CN104049639B - 一种基于支持向量回归机的无人艇抗浪涌控制装置和方法 - Google Patents

Abstract

本发明公开了一种基于支持向量回归机的无人艇抗浪涌控制装置和方法。本装置主要包括：水面无人艇、嵌入式计算机、全向式无线设备、GPS和罗经，无线设备和GPS主体安装于无人艇控制舱内，天线安装在艇体顶部；罗经安装于艇体重心；嵌入式计算机与GPS、罗经、无线设备相连，控制算法存储于嵌入式计算机。在实现过程中通过无线设备接收由X波段雷达监测的相关海域浪涌信息，罗经实时获取无人艇的位姿信息，利用基于支持向量回归机的抗浪涌控制算法对浪涌及位姿信息进行解算，输出控制指令；无人艇执行控制指令，实现无人艇的抗浪涌干扰运动控制。本发明提供一种可以有效地适应外界干扰，实现基于支持向量回归机的无人艇抗浪涌控制装置和方法。

Description

一种基于支持向量回归机的无人艇抗浪涌控制装置和方法

技术领域

本发明涉及水面无人艇运动控制和抗海浪涌干扰领域，特别涉及一种基于支持向量回归机的无人艇抗浪涌控制装置和方法。

背景技术

水面无人艇是一个无人智能平台，需要在复杂环境中自主完成各种复杂任务，这要求其具备精准的机动和自适应能力。水面无人艇是一种典型的欠驱动非完整系统，具有模型不确定性、非线性和时变性、受复杂海洋环境干扰等特点。由于水面无人艇在复杂的海洋环境中运动，水动力参数复杂，这使得单一的数学模型很难完全实现无人艇的航向控制问题，尤其是存在外界浪涌等干扰下。因此，寻求新的控制方案以适应无人艇实际航行需要已成为近年的研究热点。

随着无人艇在军事与民用领域中的重要性以及突触的优势，研究者们不断地将各种先进现代控制理论应用到无人艇的运动控制之中，如滑模变结构控制、鲁棒控制、神经网络控制、自适应控制等等。虽然这些控制算法的先进性突触，但是目前大多数控制理论仍旧处于计算机仿真阶段与实际工程应用还有较大距离；另外，目前这些先进控制算法的抗干扰能力有限，对于复杂海浪环境的强外界干扰环境控制稳定性较差。所以，研究一种能实际应用于强干扰环境的控制方法显得尤为重要。

发明内容

本发明的目的是针对水面无人艇在复杂海洋环境中存在的强干扰，及控制系统的鲁棒性要求，提供一种基于支持向量回归机的无人艇抗浪涌控制装置和方法，以解决水面无人艇在强海浪涌干扰环境下的稳定性运动控制。

为达到上述目的，本发明采用下述技术方案：

一种基于支持向量回归机的无人艇抗浪涌控制装置，包括水面无人艇、嵌入式计算机、全向式无线设备、GPS和罗经，所述全向式无线设备和GPS的主体安装于水面无人艇控制舱内，所述GPS的接收天线和全向式无线设备的全向天线安装在水面无人艇顶部；所述罗经安装于水面无人艇重心处；所述嵌入式计算机分别与全向式无线设备、GPS、罗经相连；根据GPS获取水面无人艇的经纬度坐标值，基站或母船上的X波段海事雷达监测周围海域的浪涌信息，并通过全向式无线设备传输到嵌入式计算机中，所述嵌入式计算机中的基于支持向量回归机的无人艇抗浪涌控制算法，对浪涌信息及罗经实时获取的水面无人艇的位姿信息进行解算，输出控制指令，水面无人艇执行控制指令，完成水面无人艇的抗浪涌干扰运动控制。

