一种无人帆船虚拟锚泊路径跟踪控制方法技术

本发明专利技术公开了一种无人帆船虚拟锚泊路径跟踪控制方法，属于无人船运动控制技术领域，包括虚拟锚泊范围内期望巡航路径规划、专家知识数据收集处理和对抗性逆向强化学习虚拟锚泊路径跟踪算法，虚拟锚泊范围内期望巡航路径规划包括海洋环境风流场数据读取和期望巡航路径规划，专家知识数据收集处理包括专家知识数据收集方法和数据压缩处理方法，对抗性逆向强化学习虚拟锚泊路径跟踪算法包括无人帆船动作和状态空间、对抗性逆向强化学习路径跟踪算法和路径跟踪回报函数。通过本发明专利技术不仅可以实现无人帆船在锚泊点一定范围内虚拟锚泊，还能克服海洋环境中风干扰力和波浪干扰力的影响，在虚拟锚泊范围内跟踪期望巡航路径，实现高精度虚拟锚泊控制。高精度虚拟锚泊控制。高精度虚拟锚泊控制。

【技术实现步骤摘要】
一种无人帆船虚拟锚泊路径跟踪控制方法


[0001]本专利技术属于无人船运动控制
，更具体地，涉及一种无人帆船虚拟锚泊路径跟踪控制方法。

技术介绍

[0002]虚拟锚泊路径跟踪控制是无人帆船在锚泊点一定范围内进行路径跟踪控制，使无人帆船始终航行在虚拟锚泊范围内，以便于能够长期获取海洋环境数据和进行海洋环境监测。以往的海洋环境监测平台通常不断穿越锚泊目标点实现锚泊或使用监测浮标定点监测，其锚泊精度不高、抗风浪能力差、监测范围覆盖不稳定，难以实现大范围高精度海洋环境监测。通过风力驱动的无人帆船应用越来越广泛，无人帆船在海上运动时受到海洋环境中的风干扰力和波浪干扰力影响，使其虚拟锚泊路径跟踪控制变得尤为困难。

