浙江大学黄豪彩获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉浙江大学申请的专利一种自主水下直升机自适应神经网络轨迹跟踪方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115576335B 。
龙图腾网通过国家知识产权局官网在2025-09-05发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211166905.7,技术领域涉及:G05D1/43;该发明授权一种自主水下直升机自适应神经网络轨迹跟踪方法是由黄豪彩;吴哲远;王卿;冯仁栋;安新宇;王杭州;司玉林;陈鹰设计研发完成,并于2022-09-23向国家知识产权局提交的专利申请。
本一种自主水下直升机自适应神经网络轨迹跟踪方法在说明书摘要公布了:本发明公开一种自主水下直升机自适应神经网络轨迹跟踪方法,包括:1构建AUH的动力学模型,采用推力分配矩阵形式表示推进器的故障影响,生成以控制系统的状态变量表示的AUH的动力学方程;2建立改进的性能函数,并构造误差变换;3设计状态观测器估计轨迹跟踪控制策略所需的状态信息,并引入径向基函数神经网络逼近系统集总不确定性;4根据所述状态观测器构建AUH的轨迹跟踪控制器。本发明提出的预设性能控制方法在处理有约束的控制问题时,通过性能函数与误差变换以及对无约束系统的控制可以实现原始系统的收敛速度、超调以及跟踪误差满足预先设定的性能。这使其在严格约束问题上控制性能优异,并逐渐向各个领域推广应用。
本发明授权一种自主水下直升机自适应神经网络轨迹跟踪方法在权利要求书中公布了:1.一种自主水下直升机自适应神经网络轨迹跟踪方法,其特征在于,包括: 1构建AUH的动力学模型,采用推力分配矩阵形式表示推进器的故障影响,生成以控制系统的状态变量表示的AUH的动力学方程; 所述步骤1中AUH的动力学模型为: 式中:M为质量惯性矩阵,η=[ηx,ηy,ηz,ηφ,ηθ,ηψ]T为惯性坐标系下的AUH六自由度位置与姿态向量,v=[vu,vv,vw,vp,vq,vr]T为运动坐标系下的AUH速度与角速度向量,J表示联系惯性坐标系与运动坐标系的转换矩阵,Cv矩阵代表AUH的科氏力和向心力部分,Dv矩阵代表AUH的水动力阻尼部分,gη矩阵表示AUH重力和浮力产生的力和力矩,τ表示AUH推进器输出的控制力和力矩; 所述AUH的推进器的故障影响采用推力分配矩阵形式表示,定义为ΔB;实际的控制力与力矩表示为: τ+Δτ=B0-KBu=B0+ΔBu 式中:B0代表AUH推力分配矩阵的标称值,B为AUH的推力分配矩阵,u代表AUH推进器的控制输出,K是一个对角矩阵,其元素kii∈[0,1],表示相应的推进器故障程度,其中1代表故障程度最高,推进器完全失效; AUH的动力学模型可改写为: 式中:Mη=MJ-1,CAη=CAvrJ-1,Dη=DvrJ-1,下标0表示标称值,CRBη0为AUH科氏力和向心力标称矩阵中刚体的部分,CAη0为AUH科氏力和向心力标称矩阵中附加质量的部分,Dη0为标称的水动力阻尼矩阵,gη0表示标称的AUH重力和浮力产生的力和力矩;F表示系统的总不确定度,其表达式如下: 式中:表示海流扰动造成的影响;Δ表示不确定值; 在所述步骤1中,令表示控制系统的状态变量,则AUH的动力学方程可以改用状态变量表示: 式中:H=[In0],x1为AUH位置信息η,x2为AUH速度信息 2建立改进的性能函数,并构造误差变换; 所述步骤2中,建立有限时间形式的性能函数约束跟踪轨迹, 其中0<k2<1;ρ0和ρ∞分别是性能函数在初始和结束时刻的值;tf代表性能函数达到结束时刻的值所需的时间,可以根据实际需要人为调整; 令zit=eitρit,在区间-∞,+∞上定义一种变换误差εit: 当变换误差εit位于区间-∞,+∞时,zit满足-1<zit<1; 3设计状态观测器估计轨迹跟踪控制策略所需的状态信息,并引入径向基函数神经网络逼近系统集总不确定性; 在步骤3中,引入RBFNN来逼近包括了海流扰动、建模不确定性和推进器故障的系统集总不确定性F;在区间Ω上,RBFNN对系统集总不确定性F的估计值可以表述为: F=W*ThxN+μ 式中:为神经网络输入向量,hxN=[h1xN,h2xN,...,hjxN,...hmxN]T∈Rm,m为网络隐层节点数;hjxN通常采用高斯基函数的形式表示: 式中:cj为网络中第j个节点的中心向量,cj=[cj1,cj2,...,cjq]T,bj>0为节点j的基宽值;是网络的理想权值阵,μ∈Rn为逼近误差,且满足||μ||≤μ*,μ*为未知的正常数;对于权值矩阵W∈Rm×n,定义为: 所述步骤3的状态观测器为: 式中:分别代表状态变量和输出变量的观测值,L1和L2∈Rn为待设计的对角增益矩阵,代表系统集总不确定性F的估计值,神经网络的输入xN可以被表示为将观测器改写为更紧凑的形式: 其中L=[L1,L2]T;令代表状态观测误差,则有: 式中: 4根据所述状态观测器构建AUH的轨迹跟踪控制器; 所述轨迹跟踪控制器为: 式中:B0代表AUH推力分配矩阵的标称值,CRBη0为AUH科氏力和向心力标称矩阵中刚体的部分,CAη0为AUH科氏力和向心力标称矩阵中附加质量的部分,Dη0为标称的水动力阻尼矩阵,gη0表示标称的AUH重力和浮力产生的力和力矩,xe1为关于AUH位置信息的观测误差,代表由误差和系统状态组成的已知项,h为高斯基函数,K2是增益矩阵,β是常数。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。