水下机器人参数辨识的量子粒子群算法
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.
水下机器人、粒子群(PSO)、量子粒子群(QPSO)、参数辨识
22
TP242.6(自动化技术及设备)
上海市科委创新行动计划项目14JC1402800,13510721400;上海市教委科研创新研究重点项目13ZZ123;上海海事大学校基金20120106
2015-07-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
531-537