| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-25页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 研究目的和意义 | 第13-15页 |
| 1.3 非线性系统控制理论研究概述 | 第15-18页 |
| 1.4 水下机器人系统非线性控制研究现状 | 第18-23页 |
| 1.5 本文主要研究内容 | 第23-25页 |
| 第2章 基础知识及相关理论 | 第25-34页 |
| 2.1 微分几何非线性控制原理 | 第25-30页 |
| 2.1.1 流形和向量场 | 第25-26页 |
| 2.1.2 切矢量和切丛 | 第26-27页 |
| 2.1.3 余切空间和余切丛 | 第27-28页 |
| 2.1.4 李括号和李导数 | 第28-29页 |
| 2.1.5 李群和李代数 | 第29页 |
| 2.1.6 仿射联络 | 第29-30页 |
| 2.2 非线性稳定性理论 | 第30-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 水下机器人系统模型 | 第34-58页 |
| 3.1 状态空间下水下机器人运动方程 | 第34-36页 |
| 3.2 状态空间下水下机器人动力方程 | 第36-39页 |
| 3.3 深水域中水下机器人受力分析 | 第39-41页 |
| 3.3.1 附加质量 | 第39-40页 |
| 3.3.2 水动力 | 第40页 |
| 3.3.3 恢复力和力矩 | 第40-41页 |
| 3.4 水下机器人动力方程几何表达 | 第41-53页 |
| 3.4.1 黎曼度量 | 第42-47页 |
| 3.4.2 AUV系统的余切丛力 | 第47-49页 |
| 3.4.3 余切丛上的水动力 | 第49页 |
| 3.4.4 余切丛上的恢复力 | 第49-51页 |
| 3.4.5 实际海流中动力方程几何表达 | 第51-53页 |
| 3.5 计算协变导数 | 第53-57页 |
| 3.6 本章小结 | 第57-58页 |
| 第4章 基于微分几何方法的PD+前馈控制方法 | 第58-70页 |
| 4.1 位置和速度误差的几何描述 | 第58-59页 |
| 4.1.1 位置误差函数 | 第58-59页 |
| 4.1.2 转换映射 | 第59页 |
| 4.1.3 速度误差 | 第59页 |
| 4.2 AUV轨迹跟踪控制器设计 | 第59-65页 |
| 4.2.1 水下机器人的运动群 | 第59-60页 |
| 4.2.2 李群背景下的位置误差方程 | 第60-61页 |
| 4.2.3 李群背景下的速度误差方程 | 第61页 |
| 4.2.4 PD+前馈控制律 | 第61-62页 |
| 4.2.5 基于RBF神经网络的PD+前馈控制器设计 | 第62-65页 |
| 4.3 稳定性分析 | 第65-66页 |
| 4.4 仿真实验 | 第66-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第5章 基于微分几何方法的水下机器人鲁棒控制方法 | 第70-87页 |
| 5.1 外界干扰作用下的水下机器人几何方程 | 第70-72页 |
| 5.1.1 坐标系下的AUV动力方程 | 第70-71页 |
| 5.1.2 AUV动力方程的几何形式 | 第71页 |
| 5.1.3 AUV轨迹误差方程 | 第71-72页 |
| 5.1.4 速度误差方程 | 第72页 |
| 5.2 基于微分几何方法的滑模预测控制器设计 | 第72-79页 |
| 5.2.1 控制策略 | 第72-73页 |
| 5.2.2 AUV滑模预测控制器设计 | 第73-75页 |
| 5.2.3 稳定性分析 | 第75-76页 |
| 5.2.4 仿真分析 | 第76-79页 |
| 5.3 L_2干扰抑制方法 | 第79-80页 |
| 5.4 基于RBF神经网络的L_2干扰抑制鲁棒控制器设计 | 第80-86页 |
| 5.4.1 AUV鲁棒控制器设计 | 第80-81页 |
| 5.4.2 稳定性分析 | 第81-82页 |
| 5.4.3 仿真实验 | 第82-86页 |
| 5.5 本章小结 | 第86-87页 |
| 第6章 水下机器人系统预测控制研究 | 第87-106页 |
| 6.1 控制策略 | 第87-88页 |
| 6.2 AUV纵平面运动模型 | 第88-89页 |
| 6.3 AUV系统控制器设计 | 第89-98页 |
| 6.3.1 基于微分几何方法的鲁棒控制器 | 第89-90页 |
| 6.3.2 稳定性分析 | 第90-91页 |
| 6.3.3 AUV系统预测控制设计 | 第91-95页 |
| 6.3.4 稳定性分析 | 第95页 |
| 6.3.5 仿真实验 | 第95-98页 |
| 6.4 基于连续高阶预测模型的AUV系统控制器设计 | 第98-105页 |
| 6.4.1 基于RBF神经网络的鲁棒控制器设计 | 第98-100页 |
| 6.4.2 稳定性分析 | 第100页 |
| 6.4.3 高阶连续预测模型 | 第100-101页 |
| 6.4.4 预测误差系统及稳定性分析 | 第101页 |
| 6.4.5 连续预测控制器设计及稳定性分析 | 第101-103页 |
| 6.4.6 仿真实验 | 第103-105页 |
| 6.5 本章小结 | 第105-106页 |
| 结论 | 第106-108页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第108-109页 |
| 参考文献 | 第109-117页 |
| 致谢 | 第117页 |
