一种基于神经网络的管道潜航机器人控制方法及系统技术方案

本发明专利技术涉及一种基于神经网络的管道潜航机器人控制方法及系统，包括以下步骤：潜航机器人接收控制指令并将控制指令转化为控制系统中的目标值变量；估计潜航机器人的实时姿态角；计算潜航机器人的控制输出；采用推力分配矩阵将控制输出转化为电机推进器上的控制信号值，其中推力分配矩阵为预先构建，且通过基于神经网络的PID控制器输出至推力分配矩阵；潜航机器人根据电机推进器上的控制信号值使潜航机器人从实时姿态角调整至目标值变量，完成对潜航机器人的姿态控制。本发明专利技术能提高不确定负载下潜航器姿态的稳定性，并解决PID控制器参数的在线调节问题，提高控制系统性能。提高控制系统性能。提高控制系统性能。

【技术实现步骤摘要】
一种基于神经网络的管道潜航机器人控制方法及系统


[0001]本专利技术涉及城市管线自动化检测领域，具体涉及一种基于神经网络的管道潜航机器人控制方法及系统。

技术介绍

[0002]管道作为运输手段，在石油、化工、国防、天然气、排污等多个领域应用广泛，极大方便了人类社区，同时也带来了巨大的经济效益。然而，随着管道服役时间的增加，其内壁会附着大量黏性污物，除此之外，在腐蚀和重压等因素耦合作用下，管道内壁不可避免地出现脱节、破裂、错位、塌陷现象，上述因素不仅影响运输效率，而且带来了安全隐患，甚至产生严重的经济损失。尽管暴雨是天灾，但如果建设了高标准的排水基础设施，并对堵塞的管线进行及时的检查和清理，可将财产的损失降到最低，避免人员伤亡。因此，通过及时有效的方法对管道进行全面的维护和故障排查，提高管道运行的安全性，能够减少国家的经济损失，保障生态环境的稳定，。
[0003]对于地下管道健康状态检测的工作，由于其环境的特殊性与复杂性，针对满水环境，目前业界主要采用装载摄像头的潜航机器人采集管道内的可视化信息，并将视频数据传输至智能检测平台系统，由专业工程师对可视化信息进行检查判读，从而完成管道健康状态的检测。为了顺利完成潜航机器人在狭隘管道空间中的移动，需设计合适的姿态控制策略以及姿态检测算法。然而，管道环境恶劣，且水流流速时变，基于单一IMU传感器的姿态检测容易形成严重的数值漂移现象。此外，传统的PID控制器虽结构简单、易操作，但实际的控制效果取决于控制器参数整定优劣与否，控制器参数无法在线调节，在水流流速时变以及被控对象模型不准确的前提下，容易造成控制效果不佳的状态，最终影响控制的精度。

