水下清洁机器人运动控制系统设计研究
水下机器人的控制系统设计与优化
水下机器人的控制系统设计与优化一、简介水下机器人是一种用于进行海底勘探、海洋生物学研究、深海资源开发等工作的自主机器人。
与陆地机器人不同，水下机器人具有很高的工作难度和环境复杂性，因此需要设计和优化高效可靠的控制系统，保证水下机器人完成各项任务。
二、控制系统设计水下机器人的控制系统由软件和硬件两部分组成。
软件部分负责控制机器人的运动、掌握深度、航速、方向和姿态控制等关键功能。
此外，软件还需要具备对机器人状态、水压、水温等数据的实时监测、反馈和报警功能。
硬件部分则负责控制机器人的执行机构，包括马达、泵、阀门、舵机等。
1. 系统架构系统架构是一项复杂的任务，需要考虑到机器人的工作性质、任务需求、现有技术和资金预算等因素。
一般来说，水下机器人的系统架构包括机械结构、传感器、计算机、执行机构和电源等部分，其中机械结构负责提供机器人的浮力和运动机构，传感器负责监测水下环境和机器人状态，计算机负责控制机器人运动和反馈控制信息，执行机构负责实现机器人运动控制，而电源则负责提供机器人的电能。
2. 系统集成在控制系统设计过程中，需要充分考虑各模块之间的兼容性和协作性。
例如，机械结构和执行机构需要和传感器、计算机等部分相互连接和协调工作。
此外，控制系统还需要通过数据总线、接口板等方式进行数据交换和协调控制。
3. 系统优化水下机器人的控制系统需要经过实际测试和验证后才能上线使用。
在工作过程中，还需要根据任务需求和环境变化来不断对控制系统进行优化，以提高机器人的性能和可靠性。
例如，可以通过改善机器人的舵机或电机性能，提高机器人的运动控制精度和稳定性，或是通过优化传感器算法，提高机器人的状态感知和反馈控制能力。
三、实验验证水下机器人的控制系统要进行实验验证，以提高其性能和可靠性。
实验验证包括模拟实验和实物实验两部分。
在模拟实验中，可以利用仿真软件模拟机器人的工作流程，验证各个控制模块之间的兼容性、协作性和控制精度等。
在实物实验中，可以利用真实的机器人模型或原型，进行机器人控制和状态监测方面的实验验证。
水下机器人的控制系统设计及实现
水下机器人的控制系统设计及实现第一章引言随着科技的进步，水下机器人在海洋勘探、救援、海底管道维护等领域扮演着越来越重要的角色。
而一个高效稳定的控制系统是水下机器人能够顺利完成任务的关键之一。
本文将重点介绍水下机器人控制系统的设计及实现。
第二章水下机器人的控制系统概述水下机器人的控制系统主要由感知模块、数据传输模块、控制器和执行机构四部分组成。
感知模块负责收集环境信息，数据传输模块将信息传输给控制器，控制器根据接收到的信息制定控制策略，并通过执行机构实现运动控制。
第三章感知模块设计与实现感知模块的主要任务是获取水下环境的相关信息，包括水温、水压、水质、水流速度等。
针对不同的任务需求，可以采用不同的传感器，如温度传感器、压力传感器、水质传感器和流速传感器等。
这些传感器将信息传输给控制系统的数据传输模块，为后续的控制策略制定提供准确的数据支持。
第四章数据传输模块设计与实现数据传输模块起着枢纽的作用，将感知模块收集到的信息传输给控制器，并将控制器制定的控制策略传输到执行机构。
传统的通信方式包括有线通信和无线通信，对于水下机器人而言，由于受到水的传输特性的限制，无线通信往往是首选。
可以使用声波、电磁波等方式进行数据传输，同时还需要考虑通信的稳定性和抗干扰能力。
