一种考虑记忆效应的水动力相互作用力预报方法技术

本发明专利技术涉及一种考虑记忆效应的水动力相互作用力预报方法。本发明专利技术所提预报方法主要分为三步。第一，通过考虑流体记忆效应实现对传统水动力模型的修正。第二，基于修正后的水动力模型，通过多水下机器人在水中近距离运动时某一个体所受水动力与该个体独立运动所受水动力做差的方法来构建水动力相互作用力预报模型。第三，利用参数等价代换方法，将多水下机器人的间距作为水动力相互作用力预报模型的自变量，以实现水动力相互作用力与间距关系的连续表示。本发明专利技术具有机理明确清晰、预报精度高等特点，可广泛应用于多水下机器人近距离运动时的水动力相互作用力预报工作。动时的水动力相互作用力预报工作。动时的水动力相互作用力预报工作。

【技术实现步骤摘要】
一种考虑记忆效应的水动力相互作用力预报方法


[0001]本专利技术涉及水下机器人水动力预报领域，具体地说是一种考虑记忆效应的水动力相互作用力预报方法。

技术介绍

[0002]随着科学技术的快速发展，水下机器人已在海洋环境观测、深海矿产资源开发、海底地貌绘制等民用方面发挥着重要的作用。不仅如此，在军事上，水下机器人作为目标探测、反水雷战等任务的有力武器装备，已经在历次海战中扮演了重要的角色。
[0003]由于单体水下机器人作业能力有限，集群智能化作业和多水下机器人协同作业方式成为新需求。然而，当多水下机器人在水中近距离运动时会通过水作为中间介质产生相互作用。该相互作用施加到水下机器人上的力称为水动力相互作用力。该相互作用力能对每个个体水下机器人的水动力预报和多水下机器人的集群协同控制起到负面作用。因此，对水动力相互作用力的准确预报至关重要。
[0004]每个个体水下机器人所受水动力是预报水动力相互作用力的基础。水下机器人所受水动力是机体运动引起周围水运动，动水对机体的反作用力。因为水下机器人与周围水作用与反作用过程十分复杂，目前仍无法得出水动力的精确解析解，因此通常采用代理模型的方式对水动力进行预报估计。
[0005]目前的代理模型通常采用格特勒和哈根在1967年提出的“标准潜艇运动方程”(以下称之为传统水动力模型)。传统水动力模型中一个前提是认为水下机器人是在深、广、静的水下运动，不考虑流场边界(岸、水底、水面等)及复杂水下现象,如海流、温跃层等影响。此外，还认为水下机器人在水中作“缓慢运动”，所受到的水动力只和运动的当时状态(即瞬时速度和加速度)有关，而和运动的历程无关，即不考虑流体的“记忆效应”。然而，这与多水下机器人近距离运动时的实际工况不符，导致基于传统水动力模型来预报水动力相互作用力的准确度难以保证。
[0006]目前，尚未有一种结合多水下机器人距离运动时的实际工况、考虑流体记忆效应的水动力相互作用力预报方法。

