[发明专利]针对机器鱼的高阶迭代自学习控制方法、装置及存储介质

说明书

本发明涉及人工智能技术领域，公开了针对机器鱼的高阶迭代自学习控制方法、装置及存储介质；该控制方法通过对控制增益集合中的控制增益元素进行择优迭代计算，得到目标控制增益；并根据所述目标控制增益、第一控制输入推力和第一跟踪误差进行高阶迭代计算得到目标控制输入推力，再根据所述目标控制输入推力控制机器鱼进行摆动，以获得期望速度。本发明实现了机器鱼在整个操作空间内游速的完全跟踪和快速收敛。

技术领域

本发明涉及人工智能技术领域，尤其涉及针对机器鱼的高阶迭代自学习控制方法、装置及存储介质。

背景技术

目前，自主式水下机器人在海洋探测、科学研究和商业任务中应用广泛。在各种水下机器人中，鱼形机器人(即机器鱼)以其高效率、高机动性、低噪声等优点最具应用潜力。尽管在鱼类游泳的推进机制、执行器和机械结构方面已取得了一些成果，但这些成果还不足以开发出一种能够像真鱼那样在非结构化环境中自由游泳的自主机器鱼。其中一个主要的挑战在于机器鱼运动控制的难度。

以往对机器鱼运动控制的研究主要集中在两个方面：1)在机器鱼中产生类鱼的游动步态；2)驱动机器鱼实现期望的运动。前者探索机器鱼驱动部件的协调运动，后者则侧重于控制机器鱼全身的运动。从控制论的角度来看，游泳步态生成的方法可以分为基于运动学的方法和基于仿生的方法。基于运动学的方法旨在通过旋转关节连接的离散机械多连杆模仿鱼的身体运动，而仿生方法采用中心模式发生器将鱼的波动身体运动转化为机器鱼关节运动。虽然游动步态生成方法可以用来生成机器鱼的类鱼游动，但是这些方法都是开环的，不能帮助机器鱼实现所期望的运动。

为了控制机器鱼实现期望的运动，学者们提出了PID控制、模糊逻辑控制、滑模控制等方法，但这些传统控制方法有两个缺点：1)需要知道系统精确的数学模型；2)只能在时域内实现渐近误差收敛；3)跟踪误差收敛速度慢。在实践中，许多应用可能需要机器鱼沿着预先指定的速度轨迹游动并重复执行任务。例如，在两个码头之间利用机器鱼进行往复运输，并且要求机器鱼以预定的速度轨迹游动；机器鱼与水下支柱的交会对接，机器鱼必须以给定的速度轨迹运动；利用机器鱼进行管道清洗或管道泄漏检测；这些系统都可以用具有重复运动性质的动态系统来代表。

发明内容

本发明提供一种针对机器鱼的高阶迭代自学习控制方法、装置及存储介质，实现了机器鱼在整个操作区间内游速的完全跟踪和快速收敛。

本发明一实施例提供一种针对机器鱼的高阶迭代自学习控制方法，包括：

构建第一控制增益集合，所述第一控制增益集合包括N个控制增益元素，每个所述控制增益元素包括M个控制增益以及每个控制增益元素各自对应的一个元素适应度；M和N均为正整数；

对所述第一控制增益集合中的控制增益元素进行择优迭代得到目标控制增益集合，并将所述目标控制增益集合中适应度最高的控制增益元素中的M个控制增益作为目标控制增益进行输出；

根据所述目标控制增益、第一控制输入推力和第一跟踪误差进行高阶迭代计算得到目标控制输入推力，并根据所述目标控制输入推力控制机器鱼进行摆动，以获得期望速度；所述第一控制输入推力的初始值为预设值，所述第一跟踪误差根据摆动速度和期望速度计算得到。

进一步的，每个所述控制增益元素各自对应的一个适应度是根据所述控制增益和所述第一跟踪误差计算而获得，具体为：

获取待计算的控制增益元素；

根据所述待计算的控制增益元素中M个控制增益和第一跟踪误差计算得到第二控制输入推力；

根据所述第二控制输入推力控制所述机器鱼进行摆动，以获得摆动速度，根据所述摆动速度和期望速度的差值得到第二跟踪误差的绝对值之和；

根据预设的第一阈值和所述第二跟踪误差的绝对值之和的差值得到所述待计算的控制增益元素的适应度。