基于事件触发的无人船/机鲁棒自适应神经协同控制方法技术

本发明专利技术公开了一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，包括：建立无人船

【技术实现步骤摘要】
基于事件触发的无人船/机鲁棒自适应神经协同控制方法


[0001]本专利技术涉及船舶控制工程与无人机航行装备应用领域，尤其涉及一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法。

技术介绍

[0002]在控制工程领域，路径跟踪控制系统由制导系统、控制系统和导航系统3部分子系统构成。制导系统能够根据船舶当前姿态与期望路径之间的位置关系，自动构建出艏向参考信号；控制系统能够通过消除当前姿态与艏向参考信号之间的误差实现有效收敛；导航系统能将被控对象的位置、姿态信息通过传感器传输到制导系统和控制系统。
[0003]非线性反馈技术在船舶和无人机运动控制领域均具有广泛的应用。无人船
‑
无人机协同控制能够充分发挥两者优势，在海事搜救方面能够极大的提升搜索面积和搜索效率。但是由于无人船
‑
无人机存在模型动态差异、维度差异和执行器差异等工程难点，针对无人船
‑
无人机的自动控制理论研究较少。在现有无人船
‑
无人机控制研究中，主要采用针对独立制导体系分别产生无人船和无人机的艏向参考信号，未能形成无人船
‑
无人机有效的关联。在控制算法中，将无人船
‑
无人机的力和力矩作为控制输入，并且采用非线性反馈技术，将无人船
‑
无人机的非线性结构实时反馈到控制器中进行补偿，这会造成所设计控制器的低频振动。此外，由于无人船无人机动态模型差异，无人船
‑
无人机的协同控制器的控制输入为力和力矩形式，这与控制输入为无人船主机螺旋桨转速、无人船的舵角和转子角速度的工程实际不相符。而且无人船
‑
无人机协同控制系统采用连续事件触发形式，容易造成额外的通信资源占用和执行器磨损。

技术实现思路

[0004]本专利技术提供一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，以克服上述技术问题。
[0005]为了实现上述目的，本专利技术的技术方案是：
[0006]一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，包括如下步骤：
[0007]S1：建立无人船
‑
无人机协同系统的非线性系统模型；
[0008]S2：根据所述无人船
‑
无人机协同系统的非线性系统模型，设计无人船
‑
无人机协同系统的位置控制器和位置自适应律；
[0009]S3：根据所述无人船
‑
无人机协同系统的位置控制器和位置自适应律，获取无人船
‑
无人机协同系统的姿态参考信号；
[0010]S4：根据所述无人船
‑
无人机协同系统的姿态参考信号，设计无人船
‑
无人机协同系统的姿态控制器和姿态自适应律；
[0011]S5：根据所述无人船
‑
无人机协同系统的位置控制器和位置自适应律、无人船
‑
无人机协同系统的姿态控制器和姿态自适应律和所述无人船
‑
无人机协同系统的非线性系统模型，推导出无人机的转子角速度，以获取所述无人船
‑
无人机协同系统的控制输入。
[0012]有益效果：本专利技术的一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，在LVS
‑
LVA制导框架下提出了一种基于实际输入触发的USV
‑
UAV鲁棒自适应神经协同控制算法，将无人船主机螺旋桨转速、无人船的舵角和转子角速度作为实际控制输入来执行USV
‑
UAV协同路径跟踪任务，并且采用事件触发机制降低了无人船
‑
无人机的实际控制输入对通信信道的占用。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本专利技术中无人船
‑
无人机协同路径跟踪轨迹示意图；
[0015]图2为本专利技术中无人船控制输入曲线图；
[0016]图3为本专利技术中无人机的升力曲线图；
[0017]图4为本专利技术中无人机的控制输入曲线图；
[0018]图5为本专利技术中无人船
‑
无人机协同系统的位置和姿态误差示意图；
[0019]图6为本专利技术位置控制器和姿态控制器的触发时间和触发间隔示意图；
[0020]图7为本专利技术的无人船
‑
无人机鲁棒自适应神经协同控制方法流程图。
具体实施方式
[0021]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0022]本实施例针对无人船
‑
无人机协同系统，利用等量映射原理构建了一种逻辑虚拟船型
‑
逻辑虚拟飞行器(Logic Virtual Ship
–
Logic Virtual Aircraft/LVS
‑
LVA)制导策略，逻辑虚拟船型LVS能够根据预先设定的参考路径对无人船的位置和姿态信号进行规划，并进一步映射到逻辑虚拟飞行器LVA，LVA能够进一步生成无人机的参考路径信息。因此，通过当前USV
‑
UAV(即无人船
‑
无人机协同系统)与LVS
‑
LVA之间的姿态，能够计算出USV
‑
UAV的参考艏向角。其中的等量映射原理是已经成熟的技术理论，在本实施例中即即是无人机与无人船相对应的参数相等。
[0023]针对无人船
‑
无人机协同系统中存在的模型不确定和执行器差异问题，设计了一种以无人船主机螺旋桨转速、无人船舵角和无人机转子角速度为控制输入的USV
‑
UAV鲁棒自使用神经协同控制算法，在该算法中，无人船
‑
无人机协同系统的非线性模型被表述为欧拉
‑
拉格朗日形式，其中，无人船的非线性模型为三自由度的非线性模型，无人机的非线性模型为六自由度的非线性模型。利用镜像基函数神经网络(Radial Basis Function Neural Network,RBF
‑
NN)对无人船
‑
无人机协同系统的模型结构不确定项进行在线逼近。具体如下：
[0024]一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，如图1
‑
7所示，包
括：
[0025]S1：建立无人船...