技术实现思路

[0004]本专利技术针对现有技术中的不足，提供一种基于神经网络的管道潜航机器人控制方法及系统，提高潜航机器人的姿态估计精度以及控制的稳定性。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种基于神经网络的管道潜航机器人控制方法，包括以下步骤：
[0007]步骤一、潜航机器人接收控制指令并将控制指令转化为控制系统中的目标值变量；
[0008]步骤二、估计潜航机器人的实时姿态角；
[0009]步骤三、计算潜航机器人的控制输出；
[0010]步骤四、采用推力分配矩阵将步骤三中的控制输出转化为电机推进器上的控制信号值，其中推力分配矩阵为预先构建，且通过基于神经网络的PID控制器输出至推力分配矩阵；
[0011]步骤五、潜航机器人根据电机推进器上的控制信号值使潜航机器人从实时姿态角调整至目标值变量，完成对潜航机器人的姿态控制。
[0012]为优化上述技术方案，采取的具体措施还包括：
[0013]步骤一中，所述的控制指令包括偏航指令、俯仰指令、横滚指令和深度指令；控制指令通过岸上工作人员通过控制手柄向潜航机器人发送。
[0014]步骤二中，通过采集惯性测量单元IMU的角速度和加速度信息，计算潜航机器人的实时姿态角；采集多普勒计程仪DVL的测速信息后进行混响处理，构建多普勒计程仪DVL和惯性测量单元IMU的信息融合模型，并运用自适应卡尔曼滤波器估计出潜航机器人的实时姿态角信息。
[0015]步骤三中，通过自动控制系统的控制环路中的前馈控制环路和反馈串级控制环路结合的方式计算出潜航机器人的控制输出。
[0016]步骤四中，电机推进器上的控制信号值为脉冲宽度调制PWM值。
[0017]步骤五中，潜航机器人的主控板调节对应电调上的脉冲宽度调制PWM值，完成对潜航机器人的姿态控制。
[0018]基于神经网络的PID控制器的参数调节方式如下：
[0019]步骤1、网络初始化：根据潜航机器人控制系统的输入输出序列确定网络输入层的节点数n、隐含层节点数l、输出层节点数m，初始化输入层、隐含层和输出层神经元之间的连接权值，初始化隐含层阈值a、输出层阈值b，给定学习速率和神经元激励函数；
[0020]步骤2、隐含层输出计算：根据输入向量和连接输入层与隐含层的权值ω
ij
以及隐含层阈值a，计算隐含层输出H；
[0021]步骤3、输出层输出计算：根据隐含层输出H，连接隐含层与输出层的权值ω
jk
和输出层阈值b，计算BP神经网络输出O；
[0022]步骤4、误差计算：根据BP神经网络输出O和期望输出Y，计算网络误差e；
[0023]步骤5、权值更新：根据网络预测误差e更新连接输入层与隐含层的权值ω
ij
，连接隐含层与输出层的权值ω
jk
；
[0024]步骤6、判断算法迭代是否结束，若没有结束，返回步骤2，否则输出PID算法的比例调节系数Kp、积分调节系数Ki、微分调节系数Kd。
[0025]本专利技术还保护一种基于神经网络的管道潜航机器人控制系统，包括：
[0026]指令接收模块，用于潜航机器人接收控制指令并将控制指令转化为控制系统中的目标值变量；
[0027]实时姿态角计算模块，用于估计潜航机器人的实时姿态角；
[0028]控制输出计算模块，用于计算潜航机器人的控制输出；
[0029]控制输出转化模块，用于采用推力分配矩阵将控制输出转化为电机推进器上的控制信号值，其中推力分配矩阵为预先构建，且通过基于神经网络的PID控制器输出至推力分配矩阵；
[0030]姿态角调整模块，用于潜航机器人根据电机推进器上的控制信号值，使潜航机器人从实时姿态角调整至目标值变量，完成对潜航机器人的姿态控制。
[0031]本专利技术还保护一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时，实现上述的基于神经网络的管道潜航机器人控制方法。
[0032]本专利技术还保护一种计算机可读存储介质，存储有计算机程序，所述计算机程序使
计算机执行上述的基于神经网络的管道潜航机器人控制方法。
[0033]本专利技术的有益效果是：
[0034]本专利技术在潜航机器人的控制环路中，采用前馈和串级反馈的控制策略完成推进器的推力计算，从而提高不确定负载下潜航器姿态的稳定性；与PID控制相结合，实现对PID参数的实时整定，解决了PID控制器参数的在线调节问题，弥补传统PID控制复杂非线性系统的不稳定性问题，提高控制系统性能。
附图说明
[0035]图1为本专利技术的整体结构示意图；
[0036]图2为本专利技术中IMU/DVL姿态检测流程图；
[0037]图3为本专利技术中惯性导航粗对准程序流程图；
[0038]图4为本专利技术中基于神经网络的PID控制参数调节流程图。
[0039]图中：1、推进器，2、多普勒计程仪DVL，3、主控板，4、惯性测量单IMU，5、电池仓。
具体实施方式
[0040]以下通过实施例的形式对本专利技术的上述内容再作进一步的详细说明，但不应将此理解为本专利技术上述主题的范围仅限于以下的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的管道潜航机器人控制方法，其特征在于：包括以下步骤：步骤一、潜航机器人接收控制指令并将控制指令转化为控制系统中的目标值变量；步骤二、估计潜航机器人的实时姿态角；步骤三、计算潜航机器人的控制输出；步骤四、采用推力分配矩阵将步骤三中的控制输出转化为电机推进器上的控制信号值，其中推力分配矩阵为预先构建，且通过基于神经网络的PID控制器输出至推力分配矩阵；步骤五、潜航机器人根据电机推进器上的控制信号值使潜航机器人从实时姿态角调整至目标值变量，完成对潜航机器人的姿态控制。2.根据权利要求1所述的基于神经网络的管道潜航机器人控制方法，其特征在于：步骤一中，所述的控制指令包括偏航指令、俯仰指令、横滚指令和深度指令；控制指令通过岸上工作人员通过控制手柄向潜航机器人发送。3.根据权利要求1所述的基于神经网络的管道潜航机器人控制方法，其特征在于：步骤二中，通过采集惯性测量单元IMU的角速度和加速度信息，计算潜航机器人的实时姿态角；采集多普勒计程仪DVL的测速信息后进行混响处理，构建多普勒计程仪DVL和惯性测量单元IMU的信息融合模型，并运用自适应卡尔曼滤波器估计出潜航机器人的实时姿态角信息。4.根据权利要求1所述的基于神经网络的管道潜航机器人控制方法，其特征在于：步骤三中，通过自动控制系统的控制环路中的前馈控制环路和反馈串级控制环路结合的方式计算出潜航机器人的控制输出。5.根据权利要求1所述的基于神经网络的管道潜航机器人控制方法，其特征在于：步骤四中，电机推进器上的控制信号值为脉冲宽度调制PWM值。6.根据权利要求5所述的基于神经网络的管道潜航机器人控制方法，其特征在于：步骤五中，潜航机器人的主控板调节对应电调上的脉冲宽度调制PWM值，完成对潜航机器人的姿态控制。7.根据权利要求1所述的基于神经网络的管道潜航机器人控制方法，其特征在于：基于神经网络的PID控制器的参数调节方式如下：步骤1、网络初始化：根据潜航机器人控制系统的输入输出序列确定网络输入层的节点数n、隐含层节点数l、输出...

【专利技术属性】
技术研发人员：陈宇鸣，倪洋，韩富海，
申请(专利权)人：南京安透可智能系统有限公司，
类型：发明
国别省市：