狀態(tài)空間模型參數(shù)矩陣； A為離散狀態(tài)空間模型系統(tǒng)矩陣 C為離散狀態(tài)空間模型輸出矩陣 T為積分變量， Bs為離散化后系統(tǒng)的參數(shù)矩陣， Bd為離散化后系統(tǒng)的參數(shù)矩陣， Ts為采樣時間，Ts為0.1 s~1.2s，e為自然常數(shù)，k為離散系統(tǒng)的時刻； 步驟一四、給出如下定義： Ax 化）=X 化)-x 化-1) ASs(k) =Ss 化)-Ss(^k-I) Ad(k) =d(k)-(Kk-l) AM ?)為UUV控制輸入水平艙角增量； AcK ?)為系統(tǒng)不確定因素及外界擾動增量； Ax( ?)為離散的狀態(tài)變量增量； 5s( ?)為UUV控制輸入水平艙角， x( ?)為離散的狀態(tài)變量， y( ?)為UUV下潛的深度， d( ?)系統(tǒng)不確定因素和外界擾動 通過離散系統(tǒng)整理獲得欠驅(qū)動UUV增量型的垂直面預(yù)測模型： +1)二 Alxr(A) +W + ",,ZW(A) _>'(點)=(心-(皮)+的克_；1) (3) 其中，y( ?)為UUV下潛的深度。3. 根據(jù)權(quán)利要求2所述一種基于人工蜂群優(yōu)化的約束模型預(yù)測的欠驅(qū)動UUV深度控制 方法，其特征在于:步驟一=中的Ts為0.5s。4. 根據(jù)權(quán)利要求3所述一種基于人工蜂群優(yōu)化的約束模型預(yù)測的欠驅(qū)動UUV深度控制 方法，其特征在于:步驟二中將水平艙角的控制輸入約束具體為： ^ (>+/')如、、xw，'=&l，..V'，' - l ,、 (4) A《備 < (A+/)含 A《僅，/ = 0,.，放-1 . Ss化+i)為第k+i時刻水平艙角； SsMIN為Ss化+i)中艙角最小值； SsMAX為Ss化+i)中艙角最大值； A Ss化+i)為第k+i時刻水平艙角的增量； ASsMIN為ASs化+i)中水平艙角增量的最小值； ASsMM為ASs化+i)中水平艙角增量的最大值； m為控制時域； 將公式(4)中表示的約束條件轉(zhuǎn)換為：進(jìn)一步 表示為： HAlKkH 丫 (6) //?,,>〇?。為單位矩陣，。。為控制輸入維數(shù)，11。二1，/;，,,><?"=1。5.根據(jù)權(quán)利要求4所述一種基于人工蜂群優(yōu)化的約束模型預(yù)測的欠驅(qū)動UUV深度控制 方法，其特征在于:步驟S中根據(jù)步驟一得到的欠驅(qū)動UUV增量型的垂直面預(yù)測模型和步驟 二得到的水平艙角的控制輸入約束條件通過模型預(yù)測控制將UUV深度控制問題轉(zhuǎn)化為約束 條件下的二次規(guī)劃問題具體過程為： (1) 、根據(jù)式(3)所示增量型的垂直面預(yù)測模型預(yù)測的P步系統(tǒng)輸出，由系統(tǒng)預(yù)測輸出所 構(gòu)成的向量和m步控制輸入序列構(gòu)成的向量為：其中，Yp( ?)為預(yù)測輸出矩陣，下角標(biāo)P為預(yù)測時域； (2) 、將系統(tǒng)預(yù)測輸出進(jìn)一步表示為： Yp 化+11 k) =SxAx(k)+Iy(k)+SdAd(k)+SsAU(k) (7) 其中 式中，Sx為狀態(tài)變量Ax化)系數(shù)矩陣； I為UUV下潛深度y化)系數(shù)矩陣； Sd為系統(tǒng)不確定因素及外界擾動增量AcKk)系數(shù)矩陣； Ss為控制輸入水平艙角增量序列AlKk)系數(shù)矩陣； (3) 、設(shè)UUV給定控制輸出參考序列，即UUV下潛的深度R化+1 )，如下式所示： R化+l) = [r化+1) r化巧）...r化+p)]T R( ?)為P步控制輸出參考序列，r( ?)為R( ?)中每一步的控制輸出參考序列； (4) 、根據(jù)MPC算法的特點，引入目標(biāo)函數(shù)： J(AU(k))=M Ty(Yp 化+l|k)-R 化+1)川2+| I rsAU(k)||2 (6) 其中，Ty和Ts是對稱正定加權(quán)矩陣，并給出如下定義： 廠 y = di 曰邑{廠 y,l,廠 y,2,'.'，廠 y,p}pXp 廠 5 = dia邑{廠 5,1,廠 5,2,。'