[发明专利]一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法

摘要

本发明属于水下机器人技术领域，具体涉及一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法；包括如下步骤：依据输入量确定水下机器人工作模式，建立推力分配模型，依照空间布置特点对复杂约束条件简化，实现遗传算法降维；设定推进器的大小和转角，设定优化目标；采用遗传算法解决推力分配优化问题，反解降维矩阵求出各推进器推力及转角。本发明将推力分配的约束从四自由度提高为六自由度；采用遗传算法避免了传统方法面对非线性联合约束求解困难问题；在推力分配时提出了降维方法，使求解精度提高，计算速度加快，从而实现了六自由度约束条件下推力分配快速求解及能耗降低的优化。

主权项

1.一种基于遗传算法的水下机器人六自由度动力定位推力分配优化方法，其特征在于，具体包括如下步骤：步骤1：确定推力分配方法，依照输入量所控制的自由度不同分为直接法和智能算法两种求解方法；其中，输入量为输入的纵向、横向、垂向的力以及横滚、纵倾和艏摇力矩，以下称其为控制力矩：τ＝[τx τy τz τp τq τr]；步骤2：判断其工作模式，如果τy＝τq＝0，则此时水下机器人处于定身定向工作状态，采用直接法进行动力分配，转步骤3，否则为任意角度控制，采用智能算法即遗传算法进行分配，转步骤4；步骤3：建立推力分配数学模型τ＝Bu；u＝[u₁ u₂ u₃ u₄]，式中u为四个推进器输出的推力，l_xi，l_yi为第i个推进器距水下机器人质心的纵向、横向距离，此时，①②推进器水平放置，③④推进器竖直放置，计算上述矩阵能解出各推进器推力，完成输出；步骤4：建立机器人推力分配模型，推力系数矩阵B与推进器转角α关系如下，τ＝B(α)u；对约束方程降维；步骤5：建立遗传算法的优化目标方程：其中，P为推进器功率，N为推进器角度改变产生的能耗，α0为上一步结果中推进器转角，初始为0，Q为权值矩阵；步骤6：建立初始种群，进行遗传算法的参数包括种群规模，繁殖代数，个人中变量个数，变量的上下限、交叉概率、变异概率及容忍度，初始种群的个体随机产生，随机范围为变量上下限；步骤7：适度函数计算：上式中Au‑T表示当前个体关于等式约束的偏差值，W为惩罚矩阵；步骤8：对当前种群中的个体依照其适应度进行选择，记录最佳个体，并且采用轮盘赌选择法计算种群中个体的选择概率：步骤9：对遗传算法的终止条件进行判断；步骤10：对步骤8选择后的个体进行交叉变异以产生新的种群，产生新种群后，将新种群带回步骤7开始新一轮的适应度选择；步骤11：对其他两个推进器进行求解，对求解可得推进器②的推力和转角；对求解可得推进器④的推力和转角，输出各推进器的推力及转角，完成分配。