[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

说明书

本发明涉及一种基于卷积神经网络优化NMPC算法的直接航迹控制方法，属于控制技术领域。水面USV的航迹控制采用直接性控制算法具有较高的控制精度，但是算法复杂，容易出现延时。本发明提出了基于卷积神经网络优化NMPC算法的非线性模型预测控制算法设计直接型USV航迹控制器，考虑到USV航迹控制中容易出现的非线性、时滞性问题，采用卷积神经网络算法对预测控制算法进行最优控制序列求解。仿真实验表明，该算法有效地提高了航迹控制的准确性和实时性。

技术领域

本发明涉及一种基于卷积神经网络优化NMPC算法的直接航迹控制方法，属于 控制技术领域。

背景技术

USV(Unmanned Surface Vessel，简称USV)，是一种无人操作的水面船。它 具有机动性强、速度快、自主化、无人化等特点，其主要功能是代替人执行一些 特殊的、对人有危险的任务。USV在实际航行环境中会受到外部干扰的影响，精 准的航迹控制是USV执行各项任务的基础保障，也是USV运动控制领域的研究热 点。

USV航迹控制算法主要分为两类，一类是间接控制算法，其设计思路是将航 迹控制问题转化为航向控制问题，主要实现方式是将其分解为双闭环控制系统， 内环由传统的航向控制算法构成，外环则使用航向解算算法，优点是可直接使用 已有的自动舵技术，但控制精度相对较低。一类是直接控制算法，控制精度高， 控制算法直接作用于航迹，但由于过程非线性，计算复杂，容易出现时滞性问题。

发明内容

本发明所要解决的技术问题是提供一种基于卷积神经网络优化NMPC算法的直 接航迹控制方法。

本发明的技术方案如下：

采用基于非线性模型预测控制(NMPC)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主要包括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。

根据USV本身的控制特点，在输出控制量的过程中要考虑舵角约束以及航速 约束。本发明中使用的USV舵角以及舵角控制量增量约束为：

本发明中使用的USV航速以及航速增量约束为：