[发明专利]针对机器鱼的非一致轨迹长度差分进化迭代学习控制方法

说明书

本发明提供了针对机器鱼的非一致轨迹长度差分进化迭代学习控制方法，通过引入差分进化算法，使得非一致轨迹长度迭代学习控制方法中的控制增益更加优化，比传统迭代学习控制方法收敛的速度更快；传统的迭代学习控制方法对于试验中缺失的控制信息无法进行补偿，在此引入开闭环控制之后，试验中原始缺失的控制信息会被之前的运行周期的信息补偿，能够快速跟踪到期望轨迹并收敛。在一些实际应用中该算法可应用于需要快速完成轨迹跟踪任务的场合，减少了系统运行的时间，提高了工程效率以及避免能源消耗，极大的节约了工程成本。

技术领域

本发明属于运动力学领域，特别涉及针对机器鱼的非一致轨迹长度差分进化迭代学习控制方法。

背景技术

海洋机器人，也叫水下机器人和遥控无人机，主要目的是帮助人类探索海洋区域。自1960年以来，海洋机器人一直是人们探索海洋的重要工具。海洋机器人可以完成水质监测、生物研究和海洋测量等任务；常见的传统海洋机器人有非自主海洋机器人和自主海洋机器人，它们正在向海洋勘探、科学研究和商业应用领域扩展。在所有水下机器人中，鱼形机器人(即机器鱼)，具有高效、噪声小的特点。尽管机器鱼在推进机制、执行和机械结构方面取得了一些成功，但这些成功还不足以在无结构的环境中自由作业。其中的挑战之一是如何控制机器鱼。

到目前为止，关于机器鱼运动控制的研究主要集中在两个方面：1)机器鱼的运动轨迹；2)机器鱼的运动是否符合预期。前者探索机器鱼驱动器的协调运动，而后者则专注于控制鱼的整个身体的运动。从控制理论的角度，其游动动作可分为基于运动法和基于仿生法。基于运动的方法旨在通过旋转关节连接的离散机械多连杆模仿鱼的身体运动，而仿生法采用发生器将鱼的波动身体运动转化为机器鱼关节运动。这两种方法都是开环的，虽然能够起到一定的作用，但有些期望运动仍是无法达成。

在实践中，许多应用可能需要机器鱼沿着预先指定的速度与轨迹游动并重复执行任务。而且要求被控系统的输出必须严格地跟踪期望输出轨迹。对机器鱼进行远程精确控制是一项具有挑战的工程任务。由于机器鱼存在轨迹长度变化的情况，可能会提前或延迟终止，使得轨迹长度不在期望轨迹长度下运行，这使得机器鱼在实际运转的时候出现许多困难。在实际应用情况下，如果无法获得系统的精确模型，大多数基于时域控制信息的主流控制算法无法获得精确的跟踪控制。对于控制系统的控制增益的把控也是一个重大的挑战，现有的传统技术方案有P型、PD型、PID型等迭代学习控制律。由于是输出在非一致区间上，传统的迭代学习控制律方法存在着收敛速度慢和迭代次数高的一些情况，且能源消耗也大，不能补偿缺失的信息，因此，在一些要求快速收敛完成轨迹跟踪任务的场合和抗干扰能力要求较高的情况下，传统的迭代学习控制律很难应用在这方面。

发明内容

鉴于现有技术的上述缺陷，本发明的目的在于提供针对机器鱼的非一致轨迹长度差分进化迭代学习控制方法，其特征在于，包括以下步骤：

1)通过对期望速度曲线进行采样，得到期望速度序列；

2)通过将控制输入推力作用到机器鱼中，得到实际速度曲线，再对其采样得到实际速度序列；

3)通过机器鱼的期望速度序列与实际速度序列形成误差序列；

4)通过误差序列、差分进化算法优化控制增益的方法得到优化的控制增益和当前的控制输入推力序列；

5)将当前的控制输入推力序列作为迭代学习控制的控制输入推力序列作用于机器鱼，得到机器鱼的实际速度序列；

6)通过机器鱼的实际速度序列和期望速度序列形成误差序列；

7)将误差序列、当前的控制输入推力序列以及优化的控制增益带入控制律(7)中，得到下一次的控制输入推力序列；

8)重复执行步骤5-7，直至误差指标小于容许范围时停止迭代学习控制。

对机器鱼进行建模，包括以下步骤：将机器鱼模型建模为离散系统，机器鱼模型如下：