，廠 巧）、定義Ep化+11 k) =R化+l)-SxAx化)-Iy化)-SdA(Kk)，則目標(biāo)函數(shù)表示為： J(AU(k)) = AU(k)THAU(k)-G 化+l|k)TAU(k) (7) 其中巧=+巧r,，G(A+11巧=2巧巧r,怎聲+1片； H、Ep( ?)和G( ?)為中間變量； (6)、將UUV的深度控制問題轉(zhuǎn)化為二次規(guī)劃問題進(jìn)行求解，即有約束二次規(guī)劃問題為： min J{AU(k)) 化腳 (8) St h{M/{k))<0 其中 J(AU(k)) = AU(k)THAU(k)-G 化+l|k)TAU(k)，h(AU(k))=HAU(k)-丫。6.根據(jù)權(quán)利要求5所述一種基于人工蜂群優(yōu)化的約束模型預(yù)測的欠驅(qū)動UUV深度控制 方法，其特征在于:步驟四中利用基于罰函數(shù)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化），AWk+l)，一，ASsA+m-l)]% UUV水平艙角控制輸入增量序列AlKk)具體為： 步驟四一、應(yīng)用人工蜂群算法，引入懲罰函數(shù)法，將帶有約束條件的優(yōu)化問題轉(zhuǎn)換成無 約束的優(yōu)化問題； (1) 、針對式(8)所描述的約束優(yōu)化問題，建立如下罰函數(shù)7^(么6/(；〇)^及增廣目標(biāo)函數(shù) F(AU(k),〇)： 列 W) = [max{〇，A(M/(A))}J (巧 /.' (/ (點)，仿、)=./(A WA'V) + 巧戶(Ar''(足)） (14) 其中，O為罰因子； (2) 、當(dāng)AU(k)在約束域即滿足h(AU(k))<0時，max{0，h(AU化））}=0，此時有F(AU 化），〇)=J(AU(k)); (3) 當(dāng) AU(k)在約束域外時，max{0，h(AU(k))}=h(AU(k))，此時有 /,'(心/(足).〇) = .^AfW)) +打列A'/(>)): /)-(?);為罰函數(shù)，F(xiàn)(.)為增廣目標(biāo)函數(shù)； (4) 、則式(8)的帶有約束條件的優(yōu)化問題轉(zhuǎn)化為如下無約束的優(yōu)化問題： 巧打叫'^(*)，。) （I^ 步驟四二、采用人工蜂群優(yōu)化算法求解式(15)所示的二次規(guī)劃問題； 設(shè)在d維空間里，人工蜂群優(yōu)化方法取AU作為蜜源地址，即第1個蜜源位置記為Xi = (XII，X12，.. ?，Xid);將SN個蜜源與采蜜蜂初始位置--對應(yīng)，則2 X SN個蜜源中每一個解的適 應(yīng)度值按下式求得： l/{\+,f-)j>o 的二 \\+u唱 J,<Q 川） 其中，fiti代表第1個蜜源的適應(yīng)度，AlKk)為UUV水平艙角控制輸入增量序列； abs( ?)為絕對值函數(shù);人工蜂群種群包括采蜜蜂、觀察蜂和偵查蜂，Xid為第1個蜜源位 置中第d個分量;人工蜂群的數(shù)目為2 X SN,采蜜蜂和觀察蜂均為SN; 2 X SN個人工蜂群蜜源 包括SN個采蜜蜂蜜源和SN個觀察蜂蜜源；1 = 1，2,3,…，2X SN ;2X SN為人工蜂群蜜源的總 個數(shù)； 步驟四=、設(shè)置人工蜂群優(yōu)化方法迭代求解二次規(guī)劃問題的次數(shù)為切Cle = I; 步驟四四、當(dāng)執(zhí)行第n= 1次步驟一到步驟六時，將步驟四二中2 X SN個初始解的適應(yīng)度 值最大的解記為全局最優(yōu)初始解Xbest;當(dāng)執(zhí)行第n〉l次步驟S到步驟六時，取n-1次步驟五 中AlKk)剩余的m-1步控制輸入分量作為人工蜂群全局最優(yōu)位置的全局最優(yōu)初始解，即： xbest=[ASs(；k+l)ASs(；k+m-l), ASs(；k+m-l)]; 步驟四五、在ABC優(yōu)化算法捜索最優(yōu)蜜源的過程中，采蜜蜂根據(jù)式(9)捜索新的采蜜蜂 蜜源： Vi j = xij+ri (Xi廣Xhj) +r2 (Xbest,廣 Xi j) (9) 其中，h是一個隨機產(chǎn)生的整數(shù)，hei，2，...，SN，h辛1〇￡1，2，...