基于ISSA的氢燃料电池无人船路径跟踪优化控制方法和系统

基于issa的氢燃料电池无人船路径跟踪优化控制方法和系统
技术领域
1.本发明涉及氢燃料电池无人船路径控制技术领域，尤其是涉及一种基于issa的氢燃料电池无人船路径跟踪优化控制方法和系统。


背景技术：

2.氢燃料电池无人船的路径跟踪控制是使其按照期望路径航行，已知每一段期望路径都由两个期望路径点生成，假设由三个期望路径点组成连续的两段期望路径，当氢燃料电池无人船航向到以第二个期望路径点为圆心，路径切换圆半径为半径的圆形区域时，氢燃料电池无人船需要更新至第三个期望路径点根据跟踪。当路径切换存在转角时，氢燃料电池无人船需要通过转向完成路径的切换，此时，若路径切换圆半径的大小设置不当，将会影响氢燃料电池无人船路径切换时的跟踪精度。


技术实现要素：

3.本发明旨在至少解决现有技术中存在的技术问题。为此，本发明提出一种基于issa的氢燃料电池无人船路径跟踪优化控制方法和系统，能提升氢燃料电池无人船跟踪精度。
4.根据本发明的第一方面实施例的一种基于issa的氢燃料电池无人船路径跟踪优化控制方法，方法包括如下步骤：
5.获取氢燃料电池无人船当前一段的期望路径，其中，所述期望路径由第一期望路径点和第二期望路径点连接组成；
6.预设多个路径切换转角，采用改进的麻雀搜索算法为每一个所述路径切换转角生成对应一个最优切换圆半径，所述改进的麻雀搜索算法采用基于sobol序列初始化种群位置和/或采用融合黄金正弦策略更新发现者位置；其中，采用所述改进的麻雀搜索算法为所述路径切换转角生成最优切换圆半径包括：
7.产生麻雀种群，将所述麻雀种群作为第一个切换圆半径；采用预设的氢燃料电池无人船路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第一个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第一次性能指标，将所述第一次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第二个切换圆半径，其中以所述氢燃料电池无人船至所述期望路径之间的垂直距离来表征性能指标；采用所述路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第二个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第二次性能指标，将所述第二次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第三个切换圆半径；依次类推，直至满足所述改进的麻雀搜索算法的终止条件，得到为所述路径切换转角生成的最优切换圆半径；
8.计算所述氢燃料电池无人船的实际切换转角，根据所述实际切换转角选取对应一个所述最优切换圆半径执行氢燃料电池无人船路径跟踪。
9.根据本发明实施例的控制方法，至少具有如下有益效果：
10.相较于传统的采用经验生成切换圆半径，方法利用麻雀搜索算法对不同路径切换转角对应的切换圆半径进行寻优，以氢燃料电池无人船至期望路径之间的垂直距离作为评价标准，为每一路径切换转角找到对应的一个最优切换圆半径，这样当氢燃料电池无人船运行至以期望路径点作为圆心，最优切换圆半径是半径圆形区域时，能够合理的切换新期望路径点，能够提升氢燃料电池无人船的跟踪精度。
11.而且由于传统的麻雀搜索方法会存在个体分布不均匀、遍历性较低且不可预测，以及容易陷入局部最优解等等问题，本技术在麻雀搜索算法的基础上采样基于sobol序列初始化种群位置和采用融合黄金正弦策略更新发现者位置，这加快了麻雀算法收敛的速度，而且收敛之后的切换圆半径值更加的平稳，进而提升了氢燃料电池无人船跟踪精度。
12.根据本发明的一些实施例，所述氢燃料电池无人船的性能指标的函数包括：
[0013][0014]
其中，fi为第i次迭代的性能指标的函数值，t
step
为仿真时间间隔，m＝t/t
step
，t为仿真总时间，ye(n
×
t
step
)为n
×
t
step
时刻所述氢燃料电池无人船的当前位置至期望路径的垂直距离。
[0015]
根据本发明的一些实施例，所述改进的麻雀搜索算法的种群初始位置：
[0016]
xn＝lb+sn·
(ub-lb)
[0017]
其中，sn表示随机数且sn∈[0，1]，[lb，ub]为预设的最优解区间。
[0018]
根据本发明的一些实施例，所述改进的麻雀搜索算法的位置更新公式包括：
[0019][0020]
其中，为在第j维中第t次迭代时第i个个体的位置，r1和r2为随机数，分别用于决定下次迭代时麻雀的移动距离和方向，r1∈[0,2π]，r2∈[0,π]；x1＝-π+2π(1-τ)，x2＝-π+2πτ；q为预警值，sa为安全值，n为每个元素均为1的1