第五章控制器设计与实现控制器是整个系统的核心，其负责根据感知模块和数据传输模块提供的信息制定控制策略，并将策略传输给执行机构。
控制器的设计主要包括传感器数据处理、控制策略制定和控制指令生成等三个方面。
其中，传感器数据处理过程中需要进行数据滤波、数据融合等处理，控制策略制定需要将感知信息与任务要求进行匹配并确定最优策略，控制指令生成则需要根据策略生成具体的指令。
第六章执行机构设计与实现执行机构主要实现控制器制定的控制策略，包括机械臂、推进器等。
机械臂用于完成需要进行物体抓取、搬运等操作的任务，推进器用于水下机器人的运动控制。
执行机构的设计和选型需要考虑机械结构的稳定性、推进力的大小和方向控制等因素。
水下机器人的运动控制与路径规划
水下机器人的运动控制与路径规划随着科技的不断发展，水下机器人的应用范围日益广泛。
水下机器人在海洋资源勘探、海底考古、海底工程等领域发挥着重要作用。
而机器人的运动控制与路径规划是水下机器人能够自主完成任务的关键技术之一。
本文将探讨水下机器人的运动控制与路径规划技术。
一、水下机器人的运动控制技术1. 导航系统水下机器人需要具备准确的导航系统，以确保其在水中的定位和姿态稳定。
惯性导航系统、GPS定位系统和声纳导航系统等技术常用于水下机器人的导航。
其中，惯性导航系统能够通过内部传感器测量机器人的姿态和位置，GPS定位系统可以利用地面的GPS信号来测量机器人的位置，而声纳导航系统则通过发送和接收声波信号来测量机器人与周围环境的距离。
2. 动力系统水下机器人的动力系统需要能够提供足够的推力和转矩，以满足机器人在水中的运动需求。
常见的动力系统包括电动机和液压系统。
电动机具有体积小、重量轻、控制方便等优点，适用于小型水下机器人；而液压系统则适用于大型水下机器人，可以提供更大的推力和转矩。
3. 姿态控制水下机器人的姿态控制是指控制机器人在水中的姿态，使其保持稳定并能够完成所需的任务。
常用的姿态控制方法包括PID控制、模型预测控制和自适应控制等。
PID控制是一种最常用且简单的控制方法，通过调节比例、积分和微分系数来稳定机器人的姿态。
而模型预测控制和自适应控制则可以根据机器人当前的状态和环境变化进行实时调整，以提高姿态控制的精度和稳定性。
二、水下机器人的路径规划技术1. 障碍物检测水下机器人在执行任务时需要避开障碍物，因此需要具备有效的障碍物检测技术。
常用的障碍物检测方法包括激光扫描、摄像头监测和声纳传感器等。
激光扫描可以通过发送激光并接收反射光来检测周围环境的障碍物，摄像头监测则利用摄像头拍摄周围环境的图像来检测障碍物，声纳传感器则通过发送和接收声波信号来检测周围环境的障碍物。
2. 路径规划算法路径规划算法是指根据水下机器人的起点、终点和周围环境来确定机器人的最佳路径。
基于ROS的水下机器人运动控制研究
基于ROS的水下机器人运动控制研究随着科技的不断发展，水下机器人在深海探测、海洋资源勘探和环境监测等领域中发挥着越来越重要的作用。
而水下机器人的运动控制技术是这些应用中的关键环节之一。
本文将介绍基于ROS的水下机器人运动控制研究，包括ROS的概念和特点、水下机器人运动控制的难点、基于ROS的水下机器人运动控制的技术路线和应用前景等内容。
一、ROS的概念和特点ROS，全称Robot Operating System，是一个开源的机器人操作系统。
它提供了一系列的工具库和软件框架，可以方便地实现机器人的感知、控制和协作等功能。
ROS具有以下几个特点：1. 高度模块化：ROS的软件模块可以独立开发和测试，方便了软件开发的并行和组合。
