一种水下机器人六自由度推力分配优化方法技术

本发明专利技术提供一种水下机器人六自由度推力分配优化方法，属于水下机器人技术领域，本发明专利技术建立水下机器人推力分配的数学模型，对等式约束求解，使用随机黑洞算法求解k的最优值，利用k解算各推进器推力u及转角α。本发明专利技术对姿态角动力定位更加灵活，降低了优化算法的复杂度，加快了计算速度，避免了传统优化方法迭代计算复杂的弊端，加快了寻优速度，避免了陷入局部最优。

A Six-DOF Thrust Allocation Optimization Method for Underwater Vehicles

The invention provides an optimization method for six-degree-of-freedom thrust distribution of underwater vehicles, which belongs to the technical field of underwater vehicles. The invention establishes a mathematical model for thrust distribution of underwater vehicles, solves equality constraints, uses random black hole algorithm to solve the optimal value of k, and uses K to solve the thrust u and rotation angle a of each propeller. The invention is more flexible for dynamic positioning of attitude angle, reduces the complexity of the optimization algorithm, speeds up the calculation speed, avoids the disadvantages of the traditional optimization method, speeds up the optimization speed and avoids falling into the local optimum.

【技术实现步骤摘要】
一种水下机器人六自由度推力分配优化方法
本专利技术属于水下机器人
，具体涉及一种水下机器人六自由度推力分配优化方法。
技术介绍
随着智能控制技术的不断发展，水下机器人在海洋探测和海洋作业应用愈加广泛，为了实现水下机器人作业所需要的六自由度姿态精确控制，需要提出一种基于冗余推进器布置的六自由度推力分配方法。冗余推进器推力分配采用伪逆法、序列二次规划(SQP)方法和智能算法，在推力分配优化算法中应用最多的是SQP，但它存在着鲁棒性差、局部收敛等缺点。伪逆法和智能算法常出现不能计算出满足约束条件的结果,只能求得相似解。本水下机器人配置有四个矢量推进器，以十字型分配在前后左右四个方位。相比于六推进器的水下机器人，不仅减小了整体的体积，在成本和能耗方面也具有经济性优势。这四个推进器不仅能输出满足高层控制器给出的预期推力，也可以在满足预计推力的基础上降低机器人整体的能耗。结合水下机器人推进器布置的特点，在满足六自由度推力分配的基础上，建立了以能耗最小为寻优目标的优化方法，提出了采用随机黑洞智能算法的推力分配方法。
技术实现思路
本专利技术的目的在于提供了一种水下机器人六自由度推力分配优化方法，并在冗余推进器布置的基础上采用随机黑洞算法以能耗最低为目的进行优化。本专利技术的目的是这样实现的：一种水下机器人六自由度推力分配优化方法，具体的实现步骤为：步骤1.建立水下机器人推力分配的数学模型；步骤2.对等式约束求解；步骤3.使用随机黑洞算法求解k的最优值；步骤4.利用k解算各推进器推力u及转角α。步骤1所述的水下机器人推力分配的数学模型为：τ＝B(α)u其中B表示推力分配的空间位置约束，τ＝{τx,τy,τz,τp,τq,τr}为控制器输出的六个自由度上的力和力矩，u＝{u1u2u3u4}为推进器的推力，α＝{α1α2α3α4}为推进器转角，其中lxi为第i个推进器在x方向上距离机器人重心的距离，lyi为第i个推进器在y方向上距离机器人重心的距离。步骤2所述的对等式约束求解的过程中为：步骤2.1.将推进器推力依照水平方向和垂直方向分解uhi＝uicosαi，uzi＝uisinαi，i＝1，2，3，4，水下机器人推力分配的数学模型为即-2Ruz1+2Ruz3＝τr-Rτx+Rτy，其中R为推进器与重心的距离；步骤2.2.简化等式约束，等式约束为解集为其中步骤3所述的求解k的最优值过程为：步骤3.1.