一种无人艇集群最优聚集控制器及其设计方法与流程

本发明涉及无人艇运动控制领域，特别是一种无人艇集群最优聚集控制器及其设计方法。

背景技术：

21世纪是海洋的世纪，发展海洋事业已成为全世界的一种广泛的共识。人类对海洋资源的认识、开发与保护对可持续发展具有重要意义。智能化无人艇是船舶发展的趋势，鉴于无人艇的广阔前景，各国都致力于无人艇的研究，目前正处于飞速发展的阶段。随着通信技术、大数据、人工智能等新理念、新技术的突飞猛进，船舶智能化水平也不断提高，智能化无人艇的发展与应用也有了科技支撑。无人艇在人类认识、开发与保护海洋等方面发挥着不可替代的作用，在军事领域与民用领域具有广泛的应用前景，例如：利用无人艇搭载不同的调查勘测设备在复杂的海洋环境中执行勘探、安防、搜救、投送等任务。在智能化无人艇的关键技术领域中，无人艇的控制技术是实现无人艇工程应用的前提和基础。

近年来，随着高科技的蓬勃发展，特别是云计算和大数据等新兴领域的出现，分布式协同优化理论和应用得到了人们越来越多的重视，并且逐渐渗透到科学研究、工程应用和社会生活等领域。分布式协同优化是通过多艘无人船之间的合作协调有效地实现优化任务，并且可以用来解决许多集中式算法难以胜任的大规模复杂的优化问题。

当前，无人艇协同控制的主要研究问题包括跟踪、编队和群集等。其中，无人艇的一致性问题是最根本性的问题。所谓一致性是指随着时间的增大，无人艇的位置信号和速度信号都趋近于参考信号。近年来，随着无人艇协同控制问题研究的不断深入以及无人艇在众多领域中广泛应用，无人艇一致性问题的研究成为了当前的研究热点，并取得了丰硕的研究成果。

但是，现有技术仍然存在以下问题:

第一，现有无人艇分布式协同控制方法中，网络中每一艘无人艇大多都需要直接获取参考路径信息，即是一种集中式控制方式。这种方式要求控制中心节点具有较大的通讯带宽，这在群体规模大、任务及环境复杂等实际情形下很难满足。

第二，现有无人艇分布式协同控制方法中，均采用无优化的分布式协同控制方式，在这种方式下，网络中的每艘无人艇几乎都没有用到优化的方法，在实际应用中达不到最优结果。

第三，现有协同聚集控制方法中，无人艇动力学系统的不确定性估计大多采用神经网络的方法。但在实际应用中，神经网络存在计算负担大、调节参数多等缺点，所以它不利于工程实现。

技术实现要素：

为解决现有技术存在的上述问题，本发明要设计一种无人艇集群最优聚集控制器及其设计方法，充分利用允许的控制动作，提高控制性能，使其具有最优的控制，同时能减少了计算量和调节参数，具有较小的带宽。

为了实现上述目的，本发明的技术方案如下：一种无人艇集群最优聚集控制器，包括通讯网络和多个控制器单元，所述的多个控制器单元分别与通讯网络连接；

所述的控制器单元包括分布式协同优化模块、控制模块、观测器模块和无人艇，所述的分布式协同优化模块的输入端与通讯网络相连；分布式协同优化模块的输出端与控制模块的输入端相连；控制模块的输入端分别与无人艇的输出端和观测器模块的输出端相连；控制模块的输出端与无人艇的输入端相连；观测器模块的输入端分别与无人艇的输出端和控制模块的输出端相连；无人艇的输出端与分布式协同优化模块的输入端相连。

一种无人艇集群最优聚集控制器的设计方法，所述的无人艇的动力学模型用下式表示：

其中，vi代表无人艇的速度，矩阵Mi为正定惯性矩阵，矩阵Ci为科氏力向心矩阵，矩阵Di为阻尼矩阵，τi表示为施加到无人艇上的控制力矩矢量，矩阵是斜对称的，下标i代表编号为i的无人艇；

