一、仿生机器鱼的神经模糊控制应用研究(论文文献综述)
宋英杰[1](2021)在《基于PID理论的仿生机器鱼位姿控制研究》文中研究指明近年来,仿生机器鱼在管道巡护、水质监测等水下作业任务中扮演关键角色,致使仿生机器鱼的精确运动控制问题成为仿生水下机器人系统领域的研究热点之一。仿生机器鱼依靠鱼体、鱼鳍等与水相互作用产生流体动力,由于水环境的干扰和动力学的非线性,使得仿生机器鱼位姿(位置和方向统称为位姿)控制的精准度较低。本文以仿鲹科三关节机器鱼作为研究对象,对仿生机器鱼的位姿控制问题展开研究,主要研究内容如下:1.针对三关节仿生机器鱼的结构,建立系统坐标系,解算从世界坐标系到关节0随体坐标系以及各关节随体坐标系之间的转换矩阵,进行机器鱼游动过程中各关节的角速度、线速度、角加速度和线加速度的运动学分析,构建基于Kane方程的动力学模型。2.针对仿生机器鱼的位姿控制,依据机器鱼期望位姿与实际位姿的方向角和视线角所组成的角度误差、距离误差及其误差变化率作为外环PID控制器输入,外环PID控制器输出——期望线速度值和期望角速度值作为内环PID控制器的输入,线速度指令和角速度指令作为内环PID控制器的输出,运用串级PID算法,减少水环境的干扰,提高机器鱼的位姿控制精度。利用Microsoft Visual Studio 2010编写相应策略,将其分别应用到URWPGSim2D软件的仿真平台和多水下机器人协作控制系统平台上,证明所提算法的合理性和有效性。3.针对串级PID固定的内环比例、积分、微分系数不能够较好的适用于仿生机器鱼所面临的复杂水环境,为降低控制参数整定难度,对机器鱼的位姿控制进行自适应性改进,利用模糊控制实时调整串级PID算法中内环的控制参数,依据机器鱼期望位姿与实际位姿的方向角和视线角所组成的角度误差、距离误差及其误差变化率作为模糊控制器输入,比例、积分、微分系数作为模糊控制器输出,运用模糊自适应串级PID算法,提高机器鱼位姿控制精度的同时,加快了响应速度。
周栋[2](2020)在《机器鱼胸尾鳍协同深度控制方法研究》文中进行了进一步梳理机器鱼以出色的游动能力和适应性,在面对复杂的水下环境时表现出了其优越性,成为了机器人领域的研究热点。机器鱼推进方式主要有身体/尾鳍推进模式和中央鳍/对鳍推进模式两种,目前研究多集中于单一的推进方式,胸/尾鳍协同推进的研究较少。同时,机器鱼的深度控制一直是研究热点,为实现机器鱼沉浮主要有重心法、攻角法和鱼鳔法三种方式。本课题以实验室自主设计的仿箱鲀机器鱼,在胸尾鳍协同推进的模式下,利用滑块机构和鱼鳔机构,实现机器鱼在三维空间的沉浮运动,对机器鱼的深度控制问题上做了以下的研究。1.在随体坐标系下,分析二自由度胸鳍和单自由度尾鳍的运动与流体之间的相互关系,通过旋转矩阵,在空间坐标系下建立了机器鱼在流体中的动力学模型。为解决运动控制中的鲁棒性问题,使用中枢模式振荡器(Central Pattern Generator,CPG)建立控制网络,来控制机器鱼的运动。并基于所建立的机器鱼动力学模型,对CPG参数进行调整来实现基本运动模式,通过仿真结果表明,CPG控制具有较好的鲁棒性。2.为了提高机器鱼浮潜运动的平稳性以及姿态变化的上限,采用重心法和攻角法共同实现浮潜运动。在动力学模型以及已经建立的CPG网络基础上,对重心法和攻角法两种方式下机器鱼的姿态变化分别进行分析,将两种方式进行耦合互补其优缺点,并设计了模糊控制器,实现了机器鱼的定深控制。通过仿真与实验,证明了控制方法的有效性,并且和单一方式下机器鱼定深仿真相比,展示了两种方式下沉浮运动的优点。3.利用机器鱼体内轴线位置的鱼鳔机构,通过吸排水改变重力与浮力之间的关系,实现机器鱼在水中的沉浮运动。在二维基本运动模态中,设计PID控制器,控制鱼鳔机构的吸排水,配合基本运动实现高机动性的浮潜运动。在三维空间运动中,通过鱼鳔机构来实现机器鱼的快速浮潜运动,为减缓鱼鳔机构的高机动对浮潜轨迹的影响,设计俯仰角模糊控制器,耦合重心法和攻角法,对机器鱼浮潜过程中的轨迹进行调节。
张宇杰[3](2020)在《三自由度胸鳍推进机器鱼闭环运动控制方法研究》文中研究表明仿生机器鱼作为一种结合了鱼类推进模式和机器人技术的新型水下机器人,因其具有推进效率高、机动性强、对环境的影响小等特点,吸引了不少研究者进入该领域进行研究。为使得仿生机器鱼具有较好的水下游动能力,必须解决其运动控制问题。论文基于实验室自主研发的具有三自由度胸鳍机构的仿生机器鱼平台,对仿生机器鱼的运动控制问题进行了研究,主要研究内容如下:(1)针对仿生机器鱼的步态生成问题,采用中枢模式发生器(Central Pattern Generator,CPG)来控制机器鱼的各个关节。首先,使用一组线性状态方程与正弦输出方程来构造CPG振荡单元,并通过相位差参数实现振荡器之间的耦合,构造CPG网络。接着通过对机器鱼的动力学分析与建模,确定机器鱼进行不同游动模式时对应的步态参数。仿真结果表明了该网络在机器鱼步态控制方面的有效性。(2)为实现仿生机器鱼的俯仰姿态控制,结合已经建立的CPG网络与动力学模型来设计控制器。首先利用泰勒公式对动力学模型进行线性化处理,得到简化的俯仰动力学方程,并以此设计控制律框架。其次,针对控制律参数未知的问题,使用RBF神经网络来对未知参数进行估计,以此来代替未知参数,通过李雅普诺夫第二定理证明了该控制律的稳定性,导出了RBF权值的自适应律。最后,根据该控制律调整胸鳍CPG相关参数,进而实现俯仰运动。仿真结果表明了在该控制律下,机器鱼能较好地调整俯仰角至期望位置。(3)针对仿生机器鱼的避障运动控制问题。将机器鱼的避障行为划分为偏转避障与俯仰避障两种情况。首先,依据碰撞锥理论,得到机器鱼的壁碰条件,并根据超声波传感器对周围环境的探测结果与机器鱼的当前速度,确定使用哪种方式实现避障。之后,依据所给控制策略,得到机器鱼避障所需的俯仰(偏转)角。最后,根据该角度的大小,改变CPG网络控制参数,以实现避障行为。仿真结果表明了上述控制策略的有效性。
