一种基于轨迹预测的自主水下航行器目标跟踪控制方法技术

本发明专利技术公开了一种基于轨迹预测的自主水下航行器目标跟踪控制方法，基于TPENN神经网络进行目标轨迹预测，得到预测的逃逸目标轨迹；根据预测的逃逸目标轨迹，基于深度强化进行动态目标跟踪控制，实现安全避障、水流补偿和轨迹跟踪。本发明专利技术将轨迹预测问题转化为时间序列的预测问题，将TPENN神经网络模型引入目标轨迹预测之中，利用TPENN神经网络挖掘轨迹数据的内部相关性，解决轨迹预测难题；在动态逃逸目标轨迹预测的基础上，针对自主水下航行器非线性模型不确定特性和水流影响，借助强化学习方法的非线性、强学习，不依赖模型的特性，同时引入深度学习算法克服强化学习的维度灾难问题，从而实现航行器自主动态目标跟踪控制。制。制。

【技术实现步骤摘要】
一种基于轨迹预测的自主水下航行器目标跟踪控制方法


[0001]本专利技术属于水下航行器控制
，具体涉及一种基于轨迹预测的自主水下航行器目标跟踪控制方法。

技术介绍

[0002]深海水下追踪与博弈是未来水下无人战争的重要形式。自主水下航行器自带能源动力、航行范围广而深的特性，使其成为水下无人战争的重要载体，在海洋工程与海防军事领域有着十分广泛的应用前景，发挥着不可代替的作用。特别是基于水下动态目标跟踪控制技术，在国家海防安全领域得到高度关注，是水下逃逸目标追踪控制、敌对目标拦截围捕及各种水下博弈对抗研究的关键与核心技术。
[0003]目标跟踪是指自主水下航行器在控制律的激励下持续跟踪轨迹连续变化的目标，强调在指定时间到达指定位置，是一种严格考虑时间约束的动态跟踪。由于自主水下航行器自身非线性和模型不确定性的存在，早期普遍使用的PID控制、反步控制等依赖自主水下航行器模型的控制策略，很难实现精确的水下目标跟踪。近年来，针对自主水下航行器非线性和模型不确定性特性，新型变结构滑模控制、自适应控制、智能控制等得到了广泛关注。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轨迹预测的自主水下航行器目标跟踪控制方法，其特征在于，包括步骤1、基于TPENN神经网络进行目标轨迹预测，得到预测的逃逸目标轨迹；所述TPENN神经网络包括输入层、隐含层、输出层和承接层；其中，承接层的激活函数为恒等函数，用于存储记忆隐含层单元上一时刻的输出，当作一步延时算子；假设在时刻t，TPENN神经网络的输入是U(t)，隐含层的输出为 X(t)，整个网络的输出为Y(t)，分别表示输入层与隐含层、承接层与隐含层、隐含层与输出层之间的连接权值，b和c分别代表隐含层和输出层的偏置，则神经网络的计算过程表示为：
ꢀꢀꢀꢀ
(6)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)神经网络采用时间反向传播算法进行学习和训练，其目标函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)表示预期的输出；由于神经网络的输入是具有时间序列的历史数据，因此引入时间回归因子得到神经网络改进后的目标函数神经网络改进后的目标函数
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)其中，表示是打折率， 表示样本数量， 表示迭代次数；步骤2、根据预测的逃逸目标轨迹，基于深度强化进行动态目标跟踪控制，实现安全避障、水流补偿和轨迹跟踪；步骤2所述控制过程具体为：从预测的逃逸目标轨迹中获取期望的自主水下航行器位姿矢量，与自主水下航行器当前状态矢量比较，产生航向以及位置轨迹误差，并与自主水下航行器的状态信息整合生成状态误差向量，输入DRL深度强化学习模型中，根据强化学习算法输出最优的运动速度控制信号矢量，并与自主水下航行器输出速度信号矢量比较，产生自主水下航行器跟踪速度误差，输入变结构滑模动力学跟踪控制器SMC，由此产生自主水下航行器的动力学推进控制信号，驱动自主水下航行器的速度矢量矩阵跟踪自主水下航行器跟踪的运动学速度控制信号，通过坐标转换得到AUV实际位姿矢量
，从而实现自主水下航行器对动态目标的高效精准跟踪；其中，分别为自主水下航行器在惯性坐标系中期望的位置；分别为自主水下航行器对惯性坐标系中期望的横倾角、纵倾角和艏向角；分别为自主水下航行器在惯性坐标系中当前的位置；分别为自主水下航行器对惯性坐标系中当前的横倾角、纵倾角和艏向角；分别为自主水下航行器线速度矢量在载体坐标系中的3个分量；分别为自主水下航行器角速度矢量在载体坐标系中的3个分量。2.根据权利要求1所述的一种基于轨迹预测的自主水下航行器目标跟踪控制方法，其特...

【专利技术属性】
技术研发人员：曹翔，孙长银，吴巧云，
申请(专利权)人：安徽大学，
类型：发明
国别省市：