[发明专利]基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法

说明书

本发明公开了一种基于最优视线引导律和分布式模型预测控制的欠驱动AUV编队轨迹跟踪方法，能够运用于在有输入约束、编队中领航者跟随者之间通信失效的场景中。本发明首次利用参考监督器来约束期望的最优航向角增量，获得最优视线引导律以防止出现较大的期望转向导致执行器输出过大，不仅解决系统欠驱动问题，而且能够防止转角震荡，提高了系统的稳定性。本发明基于一致性原理设计了分布式模型预测控制器，采用图论的方法对领航者和邻居跟随者的信息进行整合，通过求解代价函数将编队整体状态达成一致，与传统的领航者‑追随者方法相比，减轻了对领航者的依赖性。为了解决系统模型的不确定性和环境的扰动，本发明利用径向基函数神经网络逼近不确定的部分系统方程，结合最小学习参数法，减小计算复杂度。

技术领域

本发明涉及无人水下机器人的编队控制领域，特别涉及一种基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法。

背景技术

多自主水下航行器(AUV)通过其个体间的相互协调，能高效可靠地执行水下任务。因此，多AUV的编队运动控制逐渐成为AUV技术的重要发展方向，其中，欠驱动AUV编队轨迹跟踪控制具有很大的应用前景和价值。

相比于全驱动系统，欠驱动系统降低制造成本和能源消耗，提高推进效率，减少推进设备的维护，AUV的欠驱动结构简化了航行器的机械结构设计，降低机械故障的可能性，节省了不必要的系统开发和运行费用。然而欠驱动问题给控制器的设计带来了一定的复杂性。此外，对于目前广泛应用的领航者-跟随者编队方法，存在跟随者完全依赖领航者的问题，一旦失去领航者的信息跟随者将无法完成任务。任何一个编队在运动时，都需要保障个体之间的避碰，这就要求个体之间交互状态信息和有效地利用信息。在实际应用中，存在驱动器饱和的问题，即动力器无法提供理论上需要的动力去完成某个动作。大幅度的输入信号容易导致暂态响应的崩溃。面对以上问题，本发明提出基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法，在分布式模型预测控制中整合领航者和邻居跟随者的信息，约束输入，求解最优的控制量。同时为了获得期望的最佳航向角，设计了带有参考监督优化器的视线制导律，以解决欠驱动问题。

发明内容

本发明的技术内容旨在提供一种基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法，解决现有控制方法中的输入约束、系统欠驱动、编队中个体之间避碰问题、领航者-跟随者编队法中依赖领航者等问题。

为了解决上述技术问题，本发明通过以下技术方案实现：

基于分布式模型预测控制的欠驱动AUV编队轨迹跟踪控制方法，主要包括带有参考监督优化器的视线制导律，结合最小学习参数法的径向基函数神经网络，分布式模型预测控制器。具体包括以下实施步骤：

第一步：根据视线法计算视线角，采用视线制导律可以有效解决系统的欠驱动问题。在此基础上，本发明设计期望的最佳航向角增量作为决策变量，同时考虑期望值和真实值，即将视线角和此刻的航向角作为参考监督优化器的代价函数项，并对期望的最佳航向角增量进行约束，最终获得期望的最佳航向角。参考监督优化器可以防止出现较大的转向导致执行器输出过大。

第二步：AUV动力学的复杂性包括非线性动力学，未建模的动力学效应，系统的不确定性和环境干扰。将以上的不确定性用径向基函数神经网络逼近，将速度作为输入神经元，设计三层神经网络，隐藏层含有8个神经元，输出层含有3个神经元，分别拟合三个方向的不确定方程。由于神经网络会引入较大的计算量，结合最小学习参数法，加速梯度下降的过程，减小计算的复杂度，提高系统的实时性。