基于软切换的无人船多模预测控制方法、系统及存储介质

本发明属于无人智能船舶自动控制，尤其涉及一种基于软切换的无人船多模预测控制方法、系统及存储介质。

背景技术：

1、近年来，随着自动化与计算机技术的发展，无人船(unmanned surface vehicle，usv)在海洋领域的应用日益广泛，涵盖了水域探索、环境监测、资源勘探、海事救援等多个方面。相较于传统船舶，usv具有成本低、风险小、适应性强等优势，在水域智能设备中备受关注。

2、对于船舶的控制策略已有大量的研究，如pid控制器、滑模控制器、自适应控制器以及模糊逻辑控制器等。由于无人船本身的非线性动态特性以及在海洋环境中可能面临与其他船只、障碍物或危险区域的碰撞风险，有效的避碰响应也应是控制器需要解决的关键问题。然而，在多数的usv应用中并没有考虑避碰(collision avoidance，ca)问题。模型预测控制(model predictive control，mpc)作为最先进的控制技术之一，因其最优的控制性能和处理复杂系统约束的能力而成为无人系统控制问题的热门策略。因此，将ca方案集成到模型预测控制器中可以满足实际场景中船舶自身的机动特性并实现对障碍物的自主避让。

3、多模控制是一种随系统运行状态变化的控制策略，可以实现多种控制策略的综合优势，使复杂系统的控制性能得到最佳表现。该方法已在军事工程、生物工程、汽车工程、电力工程等多个行业领域得到了广泛探索和应用，并展现出了积极成效。由于耦合非线性以及海洋环境的复杂性，在各种不同的任务操作条件下，usv的运动特性有很大的不同。没有一种单一的控制策略能在所有情况下都保证最佳的性能，有些策略可能在某种特定环境下具有优越性，但在其它环境下则可能效果不佳。因此，有必要对usv的多模控制策略进行研究。

4、多模式控制策略在usv的应用上仍属于未探索的领域，需要设计合适策略提高系统的控制性能，并对障碍物实现自主避让提升安全性能。

技术实现思路

1、本发明的目的在于针对现有技术的不足，提供一种基于软切换的无人船多模预测控制方法、系统及存储介质。本发明能够实现无人船的多模预测控制，有效提高了无人船控制的准确性和安全性。

2、本发明的目的是通过以下技术方案来实现的：本发明实施例第一方面提供了一种基于软切换的无人船多模预测控制方法，包括：

3、建立无人船运动数学模型；其中，所述运动数学模型通过无人船直线运动和z型操纵运动的试验数据辨识得到；

4、设定无人船运动的双级控制模式；其中，所述双级控制模式根据无人船的运行状态进行控制模式的划分；

5、基于无人船的运动数学模型对无人船构建非线性模型预测控制器，以处理多变量非线性约束问题；

6、根据双级控制模式的第一级，添加对应的障碍物避碰约束；

7、根据双级控制模式的第二级，构建基于软切换的多模控制；

8、通过使用casadi 3.6.4，基于ipopt包对nmpc优化问题求解；

9、通过基于软切换的多模控制非线性模型预测控制器进行无人船多模预测控制。

10、进一步地，所述设定无人船运动的双级控制模式；其中，所述双级控制模式根据无人船的运行状态进行控制模式的划分，包括：

11、定义双级控制模式：第一级，根据无人船的运行状态将控制模式划分为直航、转弯、点稳定和轨迹跟踪四种；

12、第二级，在第一级控制模式的基础上，根据无人船的速度将控制模式划分为低速、中速和高速三种。

13、进一步地，所述基于无人船的运动数学模型对无人船构建非线性模型预测控制器，以处理多变量非线性约束问题，包括：

14、根据无人船的运动数学模型确定无人船的状态方程和输出方程，以构建非线性系统，并设定参考轨迹作为未来期望的状态演变路径；

15、通过设定非线性模型预测控制器的代价函数，建立在每个时刻对未来有限时间步长内的最优控制；

16、在每个控制周期开始时，对最优控制不断迭代求解，获得预测有限时间步长范围内的最优控制序列，选取最优控制序列的第一个元素作为当前的最优控制输入并将其应用于无人船。

