一种基于机理模型的自主水下机器人预测S面控制方法技术

一种基于机理模型的自主水下机器人预测S面控制方法，涉及一种自主水下机器人的控制方法。为了解决现有的AUV的S面控制方法存在难以获得最优的控制参数或难以适应复杂变化的海洋环境从而影响运动控制效果的问题。本发明专利技术针对AUV控制模型，以经典S面控制方法对AUV进行闭环控制，在每个控制节拍内由S面控制环节输出控制量，控制器内部S面控制环节的控制参数k1与k2由预测结构在每个参数设置节拍内通过细菌觅食算法完成设置与调整。本发明专利技术适用于自主水下机器人控制。

【技术实现步骤摘要】
一种基于机理模型的自主水下机器人预测S面控制方法
本专利技术属于控制
，具体涉及一种自主水下机器人的控制方法。
技术介绍
随着海洋战略地位的提高，近些年自主水下机器人(autonomousunderwatervehicle,AUV)的重要性也日益凸显。AUV能够根据任务要求独立完成作业内容，具有重要的研究价值与广泛的应用前景，目前已成为海洋开发与探索中不可或缺的存在。AUV涉及计算机、控制、材料等多个学科领域，并融合了先进设计制造技术、能源与推进技术、水下导航技术与水下通信技术等多项关键技术。其中，运动控制技术是AUV技术的重要内容，只有AUV具备良好的控制性能，才能够保证在复杂的海洋环境中顺利完成作业任务。AUV运动具有非线性强与环境复杂多变等特点，目前应用于AUV的运动控制方法有PID控制、模糊控制、滑模变结构控制与自适应控制等。因自身具有局限性或同AUV运动特性难以适应，这些控制方法在实际工程中均存在各自的缺陷，对AUV进行运动控制的效果仍差强人意。为了增强AUV运动控制器性能，有研究者提出了S面控制方法。该方法融合模糊控制与PID控制的思想，采用sigmoid曲面函数来拟合控制对象，目前已成功应用于多型AUV。但是在目前的工程应用中，S面控制器主要由设计者依靠经验以试凑方式来完成参数设定与调整。该参数调整方式效率低下，往往难以获得最优甚至良好的一组控制参数，甚至有时因参数设置不当而影响控制器的运动控制效果。因此，本专利技术针对AUV运动控制技术开展研究，以经典S面控制为基础，结合预测控制(ModelPredictiveControl，MPC)与细菌觅食算法(BacterialForagingOptimizationAlgorithm，BFO)，提出一种基于机理模型的预测S面控制方法，从而提升AUV运动控制系统的控制性能，增强其自主调节能力以及适应性。
技术实现思路
本专利技术为了解决现有的AUV的S面控制方法存在难以获得最优的控制参数或难以适应复杂变化的海洋环境从而影响运动控制效果的问题。一种基于机理模型的自主水下机器人预测S面控制方法，针对AUV控制模型，以经典S面控制方法对AUV进行闭环控制，在每个控制节拍内由S面控制环节输出控制量，控制器内部S面控制环节的控制参数k1与k2由预测结构在每个参数设置节拍内通过细菌觅食算法完成设置与调整；所述细菌觅食算法中，位置向量θi(j,k,l)＝[xk,yk]，式中xk与yk为坐标，分别对应S面控制中的控制参数k1与k2。进一步地，所述细菌觅食算法中采用来计算适应值；式中，α为超调惩罚函数，非超调状态下取α＝1，超调状态下则α＞1；t表示时间；eΦ(t)为偏差，表示预测时域内某时刻预测的AUV状态量与当前时刻目标量之间差异。本专利技术具有以下有益效果：相比现有的基于经验试凑的S面控制方法存在的现场的工程效率低的问题和难以获得良好控制参数影响控制器的运动控制效果的问题。本专利技术所提出的基于机理模型的预测S面控制可以自主完成控制参数的设置与调整，从而有效提高现场的工程效率，并保障AUV的运动控制效果。