申请/专利权人：广东海洋大学

申请日：2023-12-18

公开（公告）日：2024-03-19

公开（公告）号：CN117452806B

主分类号：G05B11/42

分类号：G05B11/42

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明提出水下仿生鱼机器人的航向控制方法，属于PID控制技术领域，具体步骤包括：S1，将仿生鱼机器人航向PID控制问题转换成一个待优化数学模型；S2，利用改进红尾鵟优化算法对待优化数学模型寻优，具体包括：D1、引入“中心扰动”机制，初始化算法种群，然后改进算法探勘阶段的重力因子，最后在算法每次迭代结束时加入动态折射反向学习策略，改进红尾鵟优化算法；D2、利用改进红尾鵟优化算法优化仿生鱼机器人航向PID控制器，得到最佳Kp、Ki、Kd航向PID控制参数；S3、将优化后的仿生鱼机器人航向PID控制方法应用到仿生鱼机器人航向控制系统，实现仿生鱼机器人航向自适应控制。

主权项：1.水下仿生鱼机器人的航向控制方法，包括仿生鱼机器人航向控制系统，所述系统包括仿生鱼尾部动力电机，仿生鱼两侧鱼鳍舵机以及航向PID控制器；其特征在于：包括以下步骤：S1，将仿生鱼机器人航向PID控制问题转换成一个待优化数学模型，公式为： 式中，x为仿生鱼机器人航向控制器的参数向量，N为样本数量，yi为仿生鱼机器人航向实际角度值，yref为仿生鱼机器人航向目标角度值；S2，利用改进红尾鵟优化算法对待优化数学模型寻优，步骤包括：D1、引入“中心扰动”机制，初始化算法种群，然后改进算法探勘阶段的重力因子Gt，最后在算法每次迭代结束时加入动态折射反向学习策略，改进红尾鵟优化算法，“中心扰动”机制以当前最优适应度值的红尾鵟个体为中心，在小范围内初始化红尾鵟种群，数学模型公式为： 式中，为“中心扰动机制”初始化后的红尾鵟种群，Xbest为当前适应度值最佳的红尾鵟位置，rand为[0,1]的随机数，Xu为初始化范围最大值，Xi为初始化范围最小值；在红尾鵟低俯冲进攻阶段，所述低俯冲进攻阶段为算法开发阶段，引入改进后的自适应重力因子G1t，G1t数学模型为： 式中，t为当前迭代次数，Tmax为总的迭代次数，w为衰减因子，G1t-1为上一次迭代的自适应重力因子；所述衰减因子w，公式为： D2、利用改进红尾鵟优化算法优化仿生鱼机器人PID控制器，得到最佳Kp、Ki、Kd航向PID控制参数；S3，将优化后的仿生鱼机器人航向PID控制方法应用到仿生鱼机器人航向控制系统，实现仿生鱼机器人航向自适应控制。

全文数据：

权利要求：

百度查询： 广东海洋大学 水下仿生鱼机器人的航向控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD