【技术实现步骤摘要】
本专利技术属于机械控制，具体涉及一种基于宽度学习的欠驱动水下直升机合围控制方法。
技术介绍
1、海底移动观测、海底资源勘探、敏感海底区域巡航与探测、海底管线监测与维护、海底救援与打捞、海底考古等工作，对潜水器的机动性能和工作模式提出了很高的要求，往往需要与陆上“直升机”特点类似的潜水器。水下直升机（autonomous underwaterhelicopter, auh）的提出有助于提高潜水器的机动性能、增加海底至海底的工作模式，更高质高效地开展海底作业应用，另外，对多个auh进行协同控制，形成一个基于网络空间有机联系的系统，能够完成更加复杂的作业任务。在某些情况下，需要跟随者-auh进入由多个领航者-auh组成的几何区域内，这种控制方式被称为合围控制，成为当前水下机器人控制领域的研究热点。
2、由于水下直升机的推进器数量和推进器布局的限制，水下直升机控制系统中控制输入的自由度小于其运动自由度，这被定义为水下直升机的欠驱动控制问题， 此外，水下直升机具有复杂的流体动力学特性，难以精确地建立其动力学模型，因此在欠驱动合围控制中考虑模型的不确定性是有必要的，现有技术中使用径向基函数神经网络（radialbasis function neural network，rbfnn）逼近动力学不确定性，然而，径向基函数神经网络中的神经节点是预设的，需要一定的先验知识，同时，需要布置数量较多的节点以提高逼近精度，这增加了控制器的计算负担，提高了对硬件的要求。
3、综上所述，目前的水下直升机控制系统中控制输入的自由度小于其
技术实现思路
1、为了解决现有技术存在的水下直升机控制系统中控制输入的自由度小于其运动自由度，存在欠驱动控制问题，且用于逼近动力学不确定性的径向基函数神经网络中的神经节点是预设的，需要一定的先验知识，而且需要布置数量较多的节点以提高逼近精度，增加了计算负担，硬件要求高的技术问题，本专利技术提供一种基于宽度学习的欠驱动水下直升机合围控制方法。
2、第一方面本专利技术提供了一种基于宽度学习的欠驱动水下直升机合围控制方法，包括：
3、s101：建立由多个跟随者和多个领航者组成的合围编队的动力学模型；
4、s102：确定动力学模型的约束条件；
5、s103：引入辅助变量重新定义动力学模型中水下直升机的合围控制误差，选取虚拟控制变量，确定在合围控制误差下的虚拟控制率；
6、s104：基于动力学模型，确定合围编队的集总不确定性；
7、s105：结合宽度学习算法设计基于宽度学习的改进径向基函数神经网络；
8、s106：定义关于虚拟控制变量和虚拟控制率的误差变量，确定关于误差变量的控制率；
9、s107：确定改进径向基函数神经网络的自适应更新率；
10、s108：结合自适应更新率，通过改进径向基函数神经网络以控制率对集总不确定性进行逼近，以使得跟随者位于由领航者组成的几何凸面体中。
11、与现有技术相比，本专利技术至少具有以下有益技术效果：
12、在本专利技术中，通过引入辅助变量弥补由水下直升机控制系统中控制输入的自由度小于其运动自由度导致的欠驱动问题，重新定义所述动力学模型中水下直升机的合围控制误差，以新确定的合围控制误差为基础设计新的虚拟控制率，重新确定包括辅助变量的控制率对水下直升机进行控制，提高了控制算法的可行性和控制精度。通过在宽度学习算法框架下设计径向基函数神经网络，确定改进径向基函数神经网络的自适应更新率，神经网络的节点可以动态更新，以匹配新的输入向量，放宽对神经节点先验知识的要求，减少节点数量的同时可以实现更好的逼近能力，提升控制能力，降低计算消耗和硬件要求，进而提升合围编队控制精度和续航能力。
本文档来自技高网...【技术保护点】
1.一种基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，包括：
2.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述动力学模型具体为：，
3.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述约束条件包括所述合围编队中存在一个以领航者为根节点的有向生成树、领航者轨迹及所述领航者轨迹对时间的一阶导数有界。
4.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述S103具体包括：
5.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述S104具体包括：
6.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述S105具体包括：
7.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述S106具体包括：
8.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述自适应更新率具体为：其中，表示正定
9.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述S108的描述具体为：其中，表示第k个领航者的位置，表示t时刻第i个AUH的位置，表示正常数。
...【技术特征摘要】
1.一种基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，包括：
2.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述动力学模型具体为：，
3.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述约束条件包括所述合围编队中存在一个以领航者为根节点的有向生成树、领航者轨迹及所述领航者轨迹对时间的一阶导数有界。
4.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其特征在于，所述s103具体包括：
5.根据权利要求1所述的基于宽度学习的欠驱动水下直升机合围控制方法，其...
【专利技术属性】
技术研发人员：宋子龙，黄豪彩，吴哲远，王卿，路小璐，
申请(专利权)人：东海实验室，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。