[发明专利]一种基于卷积神经网络优化NMPC算法的直接航迹控制方法

权利要求书

1.一种基于卷积神经网络优化NMPC算法的直接航迹控制方法，其特征在于：

采用基于非线性模型预测控制算法的航迹控制器，根据预设航迹信息以及USV的初始状态信息，直接控制USV的航迹；

航迹控制器的输出量为USV的舵角控制量以及航速控制量，航迹控制器收到USV反馈的状态量，包括USV的位置坐标信息和以及航向角信息，对输出的控制量进行自我校正；所述航迹控制器原理模型包括USV预测模型、目标函数以及约束信息三个方面，所解决的USV非线性航迹控制问题用以下有限时域内的最优化问题来表示：

s.t.χ_k+1,t＝f(χ_k,t,u_k.t),k＝t,…H_p-1

u_min≤u(k)≤u_max

Δu_min≤Δu(k)≤Δu_max

其中，状态量的矩阵形式为χ＝[x y ψ]^T、控制量的矩阵形式为u＝[u δ]^T，

x,y为USV重心在惯性坐标系的空间坐标；ψ为USV在惯性坐标系的方位角，

u为USV速度的纵向分量，v为USV速度的横向分量，δ为舵角；

χ(t+1)＝f(χ(t),u(t))的差分方程为：

目标函数

其中，Hp是MPC航迹控制器的预测时域，H_c是MPC航迹控制器的控制时域，ρ为权重系数，ε为松弛因子。

2.根据权利要求1所述的控制方法，其特征在于，USV舵角以及舵角控制量增量约束为：

3.根据权利要求1所述的控制方法，其特征在于，USV航速以及航速增量约束为：

4.根据权利要求1所述的控制方法，其特征在于，采用卷积神经网络算法进行局部寻优，获得下一时刻的USV舵角控制量以及航速控制量信息，具体求解步骤如下：

(1)初始化参数：初始温度T0，降温速率q，结束温度Tend，对应于每个温度T的迭代次数L，以当前时刻的控制量矩阵作为初始可行解矩阵u₀；

(2)对当前温度T，求解局部最优解，即重复步骤(3)至(6)；

(3)对当前可行解矩阵u₀在控制量约束范围内随机产生一个新解u₁；

(4)对应于公式(11)所示的目标函数J，求解其对应于可行解矩阵u₀和u₁的增量dJ＝dJ(u₁)-dJ(u₀)；

(5)根据判断条件确定当前局部最优解，即若dJ＜0，则认为新解u₁为最优解，用u₁替代u₀；否则，计算对于新解的接受概率exp(-df/T)，当满足接受概率exp(-df/T)＞rand(rand为(0,1)区间上的随机数)时，也认为新解u₁为最优解，用u₁替代u₀；否则，仍认为u₀为最优解。