一种自适应学习的无人艇控制方法及系统与流程

1.本发明涉及智能控制技术领域，具体涉及一种自适应学习的无人艇控制方法及系统。


背景技术：

2.无人艇是一种能够根据导航信息，利用现代智能控制算法进行自主规划和航行，完成岸上人员指定任务的设备。由于无人艇速度快，质量小，易受到风、浪等因素的干扰作用使其具有大惯性、大滞后的特点，因此对航行时的航向控制有更高的要求。
3.目前，现有技术中存在由于对航行路径的分析不够详细，且对航行控制的影响因素分析准确度不足，进而导致无人艇的路径规划不合理，同时航行控制精度和准确度不足的技术问题。


技术实现要素：

4.本发明提供了一种自适应学习的无人艇控制方法及系统，用以解决现有技术中存在由于对航行路径的分析不够详细，且对航行控制的影响因素分析准确度不足，进而导致无人艇的路径规划不合理，同时航行控制精度和准确度不足的技术问题。
5.根据本发明的第一方面，提供了一种自适应学习的无人艇控制方法，包括：对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；基于所述实时最优控制方案对所述无人艇进行航行控制。
6.根据本发明的第二方面，提供了一种自适应学习的无人艇控制系统，包括：海域特征分析模块，所述海域特征分析模块用于对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；海域栅格图分析模块，所述海域栅格图分析模块用于依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；坐标系构建模块，所述坐标系构建模块用于监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；实时期望航向角获取模块，所述实时期望航向角获取模块用于结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；实时应用航向角获取模块，所述实时应用航向角获取模块用于引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；全局控制寻优模块，所述全局控制寻优模块用于所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方
案；航行控制模块，所述航行控制模块用于基于所述实时最优控制方案对所述无人艇进行航行控制。
7.根据本发明采用的一种自适应学习的无人艇控制方法，其可达到如下有益效果：1.在本实施例中，对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；基于所述实时最优控制方案对所述无人艇进行航行控制，达到提升无人艇航行控制准确性和控制精度的技术效果。
8.2.根据预定海域特征构建海域栅格图，便于快速、准确地确定障碍物位置，达到为后续的无人艇的航行控制提供基础数据，提升预定海域特征的可视化程度，提升控制效率的技术效果。
9.3.通过引入启发函数对确定最优航行路径，得到预定航行路径，达到实现航行路径的优化，提升路径规划的合理性，提升航行效率，进而提升航行控制准确度的技术效果。
10.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。
附图说明
11.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
12.图1为本发明实施例提供的一种自适应学习的无人艇控制方法的流程示意图；图2为本发明实施例中组建预定航行路径的流程示意图；图3为本发明实施例中获得实时最优控制方案的流程示意图；图4为本发明实施例提供的一种自适应学习的无人艇控制系统的结构示意图。
13.附图标记说明：海域特征分析模块11，海域栅格图分析模块12，坐标系构建模块13，实时期望航向角获取模块14，实时应用航向角获取模块15，全局控制寻优模块16，航行控制模块17。
具体实施方式
14.以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
15.为了解决现有技术中存在由于对航行路径的分析不够详细，且对航行控制的影响