×
d矩阵，m为随机数且服从正态分布，为麻雀种群的全局最优位置。
[0021]
根据本发明的一些实施例，所述采用改进的麻雀搜索算法为每一个所述路径切换转角生成对应一个最优切换圆半径，包括：预设多个路径切换转角范围，采用改进的麻雀搜索算法为每一个所述路径切换转角范围生成对应的一个最优切换圆半径，根据每一个所述路径切换转角所属的对应一个所述路径切换转角范围，以确定每一个所述路径切换转角对应的一个所述最优切换圆半径。
[0022]
根据本发明的一些实施例，一个所述切换转角范围为10度。
[0023]
根据本发明的一些实施例，通过如下方式所述氢燃料电池无人船的实际切换转角：
[0024]
确定第三期望路径点，并根据所述第二期望路径点和所述第三期望路径点确定下一段期望路径；其中，所述第三期望路径点是所述第二期望路径点的下一个期望路径点；
[0025]
计算所述当前一段期望路径和下一段期望路径之间的实际切换转角。
[0026]
根据本发明的第二方面实施例的一种基于issa的氢燃料电池无人船路径跟踪优化控制系统，系统包括：
[0027]
期望路径获取单元，用于获取氢燃料电池无人船当前一段的期望路径，其中，所述期望路径由第一期望路径点和第二期望路径点连接组成；
[0028]
切换圆半径寻优单元，用于预设多个路径切换转角，采用改进的麻雀搜索算法为每一个所述路径切换转角生成对应一个最优切换圆半径，所述改进的麻雀搜索算法采用基于sobol序列初始化种群位置和/或采用融合黄金正弦策略更新发现者位置；其中，采用所述改进的麻雀搜索算法为所述路径切换转角生成最优切换圆半径包括：
[0029]
产生麻雀种群，将所述麻雀种群作为第一个切换圆半径；采用预设的氢燃料电池无人船路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第一个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第一次性能指标，将所述第一次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第二个切换圆半径，其中以所述氢燃料电池无人船至所述期望路径之间的垂直距离来表征性能指标；采用所述路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第二个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第二次性能指标，将所述第二次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第三个切换圆半径；依次类推，直至满足所述改进的麻雀搜索算法的终止条件，得到为所述路径切换转角生成的最优切换圆半径；
[0030]
路径跟踪单元，用于计算所述氢燃料电池无人船的实际切换转角，根据所述实际切换转角选取对应一个所述最优切换圆半径执行氢燃料电池无人船路径跟踪。
[0031]
根据本发明的第三方面实施例的一种电子设备，包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行上述的基于issa的氢燃料电池无人船路径跟踪优化控制方法。
[0032]
根据本发明的第四方面实施例的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的基于issa的氢燃料电池无人船路径跟踪优化控制方法。
[0033]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
[0034]
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0035]
图1是本发明一实施例提供的氢燃料电池无人船路径跟踪的几何示意图；
[0036]
图2是本发明一实施例提供的不同切换圆半径对路径切换时跟踪性能的影响示意图；
[0037]
图3是本发明一实施例提供的一种基于issa的氢燃料电池无人船路径跟踪优化控制方法的流程示意图；
[0038]
图4是本发明一实施例提供的不同路径切换转角的适应度值收敛曲线示意图；
[0039]
图5是本发明一实施例提供的氢燃料电池无人船运动路径；
[0040]
图6是本发明一实施例提供的横向位置偏差的示意图；
[0041]
图7是本发明一实施例提供的实际航向的示意图；
[0042]
图8是本发明一实施例提供的氢燃料电池无人船实物图；
[0043]
图9是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
[0044]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0045]