ηi表示在地球坐标系下无人艇的位置；ψi代表无人艇的航向；R(ψi)表示为地球坐标系到船体坐标系的旋转矩阵，并写为：

所述的通讯网络的结构如下：

设通讯网络由N个节点组成，通讯网络结构用图ζ描述：

ζ＝{υ,ε}

其中：

υ＝{n1,...,nN}

ε＝{(ni,nj)∈υ×υ}

式中：υ代表N个无人艇的节点集合。ε表示第i个节点和第j个节点之间存在信息传递。通讯关系用图ζ的邻接矩阵A表示：

其中，如果aij＝1表示第j个节点的信息传递给第i个节点，即第j个节点是第i个节点的邻居节点，其他情况aij＝0。

所述的设计方法，包括以下步骤：

A、分布式协同优化模块的设计

分布式协同优化模块的输入信号为通讯网络中无人艇获知的邻居无人艇在地球坐标系下的位置信号xj、在地球坐标系下的速度信号yj以及无人艇输出的在地球坐标系下的实际位置信号ηi。分布式协同优化模块的输出为无人艇在地球坐标系下所期望的位置信号xi和在地球坐标系下的速度信号yi。分布式协同优化模块分为优化部分和分布式协同部分，分布式协同优化模块的优化部分设计为：

其中，Rj是指定的一块区域位置信号，在这里，定义一个矩阵B＝[bij]，如果第i艘无人艇获得指定的一块区域Rj的位置信息，那么bij＝1，否则，bij＝0。式(2)称为全局代价函数，它为无人艇和某块区域的距离平方加权和最小化。

分布式协同优化模块的分布式协同部分设计为：

其中，K＞0，K为地球坐标系下的导数阻尼参数；vi表示第i艘无人艇的加速度；表示对二次函数fi(ηi)求梯度导数。为无人艇在地球坐标系下所期望的位置信号xi的导数，为无人艇在地球坐标系下所期望的速度信号yi的导数，表示第i艘无人艇的加速度vi的导数。

B、控制模块的设计

控制模块的输入信号为分布式协同优化模块的输出，即是无人艇在地球坐标系下所期望的位置信号xi和在地球坐标系下的速度信号yi，同时，无人艇的输出也是控制模块的输入，即无人艇在地球坐标系下位置信号ηi和在船体坐标系下的速度信号vi，并且观测器模块的输出信号也是控制模块的输入，则所述的控制模块的输出τi表示为：

其中，αi是虚拟控制律，τi是控制驱动力，R(ψi)^T是旋转矩阵R(ψi)的转置，是未知非线性动态的逼近，k1和k2是两个调节参数。

C、观测器模块的设计

观测器模块的输入分别是控制模块的输出τi和无人船输出的在地球坐标系下的位置信号ηi和在船体坐标系下的速度信号vi。所述的观测器模块输出为其设计为：

其中，是无人船在船体坐标系下的速度信号vi的估计，矩阵M^-1为M正定惯性矩阵的逆矩阵。是无人船在船体坐标系下的速度信号估计的导数，是未知非线性动态逼近的导数。

与现有技术相比，本发明具有以下有益效果：

第一，与集中式控制方式相比，分布式控制方式更为灵活，可以实现对大规模集群的有效控制，具有抗个体失效性强、通信开销小、扩展性好等优点，使得该控制器更有利于实际应用。

第二，本发明采用分布式优化协同控制方法，通过对每艘无人艇建立局部代价函数来协同寻找全局代价函数的最优解，并将最优解作为其集合点。(局部代价函数表明每艘无人艇试图离某块区域距离更近)。采用这一方法便于获取最优结果，控制简单，有利于实际应用。

第三，与现有采用神经网络进行无人艇动力学系统不确定性与扰动估计与控制的方法相比，本发明采用反步法设计控制器，将复杂的、高阶的非线性系统分解为阶数低于原系统的子系统。并结合观测器对系统进行不确定性的扰动估计与控制，有效的降低了控制算法的计算负荷，有利于实际微处理器系统如单片机或数字信号处理器的实时计算。