因素分析准确度不足，进而导致无人艇的路径规划不合理，同时航行控制精度和准确度不足的技术问题，本发明的发明人经过创造性的劳动，得到了本发明的一种自适应学习的无人艇控制方法及系统。
实施例一
16.图1为本发明实施例提供的一种自适应学习的无人艇控制方法图，所述方法包括：步骤s100：对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；其中，如图2所示，本发明实施例步骤s100包括：步骤s110：对所述无人艇进行特征采集，得到无人艇特征；步骤s120：提取所述无人艇特征中的无人艇艇宽，并以所述无人艇艇宽作为单位栅格；步骤s130：基于所述单位栅格对初始海域图进行栅格分割，得到m个海域栅格，其中，m为大于1的整数；步骤s140：读取预定栅格标记方案；步骤s150：根据所述预定栅格标记方案依次对所述m个海域栅格进行标记，得到m个海域栅格标识；步骤s160：根据所述m个海域栅格标识确定所述海域栅格图。
17.其中，本发明实施例步骤s130包括：步骤s131：提取所述预定海域特征中的海域物理特征，其中，所述海域物理特征包括海域形状、海域尺寸；步骤s132：根据所述海域物理特征建立所述预定海域的第一海域图；步骤s133：提取所述预定海域特征中的海面障碍物特征，其中，所述海面障碍物特征包括海面障碍物位置、海面障碍物尺寸；步骤s134：提取所述预定海域特征中的海底障碍物特征，其中，所述海底障碍物特征包括海底障碍物位置、海底障碍物影响范围；步骤s135：将所述海面障碍物特征与所述海底障碍物特征依次渲染至所述第一海域图，得到所述初始海域图。
18.具体而言，本发明实施例提供的一种自适应学习的无人艇控制方法可用于对任意类型的任一无人艇进行航行控制，首先对待进行航行控制的无人艇的预定航行海域进行特征采集，得到预定海域特征，预定航行海域即为预先确定的无人艇的航行区域，具体需要根据无人艇的航行任务确定，需要根据实际情况由工作人员通过用户端自行输入，然后对预定航行海域进行特征采集，得到预定海域特征，预定海域特征即为预定海域的海域形状、面积、海域中的障碍物位置和面积等，通过现有的卫星系统可以对地球上的大部分位置进行卫星定位，进而得到目标位置的卫星地图，比如，通过现有的与卫星系统连接的地图软件即可获取卫星地图，根据卫星地图即可得到预定海域特征。进一步根据预定海域特征生成所述预定航行海域的海域栅格图，栅格图将环境抽象为具有二值信息的网格单元，一般用白色表示无障碍物的区域，黑色表示被障碍物覆盖的区域，栅格图具有一致性和规范性的优点，在本实施例中，将预定海域作为一个整体区域划分为多个网格，基于预定海域特征，可
以用白色表示没有障碍物的海域，用黑色表示有障碍物的海域，具体根据预定海域特征中的海域面积、形状、障碍物面积、形状确定白色或者黑色网格的大小即覆盖区域，从而得到预定航行海域的海域栅格图，可以提升预定海域特征的可视化程度。
19.根据所述预定海域特征生成所述预定航行海域的海域栅格图的具体过程如下：对所述无人艇进行特征采集，得到无人艇特征，无人艇特征包括无人艇的尺寸信息，具体可根据无人艇的型号或者通过现有的尺寸测量仪器获取。根据无人艇的尺寸信息获取无人艇艇宽，并以所述无人艇艇宽作为单位栅格，也就是说，海域栅格图将整个海域分割为多个大小相同的正方形网格，单位栅格即为每个网格代表的尺寸，也就是说，一个单位栅格所代表的实际环境中的边长为无人艇艇宽，按照单位栅格的尺寸将初始海域图分割为多个m个海域栅格，其中，m为大于1的整数。
20.栅格图将环境抽象为具有二值信息的网格单元，一般用白色表示无障碍物的区域，黑色表示被障碍物覆盖的区域，目前分割出的m个海域栅格并没有对障碍物区域和无障碍物的区域进行标记，因此读取预定栅格标记方案，预定栅格标记方案即为对m个海域栅格的标记方案，比如某一栅格时障碍物所在区域，将其标记为黑色，对于无障碍物的栅格标记为白色，具体需要结合预定海域特征对确定障碍物在初始海域图上的位置及尺寸，确定m个海域栅格中障碍物所在的栅格和没有障碍物的栅格，进而对其用不同的颜色进行标记，示例性的，可以通过现有技术对初始海域图进行灰度处理，进一步通过对初始海域图中的无障碍物区域和有障碍区域进行灰度识别，获取无障碍区域的灰度值范围和有障碍物区域的灰度值范围，由此确定灰度阈值（障碍物区域的最小灰度值或者无障碍物区域的最大灰度值），将大于灰度阈值的栅格颜色调整为黑色（障碍物区域），将小于灰度阈值的栅格颜色调整为白色（无障碍物区域），以此作为预定栅格标记方案，进而通过现有图像处理软件（比如matlab）根据所述预定栅格标记方案依次对所述m个海域栅格进行标记，得到m个海域栅格标识，所述m个海域栅格标识组成所述海域栅格图，海域栅格图即为具有二值信息的网格单元，白色表示无障碍物的区域，黑色表示被障碍物覆盖的区域，为后续的无人艇的航行控制提供基础数据，提升控制效率。
