一种基于卷积神经网络的水下航行器定位控制方法及系统技术方案

本发明专利技术涉及水下航行器运动控制技术领域，具体公开了一种基于卷积神经网络的水下航行器定位控制方法及系统，方法包括：设定航行器定位的目标航向和目标位置；获取航行器的实际航向、实际位置和状态参数；将目标航向、目标位置、实际航向、实际位置和状态参数输入训练好的卷积神经网络模型，输出辅助推进器的转速指令和方向角指令；根据转速指令和方向角指令，控制辅助推进器工作，实现水下航行器定位控制。本发明专利技术采用卷积神经网络，将控制指令解算环节与推力分配环节融合为一个模型，提高了控制指令解算与推力分配过程的协同性，同时可以避免推力分配算法在实际应用中进行大量的实时遍历运算，在保证分配准确率的同时提高了算法实时性。

【技术实现步骤摘要】

本专利技术涉及水下航行器运动控制，尤其涉及一种基于卷积神经网络的水下航行器定位控制方法及系统。

技术介绍

1、水下航行器在航行时，一般依靠舵和辅助推进器实现航向和位置控制。当航速较低时，航行器舵力显著下降，尤其是在零航速时，舵效消失，无法通过操舵实现对航行器状态的控制，此时需要通过辅助推进器实现对航行器位置和航向的控制。当水下航行器通过辅助推进器进行航向和位置控制时，首先需要通过控制器解算位置控制所需要的横向力和纵向力，以及航向控制所需的转艏力矩，然后再根据控制器解算的横向力、纵向力以及转艏力矩指令进行辅助推进器推力分配，得到辅助推进器的方向角和转速指令，从而驱动辅助推进器运行，实现航行器的定位控制。

2、目前通常采用序列二次规划（sqp）算法来对辅助推进器的转速和方向角进行分配，此方法中运动控制器和辅助推进器推力分配算法需要单独设计，协同性较差，可能导致sqp算法分配失败。并且，sqp算法在进行推力分配时，需要实时遍历所有情况得到最优解，计算量巨大，运算困难，导致算法实时性较差，且消耗大量的存储空间，在实际应用较为不便。</p>
...

【技术保护点】

1.一种基于卷积神经网络的水下航行器定位控制方法，其特征在于，包括：

2.如权利要求1所述的一种基于卷积神经网络的水下航行器定位控制方法，其特征在于，所述目标位置包括目标北向位置和目标东向位置；

3.如权利要求1或2所述的一种基于卷积神经网络的水下航行器定位控制方法，所述卷积神经网络模型的结构包括依次连接的3个卷积层和1个全连接层。

4.如权利要求3所述的一种基于卷积神经网络的水下航行器定位控制方法，3个所述卷积层分别为第一卷积层、第二卷积层和第三卷积层，所述第一卷积层的卷积核为，所述第二卷积层的卷积核为，所述第三卷积层的卷积核为，所述卷积层和全连接层...

【技术特征摘要】

1.一种基于卷积神经网络的水下航行器定位控制方法，其特征在于，包括：

2.如权利要求1所述的一种基于卷积神经网络的水下航行器定位控制方法，其特征在于，所述目标位置包括目标北向位置和目标东向位置；

3.如权利要求1或2所述的一种基于卷积神经网络的水下航行器定位控制方法，所述卷积神经网络模型的结构包括依次连接的3个卷积层和1个全连接层。

4.如权利要求3所述的一种基于卷积神经网络的水下航行器定位控制方法，3个所述卷积层分别为第一卷积层、第二卷积层和第三卷积层，所述第一卷积层的卷积核为，所述第二卷积层的卷积核为，所述第三卷积层的卷积核为，所述卷积层和全连接层后均设置有relu激活函数。

5.如权利要求3所述的一种基于卷积神经网络的水下航行器定位控制方法，所述卷积神经网络模型的损失函数为加权最小均方差。

6.如权利要求2所述的一种基于卷积神经网络的水下航行器定位控制方法，所述卷积神经网络模型的训练数据的训练样本包括目标航向、目标北向位置、目标东向位置、实际航向、实际北向位置、实...

【专利技术属性】
技术研发人员：廖益欣，苏畅，李兵军，赵光，彭昊，孙灵远，沈东，王星月，喻绪明，张远博，
申请(专利权)人：中国船舶集团有限公司第七〇七研究所，
类型：发明
国别省市：