陶洁莲[4](2020)在《可浮潜仿生机器鱼多模式运动控制及神经动力学路径规划》文中研究表明经过数百万年的进化,鱼类获得了许多强大的水下运动能力。因此,越来越多的研究者将注意力转向仿生机器鱼。近年来,国内外对仿生机器鱼的研究进入了繁荣时期,并在运动控制、姿态模拟和路径规划等领域都取得了显着成果。研制外形逼真、运动灵活、路径自主规划可控的仿生机器鱼,在科创教育、水质检测、军事侦察等领域都具有重要的研究意义和应用价值。本文以黄高鳍刺尾鱼为仿生对象,设计了一种可变体积的软体仿生机器鱼,通过对鱼类运动模式观测分析,设计了仿生机器鱼鱼尾的节律性运动,开展了仿生机器鱼的推进系统结构设计及运动学分析;设计了一种模拟鱼类鱼鳔器官的浮潜机构,推导了该机构运动与仿生机器鱼体积变化的关系,具备在一定深度的浮潜能力。采用受生物电启发的神经网络模型,开展已知地图条件下仿生机器鱼的自主路径规划,提出了将地图像素点与神经元相结合的方法,进行路径规划算法的Maltab仿真计算,分析运动步长和转弯半径参数在算法中的敏感性;通过测试尾鳍摆动频率、幅度和偏转角度对前进速度和转弯半径的影响,研究了仿生机器鱼的运动学特性,结合路径规划算法,实现已知地图中仿生机器鱼的路径生成,为仿生机器鱼从图像采集、地图获取、自主路径规划,到实现路径跟踪控制提供技术支持。结合浮潜机构运动原理和软体结构特性,研究在不同水深条件下水压对软体仿生机器鱼体积变化的影响,为定深控制补偿外界干扰提供数值依据。设计了仿生机器鱼定深控制系统,开展了定深控制实物实验,获得了定深控制的基本规律。
侯宁宁[5](2020)在《多关节仿生机器鱼设计及其路径规划研究》文中研究说明海洋是大自然馈赠给人类的一个巨大宝藏,在人类的环境生态中起到调节器的作用。人类对海洋资源的探索开发不断加深,同时依据鱼类的运动规律和推动原理创造了相应的水下推进系统,进而可以利用水下推进系统来探测海洋,使水下机器人更好的服务人类,为海洋保护做出贡献。通过对身体尾鳍模式(BCF)推进模式下的机器鱼在直行过程的受力情况进行分析,建立了机器鱼的直行动力学模型。考虑到实际情况下机器鱼会有转向运动,而且在路径规划等任务中也需要结合它的动力学模型优化生成的规划路径,因而建立了机器鱼的转弯模型。结合多个学科对机器鱼的机械外形进行了分析,完成了机器鱼的机械外形以及鱼体骨干的设计开发。为了能够实时显示机器鱼系统在运行时的参数,并且能够向机器鱼平台发送控制指令,开发了相关的上位机平台。开发了机器鱼与上位机之间的通信系统。设计完成了仿生机器鱼的姿态的获取方案,应用在转弯模型的建立以及转向运动控制中。设计开发了机器鱼平台的定位系统,采用适应性更好且能在室外进行高精度定位的UWB定位方案。对路径规划中的障碍物进行简化,便于对编程中机器鱼和障碍物的处理。对蚁群算法中的信息更新的方式进行了改进,在设计信息素更新的模式的时候,将最短路径以及最小的能量消耗的综合值作为信息素更新的相关参数。结合机器鱼的转向模型对生成的路径进行了优化,使得优化后的路径能很好的符合机器鱼的转弯模型。最后在Qt平台上进行了多关节仿生机器鱼的蚁群路径规划算法实现,开展了路径规划仿真实验。实验证明设计的方案都是可行的。
曹长振[6](2019)在《仿生机器鱼的神经网络智能控制研究》文中指出随着陆地资源的日趋减少和枯竭,海洋已然成为国际能源战略竞争的重中之重。作为探索海洋重要工具的水下机器人得到了空前的发展,但以螺旋桨为推进器的传统水下机器人具有效率低、灵活度差等缺点。为了解决传统推进器的不足,人们一直在积极探索高性能的新型推进方式。随着鱼类推进机理相关理论的提出,以及仿生学的快速发展,人们把注意力聚焦到了在推进效率、游动速度、机动性和稳定性方面均占优势的鱼类身上,仿生机器鱼应运而生。鱼类推进机理为仿生机器鱼运动学分析提供了理论基础及运动参数,而对机器鱼的各关节以及尾鳍运动学仿真分析可模拟真实鱼类的游动状态,这对提高机器鱼的推进效率具有理论指导作用。机器鱼在水下执行多目标点工作任务时,考虑到机器鱼的续航能力及时间限制,寻找出一条最优的水下工作路径显得非常重要。另外,机器鱼作为一个非常复杂的非线性系统,对其运动控制系统的设计是其能够稳定、安全和准确地完成大范围且复杂的水下工作任务的保障和前提。因此,设计具有更高控制精度和良好学习能力的运动控制系统对机器鱼自主性、适应性的提高有着积极意义。本文首先对机器鱼的各关节及尾鳍进行了运动分析并通过MATLAB软件编程仿真,仿真结果与真实鱼类游动状态相符,并得出了可产生较高推进效率的有利尾鳍击水角度。然后本文基于Hopfield网络对机器鱼水下多目标点的工作路径进行了优化,将路径优化目标函数形式改写成Hopfield网络的能量函数形式,并对能量函数形式进行了改进。此优化算法可明显缩短初始路径长度,网络可到达稳定状态,且迭代时间较短。最后,本文采用径向基函数(RBF)神经网络对机器鱼的六自由度动力学模型不确定项进行了自适应网络逼近,实现对机器鱼的轨迹跟踪控制。仿真取得的跟踪控制效果良好,水平面及垂直面轨迹跟踪曲线最终都能趋向于稳定。为获得更高的控制精度,本文接着设计了一款RBF网络自适应滑模控制器,仿真结果表明机器鱼的实际运动轨迹与设计的期望轨迹能够基本重合,实现了对系统更高精度的控制,并验证了RBF网络自适应滑模控制器的有效性。