2. 现成的组件库：ROS提供了许多现成的组件库，如传感器数据采集、地图构建、路径规划和运动控制等，可以节省软件开发的时间和精力。
3. 易于学习和使用：ROS采用C++和Python等常用编程语言，语法简单易懂，社区提供了大量的教程和示例程序，方便了开发者的学习和使用。
4. 开源和共享：ROS是一个开源框架，任何人都可以免费获取和使用。
同时，ROS社区也非常活跃，成员之间可以共享代码、经验和资源等。
二、水下机器人运动控制的难点与陆地机器人相比，水下机器人的运动控制面临着更大的挑战和困难。
这是由于水下环境的复杂性造成的，包括水下流体力学、水下通信、水下传感和水下导航等方面。
以下是水下机器人运动控制中的几个关键难点：1. 水下机器人的动力学特性：水下机器人的动力学特性与陆地机器人截然不同，这对运动控制算法的设计和优化提出了更高要求。
2. 水下传感器的精度和可靠性：水下传感器的精度和可靠性受到水下环境的影响，因此需要特别关注其校准和修正等问题。
3. 水下通信的带宽和稳定性：水下通信系统的带宽和稳定性受限于水下环境的特殊性，如水的吸收和散射等。
因此，在水下机器人的控制和协作中需要特别关注通信协议和数据传输的可靠性。
水下机器人的运动姿态控制方法研究
水下机器人的运动姿态控制方法研究随着科技的不断进步，水下机器人的应用越来越广泛，并受到了人们的广泛关注。
然而，水下机器人在执行各种任务时，需要保持稳定的运动姿态，这对于控制系统的设计和优化具有挑战性。
因此，如何有效地控制水下机器人的运动姿态是一个广泛研究的问题。
本文将从多个角度深入探讨水下机器人的运动姿态控制方法。
一、水下机器人的运动姿态控制目标水下机器人的运动姿态控制的目标是保持机器人在水下稳定、平衡的运动状态。
这是执行各种任务的前提。
水下机器人在执行任务时，其运动姿态控制要达到以下几个目标：1.维持水下机器人的稳定性，防止机器人在运动时产生惯性力，导致倾斜；2.控制水下机器人在水下的位置与姿态，保证其在浅海、深海等不同环境下的稳定性；3.控制水下机器人的运动速度，以便完成不同的任务。
以上几点是水下机器人运动姿态控制的基本目标，实现这三个目标需要采用不同的控制方法。
二、水下机器人的运动姿态控制方法在实践中，水下机器人的运动姿态控制方法主要有以下几种方式：1. PID控制PID控制是一种常用的控制方式，也是水下机器人运动姿态控制中最常用的一种方法。
PID控制通过对水下机器人的偏差进行反馈、校正，以达到控制机器人运动姿态的目的。
PID控制器通过计算偏差的比例、积分和微分，来调节输出控制信号，系统的响应也会更加快速、精确。
2. 模型预测控制模型预测控制是一种智能优化的控制方法。
该方法基于数学模型，经过多次仿真和训练后，通过计算未来的状态变化趋势，来预测机器人的运动姿态，进而控制机器人的运动姿态。
模型预测控制器具有精确性高、控制灵活性强、适应性好等特点，是一种理想的水下机器人运动姿态控制方法。
3. 自适应控制自适应控制是一种根据系统的反馈信息，实现自我修正的控制方法。
该方法根据水下机器人的运动姿态和环境信息，在实时不断地调节目标参量，以控制机器人的运动姿态。
自适应控制具有自适应性强、控制精度高、鲁棒性好等特点，是一种应用广泛的水下机器人运动姿态控制方法。
泳池清洁机器人研究报告
泳池清洁机器人研究报告1.引言泳池是人们用于游泳和放松的场所，然而，传统的泳池清洁方法通常耗时耗力，并且效果不理想。
为了解决这个问题，泳池清洁机器人应运而生。
