【技术实现步骤摘要】
本专利技术涉及海洋航行器控制，具体涉及一种基于逆优化理论的海洋航行器集群分布式控制方法及系统。
技术介绍
1、海洋机器人集群系统具有作业范围广、容错性强等诸多优势，成为了海洋工程领域的不可或缺的装备之一。高效的分布式协同控制技术是海洋机器人集群系统完成各类作业任务的关键前提。
2、现有技术中，文献“distributed observer-based formation trajectorytracking method of leader-following multi-auv system,ocean engineering,2022,260:11019”公开了一种多海洋航行器反馈协同控制方法。该方法设计了一种基于观测器的状态反馈控制算法，实现了多海洋航行器的“领航-跟随”状态一致性。文献中所述的状态反馈控制算法存在的技术问题在于控制器的参数计算需要依赖精确的海洋航行器集群动力学系统模型参数，且无法以最优的控制输入来实现期望的控制性能。
技术实现思路
1、鉴于以上问题，本专利技术提出一种基于逆优化理论的海洋航行器集群分布式控制方法及系统，以克服现有的状态反馈控制算法需要依赖精确的海洋航行器集群动力学系统模型参数以及无法以最优的控制输入来实现期望的控制性能的不足。
2、根据本专利技术的一方面，提出一种基于逆优化理论的海洋航行器集群分布式控制方法，该方法包括：
3、步骤一、针对工作在水面环境的海洋航行器系统，构建具有不确定建模参数的多海洋航行器系
4、步骤二、针对所述具有不确定建模参数的多海洋航行器系统集群动力学模型，构建基于“领航-跟随”的集群状态跟踪误差系统，同时定义包含不确定建模参数的全局动态代价函数；
5、步骤三、针对所述集群状态误差系统和所述全局动态代价函数，设计分布式协同优化控制器，利用全局逆优化理论求解使得代价函数最优的最优控制量；
6、步骤四、利用所述最优控制量对海洋航行器集群进行分布式控制。
7、进一步地，步骤一中所述具有不确定建模参数的多海洋航行器系统集群动力学模型为：
8、
9、式中，xi表示状态变量；δ1＝cos(ψ0)cos(ψt)-sin(ψ0)sin(ψt)-cos(ψ0),δ2＝sin(ψ0)cos(ψt)+cos(ψ0)sin(ψt)-sin(ψ0)和分别表示海洋航行器的惯性矩阵、流体阻尼矩阵以及系泊力矩阵；为旋转矩阵，ψ0为时不变的常数；ui表示控制变量。
10、进一步地，步骤二中所述集群状态跟踪误差系统为：
11、
12、式中，n表示航行器总数；aij表示第i个海洋航行器和第j个海洋航行器之间的通信关系，当第i个海洋航行器能够获取第j个海洋航行器的状态信息时，aij＝1，否则aij＝0。
13、进一步地，步骤二中所述全局动态代价函数为：
14、
15、式中，in表示n阶单位矩阵，r＞0以及q≥0为对称矩阵，为控制增益参数，为描述多个海洋航行器之间通信关系的有向图对应拉普拉斯矩阵中的满秩矩阵；表示状态跟踪误差的全局形式；表示航行器集群控制变量的全局形式。
16、进一步地，步骤三中所述分布式协同优化控制器设计如下：
17、
18、式中，是控制增益矩阵；使得代价函数最优的最优控制量中的控制增益参数满足如下条件：
19、
20、式中，σmin{q}表示对称矩阵q的最小奇异值；表示矩阵的最小正奇异值；α2为常数且满足
21、
22、根据本专利技术的另一方面，提出一种基于逆优化理论的海洋航行器集群分布式控制系统，该系统包括：
23、动力学模型构建模块，其配置成针对工作在水面环境的海洋航行器系统，构建具有不确定建模参数的多海洋航行器系统集群动力学模型；
24、误差模型构建模块，其配置成针对所述具有不确定建模参数的多海洋航行器系统集群动力学模型，构建基于“领航-跟随”的集群状态跟踪误差系统，同时定义包含不确定建模参数的全局动态代价函数；
25、最优控制器设计模块，其配置成针对所述集群状态误差系统和所述全局动态代价函数，设计分布式协同优化控制器，利用全局逆优化理论求解使得代价函数最优的最优控制量；
26、分布式控制模块，其配置成利用所述最优控制量对海洋航行器集群进行分布式控制。
27、进一步地，所述动力学模型构建模块中所述具有不确定建模参数的多海洋航行器系统集群动力学模型为：
28、
29、式中，xi表示状态变量；δ1＝cos(ψ0)cos(ψt)-sin(ψ0)sin(ψt)-cos(ψ0),δ2＝sin(ψ0)cos(ψt)+cos(ψ0)sin(ψt)-sin(ψ0)和分别表示海洋航行器的惯性矩阵、流体阻尼矩阵以及系泊力矩阵；为旋转矩阵，ψ0为时不变的常数；ui表示控制变量。
