构建仿生波动鳍推进运动控制方程及其参数整定优化方法技术

本发明专利技术公开了一种构建仿生波动鳍推进运动控制方程及其参数整定优化方法，利用改进的粒子群算法来整定优化基于中枢模式发生器的仿生波动鳍推进运动控制方程的参数。基于中枢模式发生器的运动控制方程，能够产生多种可变相位差、频率和振幅的节律信号，同时能够抵抗控制参数突变对输出信号连续性的影响，可以实现仿生波动鳍水下机器人在不同游动模式切换下的柔性过渡；提出了将仿生对象黑魔鬼鱼的波动简化直纹面运动学方程作为参照，利用改进粒子群算法来实现CPG参数整定优化的方法，对粒子群算法的惯性因子进行了改进，使其随算法迭代的进行而线性减小，提高CPG参数整定优化的准确性，从控制算法层面来提高仿生波动鳍水下机器人的性能。

【技术实现步骤摘要】
构建仿生波动鳍推进运动控制方程及其参数整定优化方法
本专利技术属于仿生水下机器人运动控制算法
，具体涉及一种构建仿生波动鳍推进运动控制方程及其参数整定优化方法。
技术介绍
随着国家海洋战略的推进，水下机器人在海底资源探测、海洋生物观察和海底管道检修等军民两用领域得到了广泛的应用。传统的水下机器人一般采用螺旋桨推进，其具有噪声大、机动性差和推进效率低等缺点。新型的仿生水下机器人是指模仿鱼类等海洋生物的推进机理或外形，利用仿生机械学等技术而设计出来的新型机电一体化设备，其具有隐蔽性好、运动灵活和能量消耗率低等优点，因此近年来逐渐成为水下机器人
研究的热门课题，国外的MIT和国内的中科院自动化所等国内外科研机构纷纷研制出了各具特色的原理样机。仿生机器鱼属于仿生水下机器人的一种，按照推进机理的不同，可分为BCF式和MPF式。BCF式仿生机器鱼采用仿生尾鳍的摆动与水作用产生前进推力，具有游速高和推进力大等优点，MPF式仿生机器鱼采用胸鳍或者背鳍与水作用产生推力，具有稳定性好、机动性强和推进效率高等优点，具备更好的应用前景。仿生波动鳍推进属于M本文档来自技高网...

