本发明涉及无人船运动控制，尤其是一种可变形无人船的安全运动控制方法。
背景技术：
：1、随着科学技术的不断进步，无人船领域的快速发展极大地解放了海洋观测、水质监测与治理等方面的人力物力，适用于水质采样、水底地形测绘、水面垃圾清理等诸多水上工作内容。在实际应用中操作灵活，无人船能够代替人力完成危险环境的检测、采样等工作。现有技术中的无人船大多采用自动调节航速完成任务，进行航速调节时，通过水流检测结构、航速调节结构及无人船侧翼尾翼的伸缩变形相互配合，实现航速的自动调节，但此种调节方式，当无人船运行至狭窄巷道时，容易出现造成无人船碰撞损坏，从而导致航行任务失败。技术实现思路1、为了克服现有技术中存在的上述问题，本发明提出一种可变形无人船的安全运动控制方法。2、本发明解决其技术问题所采用的技术方案是：一种可变形无人船的安全运动控制方法，包括如下步骤：3、步骤1，根据无人船实时采集的航速与航向数据训练高斯过程回归预报模型，用于预报无人船未来时刻的航速；4、步骤2，通过改进的k-means++算法对高斯过程回归预报模型预报出的航速数据进行聚类，分别有排水、半滑行和滑行三种航行状态类别，速度小于3m/s为排水状态，速度在3-9m/s之间为半滑行状态，速度大于9m/s为滑行状态；5、步骤3，通过非线性储备池计算算法对无人船的航向进行建模预报，用于预报无人船未来时刻的航向；6、步骤4，控制器根据现在时刻与未来时刻的自身状态、周边环境、执行任务的变化完成对象船体的变形；7、步骤4.1，当无人船在狭窄航道执行作业任务时，若预报航速高于排水状态下航速范围，调节船侧翼及尾翼均贴近船体，仅主推进器提供动力，助其降速；若预报航向与量测航向的变化高于狭窄航道航向变化阈值，则进行收舵：8、；9、；10、；11、步骤4.2，当无人船靠近狭窄航道作业地点时，若预报航速高于半滑行状态航速范围，调节船侧翼及尾翼均贴近船体，仅主推进器提供动力，助其降速，若预报航向与量测航向的变化高于航向变化阈值，则进行收舵：12、；13、；14、；15、步骤4.3，当无人船远离狭窄航道作业地点时，若预报航速低于半滑行状态航速范围，调节电动推杆将船侧翼推出，船侧翼的驱动器转动带动螺旋桨转动，主推进器、船侧翼螺旋桨同时为船体提供动力，助升船速；若预报航向与量测航向的变化高于航向变化阈值，则进行收舵：16、；17、；18、；19、步骤4.4，当无人船在宽阔无障碍海域执行作业任务时，若预报航速低于滑行状态航速范围，调节电动推杆将船侧翼推出，电动伸缩杆将尾翼推出，尾翼驱动器转动带动尾翼螺旋桨转动，主推进器、船侧翼螺旋桨、尾翼螺旋桨同时为船体提供动力，助升船速，无特殊转向要求：20、。21、上述的一种可变形无人船的安全运动控制方法，所述步骤1具体为：22、步骤1.1，高斯过程完全可以由均值函数和协方差函数来描述：23、 ；24、步骤1.2，采集航速、航向信息为高斯过程回归预报模型的训练集：25、；26、其中，是第i个输入数据，是第i个输出数据；27、步骤1.3，高斯过程回归中输入与输出的映射关系为：28、；29、其中，是服从均值为0，协方差为的独立高斯分布噪声；30、多维高斯分布的联合概率分布为：31、；32、其中，训练样本的均值函数先验给定为0，表示测试样本的输出，n表示高斯分布，表示测试样本与训练样本之间的混合核函数，表示训练样本之间的混合核函数，表示测试样本之间的混合核函数，表示噪声的协方差，表示单位矩阵；33、步骤1.4，通过舒尔布公式推导出：34、<mtable><mtr><mtd><mrow><mi>m(f(</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>))=e[f(</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>)∣</mi><mi>x</mi><mi>,</mi><mi>y</mi><mi>,</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>]=k(</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>,</mi><mi>x</mi><mi>)</mi><msup><mrow><mi>[k(</mi><mi>x</mi><mi>,</mi><mi>x</mi><mi>)+</mi><msubsup><mi>σ</mi><mi>n</mi><mn>2</mn></msubsup><msub><mi>i</mi><mi>n</mi></msub><mi>]</mi></mrow><mi>−1</mi></msup><mi>y</mi></mrow></mtd></mtr><mtr><mtd><mrow><mi>cov</mi><mi>(f(</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>))=k(</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>,</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>)−k(</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>,</mi><mi>x</mi><mi>)</mi><msup><mrow><mi>[k(</mi><mi>x</mi><mi>,</mi><mi>x</mi><mi>)+</mi><msubsup><mi>σ</mi><mi>n</mi><mn>2</mn></msubsup><msub><mi>i</mi><mi>n</mi></msub><mi>]</mi></mrow><mi>−1</mi></msup><mi>k(</mi><mi>x</mi><mi>,</mi><msub><mi>x</mi><mi>∗</mi></msub><mi>)</mi></mrow></mtd></mtr></mtable>；35、其中，表示测试样本输出的均值函数，即预报出的无人船速度矢量与航向，表示协方差函数，即预报出的无人船速度矢量与航速的不确定性，y表示训练样本的输出；36、步骤1.5，输出航速预报信息给改进的k-means++算法模块对航速进行聚类。