确定优化问题的目标函数其中P表示推进器功率，n为推进器转速，Q为推进器的转矩，KQ和KT为转矩系数和推力系数视为定值，W为比例，将推进器转角的变化量作为惩罚项加入目标函数ΔαTQΔα其中Q为权值矩阵，Δα＝α-α0，α0为上一时刻各推进器的转角，Δα为转角变化量；优化问题的目标函数为步骤3.2.确定星体范围，推进器1、3的推力为uz1＝k1uz3＝-k1+Euh1＝k2+Fuh3＝-k2k的取值范围为max{E-umax,umin}＜k1＜min{E-umin,umax}max{-umax,umin-F}＜k2＜min{-umin,umax-F}其中umax表示推进器所能取得的最大，umin表示推进器所能取得的最小值；步骤3.3.输入预期合力τ、推进器推力界限umax与umin、当前各推进器转角α0，设置星体为k＝{k1,k2}，设置最大迭代次数M、星体个数N、空间维度D、设置寻优范围步骤3.4.初始化星体，其中ki,t表示第t次计算的第i个星体，t＝0,…,M，i＝1,…,N，k(max)表示二维星体k＝{k1,k2}取值的最大值，k(min)表示二维星体k＝{k1,k2}取值的最小值。步骤3.5.计算星体的目标函数值并计算目标函数值的适应度若计算星体为初始星体，选择适应度最大的星体为初始黑洞kBH；步骤3.6.更新星体，ki,t+1＝ki,t+rand×(kBH-ki,t)，rand为0～1随机值，计算更新后星体的适应度，若其中适应度的最大值超过黑洞，则将该星体和黑洞交换身份；设置黑洞的归一化原始边界设置引力范围权重因子ε为引力范围常数，黑洞边界为R(t)＝λR0(t)，星体与黑洞距离为步骤3.7.当计算到第N代或满足最优寻优精度时，结束计算，获得最优的k取值，否则转到步骤3.5。步骤4所述的解算各推进器推力u及转角α过程为：由k＝{k1,k2}计算U＝{uz1uz3uh1uh3}，由配置矩阵得uh2＝τx-uh1uh4＝τy-uh3通过各推进器在水平垂直面分解的分力，求得合力和转角本专利技术的有益效果在于：本专利技术提供一种六自由度推力分配方案，相较传统水下机器人多出横滚和纵倾的控制，对姿态角动力定位更加灵活；本专利技术在进行数学建模时针对水下机器人推进器布置特点，对推进器空间布置的约束矩阵进行线性化并求解，将8个有约束的未知量简化为2个无约束未知量，降低了优化算法的复杂度，加快了计算速度；本专利技术采用基于随机黑洞算法的智能算法，可以针对能耗最小进行优化，相对于传统的伪逆法和序列二次规划方法，本专利技术采用的方法避免了传统优化方法迭代计算复杂的弊端；设置了归一化的黑洞引力范围和距离计算公式，使其吸收能力和适应度成正比，加快了寻优速度；同时设置权重因子使算法在计算初期加大了在全局范围搜索，在后期加快局部计算速度，避免了陷入局部最优。附图说明图1为专利技术的推进器布置示意图。图2为本专利技术的流程图。具体实施方式下面结合附图对本专利技术做进一步的描述：实施例1机器人的四个推进器采用十字对称布置在整体的四周，每个推进器都能绕其对称轴旋转，左右推进器可以产生前后方向推力，前后推进器可以产生左右方向推力，当推进器旋转到垂直面时，便可以在垂直方向产生推力。分别将机器人左、右、前、后的推进器编号为1、2、3、4。通过四个推进器器推力和转角的组合，便能在产生六自由度上的合力及力矩。定义机器人的前进方向为x，右移方向为y，下降方向为z，绕x、y、z轴转动分别为横滚p、纵倾q和转艏r。由于机器人能输出四个推进器推力及其转角，有8个输出量，相对于6自由度的预期推力是冗余的，因此有无穷多满足预期推力的分配方式。通过求解推进器空间配置方程，使计算模型由有约束的8个未知量简化为无约束的2个未知量，并建立能耗模型，以能耗最小为目的，采用随机黑洞智能算法对推力分配问题进行优化，其步骤如下：步骤1.建立水下机器人推力分配的数学模型：依据水下机器人推进器的安装位置，建立控制器指令和推进器推力间的映射关系：τ＝B(α)u上式为推力分配问题的等式约束，B表示推力分配的空间位置约束，式中τ为控制器输出的六个自由度上的力和力矩，即推力分配模型的输入量τ＝{τx,τy,τz,τp,τq,τr}，x、y、z、p、q、r分别为纵向、横向、垂向、横滚、纵倾、转艏六个自由度方向。u为推进器的推力，由于目标机器人配置有4个推进器，其表达如下：u＝{u1u2u3u4}，α为推进器转角，表达如下：α＝{α1α2α3α4}，针对目标机器人建立推进器的配置矩阵B(α)。其中lxi、lyi分别为第i个推进器在x、y方向上距离机器人重心的距离。步骤2.对等式约束求解：为了线性化计算，将推进器推力依照水平方向和垂直方向分解：uhi＝uicosαi，uzi＝uisinαi，于是τ＝B(α)u可改写为：由于机器人的目标本文档来自技高网...

