控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2015年
3期
531-537
,共7页
水下机器人%粒子群(PSO)%量子粒子群(QPSO)%参数辨识
水下機器人%粒子群(PSO)%量子粒子群(QPSO)%參數辨識
수하궤기인%입자군(PSO)%양자입자군(QPSO)%삼수변식
Underwater vehicle%particle swarm optimization (PSO)%quantum-behaved particle swam optimization (QPSO)%parameter identification
水下机器人动力学模型参数辨识是水下机器人运动状态控制、路径跟踪、状态监测、故障诊断及容错系统开发的基础,是水下机器人研究的核心内容之一.针对Falcon开架缆控水下机器人的动力学模型,将量子粒子群优化算法引入到水下机器人动力学模型参数辨识之中,提出基于量子粒子群优化算法(Quantum-behaved PSO,QPSO)的水下机器人动力学模型参数辨识,并将其辨识结果与粒子群优化算法(Particle Swarm Optimization,PSO)及遗传算法(GA)的辨识结果进行比较.仿真结果表明应用QPSO算法的参数辨识结果明显优于其它对比方法,说明了算法的有效性与合理性.
水下機器人動力學模型參數辨識是水下機器人運動狀態控製、路徑跟蹤、狀態鑑測、故障診斷及容錯繫統開髮的基礎,是水下機器人研究的覈心內容之一.針對Falcon開架纜控水下機器人的動力學模型,將量子粒子群優化算法引入到水下機器人動力學模型參數辨識之中,提齣基于量子粒子群優化算法(Quantum-behaved PSO,QPSO)的水下機器人動力學模型參數辨識,併將其辨識結果與粒子群優化算法(Particle Swarm Optimization,PSO)及遺傳算法(GA)的辨識結果進行比較.倣真結果錶明應用QPSO算法的參數辨識結果明顯優于其它對比方法,說明瞭算法的有效性與閤理性.
수하궤기인동역학모형삼수변식시수하궤기인운동상태공제、로경근종、상태감측、고장진단급용착계통개발적기출,시수하궤기인연구적핵심내용지일.침대Falcon개가람공수하궤기인적동역학모형,장양자입자군우화산법인입도수하궤기인동역학모형삼수변식지중,제출기우양자입자군우화산법(Quantum-behaved PSO,QPSO)적수하궤기인동역학모형삼수변식,병장기변식결과여입자군우화산법(Particle Swarm Optimization,PSO)급유전산법(GA)적변식결과진행비교.방진결과표명응용QPSO산법적삼수변식결과명현우우기타대비방법,설명료산법적유효성여합이성.