李超群[7](2019)在《基于离子聚合物—金属复合材料的柔性仿生机械结构及其控制系统研究》文中认为离子聚合物-金属复合材料(Ionic Polymer Metal Composite,IPMC)作为一种典型的柔性智能材料,在柔性机械领域展现出了巨大的应用前景,尤其在驱动仿生机械方面有显着的优势。实现IPMC驱动仿生机械的独立运行和速度可控对于推动其实际应用具有重要意义,而现有IPMC驱动的仿生机械大多是以开环方式来控制,并未实现速度反馈控制。本文主要以机器鱼为例研究IPMC基仿生机械的结构与控制方法,在其独立运动的前提下实现对其行进速度的控制,将MPU6050传感器安装机器鱼内以测量游动速度,设计反馈控制系统实现了对机器鱼游动速度的精确控制。在Matlab软件中分别搭建传统PID和模糊PID控制系统并进行仿真,对比仿真结果表明:模糊PID控制的响应时间为0.1秒,明显小于传统PID控制的0.6秒。较传统PID控制,模糊PID控制的最大超调量降低了64.7%,稳态误差降低了76.9%。在此基础上,设计了控制电路原理图,制作了机器鱼样机并进行游动速度控制实验,实验结果与仿真规律相符,并表明:较传统PID控制,模糊PID控制可以更快的达到预设速度并稳定游动,且稳态误差降低了48%。总体来说模糊PID控制系统控制效果明显优于传统PID控制系统。通过模仿鱼类的形态和运动方式,本文还设计了胸鳍和尾鳍共同驱动的机器鱼机体结构,并基于此设计了可以输出3路相互独立方波电压信号的控制系统。控制系统主要包括微控制器单元、驱动信号生成单元、速度测量单元、自动避障单元和电压转换单元,可以实现机器鱼的直线、转向、加速和减速游动,并且搭载了红外避障传感器,可以使机器鱼在游动的过程中自主避障,具有较高的灵活性。此外,本文又根据尺蠖和蝴蝶的形态和运动方式,分别设计了仿蠕虫机器人和仿蝴蝶机器人,并进行了实验验证,均可以实现良好的运动,并给出了一种基于IPMC的步进电机设计方案。本文对于后续设计制作结构更为复杂、功能性更强的柔性机器鱼提供了重要的研究基础和丰富的实验数据,也对未来IPMC驱动的柔性仿生机械的的开发具有的一定的指导意义。
胡静波[8](2019)在《基于强化学习的多自主水下机器人导航研究》文中研究表明导航,是实现水下机器人自主化、智能化不可或缺的一环。自主水下机器人导航需要机器人获取水下环境信息,依据获取到的信息规划一条从起点到目标点的最优无碰路径,水下机器人根据该路径进行游动。传统的路径规划算法如模糊算法、神经网络等一般需要水下机器人事先知道所处环境,但一般情况下水下作业环境并不可知;另一方面,水下任务的复杂度也在不断增加,需要多个机器人相互协作完成任务,在双重因素作用下,传统的算法越来越难以满足需求。强化学习的出现,使水下机器人自主探索环境并自主学习出最优路径成为可能。在强化学习的基础上,水下机器人不需要知道所处的环境,仅仅依靠本身对环境的探索与学习便能够规划出从起点到目标点的最优无碰路径。因此,本文在强化学习的基础上,对多个自主水下机器人的路径规划问题展开研究。本课题的主要研究工作如下:(1)对一种特殊的水下机器人——仿生机器鱼——展开研究,提出一种新型结构设计方法。根据真实鱼体的尺寸数据,结合最小二乘法,对机器鱼的轮廓曲线进行拟合,得到一条拟合曲线函数。由此,设计出一种单关节机器鱼。(2)以强化学习为基础,利用模拟退火算法对算法的“探索与利用”平衡问题进行优化,对单个机器鱼的路径规划问题展开研究。提出一种基于目标导向思想的奖赏函数,并对算法的停止条件进行优化,形成一种改进的模拟退火-Q学习算法。在此基础上,分别在静态环境与动态环境下对单个机器鱼进行仿真分析。(3)在上一步的基础上,对多个机器鱼的路径规划问题展开研究。分别从动作策略与奖赏函数两个方面优化适用于多个机器鱼路径规划问题的模拟退火-Q学习算法。先后以两个机器鱼和三个机器鱼为例,分别在10?10和20?20的环境下进行仿真分析。更进一步地,以三个机器鱼为例,在100?100的环境下进行了仿真分析。(4)对所设计的机器鱼进行样机制作与调试,进行静态实验分析以验证其平衡性与密封性,对机器鱼进行直线游动实验分析,并在改进模拟退火-Q学习算法的基础上,对单个和多个仿生机器鱼的路径规划实验进行分析。
