潛艇水下懸停運動建模與操縱控制技術(shù)研究.pdf

1、潛艇作為最為重要的武器承載平臺之一，在現(xiàn)代戰(zhàn)爭中發(fā)揮著不可替代的重要戰(zhàn)略作用。潛艇的操縱性能是潛艇最為重要的性能之一，在執(zhí)行某些特殊任務(wù)的過程中，潛艇需要在航行停車狀態(tài)下，對潛艇的深度和縱傾姿態(tài)進行控制，稱為潛艇水下懸停操縱。良好的潛艇水下懸停操縱可以降低潛艇自身噪聲，減少水下耗電量，因而具有重要的戰(zhàn)略意義。然而我國對于潛艇水下懸停操縱自動控制的研究還處于起步階段，因而有大量的基礎(chǔ)性研究工作需要完成。本文在深入研究潛艇操縱運動建模與控制

2、技術(shù)發(fā)展現(xiàn)狀以及水下懸停操縱運動控制特點的基礎(chǔ)之上，系統(tǒng)地研究潛艇水下懸停運動機理、辨識建模技術(shù)以及操縱控制策略。論文主要研究內(nèi)容如下：
　　 首先介紹了潛艇水下運動建模參考坐標系體系以及基于歐拉角法的坐標系轉(zhuǎn)換法則，推導(dǎo)了潛艇垂直面運動方程；在此基礎(chǔ)之上，分析了潛艇水下懸停運動的運動特性，建立了潛艇水下懸停運動模型；對懸停操縱執(zhí)行機構(gòu)-懸停水艙的工作機理進行了分析，建立了浮力調(diào)節(jié)水艙供氣吹除過程數(shù)學(xué)模型；以某型潛艇為例計算懸停

3、運動水動力參數(shù)，對所建立的潛艇水下懸停模型進行了驗證。
　　 出于精細控制與懸?？刂撇呗苑抡姝h(huán)境構(gòu)建的目的，系統(tǒng)地完成了對包括初始不均衡量、艇體體積壓縮、密度變化干擾、近水面波浪干擾以及海流在內(nèi)的水下懸停環(huán)境干擾力建模；介紹了在懸停環(huán)境干擾建模基礎(chǔ)上設(shè)計的潛艇懸停操縱環(huán)境仿真平臺設(shè)計方案。
　　 針對潛艇水下懸停運動機理建模方法存在的不足，提出了基于擴展隨機減量技術(shù)的潛艇水下懸停運動辨識建模技術(shù)。研究了隨機減量技術(shù)應(yīng)用的

4、局限性，提出了應(yīng)用條件更為寬松的擴展隨機減量技術(shù)，推導(dǎo)了潛艇水下懸停擴展隨機減量方程，并以此為基礎(chǔ)設(shè)計了一種基于加權(quán)擬線性回歸算法和多層感知器神經(jīng)網(wǎng)絡(luò)相結(jié)合的混合網(wǎng)絡(luò)系統(tǒng)辨識技術(shù)。在不需要獲得系統(tǒng)實時輸入數(shù)據(jù)的條件下，通過擴展隨機減量技術(shù)計算辨識系統(tǒng)的輸入樣本，將潛艇水下懸停運動建模工作分為系統(tǒng)阻尼參數(shù)，恢復(fù)參數(shù)辨識和系統(tǒng)耦合參數(shù)辨識兩部分，分別通過加權(quán)擬線性回歸算法和多層感知器神經(jīng)網(wǎng)絡(luò)獨立完成辨識工作。實驗結(jié)果表明，在絕大多數(shù)情況下，

5、本文的混合網(wǎng)絡(luò)辨識方法都可以提供響應(yīng)預(yù)測誤差小于5％的潛艇潛艇水下懸停運動模型。
　　 潛艇水下懸停運動過程本質(zhì)上是一個弱機動，慢時變的動態(tài)過程，這為基于系統(tǒng)模型的線性控制方法的應(yīng)用提供了足夠的依據(jù)，實際的工程應(yīng)用也證明了這一點。出于實際應(yīng)用中對系統(tǒng)自調(diào)整實時性要求的考慮，提出了基于快速TS模糊模型的FTFM技術(shù)，設(shè)計了基于FTFM的潛艇水下懸停解耦模糊PID控制算法。在系統(tǒng)解耦的基礎(chǔ)之上，設(shè)計潛艇水下懸停模糊自適應(yīng)PID控制器

6、，使得潛艇水下懸?？刂葡到y(tǒng)在兩個被控維度上的子系統(tǒng)都具有參數(shù)自調(diào)整能力，能夠在線辨識PID參數(shù)調(diào)整模糊規(guī)則。實驗結(jié)果表明設(shè)計的解耦模糊PID控制器無論在控制精度，系統(tǒng)時效性，還是模糊規(guī)則規(guī)?？刂品矫娑急憩F(xiàn)出良好的特性。
　　 出于即避開復(fù)雜的潛艇運動建模和干擾力建模過程的考慮，采用不依賴被控對象模型的控制方法來設(shè)計潛艇水下懸停操縱控制器。設(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)表述形式的模糊邏輯控制系統(tǒng)，即具有參數(shù)自適應(yīng)和結(jié)構(gòu)學(xué)習(xí)功能的模糊神經(jīng)控

7、制器，稱為模糊自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制(Fuzzy Adaptive Neuro-Networks Control，F(xiàn)ANC)。FANC系統(tǒng)通過神經(jīng)網(wǎng)絡(luò)的連接結(jié)構(gòu)實現(xiàn)該模糊系統(tǒng)從輸入到輸出變量的映射，采用一種5層前向網(wǎng)絡(luò)結(jié)構(gòu)，集合了FLS的知識表達和推理能力，ANN的知識獲取、學(xué)習(xí)及適應(yīng)能力。設(shè)計了一種分為自組織和監(jiān)督學(xué)習(xí)兩個階段的混合學(xué)習(xí)算法對FANC系統(tǒng)進行訓(xùn)練。針對潛艇水下懸停操縱這一時變、強耦合和不確定的復(fù)雜非線性多輸入多輸出被控過程