21.具体地，得到所述初始海域图的过程如下：提取所述预定海域特征中的海域物理特征，其中，所述海域物理特征包括海域形状、海域尺寸（比如长度和宽度），根据所述海域物理特征建立所述预定海域的第一海域图，第一海域图即为基于海域物理特征建立的海域平面图，第一海域图只能显示海域的形状和尺寸。进一步提取所述预定海域特征中的海面障碍物特征，其中，所述海面障碍物特征包括海面障碍物位置、海面障碍物尺寸，比如海面上的航船、岛屿等障碍物的位置和尺寸，其中，部分障碍物的位置会实时变化，因此初始海域图也是实时更新，便于提高控制准确度。提取所述预定海域特征中的海底障碍物特征（管线、管道、光缆、沉船、锚、炸弹等），所述海底障碍物特征包括海底障碍物位置、海底障碍物影响范围，也就是说，某些障碍物可能会发出电磁波等干扰，会影响无人艇的控制精度，发出的电磁干扰具有一定的深度，深度即为海底障碍物影响范围，对于不会产生电磁干扰的海底障碍物的海底障碍物影响范围即为其尺寸信息。进而将所述海面障碍物特征与所述海底障碍物特征依次渲染至所述第一海域图，简单来说，就是按照障碍物位置及尺寸将障碍物映射到第一海域图，得到所述初始海域图，初始海域图不止可以体现预定海域的形状和尺寸，还可以体现出海域上的障碍物的位置和尺寸，为海域栅格图的建立提供数据基础。
22.步骤s200：依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；其中，如图2所示，本发明实施例步骤s200包括：步骤s210：在所述海域栅格图中，匹配所述起点位置的起点栅格和所述终点位置的终点栅格；步骤s220：组建所述起点栅格的第一相邻栅格集，并对所述第一相邻栅格集进行筛选，得到第一目标栅格集；步骤s230：提取所述第一目标栅格集中的第一栅格，并计算所述第一栅格与所述终点栅格的第一估计代价；步骤s240：分析所述第一估计代价并确定最优第一栅格；步骤s250：基于所述最优第一栅格组建所述预定航行路径。
23.其中，本发明实施例步骤s250包括：步骤s251：根据所述起点栅格和所述最优第一栅格，得到第一实际代价；步骤s252：组建所述最优第一栅格的第二相邻栅格集，并对所述第二相邻栅格集进行筛选，得到第二目标栅格集；步骤s253：提取所述第二目标栅格集中的第二栅格，并计算所述第二栅格与所述终点栅格的第二估计代价；步骤s254：基于所述第一实际代价和所述第二估计代价确定启发函数，并通过所述启发函数确定所述预定航行路径。
24.具体而言，根据无人艇的航行任务依次读取所述无人艇的起点位置和终点位置，在海域栅格图中找到起点位置和终点位置对应的栅格，海域栅格图中可以直观地获取障碍物所在的栅格，根据海域栅格图选取多条可以避开障碍物的航行路线作为预定航行路径。
25.具体地，海域栅格图由多个栅格组成，每一个栅格的尺寸表示无人艇挺宽，基于此，匹配所述起点位置所在的栅格作为起点栅格，匹配所述终点位置所在的栅格作为终点栅格。组建所述起点栅格的第一相邻栅格集，第一相邻栅格集包含各个方向上的所有与起点栅格相邻的栅格，进而对所述第一相邻栅格集进行筛选，也就是说，第一相邻栅格集中可能有存在障碍物的栅格，这样的栅格是不能航行的，对其进行剔除，即可得到筛选出的第一目标栅格集。提取所述第一目标栅格集中的第一栅格（第一目标栅格集中中的任一栅格），并计算所述第一栅格与所述终点栅格的距离（比如欧氏距离，或者曼哈顿距离等）作为第一估计代价，就是确定第一栅格与所述终点栅格的距离长短，距离越短，说明该第一栅格作为航行路径更优，可以提高效率，比较所述第一估计代价，以最小的第一估计代价所对应的第一栅格作为最优第一栅格，以起点栅格、最优第一栅格和终点栅格组建得到所述预定航行路径，实现航行路径的优化，提升航行控制效率。
