[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

说明书

本发明公开了一种基于BP神经网络S面控制的水下机器人姿态控制方法，对水下机器人建立动力学模型，分别对脐带缆和机械手的扰动力进行了建模分析，建立一种以全局运动学控制环和扰动力补偿项为主的抗扰控制协调控制器，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；在动力学控制律的设计中，考虑水下机器人在作业过程中受到的机械手和脐带缆的扰动力，并控制推进器运动进行补偿，实现作业过程中水下机器人姿态稳定和精确的控制。

技术领域

本发明涉及水下机器人姿态控制，具体是涉及一种基于BP神经网络S面控制的水下机器人姿态控制方法。

背景技术

水下救援作业的重点是水下搜寻和水下救援作业，利用人力搜救是有限的，这些任务完全可以由水下机器人来完成。水下机器人最大的特点是深水作业能力强，操作简便，操作员在地面控制室通过控制台的简单按钮就可以遥控机器人在水下进行高难度的作业。水下机器人能够在潜水员不能达到的深度和不安全的水域，完成高强度、大负荷的水下救援作业。对水下机器人姿态的控制显得尤为重要。

目前常用的水下机器人姿态控制的算法有：滑模控制、PID算法控制、模糊PID算法控制、神经网络算法控制、S面控制等。抖振现象是滑模控制应用于实际控制问题的最大障碍之一。PID控制是应用最广泛的控制算法，但是在偏离工作点之外的区域，PID控制器往往难以取得满意的控制性能，而且PID控制本身不具备自适应能力。自适应控制以精确的数学模型为基础，主要建立在线性控制理论的基础之上，并且要求闭环系统对于各种干扰具有强抑制能力以及对参数变化具有低敏感性，能在各种工况和环境下稳定运行，这些限制条件在很大程度上影响了自适应控制在水下机器人运动控制中的应用。

S面控制算法具有结构简单、输入量少、适用于水下机器人工作等特性。但但其控制参数依赖人工设置，为现场实际应用带来诸多不便。对水下机器人姿态进行控制时，机器人的机械手和脐带缆的扰动也是重要的影响因素。

发明内容

发明目的：针对以上缺点，本发明提供一种采用BP神经网络自主完成S面控制器参数初始化与在线调整的考虑机械手和脐带缆的扰动的水下机器人姿态控制方法。

技术方案：为解决上述问题，本发明采用基于BP神经网络S面控制的水下机器人姿态控制方法，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。

进一步的，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。

进一步的，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]。