跨介质航行器的运动控制方法、系统、装置、设备及介质制造方法及图纸

本申请实施例提供了一种跨介质航行器的运动控制方法、系统、装置、设备及介质，方法包括：获取跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据，以及跨介质航行器的目标运动状态数据；将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中，得到跨介质航行器的预测运动状态数据；根据实际运动状态数据、预测运动状态数据和目标运动状态数据，通过控制算法模型生成控制指令；将控制指令发送至物理实体硬件平台，以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。根据本申请实施例，能够实现跨介质航行器在多介质环境中运动的精确控制。介质航行器在多介质环境中运动的精确控制。介质航行器在多介质环境中运动的精确控制。

【技术实现步骤摘要】
跨介质航行器的运动控制方法、系统、装置、设备及介质


[0001]本申请属于航行器
，尤其涉及一种跨介质航行器的运动控制方法、系统、装置、设备及介质。

技术介绍

[0002]跨介质航行器是一种可用于海上作业的智能化、无人化装备，其具备在水面高速航行，水下低速航行的跨域运动能力，能够很好地满足海上跨域作业的要求。
[0003]在跨介质航行器的运动过程中，需要对其进行有效监测，以根据监测数据实现对跨介质航行器的运动控制。但现有的跨介质航行器的运动控制方法只适用于单一介质环境，难以实现跨介质航行器在多介质环境中运动的精确控制。