在本发明的描述中，如果有描述到第一、第二等只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0046]
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0047]
本发明的描述中，需要说明的是，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
[0048]
背景介绍
[0049]
氢燃料电池无人船的路径跟踪控制是使其按照期望路径航行。参照图1，p点是氢燃料电池无人船的位置点，已知每一段期望路径都由2个期望路径点生成，例如：pw、p
w+1
和p
w+2
是连续三个期望路径点，pwp
w+1
是一段期望路径，p
w+1
p
w+2
是一段期望路径。氢燃料电池无人船在跟踪期望路径点p
w+1
时，当航行到以p
w+1
为圆心，r0为半径的圆形区域时，氢燃料电池无人船更新至下一个路径点p
w+2
进行跟踪。其中，参数r0叫作路径切换圆半径，通常依据经验设定。当路径切换存在转角时，氢燃料电池无人船需要通过转向完成路径的切换，此时通过los制导律得到航向角偏差将会发生突变，如果参数r0的值选取不当，将会影响氢燃料电池无人船路径切换时的跟踪精度。其中路径切换转角是指连续两段期望路径之间的夹角，如：pwp
w+1
与p
w+1
p
w+2
之间的夹角。
[0050]
为了便于说明路径切换圆半径r0对路径切换时跟踪性能的影响，此处针对60
°
和120
°
转角两种情况，设置一系列不同的r0值，采用基本的los制导律进行仿真探究，取前视距离δ＝3.8m，选取的仿真对象基本参数如表1所示。值得说明的是，基本的los制导律为邻域的公知常识，此处不再赘述。
[0051]
表1
[0052][0053]
仿真时选取p1(10，0)，p2(10，300)和p3三个期望路径点，p3坐标随转角而定。p1为初始位置，初始航向为0
°
。最终结果如图2所示(图2(a)和图2(b)是60度转角的实验结果，其余是120度的结果)。
[0054]
不管是60
°
转角还是120
°
转角，虽然路径切换后氢燃料电池无人船的运动轨迹都能向期望航迹收敛，但是参数r0的大小对转角处的路径跟踪精度存在一定影响。针对60
°
转角，当r0较大时，转角处存在较大的路径偏差，且路径和航向的收敛速率较慢。针对120
°
转角，当r0较小时，氢燃料电池无人船出现了外飘，直接越过下一段期望路径且航向角相对设定的航向产生较大超调，不便于稳定控制。
[0055]
经上述仿真探究发现，当路径切换转角较大时，氢燃料电池无人船应该提前转向，如果r0设置过小，氢燃料电池无人船不能提前转向，将导致氢燃料电池无人船直接越过下一段期望路径，出现外飘。相反当路径切换转角较小，如果r0设置过大，氢燃料电池无人船提前跟踪下一段期望路径，则导致上一段路径跟踪精度较差。
[0056]
因此，当氢燃料电池无人船在进行路径切换转向时，本技术考虑通过优化路径切换圆半径r0来提高跟踪精度。
[0057]
麻雀搜索算法(sparrow search algorithm，ssa)，该算法是一种新型的群智能优化算法。
[0058]
假设x为种群集合，表达如下：
[0059]
x＝[x1,x2,l,xn]
t
,xi＝[x
i1
,x
i2
,l,x
id
]
[0060]
其中，d代表维数；n为麻雀的规模，i＝1,2,l,n。f代表种群中所有麻雀的适应度，f代表单个麻雀的适应度值，其表达如下：
[0061][0062]
假设种群中发现者的比例为pd，其位置更新公式为：
[0063][0064]
其中，q≥sa表示种群发现捕食者，i、j为1到d的自然数，t为此时迭代次数；为在第j维中第t次迭代时第i个个体的位置；n为每个元素均为1的1
×
d矩阵，随机数α∈(0,1]；iter
max
为最大迭代次数。m为随机数且服从正态分布，预警值q∈[0,1]，安全值sa∈[0.5,1]。
[0065]
种群中加入者位置更新公式为：
[0066][0067]
其中，表示第t次迭代时适应度最差的位置，表示在第t+1次迭代时发现者所占的最佳位置，b是元素为1或-1的矩阵且b+＝bt(bbt)-1。i＞n/2表示能量较低的加入者飞向其它区域觅食，以提高自已的能量，i≤n/2表示加入者在最优个体位置附近觅食。
[0068]
种群中侦查者所占比例为sd，其位置更新方式为：
[0069][0070]
其中，代表麻雀种群的全局最优位置；λ为步长参数；β∈[-1，1]为随机数；fw、fg分别代表当前种群中全局最差以及最优个体的适应度值；ε为取值极小的常数，fi＞fg表示该个体位于种群觅食的边缘区域；fi＝fg表示该个体位于种群觅食的中心区域。
