一種基于人工蜂群優(yōu)化的模型預測的欠驅動uuv深度控制方法
【技術領域】
[0001] 本發(fā)明涉及欠驅動UUV深度控制方法，特別涉及基于人工蜂群優(yōu)化的模型預測的 欠驅動UUV深度控制方法。
【背景技術】
[0002] 無人水下航行器(Unmanned Underwater Vehicle,UUV)具有活動范圍大、潛水深、 機動性好、安全、智能化、運行和維護費用低等優(yōu)點，作為人類在海洋活動中，特別是深?；?動中的重要替代者和執(zhí)行者，已被廣泛應用于科學考察，深海作業(yè)，打撈救生等領域，其在 作業(yè)時需要保持在一定的深度，因此，切實有效的深度控制方法對UUV的性能有著重要的作 用。
[0003] 目前，國內外學者針對UUV深度控制問題做了大量的研究，相應提出了很多控制方 法，如自抗擾法，反步法等等。自抗擾法是一種利用特殊的非線性效應，結合實際的非線性 工程算法，是一種自動補償對象模型的新型控制方法，其抗干擾能力強，運用此方法可以解 決海洋環(huán)境下UUV近水面垂直面運動的控制擾動問題。反步法計算簡單，實時性好，響應快， 對傳感器要求低，在工程應用中得到了廣泛的應用，但該方法中存在虛擬控制量的高階導 數問題。但大多都未能夠充分考慮UUV在復雜約束條件下的深度控制問題，因此，將此因素 引入UUV深度控制中對其能夠安全可靠地執(zhí)行各種作業(yè)任務具有重要的意義。
[0004] 2014年 5 月Proceedings of the Institution of Mechanical Engineers Part M: Journal of Engineering for the Maritime Environment第228卷中的 "Model predictive control of a hybrid autonomous underwater vehicle with experimental verification"提出將模型預測控制用于AUV懸停狀態(tài)時深度控制，但其對 UUV艏艉槽道推進器推力變化只進行了簡單的卡邊處理，在推力約束條件變得更加復雜時， 該方法將無法有效處理，這將會影響控制器對UUV深度的控制效果，本發(fā)明引入人工蜂群優(yōu) 化算法可以有效的處理較為復雜的約束條件。

【發(fā)明內容】

[0005] 本發(fā)明的目的是為了解決存在復雜水平舵角約束條件時UUV深度控制問題而提出 的一種基于人工蜂群優(yōu)化的模型預測的欠驅動UUV深度控制方法。
[0006] 上述的發(fā)明目的是通過以下技術方案實現的：
[0007] 步驟一、將UUV垂直面模型整理為狀態(tài)空間模型，將狀態(tài)空間模型離散化得到欠驅 動UUV增量型的垂直面預測模型；
[0008] 步驟二、在k時刻，根據水平舵特性建立水平舵角的控制輸入約束;所述的水平舵 角的控制輸入約束包括幅值約束和每一拍動作的增量約束;并將水平舵角的控制輸入約束 條件統(tǒng)一處理為：
[0009] HAU(k) < γ
[0010] 其中，八1]為水平舵控制輸入增量序列;!1=[1^-1^瓦了-瓦叩，丫=[丫1丫2]丁；
[0011] γ Η Τ γ i Ε γ 2為中間矩陣；7K平舵特性包括死區(qū)特性和飽和特性；
[0012] 步驟三、根據步驟一得到的欠驅動UUV增量型的垂直面預測模型和步驟二得到的 水平舵角的控制輸入約束條件通過模型預測控制將UUV深度控制問題轉化為約束條件下的 二次規(guī)劃問題如下：
[0013]
