dsrv运动控制中参数自寻优典型方法的研究

《dsrv运动控制中参数自寻优典型方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、DSRV运动控制中参数自寻优典型方法研究摘要深潜救生艇(DSIW)是目前使用最广、最有效的援潜救生工具，许多拥有潜艇的国家越来越重视DSRV的研制与开发。DSRV的运动控制系统是其顺利完成救援行动的基础，而运动控制系统的好坏很大程度上取决于控制算法的优劣。S面控制作为一种简单、适用的控制算法被多次应用在潜水器运动控制上，然而，其参数的固定或者简单的进行人工调节，使得在时变环境下控制效果不尽人意。本文旨在对DSRV运动控制中S面控制器参数自寻优典型方法进行研究。首先，论文根据深潜救生艇试验载体的结构、运动特点和执行器配置建立了基于牛顿一欧拉方程的试验载体数学模型，其目的是为参数自寻优S面控制器

2、的调试提供一个仿真平台。然后，论文在分析S面控制器参数的基础上，总结人工调参的经验知识，利用模糊控制原理探讨了基于规则的参数自寻优方法，仿真试验和水池试验均表明该参数优化方法改善了S面控制器局部调整功能，控制效果有明显提高。其次，论文通过借鉴模型预测控制的基本思想，将预测模型、反馈校正与滚动优化。引入到S面控制器中，探讨了基于模型的参数自寻优方法，并通过仿真试验验证了该参数自寻优算法的有效性。最后，论文在分析以上两种参数自寻优方法各自优缺点的基础上，将两种方法合理的结合，研究了基于预测模型的模糊参数自寻优方法，该方法利用预测模型为模糊推理提供超前的系统状态信息，有效地解决了模糊推理输入信息滞

3、后的问题，也避免了滚动优化计算量大的难题。仿真试验表明了基于该方法的S面控制器控制效果优于模糊S面控制器。关键词：深潜救生艇：S面控制；参数自寻优；模糊推理；模型预测控制AbstractIhedeePsubmergencerescuevehicle(DSRV)iscurrentlythemostwidelyusedandm08tet．士lectlVemeansofsubmarinerescue．Manycountriesthathavesubmarinespaymorc．andmoreattentiontotheresearchanddevelopmentofDSRV．Themotionco

4、ntr01svstemofDSRVisthebasisforthesuccessofrescueoperation．TheconU01efiectlargelyreflectstheprosaJldconsofcontrolalgorithm．Ssurfacecontrolmethodiseasyandapplicabletot11econtroIofunderwatervehicles．Butthecontrolresultsareunsatisfactoryintime．varyingconditionssincethecontrolparametersarefixedoradjuste

5、dbymanualmodification．Thispaperaln=1storesearchthetypicalmethodsoftheparameterself-optimizingofSsurfacecontrollerforthemotioncontrolofDSRV．First,accordingtothestructure，movementcharacteristicsandactuatorconfigurationoftheDSRVexperimentalcarrier,themathematicalmodelisestablishedbasedonNe、ⅣtonLawandE

6、ulerequations·ItprovidesasimulationplatformforthedebuggingofparaIlleterself-optimizingofSsurfacecontroller．secondly，theexperienceknowledgeofmanualadjustmentiss啪marizedaReraJlalyzingparametersofSsurfacecontroller．Andtherule．basedparameterseIf-optimizingmethodisdiscussedwithfuzzycontroltheory．Thesimu

7、lationexperimentsandthetankexpenmentsshowthattheparameteroptimizingmethodCanenhancethepartialadiustmentfunctionofSsurfacecontroller．Thecontrolresultsimprovesignificaultlv．Thirdly,thepredictivemodel，feedback