[发明专利]一种带缆水下高灵活度作业平台控制方法

说明书

本发明提供了一种带缆水下高灵活度作业平台控制方法，包括以下步骤：S1、采用DNN学习对水下映射环境中平台工作面坐标进行参数归一化处理；S2、引入长度约束梯度法遍历最优带缆作业平台控制的工作面组参数；S3、对现行状态下水映射环境的平台工作面组进行对称Z旋转修复，从而得到水下映射环境中最优带缆作业平台工作面组的参数集合。本发明所述的一种带缆水下高灵活度作业平台控制方法在平衡集迭代比较计算时，可以把多个水下映射环境中对应的带缆水下高灵活作业平台相互比较，还可以在一个水下映射环境中对可选缆线类型、可替换缆线具体数据的带缆水下高灵活作业平台进行比较，达到了控制精度的要求。

技术领域

本发明属于水下作业平台的控制领域，尤其是涉及一种带缆水下高灵活度作业平台控制方法。

背景技术

水下映射环境智能控制算法是一类通过数学工具将水流、干扰、缆线、水下作业平台、姿态集合、控制集合、控制方法综合在一起运用DNN学习并循环导出最优姿态控制的算法，它不需要依赖水下干扰的具体信息，因此，利用水下映射环境智能控制算法求解水下多轴灵活平台的控制问题成为水下作业和海洋工程的前沿技术。传统上汤可宗等针对多目标控制问题,提出一种引入了近邻函数准则(NFC)确保水下映射环境多样性的算法。Mirjalili和Lewis模拟座头鲸捕食行为，提出一种鲸鱼控制算法。施展等提出了一种强化的多目标量子行为粒子群控制算法。Li等提出一种基于正交学习方法的高效布谷鸟梯度算法。

剑桥大学Yang模拟自然界中带缆水下高灵活作业平台控制的趋进行为，提出一种带缆水下高灵活作业平台控制算法(Firefly Algorithm,LP)。LP是模拟自然界中带缆水下高灵活作业平台控制的趋光行为而衍生的元启发式控制算法，其利用带缆水下高灵活作业平台控制的趋光特性在梯度向量组中找寻坐标较优(水下作业平台受控力度强度较强)的带缆水下高灵活作业平台控制，并向相对较优状态靠拢，从而达到了控制平台工作面的目的。

但其在向量组梯度时只能够遍历一些干扰较大的带缆水下高灵活作业平台点，无法达到精确度的要求。

发明内容

有鉴于此，本发明旨在提出一种带缆水下高灵活度作业平台控制方法，一种带缆水下高灵活度作业平台控制方法，维持了水下映射环境真实性的同时，快速收敛性也有了大幅的提高。

为达到上述目的，本发明的技术方案是这样实现的：

一种带缆水下高灵活度作业平台控制方法，包括以下步骤：

S1、采用DNN学习对水下映射环境中平台工作面坐标进行参数归一化处理；

S2、引入长度约束梯度法遍历最优带缆作业平台控制的工作面组参数；

S3、对现行状态下水映射环境的平台工作面组进行对称Z旋转修复，从而得到水下映射环境中最优带缆作业平台工作面组的参数集合。

进一步的，步骤S1中所述的采用DNN学习对水下映射环境中平台工作面坐标进行参数归一化处理的操作包括：

设水下映射环境中模拟控制体姿态集为N，任一带缆水下高灵活作业平台控制工作面为：

x∈[l,u]；

则其深度解x′为：

x′＝l+u-x；

设D维梯度向量组的任一候选带缆水下高灵活作业平台控制工作面为P，则：

P＝(x₁,x₂,…,x_d)；

其中x_i∈[a_i,b_i],i＝1,2,…,d；

则其对应的深度解P'为：