[0071]
实施例部分
[0072]
参照图3，本技术一个实施例，提供了一种基于issa的氢燃料电池无人船路径跟踪优化控制方法，方法包括如下步骤：
[0073]
步骤s100、获取氢燃料电池无人船当前一段的期望路径，其中，期望路径由第一期望路径点和第二期望路径点连接组成。
[0074]
氢燃料电池无人船的路径跟踪控制是使其按照期望路径航行。因此在氢燃料电池无人船的行驶过程中，会提前给出对应的期望路径，其中每一段期望路径是由两个期望路径点连接组成。
[0075]
参照图1，pw、p
w+1
和p
w+2
是连续三个期望路径点，pwp
w+1
是一段期望路径，p
w+1
p
w+2
是一段期望路径，当前氢燃料电池无人船正跟随pwp
w+1
移动，在移动至p
w+1
为圆心半径为r0的区域时，需要更新至下一个路径点p
w+2
进行跟踪。而pwp
w+1
与p
w+1
p
w+2
之间存在路径切换转角，而此时如何设定r0，是提升氢燃料电池无人船路径切换时的跟踪精度的关键之处。在本实施例中，通过麻雀搜索算法对切换圆半径寻优，以得到一个与路径切换转角对应的圆半径。
[0076]
步骤s200、预设多个路径切换转角，采用改进的麻雀搜索算法为每一个路径切换转角生成对应一个最优切换圆半径，改进的麻雀搜索算法采用基于sobol序列初始化种群位置和/或采用融合黄金正弦策略更新发现者位置；其中，采用改进的麻雀搜索算法为路径切换转角生成最优切换圆半径包括：
[0077]
产生麻雀种群，将麻雀种群作为第一个切换圆半径；
[0078]
采用预设的氢燃料电池无人船路径跟踪方法仿真氢燃料电池无人船移动至以第二期望路径点为圆点，以第一个切换圆半径为半径的圆形区域时，得到氢燃料电池无人船对应的第一次性能指标，将第一次性能指标作为改进的麻雀搜索算法的适应度值，更新得
到第二个切换圆半径，其中以氢燃料电池无人船至期望路径之间的垂直距离来表征性能指标；
[0079]
采用路径跟踪算法仿真氢燃料电池无人船移动至以第二期望路径点为圆点，第二个切换圆半径为半径的圆形区域时，得到氢燃料电池无人船对应的第二次性能指标，将第二次性能指标作为改进的麻雀搜索算法的适应度值，更新得到第三个切换圆半径；
[0080]
依次类推，直至满足改进的麻雀搜索算法的终止条件，得到改进的麻雀搜索算法为路径切换转角生成的最优切换圆半径。
[0081]
在本实例中，采用麻雀搜索方法对切换圆半径进行寻优，而传统的麻雀搜索方法采用随机数的方式进行种群初始化，该方式存在个体分布不均匀、遍历性较低且不可预测，影响收敛速率和寻优的精度。而且在发现者位置更新迭代的后期比较容易跳至局部极值点附近，致使搜索区间过小而陷入局部最优解。
[0082]
步骤s200中提出对麻雀算法进行改进，并将改进后的麻雀搜索算法称为issa：
[0083]
针对种群初始化缺陷，存在采用tent混沌、circle混沌、cubic映射算法等方法进行种群初始化，这些方法虽然具有一定避免局部最优的能力，但存在较大的随机性，算法运行时存在较大的不确定性；若迭代至不稳定点则算法无法运行。
[0084]
sobol序列是一种低差异性的数列，计算周期较短，采样速度快，且在处理高维数据时具有更高的效率和均匀性。因此本技术使用sobol序列初始种群。假设最优解在[lb,ub]区间，生成的随机数sn∈[0,1]，则种群初始位置为：
[0085]
xn＝lb+sn·
(ub-lb)
[0086]
当q《sa时，麻雀搜索算法的发现者每一维都在减小，当q≥sa时，发现者遵循正态分布随机转移至当前位置，这导致算法在迭代初便产生了靠近全局最优解的趋势，使算法易早熟而困于局部最优解。所以本文引入黄金正弦策略改进发现者的位置更新方式，改进后的更新方式为：
[0087][0088]
其中，r1∈[0,2π]和r2∈[0,π]为随机数，分别用于决定下次迭代时麻雀的移动距离和方向；x1＝-π+2π(1-τ)，x2＝-π+2πτ；为黄金分割系数。
[0089]
通过改进位置更新方式，每次选代时个体与最优个体都能进行交流，改进后的算法解决了个体间信息交流不足的问题。此外引入融合黄金正弦策略方法还可以进一步扩大搜索空间，使算法的全局寻优能力得到提升，使算法不易陷入局部最优。此外黄金分割系数使算法能够对局部区域进行充分搜索，并通过r1和r2调节搜索距离和搜索方向，对原算法的寻优方式进行了优化，有助于平衡全局探索和局部开发能力。
[0090]
在本实施例中，基于issa算法对路径切换圆半径r0进行优化。首先，使用阶梯法设计半径r0的参考规则表，如表2所示。然后，针对不同的路径切换转角(10
°
,20
°
,
…
,120
°
)设计相应的期望路径对r0进行寻优，求解10
°
,20
°
,
…
,120
°
转角对应的最优参数
[0091]
