【技术实现步骤摘要】
本专利技术属于无人水下航行器(unmanned underwater vehicle,uuv)编队控制。
技术介绍
1、自21世纪以来，全球各国都在积极开展对于海洋的探索，海洋不仅蕴藏有丰富的自然资源，还对于国家的贸易发展和国防安全有着重要的战略意义，而海洋中充斥着海浪洋流，环境复杂多变，因此对于海洋的探索研究离不开先进的海洋探索设备。uuv作为一种具备智能性和无人性的水下潜器，对海洋探测发挥着重要作用。由于水下环境的复杂性，单个uuv在执行任务过程中容易发生意外，而导致任务无法继续进行。因此，对uuv集群技术的研究是十分有实际意义的。
2、在uuv集群系统中，群体中的uuv通过互享信息完成任务分配和行为协调，从而提高完成复杂任务的效率。由于uuv有限的通信能力与技术条件限制，加上水声通信产生的高信噪比、多普勒传播、多径效应等不稳定影响，使得多uuv间的通信必然会产生时延，并且由于存在较高误码率，使得通信范围变小，通信质量降低。此类弱通信环境的特点包括：不能忽略的时延、间歇性通信故障、高误码率以及小通信覆盖范围等；通信异常则会直接导致跟随者uuv对领导者uuv的感知能力急剧下降，降低编队的稳定性，因此通信问题已成为多uuv系统中不能忽视的核心问题。目前，国内外对编队控制的研究多是在较为理想的通信条件下展开的研究，例如端对端时延固定、通信延迟已知或时延可变有上限等。
技术实现思路
1、本专利技术是为了解决水下通信质量差导致无人水下航行器编队控制方法存在稳定性低、控制精度差
2、本专利技术所述一种基于预测补偿机制的多uuv编队控制方法，包括：
3、步骤a、编队中的跟随者uuv接收领导者uuv的状态信息，对所述领导者uuv的状态信息进行数据滤波和数据拟合处理，得到领导者uuv状态量的预测值；
4、步骤b、跟随者uuv根据领导者uuv的状态量的预测值和期望队形，获取自身编队控制信号。
5、进一步地，本专利技术中，步骤a中，得到领导者uuv状态量的预测值的具体方法为：
6、步骤a1、根据水下通信的周期，确定领导者uuv与跟随者uuv通信频率及通信时刻；
7、步骤a2、根据领导者uuv与跟随者uuv通信频率及通信时刻，每个跟随uuv将接收的领导者uuv状态信息作为观测值，利用卡尔曼滤波器对观测值进行处理，获得领导者uuv状态信息的最优估计值；
8、步骤a3、重复执行步骤a2，直至累计获取k组最优估计值，执行步骤a4；
9、步骤a4、利用最小均方误差法，将k组关于领导者uuv状态信息的最优估计值进行数据拟合，得到关于时间的领导者uuv状态信息拟合函数；
10、步骤a5、利用关于时间的领导者uuv状态信息拟合函数，预测下一时刻领导者uuv的状态量。
11、进一步地，本专利技术中，步骤b中，获取自身编队控制信号的具体方法为：
12、b1、建立每个uuv运动学模型和动力学模型，根据期望的队形di、领导者uuv的位置信息和艏向角信息，利用领导-跟随策略，为每个跟随者uuv设置期望路径；
13、b2、根据所有uuv的期望路径，确定路径跟踪误差；
14、b3、利用路径跟踪误差结合uuv执行机构的惯性特性和饱和特性，设计pid路径跟踪控制器，将预测的下一时刻领导者uuv的状态量作为pid路径跟踪控制器的输入，获取多uuv编队控制信号。
15、进一步地，本专利技术中，b1中，uuv运动学模型为：
16、
17、
18、
19、
20、
21、
22、
23、
24、
25、(x,y,z)表示uuv在惯性坐标系下的重心坐标，表示uuv在惯性坐标系下的横摇角、纵摇角和艏摇角；(u,v,w)表示uuv在载体坐标系中相对海流的前进线速度、横移线速度和垂荡线速度；表示海流在载体坐标系中的前进线速度、横移线速度和垂荡线速度；(p,q,r)表示uuv在载体坐标系中的横摇角速度、纵摇角速度和艏摇角速度；分别表示uuv在惯性坐标下的重心位置和横摇角、纵摇角和艏摇角向量的导数；
26、进一步地，本专利技术中，b1中，uuv动力学模型为：
27、
28、其中,v∈r6×1表示uuv在载体坐标系中相对海流的六自由度速度向量；η∈r6×1表示uuv在惯性坐标系中的六自由度位置角度向量；m∈r6×6为正定惯性矩阵；c(v)∈r6×6为科里奥利向心力矩阵；g(η)∈r6×1为恢复力和力矩向量；d(v)∈r6×6为水动力阻力和升力矩阵，τ＝[f 0 δr 0 0 0]为输入控制矩阵，f为推力，δr为舵角。
