Welcome-球速体育水下仿生机器人运动控制方法、装置、设备及存储介质

　　本发明涉及水下机器人控制领域,并公开了一种水下仿生机器人运动控制方法、装置、设备及存储介质,该方法包括,获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,将所述最优策略信息对应的最优策略部署到所述水下仿生机器人,以实现精确运动控制。本发明实现了水下仿生机器人的精准运动控制。

　　1.一种水下仿生机器人运动控制方法,其特征在于,所述水下仿生机器人运动控制方法,包括以下步骤,

　　获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,

　　获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,其中,所述根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息的步骤,包括,确定构建后的所述水下仿生机器人对应的线性状态方程,并将所述线性状态方程展开得到目标线性方程,基于所述目标线性方程构建对应的优化训练算法,并基于所述优化训练算法和所述目标动力学模型对设计后的所述水下仿生机器人在不同场景下进行优化训练,得到不同场景的最优策略,并将各所述最优策略汇总得到最优策略信息,

　　将所述最优策略信息对应的最优策略部署到所述水下仿生机器人,以实现精确运动控制。

　　2.如权利要求1所述水下仿生机器人运动控制方法,其特征在于,所述根据所述尾部构建数据构建尾部运动学模型的步骤,包括,

　　确定所述尾部构建数据中的坐标系数据,并确定所述坐标系数据对应的旋转矩阵,将所述旋转矩阵输入预设的角度计算公式进行计算得到角度变化数据,并确定所述角度变化数据对应的运动学数据,

　　确定所述尾部构建数据中的PWM波信号,并将所述运动学数据与所述PWM波信号进行拟合,得到尾部运动学关系数据,并构建所述尾部运动学关系数据对应的尾部运动学模型。

　　3.如权利要求1所述水下仿生机器人运动控制方法,其特征在于,所述根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型的步骤,包括,

　　确定所述水下仿生机器人对应的参数数据,并确定所述参数数据中的攻角、侧滑角和尾部水动力,计算所述攻角和所述侧滑角与所述尾部水动力之间的动力关系,

　　确定所述参数数据中的准稳态升阻力模型,基于所述动力关系对所述尾部运动学模型和所述准稳态升阻力模型进行模型训练得到尾部动力学模型,并根据所述尾部动力学模型和所述参数数据构建目标动力学模型。

　　4.如权利要求3所述水下仿生机器人运动控制方法,其特征在于,所述根据所述尾部动力学模型和所述参数数据构建目标动力学模型的步骤,包括,

　　确定所述参数数据中的左翼推力和右翼推力,计算所述左翼推力和所述右翼推力之间的推力数据,并确定所述尾部动力学模型对应的尾部推力数据,

　　确定所述参数数据中的作用力数据和力矩数据,基于所述推力数据、所述尾部推力数据、所述作用力数据和所述力矩数据计算得到机体速度和机体角速度,并根据所述机体速度和所述机体角速度构建所述水下仿生机器人的目标动力学模型。

　　5.如权利要求4所述水下仿生机器人运动控制方法,其特征在于,所述根据所述机体速度和所述机体角速度构建所述水下仿生机器人的目标动力学模型的步骤,包括,

　　确定所述水下仿生机器人对应的高维空间线性系统,对所述高维空间线性系统进行函数值设置得到目标线页

　　确定所述目标线性系统中的算子数值,并基于所述算子数值确定所述目标线性系统的迭代数据,并基于所述迭代数据、所述机体速度和所述机体角速度进行模型训练构建目标动力学模型。

　　6.如权利要求1所述水下仿生机器人运动控制方法,其特征在于,所述根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略的步骤,包括,

　　确定所述设计数据中的导航确定数据,基于所述导航确定数据构建所述水下仿生机器人的导航策略,

　　确定所述设计数据中的状态观测器,并对所述状态观测器进行线性扩张并滤波,得到运动观测器。

　　7.一种水下仿生机器人运动控制装置,其特征在于,所述水下仿生机器人运动控制装置包括,

　　构建模块,用于获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,

　　训练模块,用于获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,其中,所述根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息的步骤,包括,确定构建后的所述水下仿生机器人对应的线性状态方程,并将所述线性状态方程展开得到目标线性方程,基于所述目标线性方程构建对应的优化训练算法,并基于所述优化训练算法和所述目标动力学模型对设计后的所述水下仿生机器人在不同场景下进行优化训练,得到不同场景的最优策略,并将各所述最优策略汇总得到最优策略信息,

　　处理模块,用于将所述最优策略信息对应的最优策略部署到所述水下仿生机器人,以实现精确运动控制。

　　8.一种水下仿生机器人运动控制设备,其特征在于,所述水下仿生机器人运动控制设备包括,存储器、处理器及存储在所述存储器上并可在所述处理器上运行的水下仿生机器人运动控制程序,所述水下仿生机器人运动控制程序被所述处理器执行时实现如权利要求1至6中任一项所述水下仿生机器人运动控制方法的步骤。

