[发明专利]一种水下机器人三维路径可视化跟踪方法

说明书

本发明是一种水下机器人三维路径可视化跟踪方法。本发明属于水下机器人三维路径规划技术领域，本发明建立大地坐标系、载体坐标系和曲线坐标系，根据坐标系建立水下机器人的六自由度模型根据建立的水下机器人的六自由度模型，建立路径跟踪误差模型，确定航向角偏差和潜浮角偏差；采用反步滑模控制方法，对建立的水下机器人的六自由度模型进行三维路径跟踪；采用深度强化学习方法对三维路径跟踪进行训练，完成水下机器人三维路径可视化跟踪。本发明使得跟踪误差连续，提高了路径跟踪的稳定性；在视线法制导率中加入积分项来引入时间的影响；添加了边界奖励函数来加快路径跟踪的收敛速度，降低了超调，提高了精度。

技术领域

本发明涉及水下机器人三维路径规划技术领域，是一种水下机器人三维路径可视化跟踪方法。

背景技术

海洋是地球生命的摇篮，海洋面积占地球表面积的71％，贮藏着丰富的水资源、生物资源和矿产资源，随着陆地矿产资源的减少和水资源短缺问题逐渐显露，世界各国都意识到了海洋资源开发的重要性，开发和利用海洋资源已经成为可持续发展的必要途径，成为各国合作与竞争的新领域。同时，世界经济离不开航运，海洋运输是大宗商品流通的重要途径，因此，保护航道安全，维护海洋运输稳定通畅，对国民经济的持续健康发展具有十分重大的意义。为了满足经济领域和军事领域的需求，要求研制出一种体积小、航程远、功能丰富并在一定程度上智能化的水下移动平台。在这些需求推动下，自主式水下航行器(Autonomous UnderwaterVehicle，简称AUV)应运而生，迅速发展，在海洋开发领域得到广泛的应用，并成为各大科研机构的研究热点。智能水下机器人具有长航程、长续航、尺寸小、灵活性高的特点，在海洋资源探测、水文信息观测、水下作业和水下目标搜索方面，有着广泛的应用和良好的发展前景。AUV能够通过设定程序的要求在水下长期监控水文信息、按照设定路线巡航、对海底地形进行扫描和建模、自主搜索目标和对海底管道、线缆等进行检测和维护，很大程度上节约了人力和物力，同时提高了作业的效率和安全性。在军事领域，可用来执行反潜、海上封锁、预警和通讯任务，众多AUV可以通过互联组成强大的水下集群，可以通过集中指挥和信息的共享，在广阔的海域中执行各种复杂的作战任务。

从研究现状来看，针对AUV的路径跟踪导引方法、时变非线性和模型参数的不确定性的研究和外界环境干扰，国内外学者已经提出了多种方法来解决以上问题，取得了显著成果。如视线法、虚拟目标法、时延估计技术、虚拟控制量、能量耗散理论等，但其中的大多数过程复杂、适应性较差，在采用深度强化学习对控制器进行设计的研究中，控制器具有较好的自适应能力，但在将深度强化学习应用于欠驱动AUV的三维路径跟踪也有一些需要解决的问题，首先深度神经网络作为控制器的核心，其本质上并不能理解欠驱动的操纵特性和复杂的运动环境，只能通过学习过程获得一定的控制策略的训练，拥有在不同条件下选择不同动作的能力。所以深度神经网络很多时候只会以较为单一的目标输出动作，而忽略欠驱动AUV的操纵特性。其次，采用强化学习的控制器可能在路径跟踪中对较小的误差不够敏感，影响着跟踪精度的进一步提高。基于以上分析，在设计AUV路径跟踪控制器的过程中需要考虑到系统多输入、多输出、非线性和强耦合的特征，同时尽量降低外界海流对系统的影响。设计出的控制器在保证跟踪精度的同时，还应该具有较强的鲁棒性和自适应性。

发明内容

本发明为使得跟踪误差连续，提高了路径跟踪的稳定性，本发明提供了一种水下机器人三维路径可视化跟踪方法，本发明提供了以下技术方案：

一种水下机器人三维路径可视化跟踪方法，包括以下步骤：

步骤1：建立大地坐标系、载体坐标系和曲线坐标系，根据坐标系建立水下机器人的六自由度模型；

步骤2：根据建立的水下机器人的六自由度模型，建立路径跟踪误差模型，确定航向角偏差和潜浮角偏差；

步骤3：采用反步滑模控制方法，对建立的水下机器人的六自由度模型进行三维路径跟踪；

步骤4：采用深度强化学习方法对三维路径跟踪进行训练，完成水下机器人三维路径可视化跟踪。