一种自主水下直升机自适应神经网络轨迹跟踪方法技术

本发明专利技术公开一种自主水下直升机自适应神经网络轨迹跟踪方法，包括：1)构建AUH的动力学模型，采用推力分配矩阵形式表示推进器的故障影响，生成以控制系统的状态变量表示的AUH的动力学方程；2)建立改进的性能函数，并构造误差变换；3)设计状态观测器估计轨迹跟踪控制策略所需的状态信息，并引入径向基函数神经网络逼近系统集总不确定性；4)根据所述状态观测器构建AUH的轨迹跟踪控制器。本发明专利技术提出的预设性能控制方法在处理有约束的控制问题时，通过性能函数与误差变换以及对无约束系统的控制可以实现原始系统的收敛速度、超调以及跟踪误差满足预先设定的性能。这使其在严格约束问题上控制性能优异，并逐渐向各个领域推广应用。并逐渐向各个领域推广应用。并逐渐向各个领域推广应用。

【技术实现步骤摘要】
一种自主水下直升机自适应神经网络轨迹跟踪方法


[0001]本专利技术属于水下直升机轨迹跟踪
，具体涉及一种自主水下直升机自适应神经网络轨迹跟踪方法。

技术介绍

[0002]新时期的自主水下航行器(AUV)必须适应不断变化的作业环境和生产方式带来的挑战。科学研究和应用不再满足于使用AUV进行局部观测或寻找特定目标，而是对深海、极地甚至岩石圈和大气相互作用的综合分析。传统AUV多为鱼雷型，低速机动性较差，无法有效全面满足海底移动观测网络、海底资源勘探、海底数据与能源对接、海底等深线水面巡航等超机动任务。为了克服这一障碍，浙江大学的研究人员开发了一种新型AUV，称为自主水下直升机(AUH)，它具有卓越的机动性，并且可以在“海底至海底”模式下工作。
[0003]AUH的外形类似于圆盘，其独特的形状搭配四个垂直推进器和四个水平推进器使其符合超机动性的要求。与传统的AUV相比，它具备了全周转向、定点悬停和精确着陆和自由起降的功能。AUH的水下工作模式下如图1所示。由于AUH的快速迭代和改进，其多样的形式和功能对水下定位、导航和自动控制提出了更高的要求。轨迹跟踪作为AUH控制系统的重要组成部分，也是AUV领域的研究热点之一。海洋环境的复杂性导致AUV必然会遇到海流扰动，并可能产生推进器故障。此外，基于商业流体计算软件或实验测量的AUV流体动力学模型也会产生不可避免的建模不确定性，进而对控制系统不利。作为一种独特的AUV，AUH在设计其轨迹跟踪控制策略时同样必须考虑上述因素的影响。
[0004]AUV轨迹跟踪控制领域常用的算法主要涉及PID控制、模糊控制、滑模控制、自适应控制等多种形式。以下将简述该领域近几年提出的控制方案，例如：现有技术中，文献[Patre B M,Londhe P S,Waghmare L M,et al.Disturbance estimator based non
‑
singular fast fuzzy terminal sliding mode control of an autonomous underwater vehicle[J].Ocean Engineering,2018,159:372
‑
387]设计了一种具有扰动估计的非奇异快速模糊终端滑模控制器，实现跟踪误差的有限时间收敛和鲁棒控制，不确定项的观测值被用于补偿模型不确定性和外部扰动。文献[Liang X,Qu X,Hou Y,et al.Three
‑
dimensional trajectory tracking control of an underactuated autonomous underwater vehicle based on ocean current observer[J].International Journal of Advanced Robotic Systems,2018,15(5):1729881418806811]提出了一种基于运动学模型的海流观测器来估计未知的海流扰动，并将该估计集成到AUV的运动学和动力学方程中，实现了未知海流干扰下欠驱动AUV的三维轨迹跟踪控制。公开号为CN105843224A的专利申请文件提供基于神经动态模型反步法的AUV水平面路径跟踪控制方法，引进了神经动态模型理论，该模型具有输入输出平滑的特性；将反步法设计过程中出现的虚拟控制量流经神经动态模型，从而避免对虚拟控制量的复杂求导运算。文献[Chen J W,Zhu H,Zhang L,et al.Research on fuzzy control of path tracking for underwater vehicle based on genetic algorithm optimization[J].Ocean Engineering,2018,156:217
‑
223]提出
了一种基于视线法的AUV轨迹跟踪方法，模糊控制器经过遗传算法的优化后可有效的跟踪期望轨迹，并具有较强的鲁棒性对抗外部扰动。公开号CN108427414A的专利申请文件提出一种自主水下航行器水平面自适应轨迹跟踪控制方法，利用高增益状态观测器的方法估计AUV的速度和角速度，使用径向基函数(Radial Basis Function，RBF)神经网络的高精度逼近功能补偿模型参数不确定项和外部干扰项，将AUV轨迹跟踪问题经坐标变换转换为极坐标系下跟踪问题。
[0005]上述文献针对AUV轨迹跟踪问题，提出了多种控制策略，取得了良好的效果，并且使轨迹跟踪系统具有一定程度的稳定性与鲁棒性。但是，上述策略对海流扰动、建模不确定性和推进器故障等影响控制精度的因素没有考虑或是考虑的不全面。同时，由于AUH特殊的工作需求，包括大规模部署、高精度轨迹跟踪以及部署于海底等，不仅需要令轨迹跟踪控制系统获得较高的稳态精度，还需要严格控制动态响应，避免碰撞海床与其他AUH。