一种基于支持向量回归机的无人艇抗浪涌控制方法，采用上述基于支持向量回归机的无人艇抗浪涌控制装置，控制步骤为：

1）水面无人艇进行初始化设置，完成水面无人艇位置、姿态及船载设备的初始化，包括初始航迹设定；

2）启动水面无人艇，嵌入式计算机向水面无人艇发送初始控制指令；

3）全向式无线设备接收GPS获取的水面无人艇的经纬度坐标值，以及基站或母船上的X波段海事雷达监测周围海域的浪涌信息，与罗经获取的水面无人艇的位姿信息一起存储在嵌入式计算机中；

4）嵌入式计算机利用上述信息，进行基于支持向量回归机的无人艇抗浪涌控制方法解算；得到水面无人艇执行机构的控制指令；

5）嵌入式计算机将控制指令发送到水面无人艇的执行机构，水面无人艇执行机构执行控制指令，实现水面无人艇的抗浪涌运动控制。

所述步骤4）中的进行基于支持向量回归机的无人艇抗浪涌控制方法解算，具体步骤如下：首先将浪涌信息和水面无人艇的位姿信息作为基于模糊信息粒化法的回归预测器的输入信号，进行回归预测计算；其次，无人艇运动规划器的输出信号理论控制位姿状态值与基于模糊信息粒化法的回归预测器的输出信号作为无人艇运动控制决策器的输入信号，根据用于自定义不同的决策规则进行求解；最后，无人艇运动控制决策器求解的输出信号，即为水面无人艇执行机构的控制指令。

上述回归预测计算步骤如下：

（a）以基站或母船上的X波段海事雷达提取的浪涌信息：有效波高，平均波周期，平均波向，涌浪周期、方向、长度，风浪周期、方向、长度为模型自变量；水面无人艇（1）的位姿特征偏航角Yaw为应变量；

（b）采集历史原始数据，将步骤（a）中自变量和应变量时间序列作为输入向量，数据样本表示为：

其中，X_k表示在第k时刻输入的样本向量，x _k1，x _k2，x _k3，x _k4，x _k5，x _k6，x _k7，x _k8表示（a）中模型自变量的数值，y_k表示无人艇的偏航角Yaw的值，k=1，2，...，l；

（c）数据的预处理，本发明主要采用Witold Pedrycz的粒化方法进行处理，在此之前对数据进行归一化处理；对于给定的时间序列，把时间序列X看成一个窗口进行模糊化；模糊化的任务是在X上建立一个模糊粒子P，即一个能够合理描述X的模糊概念G，因此确立G也就确定模糊粒子P：

（1）

论域中U中取值的变量，G是U的模糊子集，由隶属函数来刻画。模糊化过程本质上是确定一个函数A，A为模糊概念G的隶属函数；采用三角型的模糊粒子，其隶属函数如下所示，其中a ,b分别为模糊数的下限和上限，m可能性最大的值。

（2）

利用模糊信息粒化法对收集的特征信息数据进行粒化，设定粒化窗口数目及输出模糊粒子的三个参数值LOW，R，UP；

（d）利用支持向量机，即SVM对三个模糊粒子参数LOW，R，UP进行回归预测计算，采用交叉验证法选择回归最佳参数c和g，通过多次训练SVM，得到最佳回归模型得到预测值；支持向量机预测方法是通过非线性映射把输入控件映射到高维特征空间做线性回归，，式中：表示原样本空间，表示映射后的样本空间，为映射后样本空间的维数，为原样本空间的维数，支持向量机对应的函数回归估计如公式（3）～（5）：

（3）

（4）

（5）

式中，为支持向量机权向量，为的转置向量，为映射函数，和对应的向量为的维向量，b为偏置量，C为支持向量机的惩罚系数，N为输入样本总量，和均为松弛项，二者数值不同，为不敏感函数；