26.进一步地，起点栅格和终点栅格中间所隔的栅格可能较多，因此，得到最优第一栅格后，根据所述起点栅格和所述最优第一栅格，得到第一实际代价，第一实际代价即为所述起点栅格和所述最优第一栅格之间的距离，比如欧氏距离、曼哈顿距离等。
27.进而组建所述最优第一栅格的第二相邻栅格集，第二相邻栅格集包含各个方向上的所有与最优第一栅格相邻的栅格，进而对所述第二相邻栅格集进行筛选，也就是说，第二相邻栅格集中可能有存在障碍物的栅格，这样的栅格是不能航行的，对其进行剔除，即可得
到筛选出的第二目标栅格集。提取所述第二目标栅格集中的第二栅格（第二目标栅格集中的任一栅格），并计算所述第二栅格与所述终点栅格的距离（欧氏距离、曼哈顿距离等）作为第二估计代价。
28.基于所述第一实际代价和所述第二估计代价确定启发函数，其中，所述启发函数的表达公式如下：，其中，所述是指所述启发函数，所述是指所述第一实际代价，所述是指所述第二估计代价，所述a是指第一权重系数，所述b是指第二权重系数，第一权重系数和第二权重系数可以设置为相同的数值，比如都设置为0.5。
29.进而通过所述启发函数确定所述预定航行路径，也就是说，所述第二目标栅格集中包含多个第二目标栅格，多个第二目标栅格分别与最优第一目标栅格相连接后，即可得到多个航行路径，多个航行路径的路程长度是不同的，需要选出路径最短的航行路径作为预定航行路径，由此，分别计算多个第二目标栅格分别与终点栅格的距离作为第二估计代价，同时，最优第一目标栅格已经确定完成，计算最优第一目标栅格与起点栅格之间的距离作为第一实际代价，基于启发函数的表达公式，通过设置权重系数对第二估计代价和第一实际代价进行加权计算，即可得到分别根据多个第二目标栅格获取的多个航行路径的多个启发函数值，启发函数值越小，说明以其作为航行路径的效果越优，以最小启发函数值对应的第二目标栅格作为最优第二栅格，将起点栅格、最优第一栅格、最优第二栅格和终点栅格连接即可得到所述预定航行路径，由此可以提高无人艇的航行效率。
30.需要说明的是，起点栅格和终点栅格中间可能需要连接多个栅格后方可得到所述预定航行路径，因此，在得到最优第二栅格，以此类推，采用相同的方法，继续获取最优第二栅格的第三相邻栅格集，并进行筛选，得到第三目标栅格集，提取第三目标栅格集中的第三栅格，并计算所述第三栅格与所述终点栅格的第三估计代价，计算所述起点栅格、所述最优第一栅格之间的距离，和最优第一栅格之间、所述最优第二栅格之间的距离，并进行加和得到第二实际代价，此时，将所述启发函数的表达公式中的第一实际代价替换为第二实际代价，第二估计代价替换为第三估计代价，进而选择最小启发函数值对应的第三栅格作为最优第三栅格，以此类推，继续获取最优第四栅格、最优第五栅格，直至最优第n栅格，n为大于1的整数，如果最优第n栅格的相邻栅格集中包含终点栅格，则停止此步骤，以起点栅格、最优第一栅格、最优第二栅格，直至最优第n栅格和终点栅格组成所述预定航行路径，比如可以对预定航行路径中的多个栅格进行相同颜色标记，此处的标记颜色与对障碍物区域和无障碍物的区域的标记颜色不同。
31.步骤s300：监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；具体而言，通过卫星系统或者在无人艇上安装定位装置监测无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系，预定坐标方案包括二维坐标系的原点和坐标轴的设定原则，比如以预定海域的海域栅格图的中心栅格为原点，以海域栅格图的两个相垂直的直线作为横轴和纵轴。进一步将实时位置映射到二维坐标系中。
32.步骤s400：结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；
具体而言，具体而言，结合所述预定航行路径与所述二维坐标系，将所述预定航行路径也映射到所述二维坐标系，结合二维坐标系中的实时位置，确定无人艇航行的下一个目标栅格，确定由实时位置到下一个目标栅格的航线，该航线指无人艇由头到尾的一条直线或者倾斜的直线，进而以该航线与某一个参考线的夹角，比如与二维坐标系的横轴或者纵轴之间的夹角作为实时期望航向角，实时期望航向角是理论上的航线角度。