30、进一步地，所述误差模型构建模块中所述集群状态跟踪误差系统为：
31、
32、式中，n表示航行器总数；aij表示第i个海洋航行器和第j个海洋航行器之间的通信关系，当第i个海洋航行器能够获取第j个海洋航行器的状态信息时，aij＝1，否则aij＝0。
33、进一步地，所述误差模型构建模块中所述全局动态代价函数为：
34、
35、式中，in表示n阶单位矩阵，r＞0以及q≥0为对称矩阵，为控制增益参数，为描述多个海洋航行器之间通信关系的有向图对应拉普拉斯矩阵中的满秩矩阵；表示状态跟踪误差的全局形式；表示航行器集群控制变量的全局形式。
36、进一步地，所述最优控制器设计模块中所述分布式协同优化控制器设计如下：
37、
38、式中，是控制增益矩阵；使得代价函数最优的最优控制量中的控制增益参数满足如下条件：
39、
40、式中，σmin{q}表示对称矩阵q的最小奇异值；表示矩阵的最小正奇异值；α2为常数且满足
41、
42、本专利技术的有益技术效果是：
43、本专利技术提出一种基于逆优化理论的海洋航行器集群分布式控制方法及系统，首先，针对工作在水面环境的海洋航行器系统，构建具有不确定建模参数的多海洋航行器系统集群动力学模型；然后，针对所述具有不确定建模参数的多海洋航行器系统集群动力学模型，构建基于“领航-跟随”的集群状态跟踪误差系统，同时定义包含不确定建模参数的全局动态代价函数；然后，针对所述集群状态误差系统和所述全局动态代价函数，设计分布式协同优化控制器，利用全局逆优化理论求解使得代价函数最优的最优控制量；最后，利用所述最优控制量对海洋航行器集群进行分布式控制。采用本专利技术所提出的多海洋航行器集群分布式协同优化控制方法，各跟随者海洋航行器在大约10秒时实现与领导者海洋航行器的状态一致，且全局动态代价函数最终能够收敛到理论本文档来自技高网...
【技术保护点】
1.一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤一中所述具有不确定建模参数的多海洋航行器系统集群动力学模型为：
3.根据权利要求2所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤二中所述集群状态跟踪误差系统为：
4.根据权利要求3所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤二中所述全局动态代价函数为：
5.根据权利要求4所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤三中所述分布式协同优化控制器设计如下：
6.一种基于逆优化理论的海洋航行器集群分布式控制系统，其特征在于，包括：
7.根据权利要求6所述的一种基于逆优化理论的海洋航行器集群分布式控制系统，其特征在于，所述动力学模型构建模块中所述具有不确定建模参数的多海洋航行器系统集群动力学模型为：
8.根据权利要求7所述的一种基于逆优化理论的海洋航行器集群分布式
9.根据权利要求8所述的一种基于逆优化理论的海洋航行器集群分布式控制系统，其特征在于，所述误差模型构建模块中所述全局动态代价函数为：
10.根据权利要求9所述的一种基于逆优化理论的海洋航行器集群分布式控制系统，其特征在于，所述最优控制器设计模块中所述分布式协同优化控制器设计如下：
...【技术特征摘要】
1.一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，包括：
2.根据权利要求1所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤一中所述具有不确定建模参数的多海洋航行器系统集群动力学模型为：
3.根据权利要求2所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤二中所述集群状态跟踪误差系统为：
4.根据权利要求3所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤二中所述全局动态代价函数为：
5.根据权利要求4所述的一种基于逆优化理论的海洋航行器集群分布式控制方法，其特征在于，步骤三中所述分布式协同优化控制器设计如下：
6.一种基于逆优化理论的...
【专利技术属性】
技术研发人员：张卓，张守旭，崔荣鑫，黄冠，严卫生，郭欣欣，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。