表2
[0092][0093]
氢燃料电池无人船在巡航时，只需要基于期望路径点的位置信息计算转角，再依据参数r0参考规则表选择相应的路径切换圆半径，最后根据路径跟踪控制方法便可实现路径跟踪。这里对路径跟踪控制方法不进行具体限定。
[0094]
在本技术一些实施例，基于路径跟踪控制方法和issa算法对参数r0寻优，以氢燃料电池无人船的路径跟踪控制系统为对象，令los的路径切换圆半径r0为可变参数，针对不同转角寻找一个最优值，使氢燃料电池无人船在路径切换时位置误差尽可能小。将ye(t)作为r0优化的参考指标，设计性能指标函数为：
[0095][0096]
其中，fi为每一次迭代的性能指标函数值，i为迭代次数。t
step
为仿真时间间隔，m＝t/t
step
，t为仿真总时间。如图1，ye(t)是t时刻，氢燃料电池无人船到期望路径之间的垂直距离，还可称为横向位置偏差。
[0097]
优化时通过matlab逐步仿真来实现，优化过程为：首先issa算法产生麻雀种群并赋值给参数r0，然后运行matlab路径跟踪控制方法，输出该参数对应的性能指标fi，该性能指标传递到issa算法中作为该麻雀的适应度值，接着判断算法是否满足终止条件，否则麻雀种群进行更新操作，继续运行matlab路径跟踪控制方法，直到满足算法终止条件。根据经验粗略设定参数r0的可行域为r0∈[0,10]算法迭代次数为100，初始种群的个体数为50，sa＝0.8，pd＝0.2，sd＝0.2，选取p1(10,0)，p2(10,50)和p3三个路径点，p3坐标随转角而定。如图4所示，图中(a)、(b)为路径切换转角为60
°
和120
°
时优化参数r0的适应度值变化曲线。
[0098]
由图4可知，使用issa算法得到的结果收敛的更快且最佳适应度值更小。60
°
时使用issa算法经迭代后得到的最优参数值r0为1.8，最佳适应度值为46.2；而使用ssa算法寻优得到的最优参数值r0为2.1，最佳适应度值为50.7。120
°
时使用issa算法得到的最优参数值r0为4.3，最佳适应度值为54.2；而使用ssa算法得到的r0为3.9，最佳适应度值为59.1。
[0099]
同理，接下来对于不同的路径切换转角设计相应的期望路径，使用issa算法计算相应的最优参数r0，最终得到参数r0的优化结果，如表3所示。
[0100]
表3
[0101][0102]
步骤s300、计算氢燃料电池无人船的实际切换转角，根据实际切换转角选取对应
一个最优切换圆半径执行氢燃料电池无人船路径跟踪。
[0103]
本实施例至少具有如下有益效果：
[0104]
相较于传统的采用经验生成切换圆半径，方法利用麻雀搜索算法对不同路径切换转角对应的切换圆半径进行寻优，以氢燃料电池无人船至期望路径之间的垂直距离作为评价标准，为每一路径切换转角找到对应的一个最优切换圆半径，这样当氢燃料电池无人船运行至以期望路径点作为圆心，最优切换圆半径是半径圆形区域时，能够合理的切换新期望路径点，能够提升氢燃料电池无人船的跟踪精度。
[0105]
而且由于传统的麻雀搜索方法会存在个体分布不均匀、遍历性较低且不可预测，以及容易陷入局部最优解等等问题，本技术在麻雀搜索算法的基础上采样基于sobol序列初始化种群位置和采用融合黄金正弦策略更新发现者位置，这加快了麻雀算法收敛的速度，而且收敛之后的切换圆半径值更加的平稳，进而提升了氢燃料电池无人船跟踪精度。
[0106]
实验部分；
[0107]
针对折线路径，有4段直线路径和3次路径切换，经计算3次路径切换的转角分别为90
°
，45
°
，116.6
°
，采用本方法对路径切换圆半径r0的优化结果，分别设置r0为2.5m，1.5m和4.3m。为了进行对比，基本los的取r0为定值3m。氢燃料电池无人船的初始状态为x(0)＝0m，y(0)＝0m，ψ(0)＝45
°
。仿真结果如图5至图8所示。
[0108]
根据图5和图6可以看出，由于基本los方法的r0设置较大，在90
°
和45
°
转角处，整体产生了较大的路径偏差，且位置偏差的收敛速率较慢。在116.6
°
转角处，由于基本los方法的r0设置较小，氢燃料电池无人船出现了外飘，直接越过了下一段期望路径。而本方法在90
°
和45
°
转角处，能够避免氢燃料电池无人船过早转向，在116.6
°
转角处，能够避免氢燃料电池无人船的外飘，整体提高了路径转角处的跟踪精度，且完成转向后氢燃料电池无人船的位置偏差收敛速率较快。由图7可知，采用基本los方法在进行转向时，氢燃料电池无人船的实际航向收敛速率较慢且存在一定的超调。而采用本方法时，氢燃料电池无人船的航向整体更平稳，在转向时无明显超调且收敛更快。
[0109]
本技术的一个实施例，提供了一种基于issa的氢燃料电池无人船路径跟踪优化控制系统，控制系统包括：期望路径获取单元1100、切换圆半径寻优单元1200、路径跟踪单元1300，具体如下：