[0014] 式中，J(AU(k)) = AU(k)THAU(k)-G(k+l |k)TAU(k)，h(AU(k))=HAU(k)-y ;J (·)為反映 Λ U ( k )的性能指標，h ( ·)為描述函數，G ( ·)為中間變量， G(^ + !|A) = 2X；r：.r.A；(A + l|/t)：
[0015] 步驟四、利用基于罰函數的人工蜂群優(yōu)化算法求解約束條件下的二次規(guī)劃問題， 求得蜜源的全局最優(yōu)位置，即Xbest=[AS s(k)，ASs(k+l)，~，ASs(k+m-l)]%UUV水平舵角 控制輸入增量序列AU(k);其中，AS s(k+m-l)為第k+m-1步水平舵角的增量，m為控制時域；
[0016] 步驟五、在求解出蜜源最終全局最優(yōu)解Xbest后，令AU(k)=XbestT，然后取優(yōu)化解序 列AU(k)的第一個分量，并加上k-Ι時刻的控制輸入作為k時刻的控制輸入：
[0017]
[0018] 步驟六、在k時刻的控制輸ASs(k)作用下測得新的狀態(tài)變量和UUV下潛深度，當 UUV未達到指定UUV下潛的深度R(k+1)時，將測得新的狀態(tài)變量和UUV下潛深度轉步驟三，直 至當UUV達到指定UUV下潛的深度R( k+1)完成下潛作業(yè);其中，新的狀態(tài)變量包括UUV狀態(tài)變 量垂向速度、UUV狀態(tài)變量縱傾角速度、UUV狀態(tài)變量下潛深度和UUV狀態(tài)變量縱傾角。
[0019]發(fā)明效果
[0020] 本發(fā)明提供一種基于人工蜂群優(yōu)化的約束模型預測的欠驅動UUV深度控制方法。 基于人工蜂群優(yōu)化的約束模型預測控制方法解決的是欠驅動UUV在約束條件下準確的下潛 到指定深度的問題。本發(fā)明首先將欠驅動UUV深度控制問題通過模型預測控制轉化為約束 條件下的二次規(guī)劃問題，然后通過人工蜂群優(yōu)化算法求解約束條件下的二次規(guī)劃問題，最 后將優(yōu)化解序列的第一個分量加上前一時刻的控制輸入作為欠驅動UUV當前時刻的控制輸 入。問題的求解過程具備在線執(zhí)行的特點，可以使UUV有效降低不確定性因素的累積作用。 本發(fā)明能夠為欠驅動UUV存在復雜約束條件時的深度控制提供一種切實有效的方法。在考 慮控制約束條件下能夠有效的實現深度控制，具有在線優(yōu)化的特點，可以極大減小外界擾 動和系統(tǒng)結構參數變化等不確定性因素對UUV深度控制效果的影響如圖1、圖2和圖3。
[0021] 本發(fā)明提供一種基于人工蜂群優(yōu)化的約束模型預測的欠驅動UUV深度控制方法， 其直接將UUV深度控制問題轉換約束條件下的二次規(guī)劃問題，并通過人工蜂群算法在約束 域中尋找優(yōu)化解，可以很好的解決在存在約束條件時的UUV深度控制。
【附圖說明】
[0022] 圖1為【具體實施方式】一提出的UUV的垂直面建模圖；
[0023] 圖2為【具體實施方式】一提出的基于人工蜂群優(yōu)化的模型預測的欠驅動UUV深度控 制的流程圖；
[0024] 圖3為【具體實施方式】一提出的基于人工蜂群優(yōu)化的模型預測的欠驅動UUV深度控 制框圖；
[0025] 圖4(a)為【具體實施方式】一提出的UUV深度的曲線圖；其中，p為預測時域;m為控制 時域；
[0026]圖4(b)為【具體實施方式】一提出的UUV縱傾角的曲線圖；
[0027] 圖5(a)為【具體實施方式】一提出的UUV縱傾角角速度的曲線圖；
[0028] 圖5(b)為【具體實施方式】一提出的UUV垂向速度的曲線圖；
[0029] 圖6(a)為【具體實施方式】一提出的UUV水平舵角曲線圖。
[0030] 圖6(b)為【具體實施方式】一提出的UUV水平舵角的每一拍增量變化曲線圖。
【具體實施方式】
[0031]【具體實施方式】一：本實施方式的一種基于人工蜂群優(yōu)化的模型預測的欠驅動UUV 深度控制方法，具體是按照以下步驟制備的：