本研究旨在探讨泳池清洁机器人的工作原理、应用场景、优势和发展前景。
2.泳池清洁机器人的工作原理泳池清洁机器人通常由车身、清洁装置、电力系统、控制系统和传感器等部分组成。
其工作原理如下：•电力系统提供机器人所需的动力。
•传感器用于感知泳池的形状、尺寸和污垢情况。
•控制系统根据传感器的反馈信息，控制清洁装置进行清洁操作。
•清洁装置可以使用刮刀、旋转刷等方式进行清洁，将污垢收集起来。
•机器人在泳池内移动，依靠车身上的脚轮或是推进器来进行。
3.泳池清洁机器人的应用场景泳池清洁机器人主要用于以下场景：3.1 公共泳池公共泳池通常需要定期进行清洁，传统的清洁方法往往需要关闭泳池并且耗费大量的人力物力，而泳池清洁机器人可以在人们离开之后进行自动化清洁，大大节省了时间和人力成本。
3.2 家庭泳池家庭泳池通常面积较小，使用频率低，但是也需要定期进行清洁以保持水质的清洁和卫生。
泳池清洁机器人可以自动在泳池内进行清洁，让家庭用户更加方便地享受清凉的泳池。
3.3 酒店泳池酒店泳池通常面积较大，使用频率高，需要持续保持清洁并保持水质符合卫生标准。
传统的清洁方法难以满足需求，而泳池清洁机器人可以在酒店关停泳池时进行清洁，提高了清洁效率和质量。
4.泳池清洁机器人的优势泳池清洁机器人相比传统清洁方法具有以下优势：4.1 自动化泳池清洁机器人能够自动在泳池内进行清洁，无需人工操作，大大节省了人力成本和时间。
4.2 高效性清洁机器人可以根据泳池的形状和尺寸制定清洁路径，智能化的设计使得清洁更加高效。
4.3 清洁效果好泳池清洁机器人通过刮刀、旋转刷等装置进行清洁，能够深入清除泳池底部和边缘的污垢，提高清洁效果。
4.4 安全泳池清洁机器人通常配备了碰撞传感器和防滑装置，能够避免与泳池壁和用户发生碰撞，提高了安全性。
水下机器人的动力学与运动控制研究
水下机器人的动力学与运动控制研究水下机器人是一种能够在水下自由移动、完成各种任务的机器人。
它广泛应用于海洋科学研究、海洋资源勘探、海洋环境监测、海底资源开发等领域。
为了实现水下机器人的动力学和运动控制，需要对其进行深入研究。
一、水下机器人的动力学水下机器人的动力学研究主要涉及到机器人的姿态控制与运动学分析。
姿态控制是指控制水下机器人的方向、俯仰角、滚转角等参数，以便于机器人在水中进行各种活动。
运动学分析主要涉及水下机器人在水中运动时的速度、加速度、弯曲程度等参数。
水下机器人的动力学研究包括机器人的机构设计、传动系统、动力系统、传感器的选择等方面。
在机构设计方面，一般选择独立式样、水平式样或者全封闭结构等。
在传动系统方面，可以采用电动、液压、水流等传动方式，根据使用需求来选择。
在动力系统方面，可以采用液压、电动、气动等方式，以实现机器人在水下的高速运动。
二、水下机器人的运动控制水下机器人的运动控制研究包括机器人的运动控制系统、控制算法、控制方法以及控制策略等。
机器人的运动控制系统一般包括传感器、控制执行系统、运动执行系统等，通过传感器采集机器人的运动状态，由控制执行系统进行控制，从而达到运动的目的。
在控制算法方面，可以采用遗传算法、模糊控制、神经网络等方法进行水下机器人的运动控制。
采用遗传算法可以实现机器人的全局搜索和优化，并能够适应复杂环境；模糊控制可以通过构造模糊规则表达人类经验和知识，实现对复杂系统的控制；神经网络控制则可以利用神经网络的自学习、自适应特性来实现控制。
在控制方法方面，主要包括基于位置的控制、基于速度的控制、基于力的控制等。