[0110]
期望路径获取单元1100用于获取氢燃料电池无人船当前一段的期望路径，其中，期望路径由第一期望路径点和第二期望路径点连接组成。
[0111]
切换圆半径寻优单元1200用于预设多个路径切换转角，采用改进的麻雀搜索算法为每一个路径切换转角生成对应一个最优切换圆半径，改进的麻雀搜索算法采用基于sobol序列初始化种群位置和/或采用融合黄金正弦策略更新发现者位置；其中，采用改进的麻雀搜索算法为路径切换转角生成最优切换圆半径包括：
[0112]
产生麻雀种群，将麻雀种群作为第一个切换圆半径；采用预设的氢燃料电池无人船路径跟踪方法仿真氢燃料电池无人船移动至以第二期望路径点为圆点，以第一个切换圆半径为半径的圆形区域时，得到氢燃料电池无人船对应的第一次性能指标，将第一次性能指标作为改进的麻雀搜索算法的适应度值，更新得到第二个切换圆半径，其中以氢燃料电池无人船至期望路径之间的垂直距离来表征性能指标；采用路径跟踪方法仿真氢燃料电池无人船移动至以第二期望路径点为圆点，以第二个切换圆半径为半径的圆形区域时，得到
氢燃料电池无人船对应的第二次性能指标，将第二次性能指标作为改进的麻雀搜索算法的适应度值，更新得到第三个切换圆半径；依次类推，直至满足改进的麻雀搜索算法的终止条件，得到为路径切换转角生成的最优切换圆半径。
[0113]
路径跟踪单元1300用于计算氢燃料电池无人船的实际切换转角，根据实际切换转角选取对应一个最优切换圆半径执行氢燃料电池无人船路径跟踪。
[0114]
需要注意的是，本实施例与上述方法实施例是基于相同的发明构思，因此上述的方法实施例的相关内容同样适应于本系统实施例，此处不再赘述。
[0115]
本技术实施例还提供了一种电子设备，本电子设备包括：
[0116]
至少一块氢燃料电池；
[0117]
至少一个存储器；
[0118]
至少一个处理器；
[0119]
至少一个程序；
[0120]
程序被存储在存储器中，处理器执行至少一个程序以实现本公开实施上述的基于issa的氢燃料电池无人船路径跟踪优化控制方法。
[0121]
该电子设备可以为包括手机、平板电脑、个人数字助理(personal digital assistant，pda)、车载电脑等任意智能终端。
[0122]
下面结合图9对本技术实施例的电子设备进行详细介绍。
[0123]
如图9，图9示意了另一实施例的电子设备的硬件结构，电子设备包括：
[0124]
处理器1600，可以采用通用的中央处理器(central processing unit，cpu)、微处理器、应用专用集成电路(application specific integrated circuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案；
[0125]
存储器1700，可以采用只读存储器(read only memory，rom)、静态存储设备、动态存储设备或者随机存取存储器(random access memory，ram)等形式实现。存储器1700可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1700中，并由处理器1600来调用执行本公开实施例的基于issa的氢燃料电池无人船路径跟踪优化控制方法。
[0126]
输入/输出接口1800，用于实现信息输入及输出；
[0127]
通信接口1900，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信；
[0128]
总线2000，在设备的各个组件(例如处理器1600、存储器1700、输入/输出接口1800和通信接口1900)之间传输信息；
[0129]
其中处理器1600、存储器1700、输入/输出接口1800和通信接口1900通过总线2000实现彼此之间在设备内部的通信连接。
[0130]
本公开实施例还提供了一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行上述基于issa的氢燃料电池无人船路径跟踪优化控制方法。
[0131]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施
方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0132]
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
[0133]
本领域技术人员可以理解的是，图中示出的技术方案并不构成对本公开实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