33.步骤s500：引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；其中，本发明实施例步骤s500包括：步骤s510：读取航向角影响因子集，其中，所述航向角影响因子集包括艇长因子、艇宽因子、排水量因子、艇速因子、吃水深度因子；步骤s520：所述预定偏差函数的计算公式如下：，其中，是指所述实时应用航向角与所述实时期望航向角之间的所述预定偏差函数，是指所述实时期望航向角，是指所述实时应用航向角，i是指所述航向角影响因子集中的第i个因子，n是指所述航向角影响因子集中因子的总个数，且n=5，是指因子反馈调节系数，且，其中是指艇长因子反馈调节系数，是指艇宽因子反馈调节系数，是指排水量因子反馈调节系数，是指艇速因子反馈调节系数，是指吃水深度因子反馈调节系数。
34.具体而言，引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角，也就是说，在实际进行无人艇的航向控制时，总会存在一定的控制误差，实时应用航向角即为实际控制时，应当控制的航向角，也就是根据控制误差对实时期望航向角进行补偿后得到的航向角，具体过程如下：读取航向角影响因子集，航向角影响因子集包含多个会对航向控制产生影响的因子，所述航向角影响因子集包括艇长因子、艇宽因子、排水量因子、艇速因子、吃水深度因子，基于所述航向角影响因子集，获得所述预定偏差函数的计算公式如下：，其中，是指所述实时应用航向角与所述实时期望航向角之间的所述预定偏差函数，是指所述实时期望航向角，是指所述实时应用航向角，i是指所述航向角影响因子集中的第i个因子，n是指所述航向角影响因子集中因子的总个数，且n=5，是指因子反馈调节系数，且，其中是指艇长因子反馈调节系数，是指艇宽因子反馈调节系数，是指排水量因子反馈调节系数，是指艇速因子反馈调节系数，是指吃水深度因子反馈调节系数，具体根据各个航向角影响因子对航向控制的影响程度确定，影响程度越大，对应的反馈调节系数就越大，当然，所述航向角影响因子集中中的因子类型和数量也可以根据实际情况进行调整，在此不做限制。
35.基于现有技术实时获取艇长因子、艇宽因子、排水量因子、艇速因子、吃水深度因子的参数值，代入预定偏差函数计算获得所述实时应用航向角与所述实时期望航向角之间的偏差值，以偏差值对所述实时期望航向角进行补偿，即可得到所述实时应用航向角，可以降低无人艇航向控制误差，提升控制精度。
36.步骤s600：所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；其中，如图3所示，本发明实施例步骤s600包括：步骤s610：读取控制特征的控制特征参数阈值，并将所述控制特征参数阈值作为全局寻优空间；步骤s620：获取实时控制航向角，并计算所述实时控制航向角与所述实时期望航向角之间的误差，记作实时航向角误差；步骤s630：将所述实时航向角误差作为全局寻优评价参数；步骤s640：根据所述全局寻优评价参数在所述全局寻优空间内进行全局控制寻优，获得所述实时最优控制方案。
37.具体而言，所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案，也就是说，无人艇的控制特征参数有多个，比如艏摇角、横倾角和纵倾角，对多个控制特征参数进行不同数值的组合，可以得到多组控制方案，多组控制方案均可达到所述实时应用航向角的控制效果，在多组控制方案中选取最优控制方案作为实时最优控制方案，具体过程如下：基于现有技术读取控制特征的控制特征参数阈值，控制特征参数阈值是指各个控制特征的参数范围，也就是可以达到实时应用航向角的参数控制范围，并将所述控制特征参数阈值作为全局寻优空间，通俗地讲，就是在控制特征参数阈值的范围内，进行控制方案的选取。进一步获取实时控制航向角，实时控制航向角是指按照控制方案进行无人艇的航行控制后，无人艇的实际航向角。实时期望航向角是指理论上期望的无人艇航向角度，实时应用航向角是指实际控制时，为了达到实时期望航向角时应当控制的航向角度，实时控制航向角是指实际控制后，无人艇的实际航向角，基于此，计算所述实时控制航向角与所述实时期望航向角之间的误差，记作实时航向角误差，将所述实时航向角误差作为全局寻优评价参数，也就是分别计算所有控制方案对应的实时控制航向角与所述实时期望航向角之间的误差，获取最小的实时航向角误差对应的控制方案作为所述实时最优控制方案，实现对控制方案的优化，提升控制准确度和精度。此外，统计对该无人艇进行航向控制时的控制超调量、上升时间以及调节时间等，并加权计算得到航向控制指数，进一步以该航行控制指数和前述实时航向角误差共同作为所述全局寻优评价参数，从而实现提高所述实时最优控制方案合理性、科学性和真实可用性的技术目标。