【技术保护点】
1.一种构建仿生波动鳍推进运动控制方程及其参数整定优化方法，其特征在于，包括以下步骤:/n步骤1、根据仿生对象运动学方程得到多鳍条摆角函数θ

【技术特征摘要】
1.一种构建仿生波动鳍推进运动控制方程及其参数整定优化方法，其特征在于，包括以下步骤:
步骤1、根据仿生对象运动学方程得到多鳍条摆角函数θfin(i,n)，基于七思鳗鱼的脊髓神经相位振荡器，得到带未整定CPG参数的多鳍条摆角函数θcpg(i,n)，CPG为中枢模式发生器；
1)根据仿生对象运动学方程得到多鳍条摆角函数θfin(i,n)包括以下步骤：
步骤A1，根据黑魔鬼鱼活体波动鳍的形态学和运动学观察结果，建立基于黑魔鬼鱼波动推进的简化直纹面运动学方程；
步骤A2，建立基于步骤A1得到的直纹面运动学方程抽象得到的多鳍条运动控制方程；
步骤A3，将步骤A2得到的多鳍条运动控制方程进行离散化，得到离散域内的多鳍条摆角函数：θfin(i,n)；
2)基于七思鳗鱼的脊髓神经相位振荡器，得到带未整定CPG参数的多鳍条摆角函数θcpg(i,n)，包括以下步骤：
步骤B1，基于七思鳗鱼的脊髓神经相位振荡器，建立单个CPG的数学模型；
步骤B2，对步骤B1建立的单个CPG数学模型进行改进，并增加振荡器之间的耦合关系，建立基于CPG的仿生波动鳍推进运动控制方程；
步骤B3，利用四阶龙格库塔法对步骤B2的仿生波动鳍推进运动控制方程进行离散，得到带多个未整定CPG参数的多鳍条摆角函数：θcpg(i,n)；
步骤2、利用步骤1得到的多鳍条摆角函数θfin(i,n)和带CPG未整定参数的多鳍条摆角函数θcpg(i,n)，构建基于离散摆角差值|θfin(i,n)-θcpg(i,n)|的参数整定优化目标函数μw；
步骤3，利用改进的粒子群算法对步骤2的目标函数μw进行参数整定优化计算，包括以下步骤：
步骤3.1，确定粒子群大小，设置粒子总数m，并对粒子编码；每个粒子包括位置和速度两种属性，第j个粒子用Nj表示，其位置属性为Pj，其速度属性为Vj，则第j个粒子表示为：Nj＝{Pj；Vj}
步骤3.2，根据CPG整定参数的个数等于粒子的空间维度，得到粒子空间维度Q；则第j个粒子位置的向量表达式为：Pj＝{pj1,pj2,...,pjQ}；第j个粒子速度的向量表达式为：Vj＝{vj1,vj2,...,vjQ}；
步骤3.3，设置最大迭代次数和收敛阈值；设置粒子位置和速度阈值；初始化粒子的位置和速度；
步骤3.4，将步骤2得到的参数整定优化目标函数μw作为粒子群算法的适应度函数Fun，计算每个粒子的适应度函数值，Fun(j)＝μw(Pj)＝μw(pj1,pj2,...,pjQ)；
步骤3.5，计算粒子群个体历史最优位置和全局历史最优位置；
步骤3.6，更新粒子的速度和位置；
速度更新公式为：

为第j个粒子的本次速度，为第j个粒子的前一次的速度，为当前位置到个体历史最优位置的速度，为当前位置到群体历史最优位置的速度j表示第j个粒子；表示第j个粒子tp时刻的速度；表示第j个粒子tp-1时刻的速度；α表示惯性因子；c1表示自我学习因子；c2表示群体学习因子；rand表示0和1之间的随机数；表示第j个粒子在tp时刻的位置到个体历史最优位置的速度；表示第j个粒子在tp时刻的位置到群体历史最优位置的速度；
位置更新公式为：为第j个粒子的本次位置；为第j个粒子的前一时刻的位置；Ts为每次运动的时间长度；
步骤3.7，根据当前迭代次数和最大迭代次数更新惯性权重；
步骤3.8，判断是否达到最大迭代次数或满足设定收敛阈值，如果是，执行步骤3.9，否则返回步骤3.1；
步骤3.9，结束粒子群寻优算法，得到整定优化的CPG参数值；
当粒子群算结束时，群体历史最优位置为：其计算得到的Q个历史最优位置对应的就是CPG运动控制方程对应的Q个未知参数值；
步骤4，将步骤3得到的Q个未知参数值代入仿生波动鳍推进运动控制方程θcpg(i,n)，得到CPG参数整定优化的仿生波动鳍推进运动控制方程θcpg(i,n)。


2.根据权利要求1所述的一种构建仿生波动鳍推进运动控制方程及其参数整定优化方法，其特征在于，所述步骤3.8中，粒子群算法的惯性因子α表达式为：
式中，αmax为最大加权系数,αmin为最小加权系数,run为当前迭代次数,runmax为算法迭代总次数。


3.根据权利要求1所述的一种构建仿生波动鳍推进运动控制方程及其参数整定优化方法，其特征在于，所述步骤A1包括以下步骤：
1)获取黑魔鬼鱼的波动鳍的鳍长、鳍宽、鳍厚和表面轮廓形态学参数，利用数字图像处理技术获取其波动运动过程中的鳍面变形运动学数据；
2)将黑魔鬼鱼在鳍面的运动简化成内侧平行于鱼体纵向轴线的直线，外侧呈类正弦状曲线的直纹面，得到基于黑魔鬼鱼波动推进的简化直纹面运动学方程如下：

【专利技术属性】
技术研发人员：胡桥，尹盛林，王朝晖，陈龙，陈振汉，魏昶，刘钰，吉欣悦，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61