01仿鳐鱼水下航行器动态流体仿真 盛兆华, 杨朔. 仿鳐鱼水下航行器动态流体仿真[J]. 水下无人系统学报, 2021, 29(3): 308-312.
4 V* e! C: ]4 l2 J9 a0 o Sheng Zhao-hua, Yang Shuo. Dynamic Fluid Simulation of Bionic Ray Undersea Vehicle[J]. Journal of Unmanned Undersea Systems, 2021, 29(3): 308-312. 具有中间鳍/对鳍(MPF)推进模式的仿生水下航行器, 因其优良的机动性、稳定性, 在海洋科考、海洋资源开发以及军事侦查领域具有明显的应用优势, 文中建立了MPF推进模式的典型代表——仿鳐鱼水下航行器外形轮廓和游动方程, 分析了仿生参数对其游动的影响, 并通过Fluent UDF编写游动方程, 实现仿鳐鱼水下航行器动态流体仿真。仿真结果表明: 仿鳐鱼鱼鳍波动形成旋向相反的尾涡并不断向后脱离, 提供向前推力, 为仿鳐鱼水下航行器设计提供技术参考。 $ [! \$ F, e5 z: t6 ?' D
02基于海豚听觉系统模型的水下目标识别周卓, 梁红, 杨长生, 等. 基于海豚听觉系统模型的水下目标识别[J]. 水下无人系统学报, 2021, 29(2): 147-152.+ v8 \1 ^8 Z/ a2 i
Zhou Zhuo, Liang Hong, Yang Chang-sheng, et al. Underwater Target Identification Based on Dolphin Auditory System Model[J]. Journal of Unmanned Undersea Systems, 2021, 29(2): 147-152. 从目标的主动声呐回波中提取其特征信息是实现水下目标分类识别的有效手段。动物声呐在水下目标识别中表现出的优异性能为人工声呐提供了解决方法。文中以宽吻海豚喀啦信号作为主动声呐的发射信号, 分别利用小波变换和海豚听觉系统模型2种方法提取了目标回波特征并作为支持向量机的输入进行分类。将通过海豚听觉系统模型得到的时谱图作为卷积神经网络的输入, 对目标进行分类识别。研究表明, 相比于小波变换方法, 利用基于海豚听觉系统模型的特征提取方法进行目标分类识别的效果更好; 结合卷积神经网络, 采用海豚喀啦信号结合海豚听觉系统模型在水下目标识别中可以获得更好的结果。
$ i2 i4 A* |) T03基于CPG和模糊控制的机器鱼定向游动精确控制方法和岩辉, 胡桥, 王朝晖, 等. 基于CPG和模糊控制的机器鱼定向游动精确控制方法[J]. 水下无人系统学报, 2021, 29(1): 39-47.
/ O/ v4 ?+ z7 k. H He Yan-hui, Hu Qiao, Wang Chao-hui, et al. Precise Control Method for Directional Swimming of a Robotic Fish Based on CPG and Fuzzy Control[J]. Journal of Unmanned Undersea Systems, 2021, 29(1): 39-47. 机器鱼在水下执行探测等作业任务时, 其游动方向的精准性会受到波浪、漩涡等因素的影响, 致使其无法完成相应任务。为解决机器鱼游动方向的精准性问题, 文中基于中枢模式发生器(CPG)理论结合模糊控制器提出了一种可以实现仿鲹科机器鱼定向游动的精确控制方法。首先利用Hopf振荡器构建基于极限环的机器鱼CPG模型, 在机器鱼游动前期, 采用小摆幅高频率的CPG控制信号以获得较大推进力, 后期则采取大摆幅低频率的CPG信号实现稳定游动; 然后, 根据姿态传感器获取机器鱼的航姿角度信息, 利用模糊控制器实时修正机器鱼与目标方向的偏差。通过机器鱼的定向游动及抗干扰试验, 验证了该方法的可行性和有效性, 表明其在机器鱼进行复杂环境下精准方向游动中具有广阔的应用前景。 " w9 \" W$ s5 d( V2 h7 C7 x4 _+ P, V
04基于仿生鱼体结构的平板减阻方法李广浩, 冯娜, 刘贵杰. 基于仿生鱼体结构的平板减阻方法[J]. 水下无人系统学报, 2021, 29(1): 80-87.