在高维空间中求解公式（3）中的，选取径向核函数，得到表达式：

（6）

式中，为支持向量机权向量，，均为拉格朗日乘子，为映射函数，N=1,2,3...l。

再根据Karush-Kuhn-Tucker最优化条件求偏置量b，则得回归函数：

（7）

式中，，均为拉格朗日乘子，为径向基函数，因此可以求得公式（7）中拉格朗日乘子，所对应的向量即为支持向量。

与现有技术相比，本发明具有如下特点：

本发明利用基于模糊集理论的三角型模糊信息粒化法应用于水面无人艇的抗浪涌干扰中，提高了无人艇对海浪环境实时感知能力，使得无人艇具有很好的鲁棒性和智能化航向控制能力。

附图说明

图1为本发明用于无人艇抗浪涌控制装置的总体原理示意图。

图2为本发明用于无人艇抗浪涌控制方法的原理框图。

图3为本发明用于无人艇抗浪涌运动控制流程图。

具体实施方式

本发明的优选实施例详述如下：

实施例1

如图1所示，本基于支持向量回归机的无人艇抗浪涌控制装置，水面无人艇1控制舱安装有嵌入式计算机2、全向式无线设备3和GPS4主机，GPS4接收天线和无线设备5的全向天线安装在水面无人艇1顶部；罗经5安装于水面无人艇1重心处；嵌入式计算机2与GPS4、罗经5、全向式无线设备3相连，基于支持向量回归机的无人艇抗浪涌控制算法存储于嵌入式计算机2。根据GPS4获取的经纬度坐标值，X波段雷达监测周围海域的浪涌信息，并通过全向式无线设备3传输到嵌入式计算机2中。嵌入式计算机中2中的基于支持向量回归机的无人艇抗浪涌控制算法，对浪涌信息及罗经5实时获取的水面无人艇1的位姿状态信息进行解算，输出控制指令。水面无人艇1执行控制指令，完成无人艇1的抗浪涌干扰运动控制。

实施例2

参见图2、图3所示，本基于支持向量回归机的无人艇抗浪涌控制方法，采用上述装置进行，具体实施步骤为：

1）水面无人艇1进行初始化设置，完成水面无人艇1位置、姿态及船载设备的初始化，保证系统正常启动后，对初始航迹进行设定；

2）启动水面无人艇1，嵌入式计算机2根据初始设定的航迹控制向水面无人艇1发送初始控制指令；

3）当全向式无线设备3接收GPS 4获取的水面无人艇1的经纬度坐标值，以及基站或母船上的X波段海事雷达监测周围海域的浪涌信息，与罗经5获取的水面无人艇1的位姿信息一起存储在嵌入式计算机2中；

4）嵌入式计算机2利用上述信息，进行基于支持向量回归机的无人艇抗浪涌控制方法解算；得到水面无人艇1执行机构的控制指令；

5）嵌入式计算机2将最终的控制指令发送到水面无人艇1的执行机构，水面无人艇1执行机构执行控制指令，实现水面无人艇1的抗浪涌运动控制。

所述步骤4）中的进行基于支持向量回归机的无人艇抗浪涌控制方法解算，具体步骤如下：首先将浪涌信息和水面无人艇1的位姿信息作为基于模糊信息粒化法的回归预测器6的输入信号，进行回归预测计算；其次，无人艇运动规划器7的输出信号理论控制位姿状态值与基于模糊信息粒化法的回归预测器6的输出信号作为无人艇运动控制决策器8的输入信号，根据用于自定义不同的决策规则进行求解；最后，无人艇运动控制决策器8求解的输出信号，即为水面无人艇1执行机构的控制指令。

所述回归预测计算步骤如下：

（a）以基站或母船上的X波段海事雷达提取的浪涌信息：有效波高，平均波周期，平均波向，涌浪周期、方向、长度，风浪周期、方向、长度为模型自变量；水面无人艇1的位姿特征偏航角Yaw为应变量；

（b）在水面无人艇按照实际规划航迹运动过程中，实时采集海浪等环境信息的原始数据，将步骤（a）中自变量和应变量时间序列作为输入向量，数据样本表示为：

其中，X_k表示在第k时刻输入的样本向量，x _k1，x _k2，x _k3，x _k4，x _k5，x _k6，x _k7，x _k8分别表示（a）中模型自变量的数值，y_k表示无人艇的偏航角Yaw的值，k=1，2，...，l；