技术实现思路

[0003]针对现有技术的以上缺陷或改进需求，本专利技术提出了一种无人帆船虚拟锚泊路径跟踪控制方法，不仅可以实现无人帆船在锚泊点一定范围内虚拟锚泊，还能克服海洋环境中风干扰力和波浪干扰力的影响，在虚拟锚泊范围内跟踪期望巡航路径，实现高精度虚拟锚泊控制。
[0004]为实现上述目的，按照本专利技术的一个方面，提供了一种无人帆船虚拟锚泊路径跟踪控制方法，包括：
[0005]S1：根据虚拟锚泊点位置坐标和虚拟锚泊半径设置虚拟锚泊圆，读取气象NetCDF文件，获取海洋环境风场和流场数据，并读取虚拟锚泊圆范围内风场和流场数据，确定无人帆船在虚拟锚泊圆内的起始点，以无人帆船起始点为中心，根据虚拟锚泊圆范围内风场和流场数据构建水平集，规划无人帆船虚拟锚泊期望巡航路径；
[0006]S2：将无人帆船置于水域试验场或海洋环境中，通过岸机远程操纵无人帆船执行虚拟锚泊路径跟踪，并收集操纵指令数据及无人帆船状态数据，将操纵指令数据及无人帆船状态数据按数据类别拆分，并与海洋环境风场和流场数据压缩为字典类型数据包；
[0007]S3：根据无人帆船操纵机构性能参数，设计无人帆船动作空间，根据无人帆船状态数据和海洋环境风场和流场数据的数量及类型设计状态空间，基于无人帆船虚拟锚泊期望巡航路径，根据无人帆船虚拟锚泊路径跟踪误差和航向角误差设计路径跟踪回报函数，设计判别器和生成器模块，构建对抗性逆向强化学习虚拟锚泊路径跟踪。
[0008]在一些可选的实施方案中，步骤S1包括：
[0009]S11：根据虚拟锚泊点位置坐标和虚拟锚泊半径设置虚拟锚泊圆，确定无人帆船虚拟锚泊巡航范围，以虚拟锚泊点位置坐标为原点建立直角坐标系；
[0010]S12：读取气象NetCDF文件，获取当前海洋环境下风场和流场数据，并读取虚拟锚泊圆范围内风场和流场数据，根据虚拟锚泊圆范围内风场和流场数据，计算无人帆船风帆受力、无人帆船所受风干扰力、无人帆船船体所受波浪干扰力；
[0011]S13：将无人帆船风帆受力、无人帆船所受风干扰力、无人帆船船体所受波浪干扰力带入无人帆船动力学模型，对无人帆船进行运动控制；
[0012]S14：根据虚拟锚泊圆范围内风场和流场数据，以无人帆船起始点为中心构建水平集，水平集演化方程中的演化速度由海流速度和无人帆船速度计算，规划无人帆船虚拟锚泊期望巡航路径。
[0013]在一些可选的实施方案中，在步骤S14中，由v(x，y，t))＝0得到水平集演化方程，当无人帆船速度v(x，y，t)的方向为水平集梯度方向时，所求无人帆船虚拟锚泊期望巡航路径为时间最优，当无人帆船航行到目标点时，回溯所有优化的航路点，得时间最优的无人帆船虚拟锚泊期望巡航路径，其中，回溯方程为：其中，η表示水平集函数，v
s
(x，y，t)表示海流速度，t表示时间，(x，y)表示在t时刻的坐标
[0014]在一些可选的实施方案中，步骤S2包括：
[0015]S21：将无人帆船置于水域试验场或海洋环境中，通过岸机远程操纵无人帆船执行多次虚拟锚泊路径跟踪任务，收集专家知识数据τ
E
，其中，专家知识数据τ
E
包括无人帆船操纵指令数据、无人帆船状态数据和海洋环境数据；
[0016]S22：将专家知识数据按数据类型分类为动作数据A和状态数据S，动作数据包含专家操纵指令，状态数据包含无人帆船状态数据和海洋环境数据，专家操纵指令包含t时刻的无人帆船舵角a
r
和展帆角数据a
s
，无人帆船状态数据包含t时刻的无人帆船前进速度u
t
、横漂速度v
t
、艏摇角速度r
t
、跟踪距离误差e
dt
、航向角误差e
at
、与虚拟锚泊点的相对坐标(x
t
，y
t
)和海洋环境数据，海洋环境数据包含t时刻无人帆船位置的平均风速波浪力s
f
(x
t
，y
t
)；
[0017]S23：将专家知识数据分类压缩保存为字典类型数据包，字典类型数据包括动作数据和状态数据，字典类型数据包的数据存储格式为<S，A，S
′
>，其中S
′
为t+1时刻的状态数据。
[0018]在一些可选的实施方案中，步骤S3包括：
[0019]S31：根据无人帆船的舵和风帆物理性能参数，根据最大舵角和展帆角，将舵角和展帆角映射到值为[
‑
1，1]的区间，设置动作空间维度和取值范围，根据无人帆状态数据量确定状态空间维度；
[0020]S32：根据无人帆船当前位置和航向(x
t
，y
t
，ψ
t
)和虚拟锚泊期望巡航路径(px
t
，py
t
，pψ
t
)计算跟踪距离误差e
dt
和航向角误差e
at
，根据跟踪距离误差和航向角误差设计路径跟踪回报函数，x
t
，y
t
，ψ
t
分别表示无人帆船在t时刻的位置坐标(x
t
，y
t
)和航向ψ
t
，px
t
，py
t
，pψ
t
分别表示无人帆船在t时刻的期望位置坐标(px
t
，py
t
)和航向pψ
t
；