，(1^1￡[-1，1]也是一 個隨機數(shù)，T2 E [0,1] ,Xbest, j為全局最優(yōu)解的第j個元素;Vlj第1個采蜜蜂蜜源位置中第j個 分量的更新值;XU第1個采蜜蜂蜜源位置中第j個分量;XW第h個采蜜蜂蜜源位置中第j個分 量； 按式（11)求解新采蜜蜂蜜源的適應(yīng)度值，在新采蜜蜂蜜源的適應(yīng)度值和步驟四二采蜜 蜂的適應(yīng)度值之間實施貪婪選擇，若新采蜜蜂蜜源適應(yīng)度值比步驟四二采蜜蜂的適應(yīng)度值 大，則第1個蜜源位置中第j個分量根據(jù)式(9)求得更新值VU，否則，保留步驟四二采蜜蜂蜜 源； 步驟四六、在步驟四五得到采蜜蜂蜜源的位置上，觀察蜂按輪盤賭方法W選擇概率Pi對 采蜜蜂的蜜源進(jìn)行選擇得到觀察蜂的蜜源;其中概率Pi具體為：(10) 根據(jù)觀察蜂的蜜源按式(9)捜索新的觀察峰蜜源，并按式（11)求出新的觀察峰蜜源的 適應(yīng)度值和觀察蜂的蜜源適應(yīng)度值，在新的觀察峰蜜源的適應(yīng)度值和觀察蜂的蜜源的適應(yīng) 度值之間實施貪婪選擇，若新的觀察峰蜜源的適應(yīng)度值比觀察蜂的蜜源的適應(yīng)度值大，貝U 第1個蜜源位置中第j個分量為根據(jù)式(9)求得更新值VU，否則，保留觀察峰蜜源的位置； 步驟四屯、將步驟四五得到的最終的采蜜蜂蜜源適應(yīng)度值和步驟四六得到的最終的觀 察峰蜜源的適應(yīng)度值進(jìn)行比較得到適應(yīng)度值最大的蜜源作為全局最優(yōu)解Xbest;若此Xbest對 應(yīng)的最大適應(yīng)度值在0.998~1.002之間，則輸出全局最優(yōu)解Xbest作為最終全局最優(yōu)解，若 此Xbest對應(yīng)的最大適應(yīng)度值不在0.98~1.02之間，該全局最優(yōu)解Xbest作為當(dāng)前全局最優(yōu)解， 同時將采蜜蜂蜜源轉(zhuǎn)至步驟四八； 步驟四八、如果采蜜蜂的蜜源連續(xù)經(jīng)過5~20次的步驟四一到四屯后，即該蜜源所對應(yīng) 的適應(yīng)度值在所有采蜜蜂中不是最大，且兩次相鄰的數(shù)值變化在-0.0 Ol~0.0 Ol之間，那么 采蜜蜂將會丟棄此處蜜源，并將采蜜蜂轉(zhuǎn)變?yōu)閭刹榉?，并根?jù)式（12)隨機產(chǎn)生偵查蜂的蜜 源： Xij = A5sMiN+rand(0,1)( A5smax-A5smin) (12) 其中，ASsMIN為變量XU的下邊界;ASsMM為變量XU的上邊界； 偵查蜂的蜜源添加到丟棄后的采蜜蜂的蜜源中得到最終的采蜜蜂的蜜源并轉(zhuǎn)至步驟 四九； 步驟四九、切Cle =切cle+1，如果切Cle小于設(shè)定次數(shù)500,將最終的采蜜蜂的蜜源轉(zhuǎn)步 驟四五；反之，如果切Cle大于等于設(shè)定次數(shù)500,輸出全局最優(yōu)解Xbest作為最終全局最優(yōu) 解。
【專利摘要】一種基于人工蜂群優(yōu)化的模型預(yù)測的欠驅(qū)動UUV深度控制方法，本發(fā)明涉及欠驅(qū)動UUV深度控制方法。本發(fā)明是要解決存在復(fù)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(yù)測的欠驅(qū)動UUV深度控制方法。該方法是通過一、得到欠驅(qū)動UUV增量型的垂直面預(yù)測模型；二、將水平舵角的控制輸入約束條件統(tǒng)一處理為:H△U(k)≤γ；三、通過模型預(yù)測控制將UUV深度控制問題轉(zhuǎn)化為約束條件下的二次規(guī)劃問題；四、求得蜜源的全局最優(yōu)位置，五、得到k時刻的控制輸入；六、確保UUV達(dá)到指定UUV下潛的深度R(k+1)完成下潛作業(yè)等步驟實現(xiàn)的。本發(fā)明應(yīng)用于UUV深度控制領(lǐng)域。
【IPC分類】G05D1/04
【公開號】CN105511480
【申請?zhí)枴緾N201610104499
【發(fā)明人】張偉, 郭毅, 梁志成, 孟德濤, 周佳加, 張宏瀚, 嚴(yán)浙平
【申請人】哈爾濱工程大學(xué)
【公開日】2016年4月20日
【申請日】2016年2月25日