（c）为了实现与提高控制的准确与实时性，对原始数据进行预处理，本发明主要采用Witold Pedrycz的粒化方法进行处理，在此之前对数据进行归一化处理；对于给定的时间序列，把时间序列X看成一个窗口进行模糊化；模糊化的任务是在X上建立一个模糊粒子P，即一个能够合理描述X的模糊概念G，因此确立G也就确定模糊粒子P：

（1）

论域中U中取值的变量，G是U的模糊子集，由隶属函数来刻画。模糊化过程本质上是确定一个函数A，A为模糊概念G的隶属函数；采用三角型的模糊粒子，其隶属函数如下所示，其中a ,b分别为模糊数的下限和上限，m可能性最大的值。

（2）

利用模糊信息粒化法对收集的特征信息数据进行粒化，设定粒化窗口数目及输出模糊粒子的三个参数值LOW，R，UP；

（d）利用支持向量机，即SVM对三个模糊粒子参数LOW，R，UP进行回归预测计算，采用交叉验证法选择回归最佳参数c和g（c_best和g_best），通过多次训练SVM，得到最佳回归模型得到预测值；支持向量机预测方法是通过非线性映射把输入控件映射到高维特征空间做线性回归，，式中：表示原样本空间，表示映射后的样本空间，为映射后样本空间的维数，为原样本空间的维数，支持向量机对应的函数回归估计如公式（3）～（5）：

（3）

（4）

（5）

式中，为支持向量机权向量，为的转置向量，为映射函数，和对应的向量为的维向量，b为偏置量，C为支持向量机的惩罚系数，N为输入样本总量，和均为松弛项，二者数值不同，为不敏感函数；

在高维空间中求解公式（3）中的，选取径向核函数，得到表达式：

（6）

式中，为支持向量机权向量，，均为拉格朗日乘子，为映射函数，N=1,2,3...l。

再根据Karush-Kuhn-Tucker最优化条件求偏置量b，则得回归函数：

（7）

式中，，均为拉格朗日乘子，为径向基函数，因此可以求得公式（7）中拉格朗日乘子，所对应的向量即为支持向量。

Claims (2)

1.一种基于支持向量回归机的无人艇抗浪涌控制方法，采用基于支持向量回归机的无人艇抗浪涌控制装置，该装置包括水面无人艇（1）、嵌入式计算机（2）、全向式无线设备（3）、GPS（4）和罗经（5），所述全向式无线设备（3）和GPS（4）的主体安装于水面无人艇（1）控制舱内，所述GPS（4）的接收天线和全向式无线设备（3）的全向天线安装在水面无人艇（1）顶部；所述罗经（5）安装于水面无人艇（1）重心处；所述嵌入式计算机（2）分别与全向式无线设备（3）、GPS（4）、罗经（5）相连；根据GPS（4）获取水面无人艇（1）的经纬度坐标值，基站或母船上的X波段海事雷达监测周围海域的浪涌信息，并通过全向式无线设备（3）传输到嵌入式计算机（2）中，所述嵌入式计算机（2）中的基于支持向量回归机的无人艇抗浪涌控制算法，对浪涌信息及罗经（5）实时获取的水面无人艇（1）的位姿信息进行解算，输出控制指令，水面无人艇（1）执行控制指令，完成水面无人艇（1）的抗浪涌干扰运动控制，其特征在于控制步骤为：

a. 水面无人艇（1）进行初始化设置，完成水面无人艇（1）位置、姿态及船载设备的初始化，包括初始航迹设定；

b. 启动水面无人艇（1），嵌入式计算机（2）向水面无人艇（1）发送初始控制指令；

c. 全向式无线设备（3）接收GPS（4）获取的水面无人艇（1）的经纬度坐标值，以及基站或母船上的X波段海事雷达监测周围海域的浪涌信息，与罗经（5）获取的水面无人艇（1）的位姿信息一起存储在嵌入式计算机（2）中；