张迟[9](2018)在《一种仿生机器鱼的设计与运动控制》文中提出随着工业化的不断推进,陆地资源大量被开采利用而日趋枯竭,为了能够满足更高的能源需求,人们逐渐将目光转向了海洋。水下资源的探索工作需要水下机器人的帮助,从而完成很多人类不可完成的高难度或危险的工作。因此,国内外学者开始对水下机器人展开探索。传统的水下机器人的推进方式较多为常规推进器,例如螺旋桨。螺旋桨显着的缺点为推进效率低、灵敏度差和噪音大。海洋中的鱼类具有超高的游动性能,这正是水下机器人所不具备的,将鱼类高效的推进机理应用至水下机器人,仿生学由此诞生。因此本文针对水下仿生机器鱼开展了相应的研究。论文主要内容及结论总结如下。本文首先通过调研目前国内外仿生机器鱼的游动机理和机器鱼的研究现状,系统地总结并设计研发一款两关节三体的仿鲹科机器鱼。其鱼头部分的转动惯量很大,但整体的摆动幅度却很小,其摆动的主要动力来源为尾部,所提供的推动力大于90%。所以本文的仿生机器鱼的设计思路是刚性鱼头和柔性尾鳍相连,借助柔性鱼尾的摆动提供推力。其次本文对仿生机器鱼的升潜和俯仰构件进行了设计,并通过MATLAB对机器鱼的前进和转向运动进行了仿真。再次,机器鱼的外形是决定机器鱼所受阻力大小的重要因素,本文通过探究机器鱼模型的轮廓外形、最大截面直径、最大截面位置和鱼体尾鳍对机器鱼阻力的影响,来设计机器鱼的外形。目前,国内外对仿生机器鱼的研究工作有很多,但大多数现有的机器鱼控制方程都基于简化的推进模型,简化模型仅对机器鱼的流体动力学效应提供了粗略预测。为了准确预测机器鱼的水动力,有必要通过计算流体力学软件(CFD)对机器鱼周围流体进行动态分析。利用Fluent软件模拟机器鱼的运动,使控制域中的机器鱼壁面按指定的规律运动,控制体的速度入口模拟远处无限来流,并根据机器鱼的不同运动规律模拟机器鱼做纯升沉、纯俯仰、纯横荡以及纯摇艏运动。进一步计算得到了相应的水动力系数。研究机器鱼的操纵性能是指控制机器鱼的运动速度、方位、俯仰角度和升潜深度等。本文所采用的方法是通过建立机器鱼的六自由度数学模型,在求得水动力系数后,选用滑模控制方法,滑模控制方法简单,鲁棒性好,可靠性较高。本文通过编写控制程序来设计机器鱼的指定路径,并对机器鱼的实际路径进行了跟踪分析,结果表明上述控制方法能够有效的实现对机器鱼的控制。仿生机器鱼是一门多学科交叉的研究课题,旨在研究出具有更高的机动性,灵活性,高效性的仿生机器鱼,这将对人类对海洋的进一步探索有着非凡的意义。
李旭[10](2018)在《基于CPG的仿生机器鱼运动控制优化》文中研究说明仿生机器鱼在水下具有很大的应用前景,特别是基于中枢模式发生器(CPG)机制的多模态运动控制给仿生机器鱼的研究带来了新的机遇和挑战。本文以仿生机器鱼为研究对象,从CPG控制及优化角度出发,搭建仿生机器鱼监控系统、建立仿生机器鱼动力学模型、分析CPG数学模型并进行参数优化、仿生机器鱼游动速度优化和推进效率优化,并受生物运动启发对基于Spiking神经网络和CPG的分层运动控制进行了研究,主要工作内容如下:首先,阐述了基于CPG的仿生机器鱼游动控制的研究背景以及国内外研究现状,并在实验室前期研究工作的基础上,通过仿生机器鱼设计与研制、监控系统实验平台硬件研发、通讯协议与规约制定、监控软件开发,搭建了仿生机器鱼监控系统实验平台。其次,分析与优化了仿生机器鱼运动控制的CPG模型参数,解决了CPG模型参数整定难的问题。仿生机器鱼游动控制CPG模型存在振动频率、振动幅值、激励、下行耦合参数、上行耦合参数等诸多参数,传统试凑方法效率低、稳定性差,为此本文采用粒子群优化方法(PSO)对CPG模型参数进行优化,并进行了仿真及实验平台测试,所得结果验证了利用PSO算法进行CPG模型参数整定的可行性。再次,针对提高游动速度和推进效率问题,提出了仿生机器鱼平均游动速度及推进效率优化控制问题。通过采用附加质量法分析仿生机器鱼头部和尾部受力情况,对仿生机器鱼进行了水动力学建模;然后对动力学模型中与推进速度、推进效率相关的频率、振幅等重要参数进行了PSO优化,进而实现仿生机器鱼游动的平均速度最大化和推进效率最大化,实验测试结果表明了该优化方法的有效性。最后,受生物运动启发,提出了一种基于CPG和Spiking神经网络的仿生机器鱼分层控制方法。Spiking神经网络模仿人类脑部神经元接收外界环境信息并产生激励信号,输入到CPG模型中产生节律运动信号,从而控制仿生机器鱼各个关节的运动。为了证明该方法的可行性,在MATLAB上进行了仿真,最终得到了直游、转弯等控制的CPG输出信号,实现了基于CPG和Spiking神经网络的仿生机器鱼的分层控制。
二、仿生机器鱼的神经模糊控制应用研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、仿生机器鱼的神经模糊控制应用研究(论文提纲范文)
(1)基于PID理论的仿生机器鱼位姿控制研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 仿生机器鱼研究现状 |
1.2.1 仿生机器鱼国外研究现状 |
1.2.2 仿生机器鱼国内研究现状 |
1.3 仿生机器鱼位姿控制研究现状 |
1.4 本文来源及主要内容安排 |
第2章 机器鱼及其实验平台 |
2.1 机器鱼硬件结构 |
2.2 机器鱼控制系统 |
2.2.1 方向控制器 |
2.2.2 速度控制器 |
2.3 仿真平台简介 |
2.4 实验平台简介 |
2.4.1 多水下机器人协作控制系统平台简介 |
2.4.2 机器鱼控制平台简介 |
2.5 本章小结 |
第3章 机器鱼模型的动力学与运动学分析 |
3.1 机器鱼模型的坐标系建立 |
3.2 运动学分析 |
3.3 动力学分析 |
3.4 简化动力学和运动学模型 |
3.4.1 简化动力学模型 |
3.4.2 简化运动学模型 |
3.5 本章小结 |
第4章 基于串级PID的仿生机器鱼位姿控制算法 |
4.1 位姿控制模型建立 |
4.2 串级PID控制算法 |
4.2.1 角速度控制器设计 |
4.2.2 线速度控制器设计 |
4.3 仿真结果与分析 |
4.3.1 仿真结果 |
