本發(fā)明涉及自主控制，特別涉及一種基于bp神經(jīng)網(wǎng)絡(luò)和pid的水下無人艇懸?；旌向?qū)動控制方法。
背景技術(shù)：
1、水下無人艇以某一姿態(tài)準(zhǔn)確的懸停(兩個自由度，分別是深度和航向)于海洋空間中的某一位置，是其完成水下作業(yè)的基礎(chǔ)。但水下無人艇容易受到海浪、洋流、以及系統(tǒng)自身等多擾動的環(huán)境影響，使準(zhǔn)確懸停一直以來都是水下機器人技術(shù)的難點。
技術(shù)實現(xiàn)思路
1、本公開提供一種基于bp和pid的水下無人艇懸?；旌向?qū)動控制方法，其利用pid和bp混合控制器解決巡檢機器人的水下懸停，其中bp可以有效抑制pid控制誤差，也能減少系統(tǒng)的調(diào)節(jié)時間，減少超調(diào)量；神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力，能夠克服傳統(tǒng)pid控制器由于被控對象時變不確定性、非線性和難以建立精確數(shù)學(xué)模型而出現(xiàn)的性能欠缺；同時，神經(jīng)網(wǎng)絡(luò)具有強魯棒性和自適應(yīng)能力。該方法將pid和bp算法的優(yōu)勢互補，能夠達(dá)到快速穩(wěn)定的控制效果。
2、本公開提供的基于bp和pid的水下無人艇懸?；旌向?qū)動控制方法，包括以下步驟：
3、s1，實時獲取水下無人艇在水下的姿態(tài)信息，包括：深度信息以及航向信息，所獲取的數(shù)據(jù)均為傳感器采集到的原始數(shù)據(jù)；
4、s2，對獲取到的深度和航向的原始數(shù)據(jù)進(jìn)行濾波處理；
5、s3，利用pid控制算法對水下無人艇的深度和航向進(jìn)行控制：pid的輸入為當(dāng)前時刻的深度值和目標(biāo)深度，或者航向值和目標(biāo)航向，輸出為作用于水下無人艇推進(jìn)器的控制量；
6、s4，利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測目標(biāo)深度與當(dāng)前時刻深度值之間差值、或目標(biāo)航向與當(dāng)前時刻航向值之間差值對應(yīng)的推進(jìn)器轉(zhuǎn)速；
7、s5，pid的輸出值和bp神經(jīng)網(wǎng)絡(luò)輸出值相加，作用于垂直推進(jìn)器和轉(zhuǎn)向推進(jìn)器，分別控制水下無人艇的深度和航向，實現(xiàn)水下無人艇二自由度的水下懸?？刂?。
8、進(jìn)一步的，所述步驟s2中，用卡爾曼濾波對獲取到的深度和航向的原始數(shù)據(jù)進(jìn)行處理。
9、進(jìn)一步的，所述步驟s3中，采用增量式pid控制。
10、進(jìn)一步的，所述步驟s4中，bp的結(jié)構(gòu)包括輸入層、隱層和輸出層，其中：2個輸入，隱層節(jié)點為20，1個輸出；
11、輸入值為目標(biāo)深度和實時的深度，或為：目標(biāo)航向和實時的航向；
12、輸出值為推進(jìn)器占空比誤差值。
13、進(jìn)一步的，所述步驟s4中，利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測目標(biāo)深度與當(dāng)前時刻深度值之間的差值對應(yīng)的推進(jìn)器轉(zhuǎn)速的方法具體包括：
14、設(shè)輸入值為x＝[evalue,rvalue]t，其中evalue表示期望深度，rvalue表示經(jīng)過濾波算法處理過的測量深度值，輸出值y＝dcerror，其中dcerror為推進(jìn)器占空比誤差值；
15、則輸出計算方法如下：
16、
17、其中，b是偏置，wi為隱層和輸出層之間第i節(jié)點的權(quán)重，hi是隱層第i節(jié)點值，激活函數(shù)為：
18、
19、最終垂直推進(jìn)器的輸入值為：
20、y＝u[k]+y[k]
21、其中，u[k]是pid的輸出值，y[k]是bp計算的補償值，y是推進(jìn)器的最終輸入值。
