基于MOOS和ELM的自主式水下機器人控制器設計.pdf

1、如今，隨著自主式水下機器人(AUV)在海底資源探測和軍事科學范疇的廣泛應用，AUV的智能化程度成為大家關注和研究的重要方面，決策控制是AUV智能化程度一方面的體現(xiàn)，是保證AUV成功完成作業(yè)的關鍵技術。本文主要設計了一種基于ELM的PID控制器，能夠出色的完成控制AUV動力系統(tǒng)的任務。
　　本文首先介紹了AUV在國內外的應用和實驗平臺魚雷形AUV的體系結構，接著重點介紹了本文研究采用的基于行為的反應式決策控制系統(tǒng)。我們按照行為將將A

2、UV的決策控制系統(tǒng)分為兩個部分:理性行為子系統(tǒng)和感性行為子系統(tǒng)。理性行為智能化程度高，算法復雜，感性行為是AUV對外界的感知反應，算法簡單，實時性高，理性行為集構成了理性行為子系統(tǒng)，感性行為集構成了感性行為子系統(tǒng)，兩個子系統(tǒng)共同合作，互相補充，保證AUV優(yōu)異得完成規(guī)定任務。
　　其次本文介紹了MOOS(The Mission Oriented Operating Suite)體系結構，MOOS體系結構的三個顯著特點:模塊化、分布式

3、、星形拓撲結構。本文的研究的魚雷形AUV軟件系統(tǒng)是以MOOS體系結構為基礎設計的，根據(jù)MOOS模塊化設計，代碼復用性好，擴展性高的特點，根據(jù)作業(yè)需要搭載了多個功能模塊，重點介紹了多普勒計程儀(DVL)傳感器模塊的開發(fā)實例和基于ELM的PID控制模塊。
　　最后，極限學習機(ELM)是一種新型的單隱含層前反饋神經網絡，具備學習速率高，訓練效果好等優(yōu)勢，本文提出的基于的ELM的PID控制器，能夠尋找到最優(yōu)的控制系數(shù)，實現(xiàn)對AUV更精確