4.3.2 仿真分析 |
4.4 实验结果与分析 |
4.4.1 实验结果 |
4.4.2 实验分析 |
4.5 本章小结 |
第5章 基于模糊自适应串级PID的仿生机器鱼位姿控制算法 |
5.1 模糊逻辑控制 |
5.2 模糊自适应串级PID控制算法 |
5.3 仿真结果与分析 |
5.3.1 仿真结果 |
5.3.2 仿真分析 |
5.4 实验结果与分析 |
5.4.1 实验结果 |
5.4.2 实验分析 |
5.5 算法应用 |
5.6 本章小结 |
第6章 总结与展望 |
参考文献 |
致谢 |
作者简介 |
攻读硕士学位期间研究成果 |
(2)机器鱼胸尾鳍协同深度控制方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究现状分析 |
1.2.1 机器鱼运动机理研究现状 |
1.2.2 机器鱼运动控制方法研究现状 |
1.3 研究内容及章节安排 |
2 机器鱼运动控制建模 |
2.1 机器鱼机械结构 |
2.2 动力学分析 |
2.3 CPG控制网络建模 |
2.4 本章小结 |
3 基于攻角法/重心法机器鱼深度控制方法研究 |
3.1 攻角改变对机器鱼俯仰运动的影响分析 |
3.2 重心改变对机器鱼俯仰运动的影响分析 |
3.3 结合攻角法与重心法的俯仰运动控制 |
3.4 仿真结果分析 |
3.5 本章小结 |
4 基于鱼鳔机构机器鱼俯仰运动控制 |
4.1 鱼鳔机构设计及其对机器鱼俯仰行为的影响 |
4.1.1 鱼鳔机构对机器鱼简单行为的影响 |
4.1.2 鱼鳔机构对机器鱼沉浮运动的影响 |
4.2 仿真结果分析 |
4.3 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(3)三自由度胸鳍推进机器鱼闭环运动控制方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 研究现状与存在的问题 |
1.2.1 机器鱼游动步态控制研究现状 |
1.2.2 闭环运动控制方法研究现状 |
1.2.3 机器鱼避障运动控制方法研究现状 |
1.3 研究内容与技术路线 |
2 仿生机器鱼及其CPG运动控制建模 |
2.1 仿生机器鱼机构与控制系统 |
2.2 CPG控制网络设计 |
2.3 基于CPG的机器鱼动力学建模 |
2.3.1 运动学分析 |
2.3.2 机器鱼动力学建模 |
2.4 仿真 |
2.5 本章小结 |
3 仿生机器鱼俯仰姿态闭环运动控制 |
3.1 问题描述 |
3.2 控制律的设计 |
3.3 自适应RBF神经网络建模 |
3.4 闭环系统控制性能分析 |
3.5 本章小结 |
4 仿生机器鱼自主避障策略研究 |
4.1 问题描述 |
4.2 控制策略 |
4.2.1 速度相对于视线坐标系的表达 |
4.2.2 避障方式划分 |
4.2.3 控制策略对CPG的影响 |
4.3 仿真 |
4.3.1 仿真平台介绍 |
4.3.2 障碍物相对的确定 |
4.3.3 仿真结果 |
4.4 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(4)可浮潜仿生机器鱼多模式运动控制及神经动力学路径规划(论文提纲范文)
摘要 |
abstract |
注释表 |
缩略词 |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 国外水下机器人研究现状 |
1.2.2 国内水下机器人研究现状 |
1.2.3 路径规划方法介绍 |
1.2.4 定深控制方法介绍 |
1.3 研究意义与课题来源 |
1.4 论文的主要工作 |
第二章 仿生机器鱼结构设计及运动学分析 |
2.1 仿生机器鱼结构简介 |
2.1.1 尾鳍推进系统 |
2.1.2 浮潜机构介绍 |
2.2 运动学 |
2.2.1 机器鱼身体动力学 |
2.2.2 尾鳍动力学 |
2.2.3 运动模拟及分析 |
2.2.4 浮潜机构与体积变化 |
2.3 本章小结 |
第三章 受生物电启发的神经网络与路径规划 |
3.1 受生物电启发的神经网络简介 |
3.1.1 生物神经系统膜片的计算模型 |
3.1.2 Grossberg分流模型 |
3.1.3 受生物电启发的神经网络研究与拓展 |
3.1.4 障碍位置的判别方法 |
3.2 在Matlab中的仿真 |
3.2.1 参数的选取与地图的建立 |
3.2.2 仿真结果与分析 |
3.3 算法的比较 |
3.4 本章小结 |
第四章 仿生机器鱼的运动控制 |
4.1 仿生机器鱼硬件系统介绍 |
4.2 仿生机器鱼图像处理方法介绍 |
4.2.1 仿生机器鱼游动轨迹的获取 |
4.2.2 实时地图转换与路径规划 |
4.3 仿生机器鱼尾部推进系统算法介绍 |
4.4 仿生机器鱼的实物实验 |
4.4.1 前进、转弯运动实验 |
4.4.2 仿真路径验证与跟踪 |
4.5 本章小结 |
第五章 浮潜运动的控制 |
5.1 变体积浮潜实验 |
5.2 变体积浮潜控制方法 |
5.3 定深控制实验 |
5.3.1 定深控制仿真 |
5.3.2 定深控制实物实验 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 论文主要创新点 |
6.3 工作展望 |
参考文献 |
致谢 |
