1.一种欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,包括以下步骤:S1、引用实用预设时间控制理论及其证明引理,构建欠驱动水下机器人五自由度运动学和动力学模型;
S2、基于构建的五自由度运动学和动力学模型,通过视距法确定欠驱动水下机器人的跟踪误差;
S3、构建隧道型性能函数,并与欠驱动水下机器人的跟踪误差进行误差转换,进而确定预设性能约束;
S4、根据确定的预设性能约束,设计预设时间虚拟控制律;
S5、构建用于输出近似欠驱动水下机器人理想控制律的双向模糊脑情绪学习控制网络,并将基于预设时间虚拟控制律得到的欠驱动水下机器人的浪涌、俯仰和偏航方向作为所述双向模糊脑情绪学习控制网络的输入;
S6、对双向模糊脑情绪学习控制网络的输出控制律进行自适应补偿,得到实际控制律,利用实际控制律对欠驱动水下机器人进行轨迹跟踪控制;
所述步骤S3中,构建的隧道型性能约束表示为:;
;
式中,表示误差约束的上边界,表示误差约束的下边界,表示初始误差约束边界值的决定参数,,和均表示正调整参数,用于在稳态阶段调整系统误差的最终上边界和下边界,表示误差的初始值,表示决定误差约束函数收敛速度的参数,表示的预选收敛时间;其中,下标;
将隧道型性能函数与欠驱动水下机器人的跟踪误差进行误差转换时,跟踪误差满足:;
式中,,、和分别表示跟踪误差中的位置误差、俯仰角误差和偏航角误差;
进行误差转换的公式为:
;
式中,表示经过误差转换公式后的位置误差、俯仰角误差和偏航角误差,表示原始位置误差、俯仰角误差和偏航角误差。
2.根据权利要求1所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,所述步骤S1中,构建的欠驱动水下机器人五自由度运动学和动力学模型表示为:;
其中:
;
式中,表示大地坐标系和水下机器人机体坐标系之间的旋转矩阵,表示质量惯性矩阵,表示水动力阻尼系数矩阵,表示水下机器人的科里奥力和向心力矩阵,表示浮力和重力的矢量,,表示欠驱动自主水下机器人的真实位移,表示偏航角,表示俯仰角,表示的一阶导数,,分别表示方向上的真实速度,表示的一阶导数,表示控制输入,表示时变位置海洋扰动,分别表示方向上的海洋扰动,表示水密度, 表示重力加速度,表示排水量,表示纵向稳心高度,、、、和分别表示沿x轴、沿y、沿z轴、绕y轴和绕z的等效质量,、、、和分别表示沿x轴、沿y轴、沿z轴的线性阻尼系数以及绕y和绕z轴的旋转阻尼系数。
3.根据权利要求2所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,在所述欠驱动水下机器人五自由度运动学和动力学模型中,存在:,且;
以及,方向上的位置、速度和加速度,及其一阶和二阶导数均有界。
4.根据权利要求2所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,所述步骤S2中,欠驱动水下机器人的跟踪误差包括位置误差、俯仰角误差和偏航角误差,其对应的导数形式表示为:;
其中:
;
式中,、和分别表示通过视距法确定的位置误差、俯仰角误差和偏航角误差对应的导数,表示期望的时变三维轨迹,表示对应的一阶导数。
5.根据权利要求1所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,所述步骤S4中,设计的预设时间虚拟控制律表示为:;
;
;
;
式中,、和分别表示浪涌,俯仰和偏航方向的预设时间虚拟控制律, 表示时变缩放变换函数,表示的一阶导数,分别表示经过误差转换公式后的位置误差、俯仰角误差和偏航角误差,,,,均表示正常数,表示俯仰角,、和分别表示跟踪误差中的位置误差、俯仰角误差和偏航角误差。
6.根据权利要求2所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,所述步骤S5中,构建的双向模糊脑情绪学习控制网络包括感觉输入层、小波感觉皮层、杏仁核空间、眶额皮层空间以及输出空间;
所述感觉输入层的感官输入表示为,其中,,表示水下机器人的第n个输入节点,并将所推导出的虚拟控制率分别与实际速度相减得到误差, 表示为作用于欠驱动水下机器人的浪涌、俯仰和偏航方向的双向模糊脑情绪学习控制网络的输入,其模糊推理规则表示为:当为、为、…、为时,则;
当为、为、…、为时,则;
式中,,定义为水下机器人第个,第层输入的模糊规则,和分别代表杏仁核网络空间和眶额皮层网络空间的输出,表示感觉皮层中的特征信号输出值,表示杏仁核空间的网络权值,表示眶额皮质空间的网络权值;
在所述小波感觉皮层中,每一层的感官输入通过小波函数进行模糊量化,其表示为:;
式中,表示与第层中第个输入相对应的小波函数,和分别表示决定小波函数的激活程度的中心向量和宽度向量;
在所述小波感觉皮层中,通过小波函数对感觉皮层中的输入信号进行时频分析时,识别出特征信号的最大值,并将其作为关键特征传递至杏仁核空间;
所述杏仁核空间表示为:
;
式中,表示杏仁核空间的网络权值,表示传至杏仁核的感觉皮层特征信号的连接权值;
所述眶额皮层空间的输出表示为:
;
式中,表示眶额皮质空间的网络权值;
所述输出空间的输出表示为:
。
7.根据权利要求6所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,所述双向模糊闹情绪学习控制网络通过基于奖励的双向调节机制调节更新杏仁核空间和眶额皮层空间的权值,以及小波感觉皮层中的特征信号,更新公式为:;
;
;
式中,表示更新后的杏仁核空间的网络权值,表示当前杏仁核空间的网络权值,表示杏仁核空间的网络权值更新间隔期间的变化量,表示更新后杏仁核的感觉皮层特征信号的连接权值,表示当前杏仁核的感觉皮层特征信号的连接权值,表示杏仁核的感觉皮层特征信号的连接权值更新间隔期间的变化量,表示更新后的眶额皮质空间的网络权值,表示当前眶额皮质空间的网络权值,表示眶额皮质空间的网络权值更新间隔期间的变化量,和分别表示更新算法在杏仁核空间和眶额皮层空间的学习率;表示奖励信号,,和表示正增益参数。
8.根据权利要求6所述的欠驱动水下机器人的轨迹跟踪控制方法,其特征在于,所述步骤S6中,通过构建自适应补偿器对双向模糊脑情绪学习控制网络的输出控制律进行自适应补偿;
所述自适应补偿器表示为:
;
;
式中, 和均为正常数,为的估计值,,并满足,表示双向模糊脑情绪学习控制器与理想控制器输出值之间的残差,表示补偿器中的实际自适应律,表示补偿器中的实际自适应律与估计值之间的误差,表示理想控制器输出值,表示控制网络输出空间的输出值,表示自适应补偿器的输出值,表示虚拟控制率与实际速度之间的误差,表示补偿器自适应率估计值的导,表示时变缩放变换函数,表示补偿器中自适应律的估计值;
所述实际控制律为:
。