简介：海军和另外的国防部组织逐渐地为许多使命和应用对无人的表面车辆(USV)的使用感兴趣。术语USV指没有一个全体乘务员，操作水的表面的任何车辆。USV有潜力，并且在一些情况中表明的能力到到有人驾驶的力量的还原剂风险，提供必要力量增加完成军事使命，执行有人驾驶的车辆的任务不能，并且那么以一个方法，那为海军是买得起的。世界范围的USV活动以及USV的一般技术挑战的调查下面被介绍。对USV的一般描述与他们的典型应用一起被提供。开发USV的技术挑战包括它的智力水平，控制，高稳定性，和发展费用减小。通过研究人员的联合努力在全世界，USV的发展在不久的将来将进入一个新阶段，，，这被相信USV能很快在军事、平民的服务两个都广泛地被使用。

简介：Inthispaper,maximum-likelihood(ML)anditsrelaxationalgorithm,whichareusedtoidentifythemathematicsmodelofanunderwatervehicle(UV),arcdiscussed.Withthetrialdataofzigzagtests,thehydrodynamicderivativesoftheUVwereestimated,andtherelaxationalgorithmisconfirmedtohavebetterastringencyfromthecontrastbetweenthetwomethods.Thenasimulationenvironmentbasedontheseparametersisestablishedtoverifythevalidityandeffectofthesemeth-ods.Theresultshowsthemodeliscredibleandthemethodsareveryusefulfortheresearchofmaneuverabilityandadaptivecontrolofunderwatervehicles.

简介：Itisanimportantcontrolprocesstooperatemotionofansubmergencerescuevehicle(SRV).Seeingthatthemotionofthesubmergencerescuevehicleisspecial,itisnecessarytoemploynon-linearpredictivecontrolsystem.Forthisreason,continuousdynamicperformanceofthesystem,thelogicalcomponentsandtheoperativerestraintsareexpressedasthenon-linearequationsofstatewiththeinequalityrestraints,andthemodelprincipleofhybridsystemisintroduced.TheconclusionshowsthatitcomestruetoexactlycontrolpositionandattitudeoftheSRVbymeansofnon-linearmodelpredictivecontrol.Thetestinamodelbasinhasalsoprovedthattheabovemethodsareefficient.

简介：这篇论文在一种控制体系结构上研究为自治在水下车辆(AUV)。在描述AUV控制系统的混合性质以后，我们在场层次AUV控制体系结构。建筑学在三层被组织：使命层，任务层和实行层。声明监督人和任务协调人是处理分离事件的二个关键模块，因此我们详细描述这二个模块。最后，我们执行了一系列测试验证这体系结构。测试结果证明AUV能有效地并且安全地执行自治使命。我们能断定控制建筑学有效、实际。

简介：Uptonow,sometechnologyofneuralnetworksaredevelopedtosolvethenon-linearityofresearchedobjectsandtoimplementtheadaptivecontrolinmanyengineeringfields,andsomegoodresultswereachieved.Thoughitputssomequestionsovertodesignapplicationstructurewithneuralnetworks,itisreallyunknowableaboutthestudymechanismofthose.But,theimportanceofstudyratioiswidelyrealizedbymanyscientistsnow,andsomemethodsonthemodificationofthatareprovided.

简介：影响的因素在水下车辆声纳自我噪音被分析，并且基因算法和背繁殖(BP)神经网络被联合预言在水下车辆声纳自我噪音。试验性的结果表明那在水下车辆sonarself噪音能被基于的一个GA-BP神经网络精确地预言实际在水下车辆声纳数据。

简介：在这份报纸，塑造建筑群的遥远地操作的车辆(ROV)的数字建模并且模型测试被显示出。纸强调了在塑造建筑群的ROV上用计算液体抑制动态软件ANSYS-CFX的水动力学的系统的建模，不是的一个惯例通常适用。为在发展阶段期间测试的起始的设计和原型，用一个免费腐烂的实验的小规模的测试被用来验证从ANSYS-CFX获得的理论模型，模拟结果被显示与试验性的测试与一致。建议方法能决定抑制ROV的系数的水动力学。

简介：

简介：Thispaperdescribespathre-planningtechniquesandunderwaterobstacleavoidanceforunmannedsurfacevehicle（USV）basedonmulti-beamforwardlookingsonar（FLS）.Near-optimalpathsinstaticanddynamicenvironmentswithunderwaterobstaclesarecomputedusinganumericalsolutionprocedurebasedonanAalgorithm.TheUSVismodeledwithacircularshapein2degreesoffreedom（surgeandyaw）.Inthispaper,two-dimensional（2-D）underwaterobstacleavoidanceandtherobustreal-timepathre-planningtechniqueforactualUSVusingmulti-beamFLSaredeveloped.Ourreal-timepathre-planningalgorithmhasbeentestedtoregeneratetheoptimalpathforseveralupdatedframesinthefieldofviewofthesonarwithaproperupdatefrequencyoftheFLS.Theperformanceoftheproposedmethodwasverifiedthroughsimulations,andseaexperiments.Forsimulations,theUSVmodelcanavoidbothasinglestationaryobstacle,multiplestationaryobstaclesandmovingobstacleswiththenear-optimaltrajectorythatareperformedbothinthevehicleandtheworldreferenceframe.Forseaexperiments,theproposedmethodforanunderwaterobstacleavoidancesystemisimplementedwithaUSVtestplatform.TheactualUSVisautomaticallycontrolledandsucceededinitsreal-timeavoidanceagainstthestationaryunderseaobstacleinthefieldofviewoftheFLStogetherwiththeGlobalPositioningSystem（GPS）oftheUSV.