其中，基于位置的控制适用于机器人的轨迹跟踪和姿态控制问题；基于速度的控制可以用于波动补偿和速度稳定控制问题；基于力的控制则适用于物体的抓取、操作和清洗等任务。
在控制策略方面，主要包括开环控制、闭环控制、自适应控制、预测控制等。
其中，开环控制适用于对机器人的直接控制，但是无法应对环境变化；闭环控制适用于环境和外部条件不确定的情况下，可以通过反馈机制进行控制；自适应控制则适用于环境变化频繁的情况下，可以通过对环境的分析来实现动态控制；预测控制则可以通过对未来状态的预测来实现控制。
水下机器人的控制系统设计与实现
水下机器人的控制系统设计与实现水下机器人是一种能够在水中执行任务的智能机器人，它可以在深海等危险环境中代替人类进行探测、勘探等活动。
但是在操作水下机器人时，需要掌握一定的技术和知识，其中最关键的便是控制系统的设计与实现。
一、水下机器人的控制系统设计水下机器人的控制系统由硬件系统和软件系统组成。
硬件系统包括传感器、执行器、控制器等，用于检测环境信息并控制机器人的动作；软件系统则包括控制算法、通讯协议、用户界面等，用于实现机器人的智能化控制。
1.传感器水下机器人需要搭载各种传感器，以便检测机器人周围的环境信息。
例如，水下机器人需要能够检测水温、水压、水流等信息，以及适应不同的海底地形、探测目标等。
2.执行器水下机器人的执行器主要包括推进器、机械臂、采样器等。
其中推进器是控制水下机器人运动的重要部件，可用于水平和垂直方向的移动；机械臂和采样器可以帮助机器人完成对目标的探测、采样等操作。
3.控制器控制器是水下机器人控制系统的核心，负责监测机器人状态并发出控制指令。
目前，市面上常用的水下机器人控制器有基于单片机、FPGA等平台的设计。
4.通讯协议在水下机器人的控制系统中，通讯协议是保证控制信号顺利传递的关键。
目前，市面上常用的通讯协议有RS-232、RS-485、CAN等。
为了保证数据传输的安全性和可靠性，可使用差分信号传输技术，如差分TTL、差分CMOS等。
5.用户界面用户界面是水下机器人与操作人员进行交互的重要组成部分。
设计合理的用户界面能够使操作人员更好地理解水下机器人的运动状态和环境信息，并根据需要发出相应控制指令。
二、水下机器人的控制系统实现水下机器人的控制系统实现主要包括控制算法的开发和应用软件的设计。
控制算法通常包括运动控制算法、自主导航算法、视觉跟踪算法等。
应用软件则负责合理组织这些算法的运行，并保证系统的稳定性与可靠性。
1.运动控制算法运动控制算法主要控制机器人的姿态和运动，如航向角、偏航角、深度等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本文主要结合相关的研究背景设计了一种水下清洁机器人，作为一种水下设备的清洁维护的机器人，保障水下设备的正常运行。
文章首先在引言部分对本文的研究背景及意义进行阐述，然后重点提出了水下清洁机器人运动控制系统的总体设计方案，并对其运动模型进行设计和仿真。
1 引言
海洋开发逐渐向特殊领域以及高深度领域转变，难度越来越大，人力开发已经完全不能够满足开发的需求，机器人开发已经成为了新趋势。
本文主要在此背景下分析和研究水下清洁机器人的运动控制系统的设计。
本文设计的水下清洁机器人主要是用于对水下的一些大型设备，例如海底搜救设备、勘测设备、取样设备等进行水下维护和修复等，能够在水下特殊环境中对海底设备进行维护和处理，能够较大程度上的促进海底开发技术的发展。
2 水下清洁机器人运动控制系统总体设计
