一种水下航行器深度控制参数在线优化方法技术

一种水下航行器深度控制参数在线优化方法

【技术实现步骤摘要】
一种水下航行器深度控制参数在线优化方法、系统、计算机设备及介质


[0001]本专利技术属于水下航行器智能航行
，具体涉及一种水下航行器非电变量的控制调节技术
。

技术介绍

[0002]近年来，水下航行器在潜水员不易到达的区域发挥着越来越重要的作用，特别是对于深度控制有需求的水下作业任务如水下切割
、
打磨
、
钻孔
、
清洗
、
检测与维修等
。
[0003]目前对于水下航行器深度控制的研究方法主要包括滑模变结构控制
、
模糊控制
、
自适应控制
、
神经网络控制
、PID
控制
、S
面控制等
。
[0004]控制参数的选取对深度控制结果至关重要，但上述技术在参数选取方面有的涉及大量计算
、
有的依赖专业人员的经验
、
有的需要基于海量样本数据学习，这对上述技术在深度控制的效率和精度等发面都产生了影响
。

技术实现思路

[0005]本专利技术针对现有技术存在的对水下航行器深度控制时，需要依赖专业技术人员
、
通过大量的计算选取参数以及需要基于海量样本数据学习，影响深度控制的效率和精度，以及实效性不佳的问题，提出了一种水下航行器深度控制参数在线优化的方法
。
[0006]一种水下航行器深度控制参数在线优化方法，包括：
[0007]采集推进器的垂向实时数据；
[0008]根据所述垂向实时数据采用递推最小二乘法获得垂向运动控制特性；
[0009]对
S
面控制器参数随机赋初值，选取评价指标函数；
[0010]根据所述评价指标函数，通过梯度下降法对所述
S
面控制器参数进行在线优化
。
[0011]进一步地，所述垂向实时数据包括：实时推力数据和实时深度数据；
[0012]进一步地，所述根据所述垂向实时数据采用最小二乘法获得垂向运动控制特性包括：
[0013]根据所述垂向实时数据，采用递推最小二乘法获得垂向运动控制特性的参数预测值；
[0014]根据所述参数预测值，采用递推最小二乘法获得深度数据的预测值；
[0015]进一步地，所述根据所述垂向实时数据获得垂向运动控制特性的参数预测值采用的公式为：
[0016][0017]其中，为垂直方向运动控制特性的参数预测值，
D
i
为所述实时深度数据，
f
i
为所述实时推力数据，
T
为转置；
[0018]进一步地，所述递推最小二乘法具体为：
[0019][0020]P(k
‑
1)
＝
[I
‑
K(k
‑
1)f
T
(k
‑
1)]P(k
‑
2)
[0021][0022]其中，
k
为推力数据和深度数据的编号，
f(k
‑
1)
为在第
k
次递推中新的推力数据，
D(k)
为在第
k
次递推中新的深度数据，
I
为单位矩阵，
K(k
‑
1)、P(k
‑
1)、P(k
‑
2)
为递推过程中引入的变量；
[0023]进一步地，所述评价指标函数采用时间乘绝对误差积分准则实现；
[0024]进一步地，所述时间乘绝对误差积分准则具体为：
[0025][0026]其中，
t
是特性辨识精度达到要求并开始对
S
面控制器参数
k
e
和进行一次在线优化后的连续控制节拍数，
e(t)
是在上述
t
个连续控制节拍期间的深度控制偏差
。
[0027]本专利技术还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时，所述处理器执行上述的一种水下航行器深度控制参数在线优化方法
。
[0028]本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质用于储存计算机程序，所述计算机程序执行上述的一种水下航行器深度控制参数在线优化方法
。
[0029]本专利技术还一种水下航行器深度控制参数在线优化系统，包括：
[0030]数据采集模块：用于采集推进器的垂向实时数据；
[0031]特性辨识模块：用于根据所述垂向实时数据采用递推最小二乘法辨识垂向运动控制特性；
[0032]控制模块：采用
S
面控制器，通过控制参数对深度进行控制；
[0033]在线优化模块：用于根据所述评价指标函数，通过梯度下降法对所述
S
面控制器参数进行在线优化
。
[0034]本专利技术的有益效果：
[0035]本专利技术提出的优化方法由递推最小二乘法和梯度下降法构成
。
基于递推最小二乘法的在线学习能力辨识水下航行器实时运行特性，基于梯度下降法对控制器参数实现在线优化
。
[0036]本方法可以有效提高具备垂推的水下航行器深度控制效率
、
控制精度以及对不同作业环境的鲁棒性，为后续水下航行器深度控制方法研究和工程应用提供了新的思路
。
[0037]相比于现有技术，本专利技术不需要大量环境样本数据
、
不依赖人工参数选取经验
。
在有水流干扰条件下，水下航行器在
25s
以内进入稳态，系统稳定后的深度控制精度可达
0.01m
以内
。
体现了本专利技术在深度控制精度和不同作业环境鲁棒性方面的优越性
。
[0038]本专利技术适用于具备垂推的水下航行器的深度控制场景
。
附图说明
[0039]图1为实施方式五所述的一种水下航行器深度控制参数在线优化系统的流程图；
[0040]图2为实施方式一
、
实施方式六所述的具备垂推的水下航行器推进器的结构示意
图，其中，
T1和
T2为主推进器，位于水下航行器尾部，
T3和
T4为侧向推进器，位于水下航行器底部，
T5和
T6为垂向推进器，位于水下航行器中部；
[0041]图3为实施方式六
、
实施方式七
、
实施方式八所述的水下航行器运动控制系统信息流图；
[0042]图4为实施方式六所述的特性辨识模块实时深度数据辨识结果；
[0043]图5为实施方式六所述的梯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种水下航行器深度控制参数在线优化方法，其特征在于，所述方法包括：采集推进器的垂向实时数据；根据所述垂向实时数据采用递推最小二乘法获得垂向运动控制特性；对
S
面控制器参数随机赋初值，选取评价指标函数；根据所述评价指标函数，通过梯度下降法对所述
S
面控制器参数进行在线优化
。2.
根据权利要求1所述的一种水下航行器深度控制参数在线优化方法，其特征在于，所述垂向实时数据包括：实时推力数据和实时深度数据
。3.
根据权利要求2所述的一种水下航行器深度控制参数在线优化方法，其特征在于，所述根据所述垂向实时数据采用最小二乘法获得垂向运动控制特性包括：根据所述垂向实时数据，采用递推最小二乘法获得垂向运动控制特性的参数预测值；根据所述参数预测值，采用递推最小二乘法获得深度数据的预测值
。4.
根据权利要求3所述的一种水下航行器深度控制参数在线优化方法，其特征在于，所述根据所述垂向实时数据获得垂向运动控制特性的参数预测值采用的公式为：其中，为垂直方向运动控制特性的参数预测值，
D
i
为所述实时深度数据，
f
i
为所述实时推力数据，
T
为转置
。5.
根据权利要求3所述的一种水下航行器深度控制参数在线优化方法，其特征在于，所述递推最小二乘法具体为：
P(k
‑
1)
＝
[I
‑
K(k
‑
1)f
T
(k
‑
1)]P(k
‑
2)
其中，
k
为推力数据和深度数据的编号，
f(k
‑
1)
为在第
k
次递推中新的推力数据，
...

【专利技术属性】
技术研发人员：姜春萌，张宏瑞，李书鹏，王金娥，陈双全，唐依明，王高阳，邓颖，徐蓝青，吕金华，吴翔，
申请(专利权)人：武汉船舶职业技术学院，
类型：发明
国别省市：