[发明专利]一种基于遗传算法优化的水下机器人推力分配方法及系统

摘要

本发明公开了一种基于遗传算法优化的水下机器人推力分配方法及系统，通过遗传算法对水下机器人ROV水平面上的三个控制量纵向推力、横向推力和转艏力矩进行优化处理，考虑了水下机器人ROV中推进器的推力饱和约束特性，避免了推力分配方法输出的某个推进器的期望推力超过其最大推力阈值限制，有效的提高了运动控制系统的控制能力。同时优化函数设计中考虑了误差和耗能两个因素，提高了水下机器人ROV推力分配的精度和减小了航行过程中的总耗能，提高了水下机器人ROV运动的精确性和续航能力，具有重要的工程应用价值和现实意义。

主权项

1.一种基于遗传算法优化的水下机器人推力分配方法，其特征在于，包括以下步骤：步骤一，对水下机器人ROV水平面上的三个控制量纵向推力、横向推力和转艏力矩进行归一化处理，得到水平面上的总推力矢量步骤二，根据水平推进器矢量布置，能够得到水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力表达式，根据水平各推进器对Z轴产生的力矩，能够得到水下机器人ROV绕轴旋转的回转力矩表达式；步骤三，对水下机器人ROV中四台推进器在水平面上沿X轴和Y轴方向的推力以及绕轴旋转的回转力矩进行处理，得到水下机器人ROV在水平方向的总推力表达式；步骤四，设计优化目标函数，以误差最小化和降低推进器耗能为优化目标建立优化目标函数其中τ_HT是推进器的推力值，h≥0,为加权系数，用来调整二次项的占比；步骤五，采用遗传算法优化总推力表达式，首先采用染色体编码，采用二进制编码的方法，通过12位的二进制编码串来分别对四个推力变量τi＝[τ1 τ2 τ3 τ4]进行编码，然后将四个编码串拼接成一个48位的二进制编码串，编码串代表遗传算法搜索空间的一个潜在解；步骤五，以优化问题的目标函数构建遗传算法的适应度函数步骤六，采用轮盘赌选择法和最优保存策略两种方法相结合作为遗传算法的选择算子；步骤七，采用分组单点交叉的方式作为遗传算法的交叉算子；步骤八，采用分组基本位变异的运算方式作为遗传算法的变异算子；步骤九，根据选择算子、交叉算子和变异算子对四台推进器在水平面上沿X轴和Y轴方向的推力以及绕轴旋转的回转力矩基于遗传优化算法进行推力分配，分配成四台推进器的期望推力值。