在学期间的研究成果 |
(5)多关节仿生机器鱼设计及其路径规划研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 多关节仿生机器鱼的研究进展 |
1.2.1 多关节仿生机器鱼国外的研究进展 |
1.2.2 多关节仿生机器鱼的国内研究现状 |
1.3 多关节仿生机器鱼目前面临的问题 |
1.4 本文的主要内容 |
第二章 多关节仿生机器鱼的模型建立 |
2.1 多关节仿生机器鱼的仿生学分析 |
2.2 多关节仿生机器鱼运动学模型建立 |
2.3 多关节仿生机器鱼的直行动力学建模 |
2.4 多关节仿生机器鱼转向模型的建立 |
2.5 本章小结 |
第三章 多关节仿生机器鱼硬件和软件系统设计 |
3.1 多关节仿生机器鱼控制系统实验平台简介 |
3.2 多关节仿生机器鱼的机械外形及结构设计 |
3.3 多关节仿生机器鱼的驱动参数设计以及驱动电机选型 |
3.4 多关节仿生机器鱼平台的上位机系统设计 |
3.5 多关节仿生机器鱼平台的微控制器和其他硬件设计 |
3.6 多关节仿生机器鱼通信系统设计 |
3.7 多关节仿生机器鱼姿态模块设计 |
3.8 本章小结 |
第四章 路径规划及蚁群算法介绍 |
4.1 路径规划算法介绍 |
4.1.1 起点与终点的位置获取 |
4.1.2 障碍物的环境表示 |
4.1.3 路径规划方法的介绍 |
4.1.4 路径搜索方法 |
4.2 多关节仿生机器鱼路径规划的环境建模 |
4.3 蚁群算法介绍 |
4.4 本章小结 |
第五章 蚁群算法生成路径及结合模型的路径优化 |
5.1 多关节仿生机器鱼定位 |
5.1.1 多关节仿生机器鱼系统中的定位系统原理 |
5.1.2 理想情况下的位置解算 |
5.2 障碍物模型简化 |
5.3 蚁群算法信息素更新 |
5.4 蚁群算法仿真实验 |
5.4.1 蚁群算法生成规划路径实验 |
5.4.2 结合转弯特性对生成路径优化 |
5.5 本章小结 |
第六章 总结及展望 |
6.1 全文总结 |
6.2 工作展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(6)仿生机器鱼的神经网络智能控制研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 机器鱼国内外研究现状 |
1.2.1 鱼类推进机理的研究 |
1.2.2 机器鱼本体国内外研究现状 |
1.2.3 机器鱼运动控制方法研究现状 |
1.3 神经网络的发展与应用 |
1.3.1 神经网络的发展现状 |
1.3.2 神经网络优化研究现状 |
1.3.3 神经网络控制研究现状 |
1.4 本文主要研究内容 |
2 机器鱼运动分析及动力学建模 |
2.1 引言 |
2.2 鱼类推进机理 |
2.2.1 鱼类推进模式分类 |
2.2.2 鲹科鱼类推进机理 |
2.2.3 鱼体波及尾鳍运动 |
2.3 机器鱼运动分析与仿真 |
2.3.1 各关节运动学分析与仿真 |
2.3.2 尾鳍运动学分析与仿真 |
2.4 机器鱼动力学建模 |
2.4.1 坐标系建立及坐标转换 |
2.4.2 动力学模型建立 |
2.5 本章小结 |
3 基于神经网络的机器鱼路径规划 |
3.1 引言 |
3.2 神经网络简介 |
3.3 Hopfield神经网络 |
3.3.1 离散Hopfield神经网络 |
3.3.2 连续Hopfield神经网络 |
3.3.3 网格稳定性分析 |
3.4 机器鱼路径规划 |
3.4.1 Hopfield网络设计 |
3.4.2 算法改进 |
3.4.3 仿真实验与结果 |
3.5 本章小结 |
4 基于神经网络的机器鱼轨迹跟踪 |
4.1 引言 |
4.2 RBF神经网络基础 |
4.3 RBF网络自适应控制 |
4.3.1 控制律设计 |
4.3.2 稳定性分析 |
4.3.3 运动控制仿真 |
4.4 RBF网络自适应滑模控制 |
4.4.1 滑模设计原理 |
4.4.2 控制律设计 |
4.4.3 稳定性分析 |
4.4.4 运动控制仿真 |
4.5 有效性验证 |
4.5.1 控制律设计 |
4.5.2 运动控制仿真 |
4.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(7)基于离子聚合物—金属复合材料的柔性仿生机械结构及其控制系统研究(论文提纲范文)
致谢 |
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 柔性智能材料IPMC |
1.2.1 IPMC简介 |
1.2.2 IPMC材料研究现状 |
1.2.3 IPMC驱动的机器人研究现状 |
1.3 课题来源及主要工作 |
1.3.1 课题来源 |
1.3.2 本课题研究意义 |
1.3.3 本课题的主要工作 |
第二章 柔性仿生机械结构和运动方案设计 |
2.1 柔性驱动仿生机器鱼形态及结构设计 |
2.1.1 鱼类形态及推进方式介绍 |
2.1.2 IPMC驱动器设计 |
2.1.3 机器鱼结构设计 |
2.2 机器鱼的运动模式规划 |
2.2.1 直线游动 |
2.2.2 转向游动 |
2.3 其它柔性仿生机械结构探索 |
2.3.1 柔性仿生机器蠕虫 |
2.3.2 柔性仿生机器蝴蝶 |
2.3.3 柔性驱动步进电机 |