相比基于离线寻优的S面控制方法存在的离线计算的方式很难保证其寻优结果能够适应复杂变化的海洋环境的问题，本专利技术所提出的基于机理模型的预测S面控制能够结合上一个控制节拍采集的航行数据进行反馈校正，在每个参数调整节拍内都完成一次滚动优化计算，对S面控制器的参数进行在线设置与调整，从而能够更好地适应实际的航行状况，具有更好的运动控制性能。附图说明图1为控制器结构示意图；图2为细菌觅食算法的流程示意图；图3为纵向速度控制的预测S面控制器内部预测结构对S面控制环节输出的控制参数变化图；图4为纵向速度控制的预测S面控制方法与经典S面控制方法的控制效果图；图5为艏向控制的预测S面控制器内部预测结构对S面控制环节输出的控制参数变化图；图6为艏向控制的预测S面控制方法与经典S面控制方法的控制效果图；图7为深度控制的预测S面控制器内部预测结构对S面控制环节输出的控制参数变化图；图8为深度控制的预测S面控制方法与经典S面控制方法的控制效果图。具体实施方式具体实施方式一：在说明本实施方式前，先对参数进行说明；控制器结构相关参数：k1,k2分别为S面控制器的控制参数；u为S面控制模块输出的控制量(也就是S面控制中的Tc)；yin为AUV运动控制目标量；ym为预测模型模块输出的AUV状态的预测值；yp为反馈校正模块输出的的AUV状态的预测值；yout为AUV实际输出的状态量；N为每个参数调整节拍内所包含控制节拍的数量；S面控制环节相关参数：Os为控制输出；为AUV实际状态量与目标量之间偏差的变化率；Tmax为自主水下机器人所能提供最大推力(力矩)；Tc为反归一化后实际输出的推力(力矩)；δ为通过自适应方式得到的固定干扰力；其他环节相关参数：em为反馈校正模块对预测模型模块输出值的修正量；Φp为性能指标评价函数；eΦ为偏差；α为超调惩罚系数；i为细菌个体编号；j为细菌趋化次数；k为细菌复制次数；l为细菌迁徙次数；θi(j,k,l)为细菌在解空间中的坐标点；C(i)为细菌步长；Δ(i)为细菌随机方向向量；J(i,j,k,l)为细菌适应度值；g(·)为根据坐标点计算细菌适应度值的函数；Vi为细菌灵敏度；Xmax,Xmin为变量最值；Ji为该细菌适应度；Jmax为最佳适应度；krand为随机数；smax为最大计算步数；si为当前计算步数；为细菌健康值；为细菌群体中最大与最小健康值；Ped为淘汰阈值；Pself为自适应迁移概率；xk,yk为位置向量的横、纵坐标。一种基于机理模型的自主水下机器人预测S面控制方法，针对AUV控制模型，基于机理模型的预测S面控制器的基本结构(控制器结构总体设计)如图1所示，S面控制器的预测结构包括预测环节(预测模型实现的)、反馈校正环节与滚动优化环节，预测环节、反馈校正环节与滚动优化环节是通过细菌觅食算法完成设置与调整的；Z-1表示调用上一时刻的历史数据。该控制器以经典S面控制方法对AUV的闭环控制为基础，在每个控制节拍内由S面控制环节输出控制量。但是同经典S面控制不同，控制器内部S面控制环节的控制参数k1与k2无需人工预设，而是由预测结构在每个参数设置节拍内完成设置与调整。需要强调的是，这里的预测结构与传统预测控制器有本质上的不同，该结构仅负责为S面控制器输出控制参数，并非为被控对象输出控制量。由于频繁地调整控制参数不仅无法有效提高控制效果，还会大幅增加系统运算负担。因此，预测结构采用单独的参数设置节拍，每个参数设置节拍对应对应S面控制器的N个控制节拍，即：在预测结构完成一次参数设置后，S面控制环节将采用这组参数完成N个控制节拍的控制量计算，直到下个参数调整节拍由预测结构重新设置控制参数。综上所述，本专利技术所提出的基于机理模型的预测S面控制器主要包含S面控制环节与预测结构两部分。在每个控制节拍内，S面控制环节为控制对象输出控制量，实现AUV的闭环运动控制。在每个参数设置节拍内，预测结构求解有限时域内的最优控制参数，实现S面控制模块的控制参数设置。预测结构内部包括预测模型、反馈校正与滚动优化三个环节。S面控制环节：S面控制采用光滑Sigmoid曲面替代整个模糊控制规则库的折线本文档来自技高网...