【技术保护点】

【技术特征摘要】
1.一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，其特征在于，包括：S1：建立无人船
‑
无人机协同系统的非线性系统模型；S2：根据所述无人船
‑
无人机协同系统的非线性系统模型，设计无人船
‑
无人机协同系统的位置控制器和位置自适应律；S3：根据所述无人船
‑
无人机协同系统的位置控制器和位置自适应律，获取无人船
‑
无人机协同系统的姿态参考信号；S4：根据所述无人船
‑
无人机协同系统的姿态参考信号，设计无人船
‑
无人机协同系统的姿态控制器和姿态自适应律；S5：根据所述无人船
‑
无人机协同系统的位置控制器和位置自适应律、无人船
‑
无人机协同系统的姿态控制器和姿态自适应律和所述无人船
‑
无人机协同系统的非线性系统模型，推导出无人机的转子角速度，以获取所述无人船
‑
无人机协同系统的控制输入。2.根据权利要求1所述的一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，其特征在于，所述S1中的无人船
‑
无人机协同系统的非线性系统模型包括三自由度的无人船非线性模型和六自由度的无人机非线性模型；所述三自由度的无人船非线性模型建立如下：式中：表示的是求导数运算；x
s
表示无人船的前进位移；y
s
表示无人船的横漂位移；ψ
s
表示无人船的艏摇角；u
s
表示无人船的前进速度；v
s
表示无人船的横漂速度；r
s
表示无人船的艏摇速度；m
u
表示前进自由度的模型附加质量，m
v
表示横漂自由度的模型附加质量，m
r
表示艏摇自由度的模型附加质量，d
wu
表示无人船在前进自由度方向受到的外界干扰力/力矩；d
wv
表示无人船在横漂自由度方向受到的外界干扰力/力矩；d
wr
表示无人船在艏摇自由度方向受到的外界干扰力/力矩；τ
u
表示无人船的前进推力；τ
r
表示无人船的转船力矩；所述六自由度的无人机非线性模型建立如下：
式中：x
a
表示无人机的前进位移；y
a
表示无人机的横漂位移；z
a
表示的是无人机的生沉位移；φ
a
表示的是无人机的横摇角；θ
a
表示的是无人机的纵摇角；ψ
a
表示无人机的艏摇角；u
ax
表示无人机沿着ox轴的速度；u
ay
表示无人机沿着oy轴的速度；u
az
表示无人机沿着oz轴的速度；p
a
表示无人机沿着ox轴的转动角速度；q
a
表示无人机沿着oy轴的转动角速度；r
a
表示无人机沿着oz轴的转动角速度；m表示无人机质量，g表示重力加速度；F
f
表示无人机四个旋翼转子力F
i
,i＝1,2,3,4的合力；d
wx
表示无人机在x轴方向受到的外界干扰力/力矩；d
wy
表示无人机在y轴方向受到的外界干扰力/力矩；d
wz
表示无人机在z轴方向受到的外界干扰力/力矩；d
wφ
表示无人机在横摇方向受到的外界干扰力/力矩；d
wθ
表示无人机在纵摇方向受到的外界干扰力/力矩；d
wψ
表示无人机在艏摇方向受到的外界干扰力/力矩；τ
φ
表示无人机的横摇力矩；τ
θ
表示无人机的纵倾力矩；τ
ψ
表示无人机的艏摇力矩；I
xx
表示无人机在x轴方向的转动惯量；I
yy
表示无人机在y轴方向的转动惯量；I
zz
表示无人机在z轴方向的转动惯量；d表示无人机的斜对角直径；其中，
式中：f
u
(
·
)表示无人船在前进自由度方向上的非线性项；f
v
(
·
)表示无人船在横漂自由度方向上的非线性项；f
r
(
·
)表示无人船在艏摇自由度方向上的非线性项；f
x
(
·
)表示无人机在x轴方向上的非线性项；f
y
(
·
)表示无人机在y轴、方向上的非线性项；f
z
(
·
)表示无人机在z轴方向上的非线性项；f
φ
(
·
)表示无人机在横摇方向上的非线性项；f
ψ
(
·
)表示无人机在横摇方向上的非线性项；f
θ
(
·
)表示无人机在纵摇方向上的非线性项；d
u1
表示前进自由度的一阶速度变量的非线性阻尼项；d
u2
表示前进自由度的二阶速度变量的非线性阻尼项；d
u3
表示前进自由度的三阶速度变量的非线性阻尼项；d
v1
表示横漂自由度的一阶速度变量的非线性阻尼项；d
v2
表示横漂自由度的二阶速度变量的非线性阻尼项；d
