[发明专利]基于BP神经网络S面控制的水下机器人姿态控制方法

权利要求书

1.基于BP神经网络S面控制的水下机器人姿态控制方法，其特征在于，包括以下步骤：

(1)构建水下机器人的体坐标系和惯性坐标系，对水下机器人的脐带缆建立坐标系以及对水下机器人的机械手建立连杆坐标系；

(2)建立水下机器人动力学模型，分析脐带缆和机械手对水下机器人的扰动力；

(3)采用基于BP神经网络的S面控制保证水下机器人协调控制器全局收敛；

(4)构建基于动力学模型的水下机器人协调控制器；基于动力学模型的水下机器人协调控制器为：

其中，为代表质量、惯性以及附加质量的观测矩阵，为S面运动学控制环；k₁，k₂为控制参数，为期望加速度，I＝[1，1，1，1，1,1]^T，和分别为输入偏差和偏差变化率；由质量和附加质量引起的科氏力的观测矩阵；为哥式力，q为水下机器人在体坐标系的位置，为水下机器人的速度，为观测到的脐带缆和机械手运动引起的扰动力，控制力τ_ctrl最终通过水下机器人推力分配模块由各推进器协同实现。

2.根据权利要求1所述的水下机器人姿态控制方法，其特征在于，采用D-H法对水下机器人的机械手建立连杆坐标系。

3.根据权利要求1所述的水下机器人姿态控制方法，其特征在于，所述步骤(2)中，水下机器人动力学模型为：

其中，M为包括附加质量的惯性矩阵，C(v)为水下机器人科氏及向心力矩阵，D(v)为粘性类水动力矩阵，G(η)为重力和浮力共同产生的力或力矩向量，Q_d为脐带缆和机械手干扰对水下机器人产生的力或力矩，τ是水下机器人推进器产生的驱动力与力矩；v为系统的速度矢量，为系统的加速度。

4.根据权利要求1所述的水下机器人姿态控制方法，其特征在于，所述步骤(3)中，采用Sigmoid曲面对模糊控制规则表进行非线性拟合，得到S面控制器为：

其中，k₁，k₂为S面控制器的控制参数，k₁为比例项参数，影响控制的上升时间与超调幅度；k₂为微分项系数，影响控制的超调幅度与平稳程度；e，为偏差与偏差变化率；u为控制输出，反向最大输出至正向最大输出之间的取值范围为[-1，1]。

5.根据权利要求4所述的水下机器人姿态控制方法，其特征在于，采用BP神经网络为S面控制器输入控制参数，具体步骤如下：

(3.1)选取输入层节点数i、隐含层节点数i与输出层节点数k，初始化网络权值，并选定学习速率，令t＝1；

(3.2)将t时刻的偏差与偏差导数e(t)、作为BP神经网络输入，计算正向传播中各层输出，得到S面控制器参数k₁与k₂；

(3.3)计算S面控制器输出，采样控制对象响应，并更新e(t)与

(3.4)BP神经网络在线学习，通过反向传播调整输出层与隐含层权值；

(3.5)令t＝t+1，返回步骤(3.2)。