[发明专利]不依赖动态模型参数的无人潜航器切换拓扑编队控制方法

权利要求书

1.一种不依赖动态模型参数的无人潜航器切换拓扑编队控制方法，其特征在于，包括以下步骤：

步骤S1，综合潜航器的位姿动力学特性、系统模型误差以及环境误差扰动信息，建立潜航器动力学模型；

步骤S2，根据潜航器编队成员的相邻情况以及通信方向，建立基于图论的潜航器编队通信拓扑图，用于表征潜航器编队成员间的信息流向；

步骤S3，根据潜航器动力学模型以及潜航器编队成员间的信息流向构建分布式观测器，将其搭载于各潜航器编队成员，采集潜航器的位姿信息；

步骤S4，结合潜航器的位姿信息及分布式观测器的结构设计，构造位姿控制器，基于强化学习算法求解位姿控制器的控制反馈输入量，得到不依赖动态参数的潜航器编队切换拓扑控制器；

所述步骤S1，所述潜航器动力学模型为:

其中，为潜航器i的位置，为姿态角，为位置动力学模型矩阵，为姿态动力学模型矩阵，和为惯性矩阵, 和为科氏项，, 为水动力阻尼矩阵，和分别是作用在潜航器i上的广义力与力矩，和为扰动项，为线速度，为角速度，为线加速度，为角加速度；

所述步骤S2，所述基于图论的潜航器编队通信拓扑图为:

其中，为潜航器编队的拉普拉斯矩阵；为入度矩阵，其矩阵元素为与编队成员相邻的其他成员数量；为加权邻接矩阵，其矩阵元素为与编队成员构成通信网络的其他成员信息，满足主对角线系数，以及当编队成员间存在通信时，矩阵系数，i ≠ j；

所述步骤S2，假设潜航器编队的编队中心为虚拟领导者，虚拟领导者以预设的轨迹航行，潜航器编队成员跟随虚拟领导者行进，虚拟领导者的动力学模型为：

其中，为虚拟领导者的位置以及速度；为虚拟领导者的动力学矩阵；令c_m,n为第n行元素为1，其余全为0的m行的列向量，则；为虚拟领导者状态；

所述步骤S2，定义潜航器同虚拟领导者的通信关系矩阵为，具体展开如下：

其中，为潜航器i在时刻与编队中心之间的连接因子，，且如果潜航器i能够从编队中心获取位置信息，则连接因子；N为潜航器编队成员的数目；

所述步骤S3，所述分布式观测器为：

其中，为潜航器i的位姿，为潜航器j的位姿，和分别为编队成员潜航器i和潜航器j、编队成员潜航器i和虚拟领导者的位置距离，是正比例因子，为潜航器在时刻的加权邻接矩阵系数；

所述步骤S4，所述位姿控制器为：

其中，为控制输入量，是初值的连续函数；为潜航器状态向量；

所述步骤S4，

设置扰动衰减条件：

其中，参数表示一个正的常数，矩阵，矩阵以及参数；为控制误差，为控制输入量，为正项常数；当满足该扰动衰减条件时，位置动态上的等效扰动对位置跟踪性能的影响至少可被衰减至的程度；

基于强化学习算法求解HJB方程进而获得，其中HJB方程如下：

其中，上标*表示最优解，为性能函数，为控制输入量，为等效扰动，为误差，和为对称矩阵，，为标称控制矩阵，为信息随时间的衰减系数，为正项常数，为标称误差矩阵，为标称动力学矩阵，为模型状态，为一个12行的列向量且第6行为1，为重力加速度。

2.根据权利要求1所述的不依赖动态模型参数的无人潜航器切换拓扑编队控制方法，其特征在于，所述强化学习算法的迭代方程如下：

其中，为时间，为采样间隔，上标n表示步骤n，上标n+1表示步骤n+1，表示积分变量，为衰减系数，为衰减系数积分；

强化学习过程如下：

（1）初始化：在给定的位置动态等效扰动的影响下，对编队切换拓扑控制系统先给定一个包含探测噪声的控制输入量，并采集更新潜航器的状态数据、控制输入和等效扰动，并任意给定初始控制量以及等效扰动初始值；

（2）策略评估和策略更新：进行迭代，对于第n轮控制输入量以及第n轮等效扰动，将两者数值代入贝尔曼方程中，并同时求解第n轮性能函数、新的控制量以及等效扰动；如果新的控制量与等效扰动与上一步相等，即、，则停止算法运行，并返回新的控制量以及等效扰动，否则重复此步骤。