[0021]S33：构建饱和判别器D1
θ，φ
和非饱和判别器D2
θ，φ
，判别器的输入数据为包含动作数据和状态数据的字典类型数据，其格式为式为<S，A，S
′
>，判别器模块包含两组多层感知器MLP，分别为回报逼近器g
θ
(S，A)和塑造器h
φ
(S)，其中θ为回报逼近器参数，φ为塑造器参数，判别器模块的输出数据为评估生成器输出策略的解耦回报函数f
θ，φ
(S，A，S
′
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种无人帆船虚拟锚泊路径跟踪控制方法，其特征在于，包括：S1：根据虚拟锚泊点位置坐标和虚拟锚泊半径设置虚拟锚泊圆，读取气象NetCDF文件，获取海洋环境风场和流场数据，并读取虚拟锚泊圆范围内风场和流场数据，确定无人帆船在虚拟锚泊圆内的起始点，以无人帆船起始点为中心，根据虚拟锚泊圆范围内风场和流场数据构建水平集，规划无人帆船虚拟锚泊期望巡航路径；S2：将无人帆船置于水域试验场或海洋环境中，通过岸机远程操纵无人帆船执行虚拟锚泊路径跟踪，并收集操纵指令数据及无人帆船状态数据，将操纵指令数据及无人帆船状态数据按数据类别拆分，并与海洋环境风场和流场数据压缩为字典类型数据包；S3：根据无人帆船操纵机构性能参数，设计无人帆船动作空间，根据无人帆船状态数据和海洋环境风场和流场数据的数量及类型设计状态空间，基于无人帆船虚拟锚泊期望巡航路径，根据无人帆船虚拟锚泊路径跟踪误差和航向角误差设计路径跟踪回报函数，设计判别器和生成器模块，构建对抗性逆向强化学习虚拟锚泊路径跟踪。2.根据权利要求1所述的方法，其特征在于，步骤S1包括：S11：根据虚拟锚泊点位置坐标和虚拟锚泊半径设置虚拟锚泊圆，确定无人帆船虚拟锚泊巡航范围，以虚拟锚泊点位置坐标为原点建立直角坐标系；S12：读取气象NetCDF文件，获取当前海洋环境下风场和流场数据，并读取虚拟锚泊圆范围内风场和流场数据，根据虚拟锚泊圆范围内风场和流场数据，计算无人帆船风帆受力、无人帆船所受风干扰力、无人帆船船体所受波浪干扰力；S13：将无人帆船风帆受力、无人帆船所受风干扰力、无人帆船船体所受波浪干扰力带入无人帆船动力学模型，对无人帆船进行运动控制；S14：根据虚拟锚泊圆范围内风场和流场数据，以无人帆船起始点为中心构建水平集，水平集演化方程中的演化速度由海流速度和无人帆船速度计算，规划无人帆船虚拟锚泊期望巡航路径。3.根据权利要求2所述的方法，其特征在于，在步骤S14中，由得到水平集演化方程，当无人帆船速度v(x,y,t)的方向为水平集梯度方向时，所求无人帆船虚拟锚泊期望巡航路径为时间最优，当无人帆船航行到目标点时，回溯所有优化的航路点，得时间最优的无人帆船虚拟锚泊期望巡航路径，其中，回溯方程为：其中，η表示水平集函数，v
s
(x,y,t)表示海流速度，t表示时间，(x,y)表示在t时刻的坐标。4.根据权利要求1所述的方法，其特征在于，步骤S2包括：S21：将无人帆船置于水域试验场或海洋环境中，通过岸机远程操纵无人帆船执行多次虚拟锚泊路径跟踪任务，收集专家知识数据τ
E
，其中，专家知识数据τ
E
包括无人帆船操纵指令数据、无人帆船状态数据和海洋环境数据；S22：将专家知识数据按数据类型分类为动作数据A和状态数据S，动作数据包含专家操纵指令，状态数据包含无人帆船状态数据和海洋环境数据，专家操纵指令包含t时刻的无人帆船舵角a
r
和展帆角数据a
s
，无人帆船状态数据包含t时刻的无人帆船前进速度u
t
、横漂速度v
t
、艏摇角速度r
t
、跟踪距离误差e
dt
、航向角误差e
at
、与虚拟锚泊点的相对坐标(x
t
,y
t
)和
海洋环境数据，海洋环境数据包含t时刻无人帆船位置的平均风速波浪力s
f
(x
t
,y
t
)；S23：将专家知识数据分类压缩保存为字典类型数据包，字典类型数据包括动作数据和状态数据，字典类型数据包的数据存储格式为<S,A,S
′
>，其中S
′
为t+1时刻的状态数据。5.根据权利要求4所述的方法，其特征在于，步骤S3包括：S31：根据无人帆船的舵和风帆物理性能参数，根据最大舵角和展帆角，将舵角和展帆角映射到值为[
‑
1,1]的区间，设置动作空间维度和取值范围，根据无人帆状态数据量确定状态空间维度；S32：根据无人帆船当前位置和航向(x
t
,y
t
,ψ
t
)和虚拟锚泊期望巡航路径(px
t
,py
t
,pψ
t
)计算跟踪距离误差e
dt
和航向角误差e
at
，根据跟踪距离误差和航向角误差设计路径跟踪回报函数，x
t
,y
t
,ψ
t
分别表示无人帆船在t时刻的位置坐标(x
t
,y

【专利技术属性】
技术研发人员：马勇，李凌宇，陈慧慧，严新平，
申请(专利权)人：武汉理工大学三亚科教创新园，
类型：发明
国别省市：