【技术保护点】
1.一种水下机器人六自由度推力分配优化方法，其特征在于，具体的实现步骤为：步骤1.建立水下机器人推力分配的数学模型；步骤2.对等式约束求解；步骤3.使用随机黑洞算法求解k的最优值；步骤4.利用k解算各推进器推力u及转角α。

【技术特征摘要】
1.一种水下机器人六自由度推力分配优化方法，其特征在于，具体的实现步骤为：步骤1.建立水下机器人推力分配的数学模型；步骤2.对等式约束求解；步骤3.使用随机黑洞算法求解k的最优值；步骤4.利用k解算各推进器推力u及转角α。2.根据权利要求1所述的一种水下机器人六自由度推力分配优化方法，其特征在于，步骤1所述的水下机器人推力分配的数学模型为：τ＝B(α)u其中B表示推力分配的空间位置约束，τ＝{τx,τy,τz,τp,τq,τr}为控制器输出的六个自由度上的力和力矩，u＝{u1u2u3u4}为推进器的推力，α＝{α1α2α3α4}为推进器转角，其中lxi为第i个推进器在x方向上距离机器人重心的距离，lyi为第i个推进器在y方向上距离机器人重心的距离。3.根据权利要求1或2所述的一种水下机器人六自由度推力分配优化方法，其特征在于，步骤2所述的对等式约束求解的过程中为：步骤2.1.将推进器推力依照水平方向和垂直方向分解uhi＝uicosαi，uzi＝uisinαi，i＝1，2，3，4，水下机器人推力分配的数学模型为即-2Ruz1+2Ruz3＝τr-Rτx+Rτy，其中R为推进器与重心的距离；步骤2.2.简化等式约束，等式约束为解集为其中k＝{k1,k2}。4.根据权利要求1或2所述的一种水下机器人六自由度推力分配优化方法，其特征在于，步骤3所述的求解k的最优值过程为：步骤3.1.确定优化问题的目标函数其中P表示推进器功率，n为推进器转速，Q为推进器的转矩，KQ和KT为转矩系数和推力系数视为定值，W为比例，将推进器转角的变化量作为惩罚项加入目标函数ΔαTQΔα其中Q为权值矩阵，Δα＝α-α0，α0为上一时刻各推进器的转角，Δα为转角变化量；优化问题的目标函数为步骤3.2.确定...

【专利技术属性】
技术研发人员：张国成，王元庆，孙玉山，张宸鸣，王占缘，唐同泽，马陈飞，吴新雨，于鑫，周天，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23