17、进一步地，所述根据双级控制模式的第一级，添加对应的障碍物避碰约束，包括：

18、基于双级控制模式的第一级，通过传感器或其他检测设备实时监测无人船的周围环境，对周围的障碍物进行识别和定位；根据锁定的障碍物的类型、大小和相对位置，制定障碍物避碰约束，并将其添加到非线性模型预测控制器中；根据障碍物避碰约束对无人船的原有控制方案进行调整，更新无人船的控制输入。

19、进一步地，所述根据双级控制模式的第二级，构建基于软切换的多模控制，包括：

20、根据无人船的当前速度，通过sigmoid函数计算出在低速模式、中速模式和高速模式的权重；

21、分别定义无人船在低速模式、中速模式和高速模式下的系统状态权重矩阵和控制输入权重矩阵；

22、在每种速度模式下，根据无人船的当前运动状态、推力以及预设的参考轨迹，分别求解出无人船在该速度模式下的状态偏差和控制输入的代价；

23、根据无人船在各速度模式的权重将对应速度模式下的状态偏差和控制输入的代价加权求和，更新得到总优化目标函数；并对总优化目标函数不断迭代求解，以更新无人船的系统状态和控制输入，供下一次滚动优化使用。

24、进一步地，所述通过基于软切换的多模控制非线性模型预测控制器进行无人船多模预测控制，包括：

25、根据无人船在执行双级控制模式中第一级时的不同模式，结合任务特性，添加对应的障碍物避碰约束；

26、基于无人船的运行状态执行双级控制模式中第二级不同速度模式下的基于软切换的多模控制，以使无人船整体控制性能达到最佳。

27、本发明实施例第二方面提供了一种基于软切换的无人船多模预测控制系统，用于实现上述的基于软切换的无人船多模预测控制方法，包括：

28、建立模块，用于建立无人船运动数学模型；其中，所述运动数学模型通过无人船直线运动和z型操纵运动的试验数据辨识得到；

29、分类模块，用于根据无人船的运行状态进行控制模式划分，构建双级控制模式；

30、组合构建模块，用于基于无人船的运动数学模型对无人船构建非线性模型预测控制器，以处理多变量非线性约束问题；

31、第一构建模块，用于根据双级控制模式的第一级，添加对应的障碍物避碰约束；

32、第二构建模块，用于根据双级控制模式的第二级，构建基于软切换的多模控制；

33、计算模块，用于通过使用casadi 3.6.4，基于ipopt包对nmpc优化问题求解；和

34、实施模块，用于通过基于软切换的多模控制非线性模型预测控制器进行无人船多模预测控制。

35、本发明实施例第三方面提供了一种电子设备，包括：

36、一个或多个处理器；和

37、存储器，所述存储器与所述处理器耦接；

38、其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现上述的基于软切换的无人船多模预测控制方法。

39、本发明实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时，用于实现上述的基于软切换的无人船多模预测控制方法。

40、本发明的有益效果为，本发明首先建立无人船运动的数学模型，其中运动模型通过无人船直线运动和z型操纵运动的试验数据辨识得到；之后，构建了双级控制模式对无人船的运行状态进行控制模式划分，并对无人船构建非线性模型预测控制器，以适应无人船复杂、变化环境下的航行；接着，根据双级控制模式的第一级，添加相应的障碍物避碰约束决策，提升了无人船运动控制的安全性；同时，根据双级控制模式的第二级，构建基于软切换的多模预测控制，并通过使用casadi 3.6.4，基于ipopt包对nmpc优化问题进行求解，有效提高了无人船在不同速度模式下以及在速度模式切换时的控制性能和效率；本发明通过基于软切换的多模预测控制模型进行无人船多模预测控制，具有提高对无人船控制的准确性和安全性的效果。