附图说明

本发明共有附图11张，其中：

图1是无人艇一种无人艇集群最优聚集控制器结构示意图。

图2是五艘无人艇集群最优聚集运动轨迹示意图。

图3是五艘无人艇集群最优聚集横向上的位置效果示意图。

图4是五艘无人艇集群最优聚集纵向上的位置效果示意图。

图5是五艘无人艇集群最优聚集艏摇角方向上的位置效果示意图。

图6是五艘无人艇集群最优聚集横向上的速度效果示意图。

图7是五艘无人艇集群最优聚集纵向上的速度效果示意图。

图8是五艘无人艇集群最优聚集艏摇角方向上速度效果示意图。

图9是五艘无人艇集群最优聚集横向上力的效果示意图。

图10是五艘无人艇集群最优聚集纵向上力的效果示意图。

图11是五艘无人艇集群最优聚集艏摇角方向上力矩效果示意图。

具体实施方式

下面结合附图对本发明进行进一步地描述。

下面以一个具体的无人艇集群最优聚集控制器为例对本发明进一步说明，图1所示为本发明的结构示意图。无人艇集群最优聚集控制器中无人艇满足式(1)中的动力学模型，模型的具体参数如下：

其中，x(4)、x(5)和x(6)分别是无人艇的横向速度、纵向速度以及艏摇角方向上速度。

五艘无人艇的初始值如下：第一艘无人艇的初始位置为q1(0)＝[5 6 7]^T，第二艘无人艇的初始位置为q2(0)＝[2 6 1]^T，第三艘无人艇的初始位置为q3(0)＝[-4 2 6]^T，第四艘无人艇的初始位置为q4(0)＝[-5 -4 -3]^T，第五艘无人艇的初始位置为q5(0)＝[3 -3 5]^T，且这五艘无人艇它们的初始速度和初始加速度均为零。

在此实例中，无人艇集群最优聚集控制器的控制目标是使五艘无人艇分别与其可获知的一个或几个指定的位置区域距离和最小。其中各项参数如下：指定的几块区域的位置为R1＝[3 2 0]^T，R2＝[4 -2 0]^T，R3＝[-2 -4 0]^T，R4＝[-6 -1 0]^T，优化模块的具体参数：矩阵B＝[1,0,1,0；0,0,1,1；0,0,0,1；1,1,0,0；1,1,0,1]，则可知，第一艘无人艇可获知第一个和第三个指定的区域位置信息，第二艘无人艇可获知第三个和第四个指定的区域位置信息，第三艘无人艇可获知第四个指定的区域位置信息，第四艘无人艇可获知第一个和第二个指定的区域位置信息，第五艘无人艇可获知第一个，第二个和第四个指定的区域位置信息。分布式协同模块的具体参数：K＝20，a＝1。仿真结果如图2—11所示。

图2是五艘无人艇集群最优聚集的运动轨迹，由图可以看出，由于一致性协议(算法)，五艘无人艇的位置信号趋近于参考信号，而且都收敛到(0,0)这一区域。图3—5分别表示五艘无人艇集群最优聚集的横向位置、纵向位置以及艏摇角方向上的位置，由图可以看出，五艘无人艇的横向位置，纵向位置以及艏摇角方向上的位置由于一致性实现了同步，而且最终都收敛为0。图6—8分别表示五艘无人艇集群最优聚集的横向速度、纵向速度以及艏摇角方向上的速度。由图可以看出，五艘无人艇的横向速度，纵向速度以及艏摇角方向上的速度由初始值瞬间增大，然后逐渐减小，直至消失为零。图9—11分别表示五艘无人艇集群最优聚集的横向力、纵向力以及艏摇角方向上的力矩。由图可以看出，五艘无人艇的艏摇角方向上的力矩也收敛为0。

本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。