38.步骤s700：基于所述实时最优控制方案对所述无人艇进行航行控制。
39.具体而言，将所述实时最优控制方案发送至所述无人艇的控制端，根据实时最优控制方案对无人艇进行航行控制，达到提升无人艇航行控制准确性和控制精度的技术效果。
40.基于上述分析可知，本发明提供了一种自适应学习的无人艇控制方法，其可达到如下有益效果：
1.在本实施例中，对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；基于所述实时最优控制方案对所述无人艇进行航行控制，达到提升无人艇航行控制准确性和控制精度的技术效果。
41.2.根据预定海域特征构建海域栅格图，便于快速、准确地确定障碍物位置，达到为后续的无人艇的航行控制提供基础数据，提升预定海域特征的可视化程度，提升控制效率的技术效果。
42.3.通过引入启发函数对确定最优航行路径，得到预定航行路径，达到实现航行路径的优化，提升路径规划的合理性，提升航行效率，进而提升航行控制准确度的技术效果。
实施例二
43.基于与前述实施例中一种自适应学习的无人艇控制方法同样的发明构思，如图4所示，本发明还提供了一种自适应学习的无人艇控制系统，所述系统包括：海域特征分析模块11，所述海域特征分析模块11用于对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；海域栅格图分析模块12，所述海域栅格图分析模块12用于依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；坐标系构建模块13，所述坐标系构建模块13用于监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；实时期望航向角获取模块14，所述实时期望航向角获取模块14用于结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；实时应用航向角获取模块15，所述实时应用航向角获取模块15用于引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；全局控制寻优模块16，所述全局控制寻优模块16用于所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；航行控制模块17，所述航行控制模块17用于基于所述实时最优控制方案对所述无人艇进行航行控制。
44.进一步而言，所述海域特征分析模块11还用于：对所述无人艇进行特征采集，得到无人艇特征；提取所述无人艇特征中的无人艇艇宽，并以所述无人艇艇宽作为单位栅格；基于所述单位栅格对初始海域图进行栅格分割，得到m个海域栅格，其中，m为大于1的整数；
读取预定栅格标记方案；根据所述预定栅格标记方案依次对所述m个海域栅格进行标记，得到m个海域栅格标识；根据所述m个海域栅格标识确定所述海域栅格图。
45.进一步而言，所述海域特征分析模块11还用于：提取所述预定海域特征中的海域物理特征，其中，所述海域物理特征包括海域形状、海域尺寸；根据所述海域物理特征建立所述预定海域的第一海域图；提取所述预定海域特征中的海面障碍物特征，其中，所述海面障碍物特征包括海面障碍物位置、海面障碍物尺寸；提取所述预定海域特征中的海底障碍物特征，其中，所述海底障碍物特征包括海底障碍物位置、海底障碍物影响范围；将所述海面障碍物特征与所述海底障碍物特征依次渲染至所述第一海域图，得到所述初始海域图。
46.进一步而言，所述海域栅格图分析模块12还用于：在所述海域栅格图中，匹配所述起点位置的起点栅格和所述终点位置的终点栅格；组建所述起点栅格的第一相邻栅格集，并对所述第一相邻栅格集进行筛选，得到第一目标栅格集；提取所述第一目标栅格集中的第一栅格，并计算所述第一栅格与所述终点栅格的第一估计代价；分析所述第一估计代价并确定最优第一栅格；基于所述最优第一栅格组建所述预定航行路径。
