面向控制律设计的水下航行器线性水动力参数辨识方法与流程

本发明涉及舰船综合运动控制技术与仿生智能算法，更具体的说是涉及面向控制律设计的水下航行器线性水动力参数辨识方法。

背景技术：

1、水下航行器操纵控制系统其任务是保证水下航行器正常航行时满足对航向、深度和姿态的要求，该系统中所涉及的操纵控制律关系到任务成功执行和航行操纵安全保障。美国、俄罗斯、德国等水下航行器发达国家均采用基于模型的控制理论进行水下航行器操纵控制系统控制律开发。

2、目前我国水下航行器主要使用传统pid控制方法来设计控制律，虽然可以很好的控制航向和深度，但是无法精确有效的控制航向速率以及纵倾等姿态，基于模型的控制律设计可以很好的控制水下航行器的姿态。通过对控制律设计过程中涉及的主要水动力系数进行辨识和修正，可进一步提高水下航行器纵倾、航向速率控制的控制品质。

3、因此，如何确定水下航行器关键参数，提高水下航行器纵倾、航向速率控制的控制品质是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种面向控制律设计的水下航行器线性水动力参数辨识方法，保证水下航行器控制算法的鲁棒性和控制品质，达到水下航行器航行姿态速率控制律设计的需求。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种面向控制律设计的水下航行器线性水动力参数辨识方法，具体包括如下步骤：

4、步骤1、建立水下航行器的线性运动状态方程：

5、步骤2、获取预设舵角下一个时间段内水下航行器的试验数据；

6、步骤3、根据所述水下航行器的所述线性运动状态方程和所述试验数据构建目标函数；目标函数为线性运动状态方程过程仿真与试验数据中实际航向、纵倾、深度的偏差的偏差；

7、步骤4、将步骤1中线性运动状态方程包含的水动力参数作为个体组成种群，对种群进行初始化；

8、步骤5、根据目标函数采用改进遗传算法对种群进行优化，输出关键水动力参数。

9、优选的，所述试验数据包括纵向速度u、深度ζ、航向纵倾θ、方向舵舵角δr、艏舵舵角δb、艉舵舵角δs等数据。

10、优选的，步骤1中所述线性运动状态方程包括水平面线性运动状态方程和垂直面线性运动状态方程，分别表示为：

11、水平面线性运动状态方程：

12、

13、

14、垂直面线性运动状态方程：

15、

16、

17、其中，v、w、p、q、r分别为船舶船体坐标系下的横向速度、垂向速度、横倾角速度、纵倾角速度和偏航角速度；θ、ζ分别为固定坐标系下的纵倾角、航向角和垂向位移；δr、δb、δs分别为方向舵舵角、艏舵舵角和艉舵舵角；a11、a12、a21、a22、b1、b2为水平面线性运动状态方程中影响操纵控制的关键水动力参数，a11、a12、a13、a21、a22、a23、b11、b12、b21、b22为垂直面线性运动状态方程中影响操纵控制的关键水动力参数。

18、优选的，步骤3中构建的所述目标函数包括水平面运动辨识目标函数s1和垂直面运动辨识目标函数s2，分别表示为：

19、

20、

21、其中，n为时间段t的数据个数，为试验航向数据，为时间段t内最大航向数值，为时间段t内最小航向数值，为试验纵倾数据，θmax为时间段t内最大纵倾数值，θmin为时间段t内最小纵倾数值，为试验深度数据，ζmax为时间段t内最大深度数值，ζmin为时间段t内最小深度数值。

22、优选的，步骤4中对所述种群进行初始化过程包括：

23、设置种群总数为m，根据所述水下航行器对应的外形尺寸经验所得水动力系数理论值预设设定范围，所述种群中每个个体在设定范围内随机生成；所述设定范围为水动力系数理论值±30％。

24、优选的，步骤5中采用所述改进遗传算法对所述种群进行优化的步骤包括：

25、步骤51、对所述种群进行进化操作；

26、步骤52、对所述种群进行变异操作：

27、步骤53、定义最大迭代数，重复步骤51和步骤52直至满足最大迭代数，并输出相应全局最优个体，所述全局最优个体作为所述关键水动力参数。

28、优选的，步骤51中对所述种群进行进化操作过程，如下所述：

29、步骤511：计算出所述种群中每个个体对应的目标函数值，组成目标函数值向量j，表示为：

30、j＝[j1 … ji … jm]'       (7)

