[发明专利]基于李雅普诺夫神经网络的无人系统控制方法及控制系统

说明书

本发明公开了一种基于李雅普诺夫神经网络的无人系统控制方法及控制系统，包括：通过李雅普诺夫神经网络拟合无人系统对应的李雅普诺夫函数；根据所述李雅普诺夫神经网络划分出的安全区域指导无人系统进行迭代训练；融合李雅普诺夫神经网络和无人系统的有模型强化学习智能体后，对无人系统进行控制。本发明通过李雅普诺夫神经网络拟合李雅普诺夫函数，可以涵盖大部分的李雅普诺夫稳定区域，保证安全区域的充分探索；可扩展至较为复杂的非线性系统，可以在无人船等无人系统中学习李雅普诺夫神经网络；可以有效地迁移到其他的控制算法中，方便与其他算法进行融合。

技术领域

本发明属于无人系统控制技术领域，特别涉及一种基于李雅普诺夫神经网络的无人系统控制方法及控制系统。

背景技术

近年来，为了解决海上运输行业中熟练的专业人员短缺以及运营效率问题，无人船的发展得到了快速的发展，出现了多种无人船控制方法。

船舶的海洋上航行的过程中会受到例如风力、水流扰动等环境因素的影响，存在着一定的安全隐患。同时安全性问题一直是控制领域中的核心问题，但是由于无人船系统的安全性强烈依赖于人对无人船的先验知识以及手动选择的特征，所以安全问题在现有的无人船控制方法中很少被解决。

具有安全保证的无人船控制技术具有重大意义。保障无人船控制的安全性，一方面可以减小无人船出现不必要的损伤，发生危险事故，如翻船这类事件的可能性；另一方面可以帮助无人船排除危险系数较大的控制动作，实现更为稳定、有效的控制，帮助无人船摆脱过度依赖人类的先验知识，实现真正的智能化。所以，无人船的安全性保障是一个重要的研究方向，也是亟待解决的关键问题。

针对保障安全控制问题，研究者提出了许多方法，大致可以分为3类：基于传统方法的计算李雅普诺夫函数方法；给定简单动力模型学习李雅普诺夫神经网络；学习李雅普诺夫神经网络控制器。其中，基于传统方法计算李雅普诺夫函数，通过多项式拟合来进行计算；给定简单动力模型学习李雅普诺夫神经网络是通过神经网络来拟合给定的动力系统的李雅普诺夫函数，解决了李雅普诺夫函数不易寻找的问题；学习李雅普诺夫神经网络控制器可以应用到一些简单的非线性系统中，并找到一个合适的控制函数，同时对李雅普诺夫条件进行了验证。

无人船系统是一个相对较为复杂的非线性系统，上述几种方法都无法直接完成安全保障任务。基于传统方法计算李雅普诺夫函数，在简单的线性系统中可以计算出合适的李雅普诺夫函数，但在无人船系统中很难寻找到合适的函数，而且所找到的函数只能涵盖一小部分的李雅普诺夫稳定区域；给定简单动力模型学习李雅普诺夫神经网络，这种普遍适用于低维、离散状态的动力系统，无法直接应用到高维、连续的动力系统中，相关研究也基本停留在简单的实验，如倒立摆等，没有在更为复杂的情况下进行拓展；学习李雅普诺夫神经网络控制器，这种方法在生成控制器的同时用李雅普诺夫条件进行验证，但是这种方法固定了李雅普诺夫函数，无法得到占比较大的李雅普诺夫稳定区域，探索不充分，而且不易进行算法迁移，针对有控制算法的系统，无法进行有效的融合。

发明内容

本发明的目的在于，针对上述现有技术的不足，提供一种基于李雅普诺夫神经网络的无人系统控制方法及控制系统，用以至少解决上述现有技术问题之一。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于李雅普诺夫神经网络的无人系统控制方法，其特点是包括：

通过李雅普诺夫神经网络拟合无人系统对应的李雅普诺夫函数；

根据所述李雅普诺夫神经网络划分出的安全区域指导无人系统进行迭代训练；

融合李雅普诺夫神经网络和无人系统的有模型强化学习智能体后，对无人系统进行控制。

进一步地，还包括基于无人系统的观测状态集合对李雅普诺夫神经网络进行训练，其中，所述李雅普诺夫神经网络的输入为状态对应的无人系统的工作参数数据和工作环境数据，所述李雅普诺夫神经网络的输出为状态对应的李雅普诺夫值。