" \# H/ T, L! E$ F Li Guang-hao, Feng Na, Liu Gui-jie. Flat Drag Reduction Method Based on Biomimetic Fish-body Structure[J]. Journal of Unmanned Undersea Systems, 2021, 29(1): 80-87. 海洋环境复杂, 流速变化幅度大, 一般的减阻方式在海洋中表现不稳定, 为更好地适应海洋环境, 文中提出一种新型减阻方法, 并通过数值仿真与试验的方法验证了减阻效果。首先根据仿生学原理, 选择推进方式为靠身体/尾鳍游动模式的鱼类作为研究对象, 仿照鱼体重新建立模型。其次, 通过数值仿真的方法研究模型长度、高度和厚度对减阻效果的影响, 总结减阻规律并初步探究其减阻机理。通过流体试验验证了数值仿真的正确性。试验结果表明, 随着模型长度的增加, 其减阻效果会逐渐变差, 但产生最佳减阻效果时的流速并不受长度的影响; 模型高度的变化对整体减阻效果有很大影响; 随着厚度的增加, 模型将在更大的流速范围内出现减阻效果。重新建立的模型可以有效降低阻力, 并具有广泛的流速适用范围, 可以更好地适应海洋环境。 05基于视觉信息丢失的机器鱼运动控制算法谢景鹏, 李宗刚, 杜亚江, 等. 基于视觉信息丢失的机器鱼运动控制算法[J]. 水下无人系统学报, 2020, 28(5): 512-519.
6 f- N d: d9 D, r, o& o. O: f Xie Jing-peng, Li Zong-gang, Du Ya-jiang, et al. Robotic Fish Motion Control Algorithm Based on Visual Information Loss[J]. Journal of Unmanned Undersea Systems, 2020, 28(5): 512-519. 针对多机器鱼运动控制中视觉信息丢失的情况, 提出了一种运动补偿控制算法。首先, 针对机器鱼识别状态, 阐述了一种基于事件频率的二次滤波法判定策略。在此基础上建立了半闭环控制的直线追踪法数学模型, 通过对动作矩阵的计算和规划, 从而实现机器鱼近似直线的运动控制。然后基于时间-角度关系, 对圆弧切线法进行了推导, 进而实现在时间域内对机器鱼转弯的运动控制。仿真和实验结果均表明所提算法可以解决在视觉丢失问题下仿生机器鱼的运动控制问题。 06AUV实时避障算法研究进展郭银景, 鲍建康, 刘琦, 等. AUV实时避障算法研究进展[J]. 水下无人系统学报, 2020, 28(4): 351-358.1 M! c$ v. o2 n
Guo Yin-jing, Bao Jian-kang, Liu Qi, et al. Research Progress of Real-Time Obstacle Avoidance Algorithms for Unmanned Undersea Vehicle: A Review[J]. Journal of Unmanned Undersea Systems, 2020, 28(4): 351-358. 针对目前在研究自主水下航行器(AUV)实时避障算法过程中出现的重点难点及研究趋势, 文中从动态障碍物、多约束与多目标以及海流干扰3方面分析了水下实时避障算法的研究难点, 然后从人工势场法、模糊逻辑法和智能仿生算法3个方面重点阐述水下实时避障算法的研究进展。对比3种避障算法的研究现状得知, 通过修正势场函数、引入AUV运动约束、考虑障碍物相对速度和复杂海流影响等, 使改进的人工势场法克服了陷阱问题、局部极小值和目标不可达等问题, 成为解决AUV实时避障问题的重点研究方向。在躲避动态障碍物方面, 多种避障算法融合将成为一种趋势; 在多约束与多目标问题中, 能耗问题尤为重要却很少被作为参数引入到避障算法中, 具有很大的研究潜力; 针对海流干扰问题, 多数避障算法仅考虑了水平方向的定常流或涡流, 因此考虑三维海流干扰也是未来水下实时避障算法的研究方向之一。 07基于余弦前馈的重复运动控制算法在水下仿生推进系统中的应用赵晓瑞, 于洋, 李真山, 等. 基于余弦前馈的重复运动控制算法在水下仿生推进系统中的应用[J]. 水下无人系统学报, 2020, 28(2): 149-154.