d. 嵌入式计算机（2）利用上述信息，进行基于支持向量回归机的无人艇抗浪涌控制方法解算；得到水面无人艇（1）执行机构的控制指令，具体步骤如下：首先将浪涌信息和水面无人艇（1）的位姿信息作为基于模糊信息粒化法的回归预测器（6）的输入信号，进行回归预测计算；其次，无人艇运动规划器（7）的输出信号理论控制位姿状态值与基于模糊信息粒化法的回归预测器（6）的输出信号作为无人艇运动控制决策器（8）的输入信号，根据用于自定义不同的决策规则进行求解；最后，无人艇运动控制决策器（8）求解的输出信号，即为水面无人艇（1）执行机构的控制指令；

e. 嵌入式计算机（2）将控制指令发送到水面无人艇（1）的执行机构，水面无人艇（1）执行机构执行控制指令，实现水面无人艇（1）的抗浪涌运动控制。

2.根据权利要求1所述的基于支持向量回归机的无人艇抗浪涌控制方法，其特征在于，所述回归预测计算步骤如下：

以基站或母船上的X波段海事雷达提取的浪涌信息：有效波高，平均波周期，平均波向，涌浪周期、方向、长度，风浪周期、方向、长度为模型自变量；水面无人艇（1）的位姿特征偏航角Yaw为应变量；

采集历史原始数据，将步骤a中自变量和应变量时间序列作为输入向量，数据样本表示为：

其中，X_k表示在第k时刻输入的样本向量，x _k1，x _k2，x _k3，x _k4，x _k5，x _k6，x _k7，x _k8表示模型自变量的数值，y_k表示无人艇的偏航角Yaw的值，k=1，2，...，l；

数据的预处理，本发明主要采用Witold Pedrycz的粒化方法进行处理，在此之前对数据进行归一化处理；对于给定的时间序列，把时间序列X看成一个窗口进行模糊化；模糊化的任务是在X上建立一个模糊粒子P，即一个能够合理描述X的模糊概念G，因此确立G也就确定模糊粒子P：

（1）

论域中U中取值的变量，G是U的模糊子集，由隶属函数来刻画；模糊化过程本质上是确定一个函数A，A为模糊概念G的隶属函数，即；采用三角型的模糊粒子，其隶属函数如下所示，其中a，b分别为模糊数的下限和上限，m可能性最大的值；

（2）

利用模糊信息粒化法对收集的特征信息数据进行粒化，设定粒化窗口数目及输出模糊粒子的三个参数值LOW，R，UP；

利用支持向量机，即SVM对三个模糊粒子参数LOW，R，UP进行回归预测计算，采用交叉验证法选择回归最佳参数c和g，通过多次训练SVM，得到最佳回归模型得到预测值；支持向量机预测方法是通过非线性映射把输入控件映射到高维特征空间做线性回归，，式中：表示原样本空间，表示映射后的样本空间，为映射后样本空间的维数，为原样本空间的维数，支持向量机对应的函数回归估计如公式（3）～（5）：

（3）

（4）

（5）

式中，为支持向量机权向量，为的转置向量，为映射函数，和对应的向量为的维向量，b为偏置量，C为支持向量机的惩罚系数，N为输入样本总量，和均为松弛项，二者数值不同，为不敏感函数；

在高维空间中求解公式（3）中的，选取径向核函数，得到表达式：

（6）

式中，为支持向量机权向量，，均为拉格朗日乘子，为映射函数，N=1,2,3...l；

再根据Karush-Kuhn-Tucker最优化条件求偏置量b，则得回归函数：

（7）

式中，，均为拉格朗日乘子，为径向基函数，因此可以求得公式（7）中拉格朗日乘子，所对应的向量即为支持向量。