37、上述的一种可变形无人船的安全运动控制方法，所述步骤1.3中混合核函数采取平方指数核函数与多项式核函数的混合核函数，具体公式：38、；39、其中， 是常数，与是平方指数函数与多项式核函数的权重，根据海洋取样环境自适应地调整权重的大小，、是核函数的超参数，超参数的选择是通过极大似然边界函数进行寻优，数学公式为：40、；41、其中，表示零均值的高斯分布噪声，是超参数向量；42、为了计算极大似然边界函数，对步骤1.4中公式求偏导为：43、<mtable><mtr><mtd><mrow><mi>λ</mi><mi>=</mi><msup><mrow><mi>[k(</mi><mi>x</mi><mi>,</mi><mi>x</mi><mi>)+</mi><msubsup><mi>σ</mi><mi>n</mi><mn>2</mn></msubsup><msub><mi>i</mi><mi>n</mi></msub><mi>]</mi></mrow><mi>−1</mi></msup><mi>y</mi></mrow></mtd></mtr><mtr><mtd><mrow><mfrac><mi>∂</mi><mrow><mi>∂</mi><msub><mi>θ</mi><mi>j</mi></msub></mrow></mfrac><mi>log</mi><mi>(p(</mi><mi>y</mi><mi>x,θ</mi></mfenced><mi>)=</mi><mfrac><mn>1</mn><mn>2</mn></mfrac><mi>tr{[λ</mi><msup><mi>λ</mi><mi>t</mi></msup><mi>−</mi><msup><mrow><mi>(k+</mi><msubsup><mi>σ</mi><mi>n</mi><mn>2</mn></msubsup><msub><mi>i</mi><mi>n</mi></msub><mi>)</mi></mrow><mi>−1</mi></msup><mi>]</mi><mfrac><mrow><mi>∂(</mi><mi>k+</mi><msubsup><mi>σ</mi><mi>n</mi><mn>2</mn></msubsup><msub><mi>i</mi><mi>n</mi></msub><mi>)</mi></mrow><mrow><mi>∂</mi><msub><mi>θ</mi><mi>j</mi></msub></mrow></mfrac><mi>}</mi></mrow></mtd></mtr></mtable></mfenced>；44、其中，表示向量；45、输出航速矢量、航向的预报信息。46、上述的一种可变形无人船的安全运动控制方法，所述步骤2具体包括：47、步骤2.1，输入是混合核函数高斯过程回归预报出的航速数据集：，，其中是轴纵荡速度，是轴横荡速度，轴速度忽略不计，输出数据为簇划分；48、步骤2.2，从数据集中选取3个作为初始质心向量：，49、随机初始化质心为：50、；51、；52、；53、其中，，是长度傅汝德数，是船舶的水线长，g为重力加速度，指的是排水状态下的航速范围，指的是半滑行状态下的航速范围，指的是滑行状态下的航速范围；54、步骤2.3，在最大迭代次数中，计算每个样本点与随机初始化的质心的距离：55、；56、其中， 是质心的个数；距离较大的样本点成为聚类中心的概率较高，该概率的计算方法如下：57、；58、 越大，表示选择为质心的概率越大，概率最大的样本点被设为下一个质心，直到找到三个质心为止；使用初始的 k-means 算法将每个样本点归入最近的簇，最后对簇的分类进行输出。59、上述的一种可变形无人船的安全运动控制方法，所述步骤3具体为：60、步骤3.1，将历史时刻的量测航向作为输入，时刻的输出记为，储备池时刻的状态记为，在第时刻，储备池内部状态与历史时刻储备池的输入关系为：61、；62、为，为积分型神经元的稀疏度，为激活函数,为海洋环境中表现出的强非线性系数，为超参数，为输入层到储备池的连接权值矩阵，为储备池状态到下一个时刻储备池状态的连接权值矩阵，为储备池到输出层的连接权值矩阵；63、步骤3.2，在第时刻，输出层状态方程为：64、；65、代表向量连接；66、步骤3.3，使用岭回归方法训练求解：67、；68、为储备池的状态矩阵，为正则化系数，为一个维的单位矩阵，为目标输出矩阵；69、步骤3.4，输出未来时刻无人船航向信息。70、本发明的有益效果是，本发明能够根据周边环境及执行任务的变化对无人船进行自适应地变形，实现不同航行状态的过渡，减少无人船海上碰撞风险，安全有效的完成航行任务。当前第1页12
技术特征：1.一种可变形无人船的安全运动控制方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种可变形无人船的安全运动控制方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的一种可变形无人船的安全运动控制方法，其特征在于，所述步骤1.3中混合核函数采取平方指数核函数与多项式核函数的混合核函数，具体公式：
4.根据权利要求1所述的一种可变形无人船的安全运动控制方法，其特征在于，所述步骤2具体包括：
5.根据权利要求1所述的一种可变形无人船的安全运动控制方法，其特征在于，所述步骤3具体为：
技术总结本发明公开了一种可变形无人船的安全运动控制方法，涉及无人船技术领域，通过混合核函数高斯过程回归预报模型对航速矢量进行预报，通过改进的k‑means++算法将预报出的航速聚类为排水状态、半滑行状态与滑行状态；通过非线性储备池计算算法对航向进行建模预报；控制器根据周边环境、自身状态以及状态信息的预报自适应地控制无人船变形，制定安全运动策略，实现航行状态的过渡，安全有效的完成航行任务。本发明能够根据周边环境及执行任务的变化对无人船进行自适应地变形，实现不同航行状态的过渡，减少无人船海上碰撞风险，安全有效的完成航行任务。
技术研发人员：丁硕,金久才,刘德庆,马毅,张杰
受保护的技术使用者：中国石油大学（华东）
技术研发日：技术公布日：2024/10/31
