【技术实现步骤摘要】
本专利技术涉及欠驱动水下航行器操纵，更具体的说是涉及一种欠驱动水下航行器的定深控制算法。
技术介绍
1、水下航行器是一种航行于水下的航行体，包括载人水下航行器和无人水下航行器，它能够完成水下勘探、侦测甚至是军事上的进攻防守等任务。在海洋开发日益重要的现在，水下航行器越来越得到了各个国家的重视，无论是在民用还是在军用上，都扮演着重要的角色。
2、水下航行器已被广泛用于海洋救助、打捞、海洋资源调查、石油开采等民用领域，并可承担扫雷、侦查、情报搜集及海洋探测等军事任务。随着人类对海洋探测的深入，水下航行器趋向于向更深、更远的海域进行航行。
3、欠驱动水下航行器是一种结构简单、控制难度较大的航行器，，它与传统的水下航行器最大的不同在于其结构上缺少独立的推进装置，因此不能直接通过推力产生控制力矩，而需要通过调节欠驱动舵偏转的角度来产生控制力，来改变自身的运动方向，欠驱动水下航行器通常采用自适应控制器来控制深度和纵摇。
4、但是，欠驱动水下航行器在水下航行时会受到复杂海洋环境的影响，特别是海水的密度跃层，易导致航行器深度失控从而造成航行器丢失，造成巨大的经济损失。
5、因此，如何提供一种欠驱动水下航行器的定深控制算法，以确保水下航行器在遭遇海水密度跃层时能够快速对其深度进行修正，具备继续定深航行、持续完成任务的能力，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于神经网络与干扰观测器的欠驱动水下航行器的定深控
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种欠驱动水下航行器的定深控制算法，包括以下步骤：
4、s1、基于自适应神经网络的攻角观测器设计，包括：
5、s11、计算水下航行器的深度偏差；
6、s12、采用径向基神经网络确定航行过程中的攻角，并设计自适应律对网络权值进行修正；
7、s2、利用所述步骤s1中的攻角观测器进行纵倾导引律设计，包括：
8、s21、结合攻角及视线导航算法形成纵倾导引算法；
9、s22、验证所述纵倾导引算法的稳定性；
10、s3、基于滑模与干扰观测器的纵倾控制器设计，包括：
11、s31、基于滑模控制理论对纵倾控制器进行设计；
12、s32、计算纵倾控制器的控制率；
13、s33、纵倾控制的非线性干扰观测器设计。
14、上述技术方案的有益效果是，欠驱动水下航行器的定深控制算法整体包括两部分：纵倾导引律设计与纵倾控制器设计；本专利技术根据神经网络理论设计欠驱动水下航行器的攻角观测器，对于欠驱动水下航行器的攻角进行精确观测，并将观测值与实现导航算法结合形成纵倾导引算法，以实现欠驱动水下航行器在干扰环境下的纵倾导引；另外，本专利技术基于滑模控制理论设计纵倾控制器，并设计非线性干扰观测器代滑模控制中的不连续鲁棒性(鲁棒性指控制系统在一定的参数摄动下，维持某些性能的特性)，可在不影响滑模控制器精度的同时消除控制指令的抖振，能够使欠驱动水下航行器在穿越海水密度跃层时对航行深度进行快速修正，并能够保持原深度继续航行。
15、优选的，在上述一种欠驱动水下航行器的定深控制算法中，所述攻角为所述欠驱动水下航行器在水下航行时由于深度变化与剩余浮力产生的。
16、在步骤s11中，所述深度偏差ze＝指令深度zc－实际深度zn，通过求导，得出：
17、＝usinθ-wcosθ
18、＝usinθ+ucosθtanα
19、式中，u、w、θ分别为航行器的纵向速度、垂向速度与纵倾角；α为攻角。
20、在步骤s12中，假设与攻角相关的参数γ＝tanα，则：
21、
22、其中，与攻角相关的参数γ为未知量，考虑到径向基神经网络具有逼近任意非线性的能力，故采用径向基神经网络对航行过程中未知的攻角进行逼近：
23、γ＝w*th(in)
24、
25、式中，in为神经网络的输入值；in＝[u,w,θ]、h＝[h1,h2,…,hn]为高斯基函数；n为隐含层节点数；c＝[c1,c2,…,cn]为隐含层节点的中心矩阵；bi为第i个节点的基宽向量；为神经网络的最优权值向量；
26、之后，定义航行过程中未知的攻角的估计值：
27、式中，为攻角相关的参数γ的估计值；为对最优权值向量w*的估计值，其自适应调整率如下式所示：
28、
29、式中，λ为调整参数，可对权值变化速率进行调整；δ为视线导航法的前视距离，通过自适应律对网络权值进行在线修正。
30、在步骤s21中，结合所述欠驱动水下航行器的航迹控制以及视线导航算法，将所述视线导航算法改进为所述欠驱动水下航行器垂直面的导引算法，将所述未知的攻角的估计值补偿到所述导引算法中：
31、
32、纵倾控制器能够将欠驱动水下航行器的纵倾准确的控制到纵倾指令上，则由上式可得：
33、
