[發(fā)明專利]一種自適應(yīng)邊界層水面無(wú)人艇控制導(dǎo)引方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910120131.6
• 申請(qǐng)日: 2019-02-18
• 公開(kāi)（公告）號(hào): CN109828570B
• 公開(kāi)（公告）日: 2021-10-01
• 發(fā)明（設(shè)計(jì)）人: 朱騁;張磊;王博;莊佳園;許建輝;蘇玉民;沈海龍
• 申請(qǐng)（專利權(quán)）人: 哈爾濱工程大學(xué)
• 主分類號(hào): G05D1/02
• 分類號(hào): G05D1/02
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.一種自適應(yīng)邊界層水面無(wú)人艇控制導(dǎo)引方法，其特征在于，具體包括如下步驟：

步驟1、收集對(duì)當(dāng)前速度制動(dòng)長(zhǎng)度有影響的參數(shù)，包括航速、海風(fēng)的風(fēng)速與風(fēng)向、海流的流速和流向、波浪的波高與波長(zhǎng)及波向，制動(dòng)長(zhǎng)度五個(gè)體系指標(biāo)，并對(duì)這五個(gè)體系指標(biāo)進(jìn)行識(shí)別與處理以及無(wú)量綱化；

步驟2、采用水面無(wú)人艇制動(dòng)長(zhǎng)度神經(jīng)網(wǎng)絡(luò)對(duì)所述的五個(gè)體系指標(biāo)進(jìn)行訓(xùn)練，然后對(duì)其進(jìn)行泛化驗(yàn)證；

步驟3、初始化雙曲正切修正器R_k和χ_max，需要初始化的控制參數(shù)為tanh系數(shù)，增益系數(shù)，收斂半徑；

其中，δ表示橫側(cè)偏差，k_tanh表示tanh系數(shù)，ξ表示增益系數(shù)，表示收斂半徑，橫側(cè)偏差越接近0，k_tanh越影響收斂速度；k_tanh越大，收斂速度越慢；ξ抑制橫側(cè)偏差的振蕩，同時(shí)也會(huì)降低收斂速度，影響收斂速度的快慢，過(guò)大會(huì)增加橫側(cè)偏差的超調(diào)，R_k代表直線跟蹤的修正器，χ_max代表圓弧跟蹤的修正器；

步驟4、通過(guò)傳感器獲取水面無(wú)人艇當(dāng)前位姿勢(shì)，包括航速V，航向角χ，經(jīng)度Lat，緯度Lon，以及海洋環(huán)境信息，通過(guò)規(guī)劃系統(tǒng)獲取規(guī)劃路徑p＝{p0,p1,p2,......pn}；

步驟5、根據(jù)當(dāng)前給出的規(guī)劃點(diǎn)，判斷跟蹤直線還是圓，如果是直線則跳至步驟6，如果是圓則跳至步驟7；

步驟6、根據(jù)當(dāng)前目標(biāo)點(diǎn)p₁和上一個(gè)目標(biāo)點(diǎn)p₀，求解期望艏向

其中，χ_p為期望路徑與正北坐標(biāo)系的夾角，為前視距離，v,u分別表示橫蕩速度和縱蕩速度，由航向角和航速確定；

步驟7、根據(jù)當(dāng)前目標(biāo)點(diǎn)p₁即圓心，跟蹤方向ζ以及跟蹤半徑r，求解期望艏向

其中，k_c為控制參數(shù)，k_c越大，越能抑制超調(diào)，同時(shí)抑制振蕩，當(dāng)過(guò)大會(huì)令橫側(cè)偏差存在靜態(tài)誤差；χ_orbit為艦體和圓心的連線與正北坐標(biāo)系的夾角，ζ為跟蹤方向，若ζ＝1則順時(shí)針跟蹤，反之亦然；

步驟8、根據(jù)航速V，以及傳感器得到的環(huán)境信息，通過(guò)水面無(wú)人艇制動(dòng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其制動(dòng)距離，得到當(dāng)前規(guī)劃路徑的邊界層，然后結(jié)合當(dāng)前邊界層和制動(dòng)距離得到期望速度

其中，u_max為最大航速，u^*為最優(yōu)航速；

步驟9、根據(jù)當(dāng)前水面無(wú)人艇至目標(biāo)點(diǎn)距離，對(duì)比安全閾值ε，判斷是否達(dá)到目標(biāo)點(diǎn)，若為圓，則為已完成的跟蹤角度；如果到達(dá)目標(biāo)點(diǎn)則刪除上一個(gè)目標(biāo)點(diǎn)，并跳至步驟5；否則，輸出期望航速和航向。

2.根據(jù)權(quán)利要求1所述一種自適應(yīng)邊界層水面無(wú)人艇控制導(dǎo)引方法，其特征在于，步驟2中所述神經(jīng)網(wǎng)絡(luò)具備一個(gè)輸入層，兩個(gè)全連接層，一個(gè)輸出層，返回一個(gè)單一且連續(xù)的數(shù)值，其中兩層全連接層的神經(jīng)元數(shù)均為64個(gè)，激活函數(shù)采用ReLU，采用RMS進(jìn)行優(yōu)化，學(xué)習(xí)律設(shè)定為0.001，損失函數(shù)采用交叉熵，具體過(guò)程如下所示：

式中，a為當(dāng)前神經(jīng)網(wǎng)絡(luò)輸出值，y為目標(biāo)值，x為樣本，m為批量樣本數(shù)量；

式中，g為反向梯度，θ為該神經(jīng)元權(quán)重，表示對(duì)權(quán)重進(jìn)行求偏導(dǎo)；

ω←ρω+(1-ρ)g⊙g

式中，ω為累計(jì)平方梯度，初始值為0；為衰減速率，ρ給定常值0.9；

式中，s為學(xué)習(xí)律，給定常值0.001，μ為常數(shù)10^-10，

θ←θ+Δθ。