[发明专利]一种基于人工蜂群优化的模型预测的欠驱动UUV深度控制方法

说明书

技术领域

本发明涉及欠驱动UUV深度控制方法，特别涉及基于人工蜂群优化的模型预测的欠驱动UUV深度控制方法。

背景技术

无人水下航行器(Unmanned Underwater Vehicle,UUV)具有活动范围大、潜水深、机动性好、安全、智能化、运行和维护费用低等优点，作为人类在海洋活动中，特别是深海活动中的重要替代者和执行者,已被广泛应用于科学考察,深海作业,打捞救生等领域，其在作业时需要保持在一定的深度，因此，切实有效的深度控制方法对UUV的性能有着重要的作用。

目前，国内外学者针对UUV深度控制问题做了大量的研究，相应提出了很多控制方法，如自抗扰法，反步法等等。自抗扰法是一种利用特殊的非线性效应，结合实际的非线性工程算法,是一种自动补偿对象模型的新型控制方法，其抗干扰能力强，运用此方法可以解决海洋环境下UUV近水面垂直面运动的控制扰动问题。反步法计算简单，实时性好，响应快，对传感器要求低，在工程应用中得到了广泛的应用，但该方法中存在虚拟控制量的高阶导数问题。但大多都未能够充分考虑UUV在复杂约束条件下的深度控制问题，因此，将此因素引入UUV深度控制中对其能够安全可靠地执行各种作业任务具有重要的意义。

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”提出将模型预测控制用于 AUV悬停状态时深度控制，但其对UUV艏艉槽道推进器推力变化只进行了简单的卡边处理，在推力约束条件变得更加复杂时，该方法将无法有效处理，这将会影响控制器对 UUV深度的控制效果，本发明引入人工蜂群优化算法可以有效的处理较为复杂的约束条件。

发明内容

本发明的目的是为了解决存在复杂水平舵角约束条件时UUV深度控制问题而提出的一种基于人工蜂群优化的模型预测的欠驱动UUV深度控制方法。

上述的发明目的是通过以下技术方案实现的：

步骤一、将UUV垂直面模型整理为状态空间模型，将状态空间模型离散化得到欠驱动UUV增量型的垂直面预测模型；

步骤二、在k时刻，根据水平舵特性建立水平舵角的控制输入约束；所述的水平舵角的控制输入约束包括幅值约束和每一拍动作的增量约束；并将水平舵角的控制输入约束条件统一处理为:

HΔU(k)≤γ

其中，ΔU为水平舵控制输入增量序列；H＝[T^T -T^T E^T -E^T]^T,γ＝[γ₁ γ₂]^T；

γ、H、T、γ₁、E和γ₂为中间矩阵；水平舵特性包括死区特性和饱和特性；

步骤三、根据步骤一得到的欠驱动UUV增量型的垂直面预测模型和步骤二得到的水平舵角的控制输入约束条件通过模型预测控制将UUV深度控制问题转化为约束条件下的二次规划问题如下：

st h(ΔU(k))≤0 (8)

式中，J(ΔU(k))＝ΔU(k)^THΔU(k)-G(k+1|k)^TΔU(k)，h(ΔU(k))＝HΔU(k)-γ；J(·) 为反映ΔU(k)的性能指标，h(·)为描述函数，G(·)为中间变量，

步骤四、利用基于罚函数的人工蜂群优化算法求解约束条件下的二次规划问题，求得蜜源的全局最优位置，即x_best＝[Δδ_s(k),Δδ_s(k+1),…,Δδ_s(k+m-1)]^T为UUV水平舵角控制输入增量序列ΔU(k)；其中，Δδ_s(k+m-1)为第k+m-1步水平舵角的增量，m为控制时域；