[0134]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0135]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
[0136]
本技术的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0137]
应当理解，在本技术中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“a和/或b”可以表示：只存在a，只存在b以及同时存在a和b三种情况，其中a，b可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
[0138]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0139]
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0140]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0141]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台电子设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序的介质
[0142]
以上是对本技术实施例的较佳实施进行了具体说明，但本技术实施例并不局限于上述实施方式，熟悉本领域的技术人员在不违背本技术实施例精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本技术实施例权利要求所限定的范围内。
[0143]
上面结合附图对本发明实施例作了详细说明，但本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

技术特征：
1.一种基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，方法包括如下步骤：获取氢燃料电池无人船当前一段的期望路径，其中，所述期望路径由第一期望路径点和第二期望路径点连接组成；预设多个路径切换转角，采用改进的麻雀搜索算法为每一个所述路径切换转角生成对应一个最优切换圆半径，所述改进的麻雀搜索算法采用基于sobol序列初始化种群位置和/或采用融合黄金正弦策略更新发现者位置；其中，采用所述改进的麻雀搜索算法为所述路径切换转角生成最优切换圆半径包括：产生麻雀种群，将所述麻雀种群作为第一个切换圆半径；采用预设的氢燃料电池无人船路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第一个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第一次性能指标，将所述第一次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第二个切换圆半径，其中以所述氢燃料电池无人船至所述期望路径之间的垂直距离来表征性能指标；采用所述路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第二个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第二次性能指标，将所述第二次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第三个切换圆半径；依次类推，直至满足所述改进的麻雀搜索算法的终止条件，得到为所述路径切换转角生成的最优切换圆半径；计算所述氢燃料电池无人船的实际切换转角，根据所述实际切换转角选取对应一个所述最优切换圆半径执行氢燃料电池无人船路径跟踪。2.根据权利要求1所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，所述性能指标的函数表达式为：其中，f
i
为第i次迭代的性能指标的函数值，t
step
为仿真时间间隔，m＝t/t
step
，t为仿真总时间，y
e
(n
×
t
step
)为n
×
t
setp
时刻所述氢燃料电池无人船的当前位置至期望路径的垂直距离。3.根据权利要求2所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，所述改进的麻雀搜索算法的种群初始位置：x
n
＝lb+s
n
·
(ub-lb)其中，s
n
表示随机数且s
n
