差反馈控制律(NLSEF)提供精确控制量.为了提高自抗扰控制器(ADRC)的自适应性,利用递归网模型(RNM)对系统进行辨识,根据辨识信息对ADRC控制参数进行在线整定.仿真结果表明:在强扰动作用下,所设计航迹控制系统能够使全垫升气垫船精确地保持在计划航线上,具有自适应性强、超调量小、鲁棒性强等特点.

摘要：针对海洋环境中特征提取难度大、效率低等问题,设计了基于模糊自适应Hough变换的海洋环境特征提取方法。通过建立成像声呐观测模型,对声呐数据进行预处理并剔除野值;将声呐坐标系下的测量数据转化为全局坐标系下,并提取环境的全局特征;根据梯度方向信息,模糊化处理声呐数据点,采用极小极大模糊推理评判数据点属于某条直线特征的可能性,自适应选择参与投票的数据点。基于海试数据的试验结果表明:该方法能够从伴有噪声、混响、反射的声呐数据中准确地提取港口环境的线特征,并且模糊自适应Hough变换特征提取的投票数目与计算时间分别为传统Hough变换的32.5%和26.1%,表明模糊自适应Hough变换具有存储空间小、计算效率高、实用性强等优点。

摘要：针对基于扩展卡尔曼滤波(EKF)的航位推算(DR)在系统非线性、噪声非高斯情况下导航精度严重下降的问题,提出一种基于权值方差缩减粒子滤波的航位推算.建立无人水下航行器(UUV)的非线性运动学模型以及传感器的测量模型,利用模拟退火算法的退温函数产生自适应指数渐消因子以降低粒子权值的方差,进而增加有效粒子数,并以此替代标准粒子滤波中的重采样步骤.海试数据仿真试验表明,与基于EKF的航位推算算法相比,所设计算法避免了模型线性化、噪声非高斯的影响;与基于标准粒子滤波的航位推算相比,所设计算法降低了由于重采样导致的粒子贫化程度,从而提高了UUV导航系统的稳定性和精确性.

摘要：为改善全垫升气垫船航向控制,设计了基于模糊自适应自抗扰控制(ADRC)的全垫升气垫船航向控制器.一方面利用扩张状态观测器估计内、外扰动,并且根据总扰动估计量对系统进行补偿;另一方面利用模糊推理实时优化ADRC控制参数.仿真结果表明,在恶劣环境下基于模糊自适应ADRC的全垫升气垫船航向控制器具有自适应性强,响应速度快,稳定性好等特点.