[0032]附圖2和附圖3分別給出了基于人工蜂群優(yōu)化的模型預測的欠驅動UUV深度控制的 流程圖和控制框圖；
[0033]步驟一、將UUV垂直面模型整理為狀態(tài)空間模型，將狀態(tài)空間模型離散化得到欠驅 動UUV增量型的垂直面預測模型；
[0034] 步驟二、在k時刻，根據水平舵特性建立水平舵角的控制輸入約束;所述的水平舵 角的控制輸入約束包括幅值約束和每一拍動作的增量約束;并將水平舵角的控制輸入約束 條件統(tǒng)一處理為：
[0035] HAU(k) < γ
[0036] 其中，AU為水平舵控制輸入增量序列;Η=[Ττ -Ττ Ετ -Ετ]τ，γ=[γι γ2]τ;
[0037] γ Η Τ γ ! Ε γ 2為中間矩陣;7Κ平舵特性包括死區(qū)特性和飽和特性；
[0038]步驟三、根據步驟一得到的欠驅動UUV增量型的垂直面預測模型和步驟二得到的 水平舵角的控制輸入約束條件通過模型預測控制將UUV深度控制問題轉化為約束條件下的 二次規(guī)劃問題如下：
[0039]
[0040] 式中，J(AU(k)) = AU(k)THAU(k)-G(k+l |k)TAU(k)，h(AU(k))=HAU(k)-y ;J (·)為反映 Λ U ( k )的性能指標，h ( ·)為描述函數，G ( ·)為中間變量， G{k+l\k) = 2 (k + \\k)；
[00411步驟四、利用基于罰函數的人工蜂群優(yōu)化算法求解約束條件下的二次規(guī)劃問題， 求得蜜源的全局最優(yōu)位置，即Xbest=[ASs(k)，ASs(k+l)，~，AS s(k+m-l)]%UUV水平舵角 控制輸入增量序列AU(k);其中，ASs(k+m-l)為第k+m-1步水平舵角的增量，m為控制時域； [0042]步驟五、在求解出蜜源最終全局最優(yōu)解a est后，令AU(k)=XbestT，然后取優(yōu)化解序 列AU(k)的第一個分量，并加上k-1時刻的控制輸入作為k時刻的控制輸入：
[0043] Δ《⑷= [々Χ"Β 0 …0]Δ〔，⑷
[0044] 5s(k) = A5s(k)+5s(k-l)
[0045] 但只取控制輸入序列的第一個分量ASs(k)作用于系統(tǒng)；
[0046]步驟六、在k時刻的控制輸入33(k)作用下測得新的狀態(tài)變量和UUV下潛深度，當 UUV未達到指定UUV下潛的深度R(k+1)時，將測得新的狀態(tài)變量和UUV下潛深度轉步驟三，直 至當UUV達到指定UUV下潛的深度R( k+1)完成下潛作業(yè);其中，新的狀態(tài)變量包括UUV狀態(tài)變 量垂向速度、UUV狀態(tài)變量縱傾角速度、UUV狀態(tài)變量下潛深度和UUV狀態(tài)變量縱傾角；
[0047] 仿真分析：
[0048] 結合圖4(a)~圖6(b)仿真結果，從圖4(a)和圖4(b)可以看出：在m-定時，隨著p的 增大，超調量明顯減小，但響應的時間變慢了；在一定時，隨著m的增大，同樣，有超調量量減 小，響應時間變緩，但伴隨著震蕩加劇;可以看出，不管是P還是m增大了，在一定程度上都會 提高控制效果，但由于P和m的增大，將會增大QP問題求解的計算量，這將使響應變得遲緩； 從圖5(a)和圖5(b)可以看出，隨著m和p的增大，縱傾角角速度和垂向速度的超調量都有所 降低，但伴有震蕩加劇特點;從圖6(a)和圖6(b)中可以看出，水平舵在±30°之間變化，同時 對每一拍的水平舵角增量可以進行嚴格控制，這里限制為每拍±20°之間，可以避免舵角大 范圍變動，同樣隨著P和m的增大，水平舵的舵角和舵角增量震蕩加劇;在實際工程應用中， 對于不同的作業(yè)要求