∈[0,1]，[lb,ub]为预设的最优解区间。4.根据权利要求2所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，所述改进的麻雀搜索算法的位置更新表达式包括：其中，为在第j维中第t次迭代时第i个个体的位置，r1和r2为随机数，分别用于决定下次迭代时麻雀的移动距离和方向，r1∈[0,2π]，r2∈[0,π]；x1＝-π+2π(1-τ)，x2＝-π+2πτ；
q为预警值，sa为安全值，n为每个元素均为1的1
×
d矩阵，m为随机数且服从正态分布，为麻雀种群的全局最优位置。5.根据权利要求1所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，所述采用改进的麻雀搜索算法为每一个所述路径切换转角生成对应一个最优切换圆半径，包括：预设多个路径切换转角范围，采用改进的麻雀搜索算法为每一个所述路径切换转角范围生成对应的一个最优切换圆半径，根据每一个所述路径切换转角所属的对应一个所述路径切换转角范围，并根据所属的所述路径切换转角范围以确定每一个所述路径切换转角对应的一个所述最优切换圆半径。6.根据权利要求5所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，一个所述切换转角范围为10度。7.根据权利要求1至6任一项所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法，其特征在于，通过如下方式计算所述氢燃料电池无人船的实际切换转角：确定第三期望路径点，并根据所述第二期望路径点和所述第三期望路径点确定下一段期望路径；其中，所述第三期望路径点是所述第二期望路径点的下一个期望路径点；计算当前一段的期望路径和下一段期望路径之间的实际切换转角。8.一种基于issa的氢燃料电池无人船路径跟踪优化控制系统，其特征在于，系统包括：期望路径获取单元，用于获取氢燃料电池无人船当前一段的期望路径，其中，所述期望路径由第一期望路径点和第二期望路径点连接组成；切换圆半径寻优单元，用于预设多个路径切换转角，采用改进的麻雀搜索算法为每一个所述路径切换转角生成对应一个最优切换圆半径，所述改进的麻雀搜索算法采用基于sobol序列初始化种群位置和/或采用融合黄金正弦策略更新发现者位置；其中，采用所述改进的麻雀搜索算法为所述路径切换转角生成最优切换圆半径包括：产生麻雀种群，将所述麻雀种群作为第一个切换圆半径；采用预设的氢燃料电池无人船路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第一个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第一次性能指标，将所述第一次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第二个切换圆半径，其中以所述氢燃料电池无人船至所述期望路径之间的垂直距离来表征性能指标；采用所述路径跟踪方法仿真所述氢燃料电池无人船移动至以所述第二期望路径点为圆点，以所述第二个切换圆半径为半径的圆形区域时，得到所述氢燃料电池无人船对应的第二次性能指标，将所述第二次性能指标作为所述改进的麻雀搜索算法的适应度值，更新得到第三个切换圆半径；依次类推，直至满足所述改进的麻雀搜索算法的终止条件，得到为所述路径切换转角生成的最优切换圆半径；路径跟踪单元，用于计算所述氢燃料电池无人船的实际切换转角，根据所述实际切换转角选取对应一个所述最优切换圆半径执行氢燃料电池无人船路径跟踪。9.一种电子设备，其特征在于：包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行权利要求1-7任一项所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行权利要求1-7任一项所述的基于issa的氢燃料电池无人船路径跟踪优化控制方法。

技术总结
本发明公开了一种基于ISSA的氢燃料电池无人船路径跟踪优化控制方法和系统，相较于传统的采用经验生成切换圆半径，本方法利用麻雀搜索算法对不同路径切换转角对应的切换圆半径进行寻优，以氢燃料电池无人船至期望路径之间的垂直距离作为评价标准，为每一路径切换转角找到对应的一个最优切换圆半径，能够提升氢燃料电池无人船的跟踪精度。而且方法在麻雀搜索算法的基础上采样基于Sobol序列初始化种群位置和采用融合黄金正弦策略更新发现者位置，这加快了麻雀算法收敛的速度，而且收敛之后的切换圆半径值更加的平稳，进而提升了氢燃料电池无人船跟踪精度。池无人船跟踪精度。池无人船跟踪精度。


技术研发人员：潘林 肖敏 禹远
受保护的技术使用者：武汉理工大学三亚科教创新园
技术研发日：2023.06.25
技术公布日：2023/9/6