【技术实现步骤摘要】
一种带缆水下高灵活度作业平台控制方法
本专利技术属于水下作业平台的控制领域，尤其是涉及一种带缆水下高灵活度作业平台控制方法。
技术介绍
水下映射环境智能控制算法是一类通过数学工具将水流、干扰、缆线、水下作业平台、姿态集合、控制集合、控制方法综合在一起运用DNN学习并循环导出最优姿态控制的算法，它不需要依赖水下干扰的具体信息，因此，利用水下映射环境智能控制算法求解水下多轴灵活平台的控制问题成为水下作业和海洋工程的前沿技术。传统上汤可宗等针对多目标控制问题,提出一种引入了近邻函数准则(NFC)确保水下映射环境多样性的算法。Mirjalili和Lewis模拟座头鲸捕食行为，提出一种鲸鱼控制算法。施展等提出了一种强化的多目标量子行为粒子群控制算法。Li等提出一种基于正交学习方法的高效布谷鸟梯度算法。剑桥大学Yang模拟自然界中带缆水下高灵活作业平台控制的趋进行为，提出一种带缆水下高灵活作业平台控制算法(FireflyAlgorithm,LP)。LP是模拟自然界中带缆水下高灵活作业平台控制的趋光行为而衍生的元启发式控制算法，其...
【技术保护点】
1.一种带缆水下高灵活度作业平台控制方法，其特征在于,包括以下步骤：/nS1、采用DNN学习对水下映射环境中平台工作面坐标进行参数归一化处理；/nS2、引入长度约束梯度法遍历最优带缆作业平台控制的工作面组参数；/nS3、对现行状态下水映射环境的平台工作面组进行对称Z旋转修复，从而得到水下映射环境中最优带缆作业平台工作面组的参数集合。/n
【技术特征摘要】
1.一种带缆水下高灵活度作业平台控制方法，其特征在于,包括以下步骤：
S1、采用DNN学习对水下映射环境中平台工作面坐标进行参数归一化处理；
S2、引入长度约束梯度法遍历最优带缆作业平台控制的工作面组参数；
S3、对现行状态下水映射环境的平台工作面组进行对称Z旋转修复，从而得到水下映射环境中最优带缆作业平台工作面组的参数集合。
2.根据权利要求1所述的一种带缆水下高灵活度作业平台控制方法，其特征在于：步骤S1中所述的采用DNN学习对水下映射环境中平台工作面坐标进行参数归一化处理的操作包括：
设水下映射环境中模拟控制体姿态集为N，任一带缆水下高灵活作业平台控制工作面为：
x∈[l,u]；
则其深度解x′为：
x′＝l+u-x；
设D维梯度向量组的任一候选带缆水下高灵活作业平台控制工作面为P，则：
P＝(x1,x2,…,xd)；
其中xi∈[ai,bi],i＝1,2,…,d；
则其对应的深度解P'为：
P′＝(x′1,x′2,…,x′d)；
其中x′i＝li+ui-xi；
进行DNN学习参数归一化调用后，得到水下映射环境中对应的平衡集，再对所述平衡集均值和峰值排序，选取前N个所述平衡集值对应的带缆水下作业平台控制工作面作为参数正则化水下映射环境参数集。
3.根据权利要求1所述的一种带缆水下高灵活度作业平台控制方法，其特征在于：步骤S2中所述的引入长度约束梯度法遍历最优带缆作业平台控制的工作面组参数的操作包括：
(1)预置：
DNN学习参数归一化前的参数化带缆水下作业平台控制工作面为x(1)，x(1)∈Rn；
作业拟控制方向d(n)取映射坐标方向；
水下作业控制步长
水流扰动正变量α，α＞1；
水流扰动负变量β，β∈(-1,0)；
操作执行干扰ε＞0；
使：
y(1)＝x(1),k＝1,j＝1,δi＝δi(0),i＝1,2,...,n；
式中，y(1)为DNN学习参数归一化后的数值域带缆水下作业平台控制工作面目标；k为序号，k＝1,2,3…n；i,j为带缆水下作业平台控制工作面变量序号，j＝1,2,…,n，i＝1,2,…,n；
(2)水中带干扰的DNN学习参数归一化后的带缆水下作业平台控制工作面j对应的平衡集值跃升于DNN参数归一化前的缆水下作业平台控制工作面对应的平衡集值，如结果为1则使所述平台控制工作面j的下一个工作面等于现行状态下控制平台工作面，且带控制平台工作面j的控制操作步长正向延展α扰动系数倍；如为0则使所述平台控制工作面j的下一个带缆控制工作面等于现行状态下带缆控制平台工作面的子集迭代结果，且平台工作面j的控制操作步长负向延展β扰动系数倍；
(3)带缆水下高灵活作业平台控制平台工作面j若低于n，则使带缆水下作业平台工作面j的下一个控制面等于现行状态工作面，且跳转操作(2)；如取值相反跳转操作(4)；
(4)检测DNN参数归一化前的...
【专利技术属性】
技术研发人员：董天奇，
申请(专利权)人：天津蓝鳍海洋工程有限公司，
类型：发明
国别省市：天津;12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。