技术实现思路

[0004]本申请实施例提供了一种跨介质航行器的运动控制方法、系统、装置、设备及介质，能够实现跨介质航行器在多介质环境中运动的精确控制。
[0005]第一方面，本申请实施例提供了一种跨介质航行器的运动控制方法，应用于跨介质航行器的数字孪生软件系统，跨介质航行器的运动控制方法包括：获取来自跨介质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据，以及跨介质航行器处于目标运动状态时的目标运动状态数据；将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中，利用数据预测模型进行运行状态数据的预测，得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据；根据实际运动状态数据、预测运动状态数据和目标运动状态数据，通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令；将控制指令发送至物理实体硬件平台，以使物理实体硬件平台根据控制指令将跨介质航行器的运动状态调整至目标运动状态。
[0006]根据本申请第一方面的实施方式，在将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中之前，跨介质航行器的运动控制方法还包括：对实际运动状态数据、实际内部环境数据和实际外部环境数据进行数据预处理；将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中，利用数据预测模型进行运行状态数据的预测，得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据，包括：将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中，利用数据预测模型进行运行状态数据的预测，得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。
[0007]根据本申请第一方面前述任一实施方式，对实际运动状态数据、实际内部环境数据和实际外部环境数据进行数据预处理，包括：对实际运动状态数据、实际内部环境数据和实际外部环境数据进行滤波、降噪、标准化以及归一化处理。
[0008]根据本申请第一方面前述任一实施方式，在将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中之前，跨介质航行器的运动控制方法还包括：根据数据预处理后的实际运动状态数据、实际内部环境数据和跨介质航行器的固有属性数据，在数字孪生软件系统中构建跨介质航行器的孪生实体模型；根据数据预处理后的实际外部环境数据，在数字孪生软件系统中构建跨介质航行器的场景环境模型。
[0009]根据本申请第一方面前述任一实施方式，在得到跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据之后，跨介质航行器的运动控制方法还包括：将预测运动状态数据输入至孪生实体模型，以使孪生实体模型根据预测运动状态数据进行仿真运动。
[0010]根据本申请第一方面前述任一实施方式，在将实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中之前，跨介质航行器的运动控制方法还包括：获取跨介质航行器在历史时间周期内的多个历史运动状态数据组，每个历史运动状态数据组均包括跨介质航行器在一个时间序列下多个时刻的历史运动状态数据；将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中，得到跨介质航行器在时间序列下其余时刻的运动状态数据的预测结果；根据预测结果，以及跨介质航行器在时间序列下其余时刻的历史运动状态数据，确定数据预测模型的损失函数值；在损失函数值不满足预设训练停止条件的情况下，调整数据预测模型的模型参数，并返回执行将跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至数据预测模型中，直至损失函数值满足预设训练停止条件，得到训练后的数据预测模型。
[0011]根据本申请第一方面前述任一实施方式，根据实际运动状态数据、预测运动状态数据和目标运动状态数据，通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令，包括：计算实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值，以及实际运动状态数据与目标运动状态数据的第二差值，第一目标时刻为第一预设时间周期内与第一时刻间隔最短的时刻；对第一差值和第二差值进行加权求和，得到加权求和结果；将加权求和结果输入至控制算法模型，通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令。
[0012]根据本申请第一方面前述任一实施方式，控制算法模型包括动力学预测模型和代价函数，代价函数根据动力学预测模型和跨介质航行器的组件的约束条件构建得到；将加权求和结果输入至控制算法模型，通过控制算法模型生成将跨介质航行器的运动状态调整至目标运动状态的控制指令，包括：将加权求和结果输入至代价函数，得到组件在第二预设时间周期内的多个时刻下每个时刻分别对应的组件参数值；根据第二目标时刻对应的组件参数值，生成将跨介质航行器的运动状态调整至目标运动状态的控制指令，第二目标时刻为第二预设时间周期内与第一时刻间隔最短的时刻。
[0013]根据本申请第一方面前述任一实施方式，在根据第二目标时刻对应的组件参数值，生成将跨介质航行器的运动状态调整至目标运动状态的控制指令之后，跨介质航行器的运动控制方法还包括：将组件参数值输入至动力学预测模型，通过动力学预测模型计算组件参数值对应的跨介质航行器的动力学预测运动状态数据；将动力学预测运动状态数据输入至代价函数，并将跨介质航行器在第一时刻的实际运动状态数据，更新为物理实体硬件平台根据控制指令调整后的跨介质航行器的实际运动状态数据，返回执行获取来自跨介
质航行器的物理实体硬件平台发送的跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据，以及跨介质航行器处于目标运动状态时的目标运动状态数据。
[0014]第二方面，本申请实施例提供了一种跨介质航行器的运动控制方法，应用于跨介质航行器的物理实体硬件平台，跨介质航行器的运动控制方法包括：获取设置在跨介质航行器上的传感器采集到的跨介质航行器在第一时刻的实际运动状态数据和实际内部环境数据，以及设置在跨介质航行器所处环境中的传感器采集到的跨介质航行器的实际外部环境数据；将实际运动状态数据、实际内部环境数据和实际外部环境数据发送至跨介质航行器的数字孪生软件系统；接收数字孪生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种跨介质航行器的运动控制方法，其特征在于，应用于所述跨介质航行器的数字孪生软件系统，所述方法包括：获取来自所述跨介质航行器的物理实体硬件平台发送的所述跨介质航行器在第一时刻的实际运动状态数据、实际内部环境数据、实际外部环境数据，以及所述跨介质航行器处于目标运动状态时的目标运动状态数据；将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中，利用所述数据预测模型进行运行状态数据的预测，得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据；根据所述实际运动状态数据、所述预测运动状态数据和所述目标运动状态数据，通过控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令；将所述控制指令发送至所述物理实体硬件平台，以使所述物理实体硬件平台根据所述控制指令将所述跨介质航行器的运动状态调整至所述目标运动状态。2.根据权利要求1所述的方法，其特征在于，在所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中之前，所述方法还包括：对所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据进行数据预处理；所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中，利用所述数据预测模型进行运行状态数据的预测，得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据，包括：将数据预处理后的实际运动状态数据、实际内部环境数据和实际外部环境数据输入到数据预测模型中，利用所述数据预测模型进行运行状态数据的预测，得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据。3.根据权利要求2所述的方法，其特征在于，所述对所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据进行数据预处理，包括：对所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据进行滤波、降噪、标准化以及归一化处理。4.根据权利要求2或3所述的方法，其特征在于，在所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中之前，所述方法还包括：根据数据预处理后的实际运动状态数据、实际内部环境数据和所述跨介质航行器的固有属性数据，在所述数字孪生软件系统中构建所述跨介质航行器的孪生实体模型；根据数据预处理后的实际外部环境数据，在所述数字孪生软件系统中构建所述跨介质航行器的场景环境模型。5.根据权利要求4所述的方法，其特征在于，在所述得到所述跨介质航行器在第一预设时间周期内的多个时刻下每个时刻分别对应的预测运动状态数据之后，所述方法还包括：将所述预测运动状态数据输入至所述孪生实体模型，以使所述孪生实体模型根据所述预测运动状态数据进行仿真运动。6.根据权利要求1所述的方法，其特征在于，在所述将所述实际运动状态数据、所述实际内部环境数据和所述实际外部环境数据输入到数据预测模型中之前，所述方法还包括：
获取所述跨介质航行器在历史时间周期内的多个历史运动状态数据组，每个所述历史运动状态数据组均包括所述跨介质航行器在一个时间序列下多个时刻的历史运动状态数据；将所述跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至所述数据预测模型中，得到所述跨介质航行器在所述时间序列下其余时刻的运动状态数据的预测结果；根据所述预测结果，以及所述跨介质航行器在所述时间序列下其余时刻的历史运动状态数据，确定所述数据预测模型的损失函数值；在所述损失函数值不满足预设训练停止条件的情况下，调整所述数据预测模型的模型参数，并返回执行所述将所述跨介质航行器在一个时间序列下第一个时刻的历史运动状态数据输入至所述数据预测模型中，直至所述损失函数值满足预设训练停止条件，得到训练后的数据预测模型。7.根据权利要求1所述的方法，其特征在于，所述根据所述实际运动状态数据、所述预测运动状态数据和所述目标运动状态数据，通过控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令，包括：计算所述实际运动状态数据与第一目标时刻对应的预测运动状态数据的第一差值，以及所述实际运动状态数据与所述目标运动状态数据的第二差值，所述第一目标时刻为第一预设时间周期内与所述第一时刻间隔最短的时刻；对所述第一差值和所述第二差值进行加权求和，得到加权求和结果；将所述加权求和结果输入至所述控制算法模型，通过所述控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令。8.根据权利要求7所述的方法，其特征在于，所述控制算法模型包括动力学预测模型和代价函数，所述代价函数根据所述动力学预测模型和所述跨介质航行器的组件的约束条件构建得到；所述将所述加权求和结果输入至所述控制算法模型，通过所述控制算法模型生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令，包括：将所述加权求和结果输入至所述代价函数，得到所述组件在第二预设时间周期内的多个时刻下每个时刻分别对应的组件参数值；根据第二目标时刻对应的组件参数值，生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令，所述第二目标时刻为第二预设时间周期内与所述第一时刻间隔最短的时刻。9.根据权利要求8所述的方法，其特征在于，在所述根据第二目标时刻对应的组件参数值，生成将所述跨介质航行器的运动状态调整至所述目标运动状态的控制指令之后，所述方法还包括：将所述组件参数值输入至所述动力学预测模型，通过所述动力学预测模型计算所述组件参数...

【专利技术属性】
技术研发人员：李宏源，段慧玲，邹勇，李秉臻，廖明科，吕鹏宇，成名，
申请(专利权)人：北京大学南昌创新研究院，
类型：发明
国别省市：