31、其中，ji为第i个个体的目标函数值，m为种群的大小；

32、步骤512：对所述目标函数值向量中的目标函数值进行降序排序，并对对应的个体标记排序位置，设定选择压力为sp；

33、步骤513：根据排序位置和选择压力计算个体的适应度，表达式如下：

34、

35、fiti表示第i个个体的适应度，posi表示第i个个体的对应的排序位置，sp表示选择压力；那么其对应被选择的概率pi如下式所示：

36、

37、步骤514：对个体进行交叉操作，计算方法如下式所示：

38、

39、其中，和分别表示执行交叉操作的两个个体，分别表示两个个体交叉操作后对应的新个体；α是一个与个体具有相同维数的向量参数，其每一个分量的取值是[-d,1+d]区间内的均匀随机数，d为常数。

40、优选的，步骤5中对所述个体进行变异操作时采用高斯变异进行局部搜索，获得最优解。对个体的染色进行随机变异，提高多样性，避免过早进入局部收敛，寻找全局最优解；对种群进行高斯变异是指在变异时用符合均值为方差为σ2的正太分布的随机数以较小概率来替代染色体基因座上一个或多个原有的基因值；高斯变异可以对局部区域进行重点搜索，以便找到最优解；若需要变异的值为x，则可产生一个均值为x和方差为0.05倍的边界范围长度的高斯随机数来替代x；应用高斯变异也可能会使变异后的值超出边界，为了保证变异后得到的子代在边界范围内，对超出边界的值将其修改为离其最近的边界。

41、经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种面向控制律设计的水下航行器线性水动力参数辨识方法，该方法采用改进遗传算法对影响水下航行器控制律设计的关键水动力参数进行辨识，通过拟合水下航行器线性状态运动方程仿真曲线与水下航行器航行曲线构建目标函数，提高状态方程与水下航行器相似度。该方法仅需辨识少量水动力参数，可避免辨识结果陷入局部最优解，提高了辨识精度，同时提供了一种消除由于尺度效应带来建模误差影响控制律设计的途径，可进一步提升水下航行器操控系统综合控制品质和控制算法鲁棒性。

技术特征：

1.一种面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，所述试验数据包括纵向速度u、深度ζ、航向纵倾θ、方向舵舵角δr、艏舵舵角δb和艉舵舵角δs。

3.根据权利要求1所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，步骤1中所述线性运动状态方程包括水平面线性运动状态方程和垂直面线性运动状态方程，分别表示为：

4.根据权利要求1所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，步骤3中构建的所述目标函数包括水平面运动辨识目标函数s1和垂直面运动辨识目标函数s2，分别表示为：

5.根据权利要求1所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，步骤4中对所述种群进行初始化时，设置种群总数为m，根据所述水下航行器对应的水动力系数理论值预设设定范围，所述种群中每个个体在设定范围内随机生成。

6.根据权利要求1所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，步骤5中采用所述改进遗传算法对所述种群进行优化的步骤包括：

7.根据权利要求1所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，步骤51中对所述种群进行进化操作过程包括：

8.根据权利要求6所述的面向控制律设计的水下航行器线性水动力参数辨识方法，其特征在于，步骤5中对所述个体进行变异操作时采用高斯变异进行局部搜索，获得最优解。

技术总结本发明公开了一种面向控制律设计的水下航行器线性水动力参数辨识方法，涉及舰船综合运动控制技术与仿生智能算法的交叉领域，包括如下步骤：建立水下航行器线性运动状态方程；获取水下航行器航行试验数据；结合水下航行器水动力运动特性，确定目标函数；将线性运动状态方程包含的水动力参数作为个体组成种群，对种群进行初始化；根据目标函数采用改进遗传算法对种群进行优化，输出关键水动力参数。本发明有效减小典型操舵输入下水下航行器线性运动方程输出与试验数据的误差，进而减小用于控制器设计的水下航行器线性运动方程建模误差，提升水下航行器控制品质和控制算法鲁棒性。技术研发人员：黄宇明,李光磊,苏畅,孙泽斐,丁磊,王维,官根华,叶晶晶受保护的技术使用者：中国船舶集团有限公司第七零七研究所九江分部技术研发日：技术公布日：2024/7/18