34、在步骤s22中，为了验证纵倾导引算法的稳定性，采用李雅普诺夫函数进行验证。设李雅普诺夫函数为：
35、
36、式中，为估计权值与最优权值的偏差。
37、对李雅普诺夫函数求导得：
38、
39、欠驱动水下航行器在水下航行时前向速度为正值，李雅普诺夫函数的导数满足因此可以证明纵倾导引算法的稳定性。
40、在步骤s31中，为了提高纵倾控制的相应速度与控制精度，基于滑模控制理论对纵倾控制器进行设计，首先所述欠驱动水下航行器垂直面的纵倾为：
41、
42、式中，fq为航行器已知水动力项与运动状态的综合项；dq为航行器航行时纵倾通道的环境干扰与未建模动态，为未知干扰项；θ为纵倾角；
43、定义纵倾控制误差及其导数：eθ＝θ-θz，
44、根据纵倾控制误差设计线性滑模面：
45、对线性滑模面求导得：
46、
47、其中，未知干扰项dq为未知量，为了使系统状态渐进收敛到滑模面上并消除未知干扰项对控制效果的影响，使用指数趋近率：
48、
49、式中，ks为指数项的系数，其大小决定了滑模面的收敛速度；η为不连续控制项的系数。
50、在步骤s32中，根据线性滑模面求导及指数趋近率公式可得出纵倾控制器的控制率为：
51、
52、不连续项ηsgn(s)能够消除未知干扰项dq对控制效果的影响，提高算法的抗扰性。但不连续项的使用会引起控制指令抖振，大大增加了航行器水平舵的打舵频次。因此通过设计非线性干扰观测器对未知干扰项进行估计并替代不连续项，以生成连续的控制指令。...
【技术保护点】
1.一种欠驱动水下航行器的定深控制算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S1中，所述攻角为所述欠驱动水下航行器在水下航行时由于深度变化与剩余浮力产生的。
3.根据权利要求1所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S11中，所述深度偏差ze＝指令深度zc－实际深度zn，通过求导，得出：
4.根据权利要求3所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S12中，假设与攻角相关的参数γ＝tanα，则：
5.根据权利要求4所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S21中，结合所述欠驱动水下航行器的航迹控制以及视线导航算法，将所述视线导航算法改进为所述欠驱动水下航行器垂直面的导引算法，将所述未知的攻角的估计值补偿到所述导引算法中：
6.根据权利要求5所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S22中，采用李雅普诺夫函数验证所述导引算法的稳定性。
7.根据权利要求1所述的一种欠
8.根据权利要求7所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S32中，根据公式：
9.根据权利要求8所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤S33中，所述纵倾控制的非线性干扰观测器的形式为：
10.根据权利要求9所述的一种欠驱动水下航行器的定深控制算法，其特征在于，结合所述滑模控制理论对纵倾控制器的设计结果及所述纵倾控制的非线性干扰观测器的设计结果，可得到纵倾控制器的最终形式为：
...【技术特征摘要】
1.一种欠驱动水下航行器的定深控制算法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤s1中，所述攻角为所述欠驱动水下航行器在水下航行时由于深度变化与剩余浮力产生的。
3.根据权利要求1所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤s11中，所述深度偏差ze＝指令深度zc－实际深度zn，通过求导，得出：
4.根据权利要求3所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤s12中，假设与攻角相关的参数γ＝tanα，则：
5.根据权利要求4所述的一种欠驱动水下航行器的定深控制算法，其特征在于，在步骤s21中，结合所述欠驱动水下航行器的航迹控制以及视线导航算法，将所述视线导航算法改进为所述欠驱动水下航行器垂直面的导引算法，将所述未知的攻角的估计值补偿到所述导...
【专利技术属性】
技术研发人员：韩俊庆，徐雪峰，胡英俊，但杨文，王益民，于双宁，
申请(专利权)人：中国船舶集团有限公司第七零七研究所九江分部，
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。