47.进一步而言，所述海域栅格图分析模块12还用于：根据所述起点栅格和所述最优第一栅格，得到第一实际代价；组建所述最优第一栅格的第二相邻栅格集，并对所述第二相邻栅格集进行筛选，得到第二目标栅格集；提取所述第二目标栅格集中的第二栅格，并计算所述第二栅格与所述终点栅格的第二估计代价；基于所述第一实际代价和所述第二估计代价确定启发函数，并通过所述启发函数确定所述预定航行路径。
48.进一步而言，所述海域栅格图分析模块12还用于：所述启发函数的表达公式如下：，其中，所述是指所述启发函数，所述是指所述第一实际代价，所述是指所述第二估计代价，所述a是指第一权重系数，所述b是指第二权重系数。
49.进一步而言，所述实时应用航向角获取模块15还用于：读取航向角影响因子集，其中，所述航向角影响因子集包括艇长因子、艇宽因子、排水量因子、艇速因子、吃水深度因子；
所述预定偏差函数的计算公式如下：，其中，是指所述实时应用航向角与所述实时期望航向角之间的所述预定偏差函数，是指所述实时期望航向角，是指所述实时应用航向角，i是指所述航向角影响因子集中的第i个因子，n是指所述航向角影响因子集中因子的总个数，且n=5，是指因子反馈调节系数，且，其中是指艇长因子反馈调节系数，是指艇宽因子反馈调节系数，是指排水量因子反馈调节系数，是指艇速因子反馈调节系数，是指吃水深度因子反馈调节系数。
50.进一步而言，所述全局控制寻优模块16还用于：读取控制特征的控制特征参数阈值，并将所述控制特征参数阈值作为全局寻优空间；获取实时控制航向角，并计算所述实时控制航向角与所述实时期望航向角之间的误差，记作实时航向角误差；将所述实时航向角误差作为全局寻优评价参数；根据所述全局寻优评价参数在所述全局寻优空间内进行全局控制寻优，获得所述实时最优控制方案。
51.前述实施例一中的一种自适应学习的无人艇控制方法具体实例同样适用于本实施例的一种自适应学习的无人艇控制系统，通过前述对一种自适应学习的无人艇控制方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种自适应学习的无人艇控制系统，所以为了说明书的简洁，在此不再详述。
52.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。
53.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种自适应学习的无人艇控制方法，其特征在于，包括：对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；基于所述实时最优控制方案对所述无人艇进行航行控制。2.根据权利要求1所述无人艇控制方法，其特征在于，所述根据所述预定海域特征生成所述预定航行海域的海域栅格图，包括：对所述无人艇进行特征采集，得到无人艇特征；提取所述无人艇特征中的无人艇艇宽，并以所述无人艇艇宽作为单位栅格；基于所述单位栅格对初始海域图进行栅格分割，得到m个海域栅格，其中，m为大于1的整数；读取预定栅格标记方案；根据所述预定栅格标记方案依次对所述m个海域栅格进行标记，得到m个海域栅格标识；根据所述m个海域栅格标识确定所述海域栅格图。3.根据权利要求2所述无人艇控制方法，其特征在于，在所述基于所述单位栅格对初始海域图进行栅格分割之前，包括：提取所述预定海域特征中的海域物理特征，其中，所述海域物理特征包括海域形状、海域尺寸；根据所述海域物理特征建立所述预定海域的第一海域图；提取所述预定海域特征中的海面障碍物特征，其中，所述海面障碍物特征包括海面障碍物位置、海面障碍物尺寸；提取所述预定海域特征中的海底障碍物特征，其中，所述海底障碍物特征包括海底障碍物位置、海底障碍物影响范围；将所述海面障碍物特征与所述海底障碍物特征依次渲染至所述第一海域图，得到所述初始海域图。4.根据权利要求3所述无人艇控制方法，其特征在于，所述生成预定航行路径，包括：在所述海域栅格图中，匹配所述起点位置的起点栅格和所述终点位置的终点栅格；组建所述起点栅格的第一相邻栅格集，并对所述第一相邻栅格集进行筛选，得到第一目标栅格集；提取所述第一目标栅格集中的第一栅格，并计算所述第一栅格与所述终点栅格的第一估计代价；分析所述第一估计代价并确定最优第一栅格；基于所述最优第一栅格组建所述预定航行路径。
