原文传递
高海况条件下无人艇智能操船决策控制
| 论文题名： | 高海况条件下无人艇智能操船决策控制 |
| 关键词： | 水面无人艇;高海况;姿态控制;强化学习;深度Q学习;控制系统 |
| 摘要： | 水面无人艇(UnmannedSurfaceVehicle,USV)是一种重要的海上无人智能装备，可以在军事领域和民用领域发挥重要作用，是当今世界大国研究的热点。导航、制导、控制系统(Guidance,NavigationandControl,GNC)是USV的关键技术，是USV自主执行海上任务的基础。传统的GNC系统研究通常局限在宁静海况及小海况条件下，基于简化的动力学模型，采用视线导引(Line-of-Sight,LOS)等航迹控制方法，没有考虑USV在大浪中的遭遇角度及操纵问题，无法适应高海况条件下的航行任务，限制了USV的应用场景。随着近年来人工智能技术的高速发展，进一步提高USV的智能化水平，对于我国海洋事业发展具有重要意义。本论文结合传统控制理论与人工智能中的强化学习方法，针对高海况条件下USV智能操船决策、控制问题展开研究，具体包括以下几个方面： （1）建立了高海况条件下的USV动力学模型。针对现有的USV动力学模型公式分散、参数众多、应用困难等问题，本论文详细地总结了适用于高海况场景的水平面三自由度USV动力学模型。辨析了航向、艏向、漂角等基本概念，详细介绍了海水惯性力、粘性力、海风作用力、一阶海浪作用力、海流作用力的计算方法，以1.255m船模为例给出了详细的计算过程，为后续的研究提供了基本依据。 （2）设计了一种考虑风浪流补偿的USV姿态控制算法。针对高海况条件下的USV姿态控制问题，该算法首先通过前馈控制律补偿了海风作用力矩，从而将USV姿态控制问题转化为一阶野本方程的镇定问题；然后基于一阶野本方程，通过根轨迹和Bode图设计了考虑航速变化的反馈控制律。仿真结果表明，加入前馈控制律能够有效提高USV姿态控制精度。 （3）设计了一种基于深度Q学习(DeepQ-learning,DQN)的智能操船决策算法。提出了将安全评价机制引入到USV动力学模型中的方法，弥补了三自由度USV动力学模型未考虑海浪遭遇角对船体横摇、纵摇影响的缺陷；设计了基于DQN强化学习方法的智能操船决策算法，详细介绍了算法的原理以及动作空间、状态空间、奖励函数的设计和算法训练过程。在高海况条件下对训练好的智能方法进行打靶仿真及分析，与传统的LOS方法相比，该智能方法能够自主执行Z字操船策略，以左右舷交替顶浪的方式安全航行抵达目标点。 |
| 作者： | 黄胜全 |
| 专业： | 航空宇航科学与技术 |
| 导师： | 李玉庆 |
| 授予学位： | 硕士 |
| 授予学位单位： | 哈尔滨工业大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
