神经动力学优化的水下航行器模型预测控制

摘要

21世纪人类对海洋的开发和利用不断增加，作为复杂海洋环境下的工作载体，自主水下航行器的研究备受世人瞩目。其中，运动控制是自主水下航行器领域的关键技术之一。然而，自主水下航行器是典型的多输入多输出、强非线性、强耦合和带约束的不确定性系统，很难实现对其运动的精确控制。针对自主水下航行器的系统特点，本文采用先进的控制技术和优越的在线优化算法实现对水下航行器的精准控制。
　　首先，根据运动学和流体力学知识，基于坐标变换和刚体的牛顿-欧拉方程建立水下航行器的运动学模型和动力学模型。在此基础上，通过对模型进行合理的简化，得到四自由度运动学模型和垂直面动力学模型，将这两个模型作为控制对象，为其设计控制算法。模型预测控制是一种先进的控制技术，具有对模型精度要求低、动态实施优化控制、鲁棒性好以及能够显式处理约束条件等特点，非常适用于对水下航行器的控制。模型预测控制的核心是有限时域的滚动优化过程，要求优化算法具有实时准确的求解能力。神经网络能够进行大规模并行运算的能力和快速收敛的特点使其成为求解在线优化问题的有效手段。
　　因此，本文将模型预测控制中对目标函数的优化转化为带约束的二次规划问题，并构造投影神经网络实时优化求解控制增量，将神经动力学优化的方法引入对自主水下航行器的模型预测控制中，并对其进行了镇定控制和轨迹跟踪控制。仿真结果表明，运用神经动力学优化的模型预测控制方法能够实现对自主水下航行器的精确镇定和跟踪控制。