2.1 水下清洁机器人运动控制流程
本文设计的水下清洁机器人的控制系统主要由主机、控制算法、控制电路、指令转换、机器人载体、采样设备等组成，具体的控制流程为：主机控制算法进行水下机器人的动力分配，并结合指令转换算法进行整理转换，结合控制电路开启操控箱，下达操作指令，机器人载体接到命令驱动机器人进行采样，采集样本之后将样本信息传递到主机处理系统当中，进行处理。
2.2 模拟运动控制平台结构设计
水下机器人的运动控制平台主要包括六个部分：步进电机、云台、安装板、推进器、U型板以及轴承等。
其中云台主要实现的是2自由度的运动，包括水平和横向两个方向。
本文模拟的控制平台主要实现的是3自由度的运动控制，除了上述2自由度之外，还包括前后摇摆自由度。
由于多了一个自由度，因此需要对运动进行定位，该运动平台的定位主要由带套轴承和法兰轴组成固定左侧，由带套轴承和电机轴固定右侧，右侧的电机由法兰固定，由此就设计出了一个6自由度的模拟运动控制平台（边宇枢，高志慧，贠超，6自由度水下机器人动力学分析与运动控制：机械工程学报，2007）。
2.3 地面操控台结构设计
地面操控台主要是对上述的模拟运动控制平台进行控制，地面操控台主要包括显示器、操纵杆、按钮以及指示灯等。
其中操纵杆有2个，一个用来控制云台的摄像机，一个用来控制模拟运动平台，面板主要是结合人体舒适度进行设计，角度定为70°（裴文良，郭映言，陈金山，申龙，水下机器人的研发及其应用：制造业自动化，2018）。
3 水下机器人运动模型及仿真分析
该部分主要对上述设计的水下机器人的运动模型以及仿真进行分析：
3.1 水下机器人的运动学建模
为了便于我们对机器人参数和变量的统一管理，可以定义以下
状态变量：
其中
，，即用η1和η2分别表示稳定系下水下机器人的位置向量和方向向量，用v1和v2分别表示动态系下水下机器人的线速度和角度，用τ1和τ2表示在动态系下作用于水下机器人的力和力矩向量。
水下机器人的速度变量由稳定系转换成为动态系，从而通过动态控制器实现对运动的控制，同时要获得水下机器人的静态位置和姿态就必须要将水下机器人的速度变量由动态系转换成为稳定系，从而得到水下机器人的位置矢量。
由此可知，在研究水下机器人状态时，需要分析和研究机器人速度变量的动态和静态的转变。
3.2 基于神经网络的轨迹控制器
本文主要设计了基于神经网络模型的水下机器人的运动轨迹控制器，具体的控制流程如下：当机体接收到信号后，传递到控制器，再通过执行器作用于机体，做出相应的动作，机器人本身还具有抗干扰的功能。
输出与控制器之间用RBF网络连接。
（朱大奇，陈亮，刘乾，一种水下机器人传感器故障诊断与容错控制方法：控制与决策，2009）
3.3 水下机器人神经网络轨迹控制的仿真
结合上述设计的基于神经网络模型的水下机器人的运动轨迹控制器，采用MATLAB进行仿真如下。
该控制器设计的目的是实现对水下机器人运动状态的识别和跟踪，通过分析水下机器人的水下运动情况，结合轨迹参考实现了未知动力学的局部精确逼近和部分神经网络权值的收敛，从而奠定一定的学习控制器基础。
结合神经网络的训练实验得到，在神经网络权值的训练过程中，一些神经网络的权值最终收敛，可以作为神经网络的常数权值存储。
在自适应神经网络控制器的作用下，将被控系统未知动态分量的局部精确逼近。
水下清洁机器人运动控制系统设计研究
（下转第121页）
量室外太阳的强度，从而调室内灯光的数量，防止电能的浪费。
每个楼层安装一个PLC，这些PLC可以通过现场总线进行联接，之后通过另一个带以态网功能的PLC或虚拟串口连接到组态软件。