【技术保护点】
1.一种基于机理模型的自主水下机器人预测S面控制方法，针对AUV控制模型，以经典S面控制方法对AUV进行闭环控制，其特征在于：在每个控制节拍内由S面控制环节输出控制量，控制器内部S面控制环节的控制参数k1与k2由预测结构在每个参数设置节拍内通过细菌觅食算法完成设置与调整；所述细菌觅食算法中，位置向量θ

【技术特征摘要】
1.一种基于机理模型的自主水下机器人预测S面控制方法，针对AUV控制模型，以经典S面控制方法对AUV进行闭环控制，其特征在于：在每个控制节拍内由S面控制环节输出控制量，控制器内部S面控制环节的控制参数k1与k2由预测结构在每个参数设置节拍内通过细菌觅食算法完成设置与调整；所述细菌觅食算法中，位置向量θi(j,k,l)＝[xk,yk]，式中xk与yk为坐标，分别对应S面控制中的控制参数k1与k2。2.根据权利要求1所述的一种基于机理模型的自主水下机器人预测S面控制方法，其特征在于，所述细菌觅食算法中采用来计算适应值；式中，α为超调惩罚函数，非超调状态下取α＝1，超调状态下则α＞1；t表示时间；eΦ(t)为偏差，表示预测时域内某时刻预测的AUV状态量与当前时刻目标量之间差异。3.根据权利要求2所述的一种基于机理模型的自主水下机器人预测S面控制方法，其特征在于，所述S面控制过程如下：S面控制采用光滑Sigmoid曲面替代整个模糊控制规则库的折线面，并通过调整S面偏移来消除固定偏差，其函数表达式如下式中，Os表示控制输出，通过归一化处理后取[-1,1]；e与分别为实际的AUV状态量与当前时刻目标量之间偏差与对应的变化率，同样通过归一化处理；k1与k2表示控制参数，取(0,+∞)；Tmax表示自主水下机器人所能提供最大推力；Tc表示反归一化后实际输出的推力，也就是S面控制输出的控制量u(t)；δ为通过自适应方式得到的固定干扰力。4.根据权利要求3所述的一种基于机理模型的自主水下机器人预测S面控制方法，其特征在于，所述细菌觅食算法的计算适应度值的具体过程包括以下步骤：(4.2.1)时域循环d＝d+1；(4.2.2)根据θi(j,k,l)＝[xk,yk]设置S面控制的参数k1与k2；(4.2.3)计算偏差eΦ(t+d/t)与偏差导数(4.2.4)针对S面控制，根据式(1)，计算u(t+d/t)；(4.2.5)进行预测，计算ym(t+d/t)；预测模型环节如下：预测模型环节负责提供一定时域内对AUV未来状态的预测数据，该环节每次计算的输入与输出如下式ym(t+d/t)＝fm[ym(t+d-1/t),u(t+d/t)](2)式中，ym(t+d/t)为在t时刻对预测时域内t+d时刻AUV状态的预测，当d＝1时，ym(t+d-1/t)＝yout(t-1)，即使用上一时刻AUV的实际输出计算初始时刻模型输出；u(t+d/t)为在t时刻由S面控制器输出的预测时域内t+d时刻的控制量；fm[·]为机理模型的非线性函数；(4.2.6)进行反馈校正，计算yp(t+d/t)；反馈校正环节如下：根据上一时刻的预测输出与自主水下机器人实际输出之间的偏差，对当前参数设置节拍内的预测模型输出进行修正，具体如下式yp(t+d/t)＝ym(t+d/t)+em(t)(3)em(t)＝yout(t-1)-ym(t-1/t-...

【专利技术属性】
技术研发人员：万磊，孙延超，唐文政，秦洪德，陈辉，李骋鹏，吴哲远，
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