技术实现思路

[0006]本专利技术提出了一种基于预设性能方法的控制策略，用于解决AUH在海流扰动、建模不确定性、推进器故障等干扰因素下的轨迹跟踪问题。为了应对AUH速度与角速度状态量不可测的情况，设计了一种全阶自适应状态观测器(LSO)，并且在观测器中引入了径向基函数神经网络(RBFNN)用于处理系统总不确定性产生的影响，同时借助反步法建立了变换误差和观测速度值之间的关系，提供了预设性能方法在输出反馈控制中的一种应用形式。本专利技术采用如下技术方案：
[0007]一种自主水下直升机自适应神经网络轨迹跟踪方法，包括：
[0008]1)构建AUH的动力学模型，采用推力分配矩阵形式表示推进器的故障影响，生成以控制系统的状态变量表示的AUH的动力学方程；
[0009]2)建立改进的性能函数，并构造误差变换；
[0010]3)设计状态观测器估计轨迹跟踪控制策略所需的状态信息，并引入径向基函数神经网络逼近系统集总不确定性；
[0011]4)根据所述状态观测器构建AUH的轨迹跟踪控制器。
[0012]优选的，所述步骤1)中AUH的动力学模型为：
[0013][0014][0015]式中：M为质量惯性矩阵，η＝[η
x
,η
y
,η
z
,η
φ
,η
θ
,η
ψ
]T
为惯性坐标系下的AUH六自由度位置与姿态向量，v＝[v
u
,v
v
,v
w
,v
p
,v
q
,v
r
]T
为运动坐标系下的AUH速度与角速度向量，J表示联系惯性坐标系与运动坐标系的转换矩阵，C(v)矩阵代表AUH的科氏力和向心力部分，D(v)矩阵代表AUH的水动力阻尼部分，g
η
矩阵表示AUH重力和浮力产生的力和力矩，τ表示AUH推进器输出的控制力和力矩。
[0016]所述A本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自主水下直升机自适应神经网络轨迹跟踪方法，其特征在于，包括：1)构建AUH的动力学模型，采用推力分配矩阵形式表示推进器的故障影响，生成以控制系统的状态变量表示的AUH的动力学方程；2)建立改进的性能函数，并构造误差变换；3)设计状态观测器估计轨迹跟踪控制策略所需的状态信息，并引入径向基函数神经网络逼近系统集总不确定性；4)根据所述状态观测器构建AUH的轨迹跟踪控制器。2.根据权利要求1所述的自主水下直升机自适应神经网络轨迹跟踪方法，其特征在于，所述步骤1)中AUH的动力学模型为：所述步骤1)中AUH的动力学模型为：式中：M为质量惯性矩阵，η＝[η
x
,η
y
,η
z
,η
φ
,η
θ
,η
ψ
]
T
为惯性坐标系下的AUH六自由度位置与姿态向量，v＝[v
u
,v
v
,v
w
,v
p
,v
q
,v
r
]
T
为运动坐标系下的AUH速度与角速度向量，J表示联系惯性坐标系与运动坐标系的转换矩阵，C(v)矩阵代表AUH的科氏力和向心力部分，D(v)矩阵代表AUH的水动力阻尼部分，g
η
矩阵表示AUH重力和浮力产生的力和力矩，τ表示AUH推进器输出的控制力和力矩。3.根据权利要求2所述的自主水下直升机自适应神经网络轨迹跟踪方法，其特征在于，所述AUH的推进器的故障影响采用推力分配矩阵形式表示，定义为ΔB；实际的控制力与力矩表示为：τ+Δτ＝(B0‑
KB)u＝(B0+ΔB)u式中：B0代表AUH推力分配矩阵的标称值，B为AUH的推力分配矩阵，u代表AUH推进器的控制输出，K是一个对角矩阵，其元素k
ii
∈[0,1]，表示相应的推进器故障程度，其中1代表故障程度最高，推进器完全失效；AUH的动力学模型可改写为：式中：M
η
＝MJ
‑1，C
Aη
＝C
A
(v
r
)J
‑1，D
η
＝D(v
r
)J
‑1，下标0表示标称值，C
RBη0
为AUH科氏力和向心力标称矩阵中刚体的部分，C
Aη0
为AUH科氏力和向心力标称矩阵中附加质量的部分，D
η0
为标称的水动力阻尼矩阵，g
η0
表示标称的AUH重力和浮力产生的力和力矩；F表示系统的总不确定度，其表达式如下：式中：表示海流扰动造成的影响；Δ表示不确定值。4.根据权利要求3所述的自主水下直升机自适应神经网络轨迹跟踪方法，其特征在于，在所述步骤1)中，令表示控制系统的状态变量，则AUH的动力学方程可以改用状态变量表示：
式中：H＝[I
n 0]，x1为AUH位置信息η，x2为AUH速度信息5.根据权利要求1所述的自主水下直升机自适应神经网络轨迹跟踪方法，其特征在于，所述步骤2)中，建立有限时间形式的性能函数约束跟踪轨迹，其中0＜k2＜1；ρ0和ρ
∞
分别是性能函数在初始和结束时刻的值；t
f
代表性能函数达到结束时刻的值所需的时间，可以根据实际需要人为调整；令z
i
(t)＝e
i
(t)/ρ
i
(t)，在区间(
‑
∞,+∞)上定义一种变换误差ε
i
(t)：当变换误差ε
i
(t)位于区间(
‑
∞,+∞)时，z
i
(t)满...

【专利技术属性】
技术研发人员：黄豪彩，吴哲远，王卿，冯仁栋，安新宇，王杭州，司玉林，陈鹰，
申请(专利权)人：浙江大学，
类型：发明
国别省市：