[发明专利]一种基于惩罚式小波网络的无人潜航器位姿控制方法

说明书

本发明提供一种基于惩罚式小波网络的无人潜航器位姿控制装置及方法，通过集成惩罚式小波网络控制参数整定系统生成新的控制器参数，并通过控制器得到控制信息，将其送入动力推进系统进行指令分配，产生纵向推力、横向推力以及力矩，实现UUV的位姿控制。本发明首次采用野值剔除与卡尔曼滤波平滑相结合的方式实现传感器量测量的优化，并且首次提出在控制器的前端加入了集成惩罚式小波网络的控制参数整定系统，结合了小波分析和神经网络的优点，而且引入惩罚项优化网络泛化能力，解决小波网络泛化性能不强的问题，从而能够自适应生成合理的控制器参数，实现无人潜航器的位姿控制。本发明对今后无人潜航器水下作业、运动控制等领域的发展有着积极意义。

技术领域

本发明涉及一种基于惩罚式小波网络的无人潜航器位姿控制装置及方法，属于无人水下潜航器位姿控制技术领域，可以用于无人潜航器水下作业、运动控制等领域。

背景技术

无人潜航器(UUV)是一种可长期潜入水下，依靠自带能源、自推进、遥控或自主控制，通过配置任务载荷执行作战或作业任务，能回收和反复使用的潜器。传统的UUV主要用于侦察、勘测、搜索、投送和跟踪等，其运动方式为巡航。并通过控制面，即舵来进行运动控制。此类UUV必须以一定速度运动才能保证自身的稳定，因此无法完成定点悬停的动作。然而，随着人类海洋开发与探索的深度、广度不断加强，无人潜航器的研究与发展也不断进步，其功能已经不仅仅局限于在水下低速或高速航行，而且需要具有悬停、旋转及爬潜等更高的机动性能，来完成远程水下通讯中继、水下设施检查等作业任务，因此对UUV提出了精确定位控制的要求，使其能够抵抗环境扰动，保持在水中的位置和姿态，实现位姿控制。

目前位姿控制研究方法主要有多变量优化控制、H_∞控制、模糊控制等。Balchen等人结合卡尔曼滤波，提出了基于多变量优化的自适应控制方法，实现了基于模型的位姿控制，并成为位姿控制领域里程碑式的成果。Craven等人在前人基础上，考虑了更多不同的线性与非线性控制控制技术。类似的，增益调度控制、模糊控制、鲁棒控制以及多变量抗饱和控制等先进控制方法也逐渐被研究应用在位姿控制研究中。

然而实际的UUV系统的全局数学模型具有很大的不确定性，难以用数学模型来描述，，为此近年来更多的学者重新将目光放到PID控制器，利用PID不需要数学模型且调节方式简单的特点，采用不同算法实现对控制器的参数整定。小波神经网络(简称小波网络)是建立在小波分析理论基础上的新型神经网络，结合了小波分析和神经网络的优点，具有很强的学习能力，适合用于在线整定控制器参数。但是，小波网络存在着过分强调克服学习错误而导致泛化性能不强等问题。已有研究表明，在满足训练精度的基础上，采用尽量小的网络规模是优化网络泛化能力的有效途径，为此本发明基于UUV的位姿控制原理，在满足航行器物理性能上的各种约束条件的基础上，通过一种新型小波网络在线整定PID控制器实现UUV 的位姿控制，实现无人潜航器在在更多领域中的工程应用。

发明内容

为了在系统模型不完备的条件下，通过推进器推力，使UUV能够自适应地保持位置和航向(固定位置或预定轨迹)，本发明的目的是提出一种基于惩罚式小波网络的UUV位姿控制方法，该方法能够利用惩罚式小波网络方法更好的收敛性与自适应性，基于前序状态训练权值结果，对当前状态进行对控制器进行实时调整的参数整定，从而实现控制器在不同状况下的自适应调节，解决系统模型不完备条件下的控制约束问题。一种基于惩罚式小波网络的无人潜航器位姿控制装置及方法。