原文传递
基于Zynq平台的深海作业型ROV控制系统设计
| 论文题名： | 基于Zynq平台的深海作业型ROV控制系统设计 |
| 关键词： | 作业型遥控水下机器人;Zynq平台;深海作业;轨迹跟踪;路径规划 |
| 摘要： | 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。 |
| 作者： | 贾献强 |
| 专业： | 控制科学与工程 |
| 导师： | 高延滨 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工程大学 |
| 学位年度： | 2017 |
| 正文语种： | 中文 |
检索历史
应用推荐