29、进一步地，本专利技术中，b1中，为每个跟随者uuv设置期望路径为：
30、
31、其中，代表领导者uuv位置向量，ηid＝[xid,yid]t为第i个跟随者uuv期望路径点，δi为第i个跟随者uuv的期望编队队形，ψm为领导者uuv的艏向角。
32、进一步地，本专利技术中，步骤a2中，卡尔曼滤波器表示为：
33、
34、其中，为当前时刻k领导者uuv的最优状态估计值，为当前时刻k领导者uuv的状态预测值，kg(k)为当前时刻k领导者uuv的卡尔曼增益，ηfit(k)为当前时刻k领导者uuv的观测值，h为领导者uuv的系统观测矩阵。
35、进一步地，本专利技术中，步骤a4中，关于时间的领导者uuv状态信息拟合函数为：
36、
37、其中，xm(t)为领导者东向位置拟合函数，ym(t)为领导者北向位置拟合函数，vmx(t)为领导者东向速度拟合函数，vmy(t)为领导者北向速度拟合函数，ψm(t)为领导者艏向角拟合函数，a0…an、b0…bn、c0…cn、d0…dn、e0…en为拟合函数xm(t)、ym(t)、vmx(t)、vmy(t)、ψm(t)的多项式系数。
38、进一步地，本专利技术中，步骤a5中，预测下一时刻领导者uuv的状态量为：
39、
40、其中，tpre为两次通信时刻[t1,t2]之间的任意时刻。
41、本申请所提出的基于预测补偿机制的多uuv编队控制方法，根据领导者uuv的位姿信息和期望队形，利用pid路径跟踪器实现编队控制，有效提高了在外界海流干扰和执行机构限制条件下的编队稳定性。本申请利用最小均方误差法对领导者uuv的状态进行预测，解决了水下通信时延问题，降低uuv之间的通信压力。当通信数据受到噪声干扰时，采用卡尔曼滤波对通信数据进行降噪处理，提高了预测精度。
本文档来自技高网...【技术保护点】
1.一种基于预测补偿机制的多UUV编队控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，步骤A中，得到领导者UUV状态量的预测值的具体方法为：
3.根据权利要求1所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，步骤B中，获取自身编队控制信号的具体方法为：
4.根据权利要求1所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，B1中，UUV运动学模型为：
5.根据权利要求2所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，B1中，UUV动力学模型为：
6.根据权利要求3所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，B1中，为每个跟随者UUV设置期望路径为：
7.根据权利要求4所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，步骤A2中，卡尔曼滤波器表示为：
8.根据权利要求5所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，步骤A4中，关于时间的领导者UUV状态信息
9.根据权利要求6所述的一种基于预测补偿机制的多UUV编队控制方法，其特征在于，步骤A5中，预测下一时刻领导者UUV的状态量为：
...【技术特征摘要】
1.一种基于预测补偿机制的多uuv编队控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于预测补偿机制的多uuv编队控制方法，其特征在于，步骤a中，得到领导者uuv状态量的预测值的具体方法为：
3.根据权利要求1所述的一种基于预测补偿机制的多uuv编队控制方法，其特征在于，步骤b中，获取自身编队控制信号的具体方法为：
4.根据权利要求1所述的一种基于预测补偿机制的多uuv编队控制方法，其特征在于，b1中，uuv运动学模型为：
5.根据权利要求2所述的一种基于预测补偿机制的多uuv编队控制方法，其特征在于，b1中...
【专利技术属性】
技术研发人员：赵恩娇，曾志镪，丁雪，张钰欣，莫小艳，赵玉新，
申请(专利权)人：哈尔滨工程大学，
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。