申请/专利权人：西北工业大学

申请日：2022-05-13

公开（公告）日：2024-04-19

公开（公告）号：CN115167484B

主分类号：G05D1/485

分类号：G05D1/485;G05D101/10

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.10.28#实质审查的生效;2022.10.11#公开

摘要：本发明涉及一种基于神经网络的自主水下航行器模型预测路径跟踪方法，采用模型预测控制器MPC进行路径跟踪控制的基础上，利用实时测量数据在线训练RBF神经网络，对AUV模型不确定性进行补偿，抑制了模型不确定性对模型预测控制器的干扰，减小了系统的超调量和跟踪误差。MATLAB环境下仿真结果表明，基于RBF‑MPC路径跟踪控制算法与经典的MPC算法相比，具有更好的暂态、稳态性能和更好的节能效果。

主权项：1.一种基于神经网络的自主水下航行器模型预测路径跟踪方法，其特征在于步骤如下：步骤1：建立AUV模型，包括动力学方程式和运动学方程式；所述的AUV运动学方程式： 所述的AUV动力学方程式： 其中，x表示前向位移、y表示侧向位移、ψ表示航向角、vx和vy分别为前向速度和侧向速度、r为AUV的航向角速度，m11＝M11，m22＝M22，m33＝M33，d11＝D11，d22＝D22，d33＝D33，为附加质量的惯性矩阵M、阻尼矩阵D中的元素；N为操纵面产生的操纵力；步骤2：构建基于MPC的AUV路径跟踪控制器；根据AUV路径跟踪性能指标要求，采用MPC控制算法，步骤1中的AUV模型为被控对象，在每个采样时刻k，获取AUV最新的测量状态，根据AUV跟踪状态误差最小和控制输入最小的要求，预测时域内的控制序列，最后选取求解得到的控制序列的第1个元素作为AUV模型的输入量，这一时刻结束后在下一个采样时刻重新获取AUV的状态，继续下一周期滚动优化；AUV路径跟踪目标可以表示为以下滚动优化控制问题： 约束条件：xk+1＝fxk,uk6yk＝gxk7umin≤uk≤umax,k＝1,...,Nc8x0＝xk9式5中，R和Q分别代表控制输出和控制输入的权重矩阵，Np表示预测范围，Nc表示控制范围，yk是AUV系统状态输出y＝[vxxvyyrψ]T，vx和vy分别为前向速度和侧向速度；rk是期望指令，即要跟踪的参考状态；u为控制输入u＝[X0N]T，即推进器产生的推力X以及操纵面产生的操纵力N；约束中的式6和式7代表步骤1中的AUV模型，xk＝[vxvyr]T表示3个状态；式9表示系统当前状态反馈；步骤3：采用RBF神经网络来进行逼近AUV模型不确定项所述的RBF神经网络结构包括三个不同的层，设置输入层5个节点，隐藏层7个节点，输出层3个节点；RBF神经网络通过线性组合隐藏层来计算网络的预测输出y，即： 式中，h为高斯激活函数，wjq是第j个隐藏层节点到第q个输出层节点的权重向量，m表示隐藏层神经元的个数；RBF神经网络的输入层x＝[vxvyrXN]T，输出为AUV模型的不确定项Δfxk,uk，根据RBF神经网路输出表达式10，可得到AUV模型不确定项为：Δfxk,uk＝WTHxk+ε11其中，W是隐藏层到输出层的权重矩阵，H是高斯激活函数h组成的向量，ε是偏差项步骤4：构建基于RBF-MPC的AUV路径跟踪控制器；结合步骤1中的AUV模型以及步骤3中RBF描述的AUV模型不确定项，从而确定AUV的真实模型；在真实模型的基础上，采用步骤2中的MPC控制器，根据AUV跟踪状态误差最小和控制输入最小的要求，构建目标函数，并结合约束条件优化求解预测时域内的控制序列；最后选取求解得到的控制序列的第1个元素作为系统的输入量；这一时刻结束后在下一个采样时刻重新获取AUV的状态，继续下一周期滚动优化；令向量x表示AUV的状态，u表示控制输入，则AUV的状态更新方程可描述为：xk+1＝fxk,uk12则真实的AUV模型ftruexk,uk表示为：xk+1＝fnomxk,uk+Δfxk,uk＝ftruexk,uk13其中，Δfxk,uk表示步骤3中采用RBF逼近的AUV模型中的不确定项，fnomxk,uk表示步骤1中的AUV模型；因此将AUV的路径跟踪控制问题描述为以下的带约束的动态优化问题： 约束条件：xk+1＝fnomxk,uk+Δfxk,uk15ek+1＝xk+1-xref16umin≤uk≤umax,k＝1,...,Nc17x0＝xk18式14中，R和Q分别为路径跟踪状态偏差的权重矩阵和控制输入权重矩阵，式15代表真实AUV系统，xk＝[vxvyr]T表示3个状态，即vx和vy分别为前向速度和侧向速度、r为AUV的航向角速度；式16表示实际状态与参考状态之间的偏差值；式17代表求解优化问题时控制输入u＝[X0N]T的约束范围；式18表示AUV当前状态反馈；AUV路径跟踪控制过程中，模型预测控制器在AUV进行路径跟踪时通传感器获得当前时刻的AUV状态值；然后根据预测模型对AUV在预测时域内的状态值进行预测，通过构建的目标函数式14并结合约束条件式15、式16和式17优化求解预测时域内的控制序列；最后选取求解得到的控制序列的第1个元素作为系统的输入量；这一时刻结束后在下一个采样时刻重新获取AUV的状态，继续下一周期滚动优化。

全文数据：

权利要求：

百度查询： 西北工业大学 基于神经网络的自主水下航行器模型预测路径跟踪方法

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