基于滑模和强化学习的AUV环境最优定位控制方法技术

本发明专利技术公开了基于滑模和强化学习的AUV环境最优定位控制方法。通过使用强化学习设计神经网络使水下机器人从环境中学习，不依赖先验知识和精确的数学模型，对滑模控制中的未知部分进行补偿，大幅提高传统滑模的精度和鲁棒性，实现复杂海流环境中水下机器人环境最优艏向定位控制。本发明专利技术神经网络模型可以逼近任意非线性函数，涵盖可能出现每一个状态值，提高水下机器人的学习效率和控制精度。利用环境最优艏向定位控制进行悬停，使欠驱动水下机器人艏向始终指向预定虚拟圆心，可以顶住洋流，有效降低能耗。

【技术实现步骤摘要】

本专利技术属于智能船舶控制领域，具体指一种基于滑模和强化学习的水下机器人环境最优艏向定位控制方法。

技术介绍

1、海洋资源的开发和利用，对经济和军事方面的发展具有重要意义，已逐渐成为科研领域的热点课题之一。水下机器人(auv)以其自主性高、活动范围广、机动性强等优点，成为人类探索海洋的重要工具。水下机器人的运动控制如悬停、轨迹跟踪，是海洋资源勘探、水下救援打捞等特种作业的关键技术基础。在执行一些特殊应用场景任务，如海洋定点探测时，为保证水下机器人能够在复杂的海洋环境中以预定状态工作，通常需要使水下机器人靠近目标工作点，并在未知海流环境中保持与目标点相对静止。在复杂海况下，这是一项颇具挑战性的工作。

2、水下机器人本体结构是相当复杂的，具有高度耦合的非线性、结构化和非结构化的不确定性，且运动特性会因水动力学环境变化而变化，因此很难获得水下机器人的精确数学模型，这为其控制系统的设计带来非常大的困难。其次，在水下机器人实际运行过程中，容易受到海洋环境中风、浪、流等不确定因素的干扰。这些因素都会对水下机器人的控制性能产生较大影响。传统控制方法，如pid本文档来自技高网...

【技术保护点】

1.基于滑模和强化学习的AUV环境最优定位控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于滑模和强化学习的AUV环境最优定位控制方法，其特征在于，步骤1具体如下；

3.根据权利要求2所述的基于滑模和强化学习的AUV环境最优定位控制方法，其特征在于，步骤2具体如下；

4.根据权利要求3所述的基于滑模和强化学习的AUV环境最优定位控制方法，其特征在于，步骤3具体如下：

5.根据权利要求4所述的基于滑模和强化学习的AUV环境最优定位控制方法，其特征在于，步骤4具体如下；

【技术特征摘要】

1.基于滑模和强化学习的auv环境最优定位控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于滑模和强化学习的auv环境最优定位控制方法，其特征在于，步骤1具体如下；

3.根据权利要求2所述的基于滑模和强化学习的auv环境最优定位...

【专利技术属性】
技术研发人员：王博，丁朗，韩志敏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：