. V1 B1 L5 m4 I/ X Zhao Xiao-rui, Yu Yang, Li Zhen-shan, et al. Repetitive Motion Control Algorithm Based on Cosine Feedforward Method and Its Application to Underwater Bionic Propulsion System[J]. Journal of Unmanned Undersea Systems, 2020, 28(2): 149-154. 常规比例-积分-微分(PID)控制算法在周期性正弦运动跟随上会产生幅值衰减和相位滞后, 且负载越大其幅值衰减和相位滞后越严重, 无法满足仿生推进运动的高精度跟随要求; 针对周期性重复运动设计的重复控制器在受到外界扰动后, 其产生的补偿输出量需滞后一个运动周期才能响应, 无法适应水下变负载运行条件。基于此, 文中针对某水下推进系统在变负载工况下对低频率正弦位置指令跟踪性能问题, 在借鉴前馈控制思想的基础上, 提出了余弦前馈补偿控制算法, 与常规PID控制器一起, 构成复合前馈控制来消除正弦跟随的幅值与相位误差, 并进行了仿真与实验验证。仿真与实验结果表明, 基于余弦前馈的重复运动控制算法较传统PID控制方法效果显著, 在变负载工况下依然可以实现对给定正弦运动指令的精确跟随, 相位差较补偿之前减小了60%左右。文中的研究可为实现仿生推进系统流畅精确的周期运动提供新的解决思路。
3 M6 v8 [) T& o8 C+ X" [" d08基于多参量联合特征的水下小目标分类识别赵国贵, 梁红, 陆禹, 等. 基于多参量联合特征的水下小目标分类识别[J]. 水下无人系统学报, 2019, 27(6): 644-650.5 j3 m& B$ B, |( v0 C8 G9 F0 A
Zhao Guo-gui, Liang Hong, Lu Yu, et al. Classification and Identification of Underwater Small Target Based on Multi-Parameter Joint Feature[J]. Journal of Unmanned Undersea Systems, 2019, 27(6): 644-650. 目标的主动声呐回波包含大量的目标信息, 通过对目标回波进行特征提取可实现对目标的分类识别。针对单一特征无法较好地完成水下小目标分类识别任务的问题, 文中提出一种基于多参量联合特征提取的水下小目标分类识别方法, 选取线性调频信号、双曲调频信号和蝙蝠仿生信号等不同形式的发射信号, 对目标回波的方差、谱质心以及小波能量谱峰值进行特征联合, 并利用反向传播神经网络分类器对目标进行分类识别。水池实验证明, 基于多参量联合特征提取的水下小目标分类识别方法可有效提高目标的分类识别率; 相比于传统信号, 利用蝙蝠仿生信号进行水下目标分类识别的效果更好。文中的工作可为利用多种特征联合分类识别水下目标提供参考。 0 ]" F4 a( ?+ \! R3 W
09一种电磁驱动机器鱼避障方法朱红秀, 杜闯, 褚彦斌, 等. 一种电磁驱动机器鱼避障方法[J]. 水下无人系统学报, 2019, 27(6): 704-710.% g8 s6 r: T: T5 v
Zhu Hong-xiu, Du Chuang, Chu Yan-bin, et al. Obstacles Avoiding Method for Electromagnetic Actuated Robotic Fish[J]. Journal of Unmanned Undersea Systems, 2019, 27(6): 704-710. 机器鱼工作的水下环境往往是复杂且无法准确预知的, 因此在遇到障碍物时, 能够及时躲避转弯尤为重要。文中提出了一种利用模糊控制实现以电磁驱动器作为动力源的机器鱼转弯避障控制方法, 并在FLUENT软件中使用用户自定义函数和动网格技术进行了转弯仿真, 结合安装红外距离传感器, 在Matlab中设置模糊控制器输入输出隶度函数, 并归纳出模糊控制的规则。最后搭建实验平台进行机器鱼水下转弯避障游动实验, 实验结果表明, 模糊控制结合红外距离传感器可以实现电磁驱动机器鱼在二维平面游动时的有效避障。 1 [/ K/ V8 L% m3 a( q2 h d% W
10基于PSO算法的多UUV导航方法王磊, 王国臣, 范世伟. 基于PSO算法的多UUV导航方法[J]. 水下无人系统学报, 2019, 27(3): 272-276.# D( t6 Y% S1 h$ F9 ]) x. f
Wang Lei, Wang Guo-chen, Fan Shi-wei. Multi-UUV Navigation Method Based on Particle Swarm Optimization Algorithm[J]. Journal of Unmanned Undersea Systems, 2019, 27(3): 272-276. 无人水下航行器(UUV)协同导航过程中, 惯性导航系统(INS)在水下工作时的定位误差随时间累积, 在不升出天线的情况下, 难以利用全球定位系统(GPS)对惯导误差进行修正, 地磁导航虽可以在水下修正惯导系统的误差, 但传统的地磁匹配导航对先验地磁图过于依赖。受到生物利用地磁进行导航行为的启发, 文中针对多UUV仿生协同导航问题, 提出一种基于粒子群优化(PSO)算法的多UUV仿生协同导航方法, 将导航过程归结为多目标搜索问题, 通过共享UUV间的信息, 完成导航任务, 实时对惯导系统进行定位误差的修正。仿真结果证实了该方法的有效性。 |