7.系统安装与调试
此温泉洒店智能控制系统在河源市某温泉酒店进行了三个多月的施工及调试。
由河源职业技术学院提供技术支持，由河源市宏创自动化设备有限公司进行施工及调试。
本次改造覆盖了50多个温泉池，一个恒压供水系统，6个温泉井，一个配电房，一栋多层楼的智能照明。
安装调试过程是按模块进行，硬件方面，一部分人进
行温泉池控制系统改造，一部分人水泵房改造，每个模块都有人参与，工作并列进行。
软件方面，首先，对软件的变量及画面风格进行统一安排，之后每个不同模块分给负责不同模块的工程师编写，之后组合进一个大的组态软件工程里。
此智能控制系统还可以升级改造，将酒店的其他控制设备都并入了此系统中，达到了较好更广泛的控制要求。
此系统用户评价较高，之后在可以在其他温泉酒店进行推广。
作者简介：冯友强（1981—），男，汉族，广东河源人。
本科学历，硕士学位，工程师与讲师职称，职务：教师，研究方向：自动控制技术。
在钢铁，电子加工，城市供水，胶水生产行业的自动化控制有较丰富的经验，对机器视觉，工业网络，机器人也有一定
的研究。
图10 酒店大堂一角照明图
图11 改造前照明控制电箱
（上接第117页）
图1 跟踪参考轨迹的水下机器人三维示意图和水平平面图
图1左侧为跟踪参考轨迹的水下机器人三维示意图，图1右侧为跟踪参考轨迹的水平平面图。
图1显示路径的实际状态。
从图1中可以看出，水下机器人是给定条件下的第一个机器人。
条件位置开始，经过一定的调整后，可以沿着参考回归路径稳定地移动。
纵向、横向和纵向三个自由度的位移和方位跟踪误差。
在直接自适应神经网络控制器的影响下，系统的超调量在10秒左右得到了显著的降低。
约20秒的状态误差几乎为零，说明该控制器具有良好的控制特性。
当实际轨迹和参考轨迹发生偏转时，控制输入作用于螺旋桨和舵机，调节水下机器人（李冀永，万磊，黄海，张国成，秦洪德，水下机器人-机械手系统自适应抗扰控制方法：天津大学学报(自然科学与工程技术版)，2018）的工作状态。
将自适应神经网络控制器获得的知识以常数值的形式静态存储，训练控制器的仿真结果如下：
训练控制器作用下系统未知动态分量的近似值，可以在前10秒内逼近未知动态，有效避免了冗余的学习设置过程。
与自适应神经
网络控制器相比，该训练控制器具有更好的稳定性和可靠性。
状态跟踪误差系统的初始适应时间缩短了约75%，系统稳态误差在几秒内接近于零，超调量显著减小，大大提高了系统管理的效率。
因此，直接自适应神经网络控制器实现了神经网络权值的最终收敛和对控制系统未知动态的严格局部逼近，即训练，并提供更好的参考轨迹跟踪。
控制效果:学习控制器的设计完全避免了神经网络权值的再学习，减少了系统过载，减少了设置时间，减少了平稳误差，节省了以后的任务。
4 结论
本文主要结合当前海洋开发的情况以及水下机器人的应用广泛性，提出设计一种基于海底采样的水下清洁机器人，重点对该水下机器人的总体运动控制流程，六自由度的模拟运动控制平台、地面操控平台等进行设计。
针对机器人水下轨迹跟踪，提出使用自适应神经网络控制轨迹算法进行运动轨迹的控制，避免了重复训练，提高轨迹跟踪的效率。
基金项目：大连海洋大学2018年大学生创新创业训练计划项目。
作者简介：王馨（1998—），男，蒙古族，山东即墨人，大学本科在读，研究方向：自动控制。
通讯作者：马占军（1978—），男，辽宁大连人，现供职于大连海洋大学信息工程学院，大创指导教师，研究方向：船舶电气、智能控制。