技术实现思路

[0007]针对现有方法的上述问题，本专利技术目的是提供考虑记忆效应的水动力相互作用力预报方法，建立出多水下机器人近距离运动中所产生水动力相互作用力与个体水下机器人运动参数以及多水下机器人间距的函数关系，为多水下机器人近距离运动时的水动力相互作用力预报工作提供支撑。
[0008]本专利技术的目的是通过以下技术方案来实现的：
[0009]一种考虑记忆效应的水动力相互作用力预报方法，包括以下步骤：
[0010]第一，定义假设条件，通过考虑流体记忆效应实现对传统水动力模型的修正；
[0011]第二，基于修正后的水动力模型，通过多水下机器人在水中近距离运动时某一个
体所受水动力与该个体独立运动所受水动力做差的方法来构建水动力相互作用力预报模型；
[0012]第三，利用参数等价代换方法，将多水下机器人的间距作为水动力相互作用力预报模型的自变量，以实现水动力相互作用力与间距关系的连续表示。
[0013]所述条件包括：假定水下机器人在深、广、静的水中近距离运动，不考虑除其它个体水下机器人轮廓之外的流场边界的影响，同时不考虑复杂水下现象的影响；假定包围水下机器人的水为不可压缩、无粘、无旋的理想流体，并且机器人运动引起周围水的运动符合势流理论；假定水下机器人的惯性较小，其急动度的影响不可忽略；假定水下机器人的操纵运动可近似分解为水平面运动和垂直面运动，二者的耦合效应可以忽略。
[0014]所述对传统水动力模型的修正包括：考虑流体的记忆效应，引入速度高阶导数，建立表达多机器人近距离运动中每个个体所受水动力的高阶数学模型：
[0015][0016][0017]其中，F
(n)
为多水下机器人中编号为n的个体机器人所受水动力；V，分别为第n个个体机器人的线速度、线加速度和线急动度；Ω，分别为第n个个体机器人的角速度、角加速度和角急动度；为线速度三阶及以上高阶导数；为角速度三阶及以上高阶导数；B(V，Ω)，分别为粘性类水动力项，惯性类水动力项，记忆效应项。
[0018]函数采用泰勒展开式表示，选择水下机器人作匀速直航的平衡状态为基准运动，并作为泰勒展开点。
[0019]所述高阶数学模型F
(n)
按阶数逐步展开，直到其能准确预报多水下机器人近距离运动时第n个个体机器人所受水动力时停止；所述准确预报为计算的单体受到的水动力与单体受到的水动力的差值收敛于阈值范围内。
[0020]所述构建水动力相互作用力预报模型包括：对多机器人近距离运动中的第n个个体机器人所受水动力F
(n)
与第n个个体水下机器人独立运动时所受水动力F
(s)
做差，该差值即为第n个个体水下机器人与其它近距离运动的水下机器人之间的水动力相互作用力I
(n)
，可表示为：
[0021]I
(n)
＝F
(n)
‑
F
(s)
ꢀꢀ
(2)
[0022]函数经泰勒展开后，为各运动参数与相应系数乘法和的形式，其中水下机器人运动参数相应的系数为水动力系数，多水下机器人近距离运动中的第n个个体水下机器人水动力系数统称为F
(n)C
，独立运动的第n个个体水下机器人水动力系数统称为F
(s)C
，将统称为V，则公式(2)可进一步表示为：
[0023]I
(n)
＝F
(n)C
·
V
‑
F
(s)C
·
V
ꢀꢀ
(3)
[0024]对于多水下机器人近距离运动工况，第n个个体水下机器人水动力系数随着水下
机器人间的间距变化而变化，即F
(n)C
为无量纲间距R的函数，由于独立运动的第n个个体水下机器人水动力系数F
(s)C
为定值，通过F
(s)C
和无量纲间距R来表示F
(n)C
，即：
[0025]F
(n)C
＝F
(s)C
·
h(R)
ꢀꢀ
(4)
[0026]将公式(4)带入到公式(3)中即可实现水动力相互作用力与间距关系的连续表示：
[0027]I
(n)
＝[h(R)
‑
1]·
F
(s)C
·
V
ꢀꢀ
(5)
[0028]所述水动力相互作用力I
(n)
等效于其它每个个体水下机器人对第n个个体水下机器人相互作用力的累加和。
[0029]本专利技术具有以下有益效果及优点：
[0030]1.通过考虑记忆效应将速度高阶导数引入到传统水动力模型中，完了对传统水动力模型的补充修正，建立了一个能够准确预报多水下机器人近距离运动中每个个体所受水动力的数学模型。
[0031]2.本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑记忆效应的水动力相互作用力预报方法，其特征在于，包括以下步骤：第一，定义假设条件，通过考虑流体记忆效应实现对传统水动力模型的修正；第二，基于修正后的水动力模型，通过多水下机器人在水中近距离运动时某一个体所受水动力与该个体独立运动所受水动力做差的方法来构建水动力相互作用力预报模型；第三，利用参数等价代换方法，将多水下机器人的间距作为水动力相互作用力预报模型的自变量，以实现水动力相互作用力与间距关系的连续表示。2.根据权利要求1所述的一种考虑记忆效应的水动力相互作用力预报方法，其特征在于，所述条件包括：假定水下机器人在深、广、静的水中近距离运动，不考虑除其它个体水下机器人轮廓之外的流场边界的影响，同时不考虑复杂水下现象的影响；假定包围水下机器人的水为不可压缩、无粘、无旋的理想流体，并且机器人运动引起周围水的运动符合势流理论；假定水下机器人的惯性较小，其急动度的影响不可忽略；假定水下机器人的操纵运动可近似分解为水平面运动和垂直面运动，二者的耦合效应可以忽略。3.根据权利要求1所述的一种考虑记忆效应的水动力相互作用力预报方法，其特征在于，所述对传统水动力模型的修正包括：考虑流体的记忆效应，引入速度高阶导数，建立表达多机器人近距离运动中每个个体所受水动力的高阶数学模型：其中，F
(n)
为多水下机器人中编号为n的个体机器人所受水动力；V，分别为第n个个体机器人的线速度、线加速度和线急动度；Ω，分别为第n个个体机器人的角速度、角加速度和角急动度；
…
为线速度三阶及以上高阶导数；
…
为角速度三阶及以上高阶导数；B(V,Ω)，分别为粘性类水动力项，惯性类水动力项，记忆效应项。4.根据权利要求3所述的一种考虑记忆效应的水动力相互作用力预报方法，其特征在于，函数采用泰勒展开式表示，选择水下机器人作匀速直航的平衡状态为基准运动，并作为泰勒展开点。5.根据权利要求3所述的一种考虑记忆效应的水动力相互作用力预报方法，其特征在于，所述高阶数学模型F
(n)
按阶数逐步展开，直到其能准确预报多水下机器人近距离运动时第n个个体机器人所受水动力时停止；所述准确预报为计算的单体受到的水动力与单体受到的水动力的差值收敛于阈值范围内。6.根据权利要求1所述的一种考虑记忆效应的水动力相互作用力预报方法，其特征在于，所述构建水动力相互作用力预报模型包括：对多机器人近距离运动中的第n个个体机器人所受水动力F
(n)
与第n个个体水下机器人独立运动时所受水动力F...

【专利技术属性】
技术研发人员：康帅，俞建成，张进，胡峰，金乾隆，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：