v3
表示横漂自由度的三阶速度变量的非线性阻尼项；d
r1
表示艏摇自由度的一阶速度变量的非线性阻尼项；d
r2
表示艏摇自由度的二阶速度变量的非线性阻尼项；d
r3
表示艏摇自由度的三阶速度变量的非线性阻尼项；k
dx
表示无人机在x轴方向的转动阻力系数；k
dy
表示无人机在y轴方向的转动阻力系数；k
dz
表示无人机在z轴方向的转动阻力系数；k
ox
表示无人机在x轴方向的气动摩擦系数；k
oy
表示无人机在y轴方向的气动摩擦系数；k
oz
表示无人机在z轴方向的气动摩擦系数；J
r
表示无人机转子惯量；ω
r
表示无人机旋翼转子角速度的合速度，ω
r
＝ω1‑
ω2+ω3‑
ω4，ω
i
,i＝1,2,3,4为无人机旋翼转子的角速度；式中，ρ
w
表示海水的密度，t
p
表示无人船螺旋桨的推力减额，D
p
表示无人船螺旋桨直径，J
p
表示无人船螺旋桨的前进系数，n表示无人船主机螺旋桨转速，T
u
(
·
)表示无人船螺旋桨的增益函数，A
R
表示无人船的舵的面积，Λ表示舵的展弦比，x
R
表示无人船的重心的横坐标，
x
H
表示无人船舵中心的横坐标；L表示无人船的船长，α
H
表示作用在无人船粗糙面上的水动力/力矩的尾流系数，U
R
表示舵的相对速度，δ
r
表示无人船的舵角，F
r
(
·
)表示无人船的舵的增益函数；M表示无人机的旋翼转子的增益矩阵；ω
i
,(i∈正整数)表示的是无人机的第i个旋翼的转子角速度；式中，k
p
是取决于无人机旋翼转子的几何形状和空气密度的参数，c
d
表示无人机的阻力系数。3.根据权利要求2所述的一种基于事件触发的无人船/机鲁棒自适应神经协同控制方法，其特征在于，所述S2中，获取无人机
‑
无人船的位置控制器和位置自适应律的步骤如下：S21：计算无人船
‑
无人机协同系统的位置误差；计算无人船的参考位置：式中：x
sl
表示LVS的位置横坐标；y
sl
表示LVS的位置纵坐标；ψ
sl
表示LVS的位置艏向角；u
sl
表示LVS的前进速度；r
sl
表示LVS的艏摇角速度；无人机的参考位置如下：式中：x
al
表示无人机的参考位置横坐标，y
al
表示无人机的参考位置纵坐标；推导出无人船
‑
无人机协同系统的位置误差为：式中，x
se
表示无人船的当前位置到期望位置的横坐标误差，y
se
表示无人船的当前位置到期望位置的纵坐标误差，z
ae
表示无人机的当前位置到期望位置的垂向坐标误差；x
ae
表示无人机的当前位置到期望位置的横坐标误差；y
ae
表示无人机的当前位置到期望位置的纵坐标误差；z
al
表示无人机的垂向参考位置；S22：设计位置控制器，以消除所述无人船
‑
无人机协同系统的位置误差；具体的，对所述无人船
‑
无人机协同系统的位置误差的消除分为两部分，一是对无人机
‑
无人船位置信号的消除，即无人船
‑
无人机协同系统的位置环；二是对无人机
‑
无人船协同系统的姿态信号的消除，即即无人船
‑
无人机协同系统的姿态环；所述位置控制器设计如下：
式中，α
u
表示无人船的前向自由度的位置控制器；α
x
表示无人机在x轴方向的位置控制器；α
y
表示无人机在y轴方向的位置控制器；α
z
表示无人机在z轴方向的位置控制器；ψ
se
表示无人船的艏向误差，且ψ
se
＝ψ
s
‑
ψ
sd
，ψ
sd
表示无人船的艏向参考信号，k
u
分别表示无人船的前向自由度的位置控制器α
u
的设计参数，k
x
无人机在x轴方向的位置控制器α
x
的设计参数，k
y
表示无人机在y轴方向的位置控制器α
y
的设计参数，k
z
表示无人机在z轴方向的位置控制器α
z
的设计参数，z
ue
表示无人船的位置直线误差，k
se
,k
ax
,k
ay
,k
az
均为正的设计参数；对位置控制器的导数进行降阶处理，即，式中，α
if
表示位置控制环中的动态面信号，s表示拉普拉斯算子，∈
i
为大于零的时间常数，且动态面误差q
i
＝α
if
‑...

【专利技术属性】
技术研发人员：张国庆，李纪强，刘上，王力，韩军，董相君，章文俊，张显库，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：