2.4 本章小结 |
第三章 速度控制算法设计与仿真 |
3.1 机器鱼运动模型 |
3.1.1 尾鳍的水动力模型 |
3.1.2 传递函数模型 |
3.2 速度的PID控制与仿真 |
3.2.1 PID控制理论 |
3.2.2 PID控制器设计与仿真 |
3.3 速度的模糊PID控制与仿真 |
3.3.1 模糊PID控制理论 |
3.3.2 模糊PID控制器设计与仿真 |
3.4机器鱼的速度控制实验 |
3.4.1 机器鱼设计与制作 |
3.4.2机器鱼游动实验 |
3.5 本章小结 |
第四章 机器鱼的控制系统设计 |
4.1 微控制器单元 |
4.2 驱动信号生成单元 |
4.3 速度测量单元 |
4.3.1 MPU6050 六轴传感器单元 |
4.3.2 六轴传感器连接电路 |
4.3.3 六轴传感器主要寄存器配置 |
4.4 自动避障单元 |
4.4.1 避障传感器 |
4.4.2 红外传感器避障电路 |
4.5 电压转换单元 |
4.6 控制系统验证 |
4.7 本章小结 |
第五章 总结和展望 |
5.1 本文的主要工作 |
5.2 本文创新点 |
5.3 研究展望 |
参考文献 |
攻读硕士学位期间的学术活动及成果情况 |
(8)基于强化学习的多自主水下机器人导航研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 自主水下机器人研究现状 |
1.3 水下仿生机器人研究现状 |
1.4 强化学习在路径规划中的应用研究现状 |
1.4.1 单机器人路径规划研究现状 |
1.4.2 多机器人路径规划研究现状 |
1.5 研究内容及结构安排 |
第2章 仿生机器鱼系统设计 |
2.1 鱼类运动学模型 |
2.2 机器鱼结构设计 |
2.2.1 鱼体轮廓曲线拟合 |
2.2.2 刚性鱼头结构设计 |
2.2.3 尾鳍驱动结构设计 |
2.2.4 连接件及总体结构设计 |
2.3 机器鱼控制系统设计 |
2.3.1 决策模块 |
2.3.2 执行模块 |
2.3.3 感知模块 |
2.3.4 电源模块 |
2.4 本章小结 |
第3章 强化学习理论及算法分析 |
3.1 强化学习的基本原理 |
3.1.1 马尔可夫决策过程 |
3.1.2 策略和值函数 |
3.2 强化学习的基本算法 |
3.2.1 瞬时差分(TD)学习算法 |
3.2.2 Q-Learning算法 |
3.2.3 Sarsa算法 |
3.3 算法分析 |
3.4 本章小结 |
第4章 基于改进SA-Q学习的单机器鱼路径规划 |
4.1 强化学习的动作选择策略 |
4.1.1 ?-greedy策略 |
4.1.2 Boltzmann分布策略 |
4.2 模拟退火(SA)算法 |
4.2.1 Metropolis准则 |
4.2.2 模拟退火算法分析 |
4.3 基于改进SA-Q学习的单机器鱼路径规划算法 |
4.3.1 降温策略 |
4.3.2 奖赏函数的改进 |
4.3.3 算法停止条件的改进 |
4.3.4 改进的SA-Q学习算法 |
4.4 静态环境下实验仿真与分析 |
4.4.1 静态仿真环境设计 |
4.4.2 动作空间设计 |
4.4.3 静态路径规划仿真与分析 |
4.5 动态环境下实验仿真与分析 |
4.5.1 动态仿真环境设计 |
4.5.2 动作策略的改进 |
4.5.3 结合目标导向的奖赏函数改进 |
4.5.4 动态路径规划仿真与分析 |
4.6 本章小结 |
第5章 基于改进SA-Q学习的多机器鱼路径规划 |
5.1 基于改进SA-Q学习算法的多机器鱼路径规划分析 |
5.1.1 多机器鱼路径规划问题分析 |
5.1.2 动作策略的改进 |
5.1.3 结合目标导向的奖赏函数改进 |
5.1.4 基于改进SA-Q学习的多机器鱼路径规划算法 |
5.2 仿真实验与分析 |
5.2.1 两个机器鱼的路径规划仿真实验 |
5.2.2 三个机器鱼的路径规划仿真实验 |
5.3 本章小结 |
第6章 仿生机器鱼实验分析 |
6.1 样机制作与调试 |
6.2 机器鱼的静态实验分析 |
6.3 机器鱼的直线游动实验分析 |
6.4 基于改进SA-Q学习的机器鱼路径规划实验 |
6.4.1 单个机器鱼路径规划实验分析 |
6.4.2 多个机器鱼的路径规划实验分析 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间的学术成果 |
(9)一种仿生机器鱼的设计与运动控制(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 鱼类游动机理研究 |
1.2.2 仿生机器鱼的CFD模拟研究 |
1.2.3 仿生机器鱼的研制与实验研究 |
1.2.4 仿生机器鱼的运动控制研究 |
1.3 本文主要研究内容 |
2 鱼类游动机理和仿生机器鱼设计 |
2.1 前言 |
2.2 鱼类游动机理 |
2.2.1 鱼类形态的概述 |
2.2.2 鱼类游动方式的一般分类 |
2.2.3 鲹科模式的鱼体波模型的建立 |
2.2.4 鱼体尾部受力分析 |
2.3 机器鱼的设计 |
2.3.1 仿生机器鱼的机械设计 |
2.3.2 仿生机器鱼的推进机构的设计 |
2.3.3 仿生机器鱼的升潜机构的设计 |
2.4 机器鱼的外形设计 |
2.4.1 研究方法 |
2.4.2 机器鱼鱼体曲线轮廓对阻力的影响 |