5.根据权利要求4所述无人艇控制方法，其特征在于，所述基于所述最优第一栅格组建所述预定航行路径，包括：根据所述起点栅格和所述最优第一栅格，得到第一实际代价；组建所述最优第一栅格的第二相邻栅格集，并对所述第二相邻栅格集进行筛选，得到第二目标栅格集；提取所述第二目标栅格集中的第二栅格，并计算所述第二栅格与所述终点栅格的第二估计代价；基于所述第一实际代价和所述第二估计代价确定启发函数，并通过所述启发函数确定所述预定航行路径。6.根据权利要求5所述无人艇控制方法，其特征在于，所述启发函数的表达公式如下：，其中，所述是指所述启发函数，所述是指所述第一实际代价，所述是指所述第二估计代价，所述a是指第一权重系数，所述b是指第二权重系数。7.根据权利要求1所述无人艇控制方法，其特征在于，所述引入预定偏差函数对所述实时期望航向角进行偏差分析，包括：读取航向角影响因子集，其中，所述航向角影响因子集包括艇长因子、艇宽因子、排水量因子、艇速因子、吃水深度因子；所述预定偏差函数的计算公式如下：，其中，是指所述实时应用航向角与所述实时期望航向角之间的所述预定偏差函数，是指所述实时期望航向角，是指所述实时应用航向角，i是指所述航向角影响因子集中的第i个因子，n是指所述航向角影响因子集中因子的总个数，且n=5，是指因子反馈调节系数，且，其中是指艇长因子反馈调节系数，是指艇宽因子反馈调节系数，是指排水量因子反馈调节系数，是指艇速因子反馈调节系数，是指吃水深度因子反馈调节系数。8.根据权利要求1所述无人艇控制方法，其特征在于，所述得到实时最优控制方案，包括：读取控制特征的控制特征参数阈值，并将所述控制特征参数阈值作为全局寻优空间；获取实时控制航向角，并计算所述实时控制航向角与所述实时期望航向角之间的误差，记作实时航向角误差；将所述实时航向角误差作为全局寻优评价参数；根据所述全局寻优评价参数在所述全局寻优空间内进行全局控制寻优，获得所述实时最优控制方案。9.一种自适应学习的无人艇控制系统，其特征在于，所述系统包括：海域特征分析模块，所述海域特征分析模块用于对无人艇的预定航行海域进行特征采集，得到预定海域特征，并根据所述预定海域特征生成所述预定航行海域的海域栅格图；
海域栅格图分析模块，所述海域栅格图分析模块用于依次读取所述无人艇的起点位置和终点位置，并根据所述起点位置和所述终点位置对所述海域栅格图进行分析，生成预定航行路径；坐标系构建模块，所述坐标系构建模块用于监测所述无人艇的实时位置，并基于预定坐标方案构建所述实时位置的二维坐标系；实时期望航向角获取模块，所述实时期望航向角获取模块用于结合所述预定航行路径与所述二维坐标系，得到所述实时位置的实时期望航向角；实时应用航向角获取模块，所述实时应用航向角获取模块用于引入预定偏差函数对所述实时期望航向角进行偏差分析，得到实时应用航向角；全局控制寻优模块，所述全局控制寻优模块用于所述无人艇在所述实时应用航向角下进行全局控制寻优，得到实时最优控制方案；航行控制模块，所述航行控制模块用于基于所述实时最优控制方案对所述无人艇进行航行控制。

技术总结
本发明提供了一种自适应学习的无人艇控制方法及系统，涉及智能控制技术领域，该方法包括：得到预定海域特征，生成海域栅格图；生成预定航行路径；监测所述无人艇的实时位置，构建所述实时位置的二维坐标系；得到所述实时位置的实时期望航向角；对所述实时期望航向角进行偏差分析，得到实时应用航向角；进行全局控制寻优，得到实时最优控制方案；基于所述实时最优控制方案对所述无人艇进行航行控制，解决了现有技术中存在由于对航行路径的分析不够详细，且对航行控制的影响因素分析准确度不足，进而导致无人艇的路径规划不合理，同时航行控制精度和准确度不足的技术问题，达到提升无人艇航行控制准确性和控制精度的技术效果。无人艇航行控制准确性和控制精度的技术效果。无人艇航行控制准确性和控制精度的技术效果。


技术研发人员：叶刚 刘云平 倪宏宇 杨薛 葛愿
受保护的技术使用者：苏州优世达智能科技有限公司
技术研发日：2023.06.25
技术公布日：2023/8/13