为了实现欠驱动自治水下机器人(AUV) 三维航迹跟踪控制, 基于非完整系统理论分析了AUV缺少横向推进器时的欠驱动控制系统特性, 并验证了欠驱动AUV存在加速度约束不可积性. 基于李亚普诺夫稳定性理论, 利用自适应Backstepping 设计连续时变的航迹点跟踪控制器, 以抑制外界海流的干扰. 仿真实验表明, 所设计的控制器能实现欠驱动AUV对一序列三维航迹点的渐近镇定, 并且航迹跟踪的精确性和鲁棒性明显优于PID 控制.

此提交包含此视频中使用的有关自主水下车辆的建模、模拟和控制的文件 - https://www.mathworks.com/videos/modeling-and-simulation-of-an-autonomous-underwater-vehicle-1586937688878 .html 本次提交对 6-DoF 自主水下航行器 (AUV) 以及 AUV 的位置和速度控制器进行建模。 您可以根据应用需求在低保真度和高保真度传感器和环境模型之间切换。 Aerospace Blockset 用于对车辆的动力学进行建模。 要了解如何使用系统识别对推进器进行建模，请观看此视频 - https://www.mathworks.com/videos/matlab-and-simulink-robotics-arena-from-data-to-model-1518156121608.html

基于声纳的水下机器人同时定位与地图构建技术研究

吸收系数可以通过Thorp公式根据经验得到。 代码中使用的这个公式一般对几百Hz以上的频率有效。 吸收系数用于寻找水下无线通信路径损耗中的吸收损耗部分.它随频率快速增加，并且是限制给定距离的声学链路的最大可用频率的主要因素。

细节增强的matlab代码水下图像增强 该项目由Jonathan Nguyen和Bruno Bombassaro创建，用于UCLA的ECE 113D设计顶峰课程。 该项目的目标是在运行C的平台上实现该算法。特别是，我们在意法半导体NUCLEO-H745ZI板上测试了该实现。 按照目前的情况，H7板的RAM限制阻止了我们的程序在其上运行。 因此，今后，算法实现仍将用C编写，但不再特定于H7板。 使代码与运行C的嵌入式平台兼容的唯一附加功能是实现特定的文件IO功能（这些是H7上的USB_HOST功能）。 算法 该算法由Ancuti等。 al。 是为了修正水下拍摄的常见缺陷而创建的。 例如，光在水下传播越深，低频光分量衰减的程度就越大。 对于水下图像，这意味着红色通道比在水面上拍摄的照片更柔和。 另外，水中存在的颗粒物会引起类似雾霾的效果，使边缘模糊并使图像细节模糊。 为了解决这个问题，该算法执行以下步骤。 白平衡 伽玛校正（1） 在（1）上图像锐化 计算（2）和（3）的拉普拉斯权重图 计算（2）和（3）的显着性权重图 计算（2）和（3）的饱和权重图 合并权重图 利用融合技术的权重图重建图像

研究了基于深度强化学习算法的自主式水下航行器（AUV）深度控制问题。区别于传统的控制算法，深度强化学习方法让航行器自主学习控制律，避免人工建立精确模型和设计控制律。采用深度确定性策略梯度方法设计了actor与critic两种神经网络。actor神经网络给出控制策略，critic神经网络用于评估该策略，AUV的深度控制可以通过训练这两个神经网络实现。在OpenAI Gym平台上仿真验证了算法的有效性。

水下作业型ROV定深控制系统的设计，魏延辉，张皓渊，根据水下作业型机器人（Remotely Operated Vehicle，ROV）作业任务需要，研制了自动定深控制系统及其控制方法。设计的ROV定深控制系统主要��

Unity Ultimate Water System2.1.0_水插件_带交互_带水下_带镜头水滴，链接：https://pan.baidu.com/s/17pyJGNhymzTmo5_dbVUfGg，购买之前请先确认链接可用，文件里是链接密码。资源仅供大家学习交流，下载的文件很小，是因为这是网盘的资源链接的密码，资源在网盘中，请大家确认链接有效后，放心下载。

图像增强的matlab代码 水下图像增强 水下图像增强算法，三个工程均为MATLAB版本，分别为三个会议论文的源代码，

文档讲述了一种遥控式水下机器人（ROV）的岸基供电方式，因其体积小、供电效率高等优势备受青睐。在当前发展形势下，传统锂电池供电限制太大，无法保证续航、重量大、充电不方便等，ROV的岸上供电已然成为趋势。