2.4.2.1 曲线轮廓的选取 |
2.4.2.2 三维仿真模型的建立 |
2.4.2.3 数值模拟结果和数据处理分析 |
2.4.3 最大截面直径对阻力的影响 |
2.4.4 最大截面位置对阻力的影响 |
2.4.5 鱼体尾鳍对阻力的影响 |
2.4.6 结果验证 |
2.5 本章小结 |
3 机器鱼的运动学分析 |
3.1 游动分析 |
3.1.1 数学模型的建立 |
3.1.2 分析结果 |
3.2 俯仰运动分析 |
3.3 升潜运动分析 |
3.4 本章小结 |
4 仿生机器鱼水动力系数的计算 |
4.1 建立机器鱼运动方程 |
4.1.1 机器鱼运动的自由度 |
4.1.2 建立机器鱼的六自由度方程 |
4.2 操控水动力系数 |
4.2.1 建立简化模型 |
4.2.2 纯升沉运动水动力系数的计算 |
4.2.3 纯俯仰运动水动力系数的计算 |
4.2.4 纯横荡运动水动力系数的计算 |
4.2.5 纯摇艏运动水动力系数的计算 |
4.3 其余非线性系数的计算 |
4.3.1 若干藕合系数的近似推算公式 |
4.3.2 计算结果 |
4.4 本章小结 |
5 机器鱼运动控制 |
5.1 滑模控制策略 |
5.2 控制律设计 |
5.3 垂直面运动跟踪结果 |
5.4 水平面运动跟踪结果 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(10)基于CPG的仿生机器鱼运动控制优化(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景与研究意义 |
1.1.1 课题背景 |
1.1.2 课题研究意义 |
1.2 鱼类运动学术语 |
1.3 CPG控制现状及分析 |
1.3.1 CPG控制方法 |
1.3.2 机器人CPG控制国外研究现状 |
1.3.3 机器人CPG控制国内研究现状 |
1.4 课题来源及论文主要工作内容 |
第2章 仿生机器鱼系统平台设计 |
2.1 引言 |
2.2 系统平台总体设计 |
2.3 硬件平台设计 |
2.3.1 仿生机器鱼硬件部分 |
2.3.2 系统硬件部分 |
2.4 系统软件平台设计 |
2.4.1 系统软件平台总体设计 |
2.4.2 无线通信协议设计 |
2.4.3 无线通信控制流程 |
2.5 上位机控制及游动实验 |
2.6 小结 |
第3章 仿生机器鱼CPG控制运动 |
3.1 引言 |
3.2 仿生机器鱼CPG模型 |
3.2.1 CPG单元振荡器 |
3.2.2 基于Hopf振荡器的CPG模型 |
3.3 仿生机器鱼CPG模型参数整定 |
3.3.1 链式耦合CPG网络模型 |
3.3.2 CPG模型参数整定 |
3.3.3 优化结果及分析 |
3.4 仿生机器鱼CPG控制游动实验 |
3.5 小结 |
第4章 仿生机器鱼CPG控制推进速度优化 |
4.1 引言 |
4.2 仿生机器鱼水动力学建模 |
4.2.1 仿生机器鱼坐标系建立 |
4.2.2 仿生机器鱼运动学分析 |
4.2.3 仿生机器鱼水动力分析 |
4.2.4 仿生机器鱼动力学仿真 |
4.3 基于PSO算法的最大平均速度优化 |
4.3.1 PSO算法介绍 |
4.3.2 PSO算法优化平均速度及平均效率 |
4.4 CPG控制仿生机器鱼游动实验 |
4.4.1 仿真实验 |
4.4.2 仿生机器鱼游动实验 |
4.5 小结 |
第5章 仿生机器鱼CPG的Spiking神经网络控制 |
5.1 引言 |
5.2 Spiking神经网络 |
5.2.1 生物神经元 |
5.2.2 Spiking神经元模型及其特点 |
5.2.3 本文采用的Spiking模型 |
5.3 Spiking神经网络无监督学习方法 |
5.4 基于CPG的Spiking神经网络控制 |
5.4.1 CPG数学模型 |
5.4.2 Spiking神经网络控制CPG |
5.5 仿真实验与分析 |
5.6 小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士学位期间论文发表及科研情况 |
四、仿生机器鱼的神经模糊控制应用研究(论文参考文献)
- [1]基于PID理论的仿生机器鱼位姿控制研究[D]. 宋英杰. 长春大学, 2021
- [2]机器鱼胸尾鳍协同深度控制方法研究[D]. 周栋. 兰州交通大学, 2020(01)
- [3]三自由度胸鳍推进机器鱼闭环运动控制方法研究[D]. 张宇杰. 兰州交通大学, 2020(01)
- [4]可浮潜仿生机器鱼多模式运动控制及神经动力学路径规划[D]. 陶洁莲. 南京航空航天大学, 2020
- [5]多关节仿生机器鱼设计及其路径规划研究[D]. 侯宁宁. 合肥工业大学, 2020(02)
- [6]仿生机器鱼的神经网络智能控制研究[D]. 曹长振. 大连理工大学, 2019(02)
- [7]基于离子聚合物—金属复合材料的柔性仿生机械结构及其控制系统研究[D]. 李超群. 合肥工业大学, 2019
- [8]基于强化学习的多自主水下机器人导航研究[D]. 胡静波. 武汉理工大学, 2019(07)
- [9]一种仿生机器鱼的设计与运动控制[D]. 张迟. 大连理工大学, 2018(02)
- [10]基于CPG的仿生机器鱼运动控制优化[D]. 李旭. 山东建筑大学, 2018(02)