22、進(jìn)一步的，在步驟s5中，實現(xiàn)bp和pid混合控制，該控制器的輸入為[d,d',ψ,ψ']，其中d為深度測量值，d'為目標(biāo)深度值，ψ為航向測量值，ψ'是目標(biāo)航向值；該系統(tǒng)的輸出值為[p1,p2,p3,p4]，其中p1，p2為巡檢機器人垂直推進(jìn)器的控制信號，p3，p4為巡檢機器人轉(zhuǎn)向推進(jìn)器的控制信號，最終實現(xiàn)水下機器人的懸?？刂啤?/p>
23、應(yīng)用上述方法的基于bp和pid的水下無人艇懸?；旌向?qū)動控制裝置，包括：傳感器模塊、數(shù)據(jù)處理模塊、pid控制模塊、bp神經(jīng)網(wǎng)絡(luò)模塊、pid和bp融合輸出模塊；其中：
24、傳感器模塊，包括深度傳感器和慣性導(dǎo)航傳感器，深度傳感器用于實時測量水下無人艇的深度數(shù)據(jù)，慣性導(dǎo)航傳感器用于實時測量水下無人艇的航向角數(shù)據(jù)；
25、數(shù)據(jù)處理模塊，用于深度傳感和慣性導(dǎo)航傳感器原始數(shù)據(jù)的濾波處理，去除原始數(shù)據(jù)中的噪聲，還原真實數(shù)據(jù)，進(jìn)一步提高控制的精確性；
26、pid控制模塊，用于把水下無人艇的深度和航向偏差的比例、積分和微分通過線性組合構(gòu)成控制量，用該控制量對水下無人艇進(jìn)行懸?？刂疲?/p>
27、bp神經(jīng)網(wǎng)絡(luò)模塊，包括輸入層、隱層和輸出層，用于預(yù)測出水下無人艇當(dāng)前時刻深度或航向與其目標(biāo)值之間的差值所對應(yīng)的控制量；
28、pid和bp融合輸出模塊，用于pid的輸出值與bp的輸出值相加，作用于水下無人艇的推進(jìn)器，實現(xiàn)水下無人艇的懸?？刂?。
29、與現(xiàn)有技術(shù)相比，本公開的有益效果是：①bp神經(jīng)網(wǎng)絡(luò)可以有效抑制pid控制誤差，也能減少系統(tǒng)的調(diào)節(jié)時間，減少超調(diào)量；②神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)能力，能夠克服傳統(tǒng)pid控制器由于被控對象時變不確定性、非線性和難以建立精確數(shù)學(xué)模型而出現(xiàn)的性能欠缺；③神經(jīng)網(wǎng)絡(luò)具有強魯棒性和自適應(yīng)能力，該方法將pid和bp算法的優(yōu)勢互補，能夠達(dá)到快速穩(wěn)定的控制效果。
1.一種基于bp和pid的水下無人艇懸?；旌向?qū)動控制方法，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟s2中，用卡爾曼濾波對獲取到的深度和航向的原始數(shù)據(jù)進(jìn)行處理。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟s3中，采用增量式pid控制。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟s4中，bp的結(jié)構(gòu)包括輸入層、隱層和輸出層，其中：2個輸入，隱層節(jié)點為20，1個輸出；
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述步驟s4中，利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測目標(biāo)深度與當(dāng)前時刻深度值之間的差值對應(yīng)的推進(jìn)器轉(zhuǎn)速的方法具體包括：
6.根據(jù)權(quán)利要求1-5中任一所述的方法，其特征在于，在步驟s5中，實現(xiàn)bp和pid混合控制，該控制器的輸入為[d,d',ψ,ψ']，其中d為深度測量值，d'為目標(biāo)深度值，ψ為航向測量值，ψ'是目標(biāo)航向值；輸出值為[p1,p2,p3,p4]，其中p1，p2為巡檢機器人垂直推進(jìn)器的控制信號，p3，p4為巡檢機器人轉(zhuǎn)向推進(jìn)器的控制信號，最終實現(xiàn)水下機器人的懸停控制。
7.一種應(yīng)用權(quán)利要求1-6中任一所述方法的基于bp和pid的水下無人艇懸停混合驅(qū)動控制裝置，其特征在于，包括：傳感器模塊、數(shù)據(jù)處理模塊、pid控制模塊、bp神經(jīng)網(wǎng)絡(luò)模塊、pid和bp融合輸出模塊；其中：