　　9.一种存储介质,其特征在于,所述存储介质上存储有水下仿生机器人运动控制程序,所述水下仿生机器人运动控制程序被处理器执行时实现如权利要求1至6中任一项所述水下仿生机器人运动控制方法的步骤。

　　[0001 ] 本发明涉及水下机器人控制领域,尤其涉及一种水下仿生机器人运动控制方法、装置、设备及存储介质。

　　[0002] 近年来,丰富的海洋资源促使研究人员通过能够远程操作和自主运动的水下机器人来探索未知的水下环境。其中,通过模拟海洋生物的外貌、运动特性发明的水下仿生机器人,具备低噪声、高机动性和良好的隐蔽性等特征。因而,水下仿生机器人受到了广泛的关注。

　　[0003] 传统的水下仿生机器人运动控制方式是通过根据大量人工经验设计运动控制的控制流程,进而根据人工经验实现仿生机器人运动控制,这种水下仿生机器人运动控制方式存在很大的缺陷,会存在根据人工经验进行设置会使控制方案的确定时间较长以及无法保证方案最优的问题,即,这种水下仿生机器人运动控制方式会由于耗时时间过长进而无法保证运动控制开发效率,而且还会因为无法保证方案最优进而造成运动控制的精准度不高。

　　[0004] 本发明的主要目的在于提出一种水下仿生机器人运动控制方法、装置、设备及存储介质,旨在解决如何实现水下仿生机器的精准运动控制的技术问题。

　　[0005] 为实现上述目的,本发明提供一种水下仿生机器人运动控制方法,所述水下仿生机器人运动控制方法步骤,包括,

　　[0006] 获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,

　　[0007] 获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,

　　[0008] 将所述最优策略信息对应的最优策略部署到所述水下仿生机器人,以实现精确运动控制。

　　[0009] 可选地,根据所述尾部构建数据构建尾部运动学模型的步骤,包括,

　　[0010] 确定所述尾部构建数据中的坐标系数据,并确定所述坐标系数据对应的旋转矩阵,将所述旋转矩阵输入预设的角度计算公式进行计算得到角度变化数据,并确定所述角度变化数据对应的运动学数据,

　　[001 1 ] 确定所述尾部构建数据中的PWM波信号,并将所述运动学数据与所述PWM波信号进行拟合,得到尾部运动学关系数据,并构建所述尾部运动学关系数据对应的尾部运动学模型。

　　[0012] 可选地,根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型的

　　[0013] 确定所述水下仿生机器人对应的参数数据,并确定所述参数数据中的攻角、侧滑角和尾部水动力,计算所述攻角和所述侧滑角与所述尾部水动力之间的动力关系,

　　[0014] 确定所述参数数据中的准稳态升阻力模型,基于所述动力学关系对所述尾部运动学模型和所述准稳态升阻力模型进行模型训练得到尾部动力学模型,并根据所述尾部动力学模型和所述参数数据构建目标动力学模型。

　　[0015] 可选地,根据所述尾部动力学模型和所述参数数据构建目标动力学模型的步骤,包括,

　　[0016] 确定所述参数数据中的左翼推力和右翼推力,计算所述左翼推力和所述右翼推力之间的推力数据,并确定所述尾部动力学模型对应的尾部推力数据,

　　[0017] 确定所述参数数据中的作用力数据和力矩数据,基于所述推力数据、所述尾部推力数据、所述作用力数据和所述力矩数据计算得到机体速度和机体角速度,并根据所述机体速度和所述机体角速度构建所述水下仿生机器人的目标动力学模型。

　　[0018] 可选地,根据所述机体速度和所述机体角速度构建所述水下仿生机器人的目标动力学模型的步骤,包括,

　　[0019] 确定所述水下仿生机器人对应的高维空间线性系统,对所述高维空间线性系统进行函数值设置得到目标线] 确定所述目标线性系统中的算子数值,并基于所述算子数值确定所述目标线性系统的迭代数据,并基于所述迭代数据、所述机体速度和所述机体角速度进行模型训练构建目标动力学模型。

　　[0021 ] 可选地,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略的步骤,包括,

　　[0022] 确定所述设计数据中的导航确定数据,基于所述导航确定数据构建所述水下仿生机器人的导航策略,

　　[0023] 确定所述水下仿生机器人的状态观测器,并对所述状态观测器进行线性扩张并滤波,得到运动观测器。可选地,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息的步骤,包括,

　　[0024] 确定构建后的所述水下仿生机器人对应的线性状态方程,并将所述线性状态方程展开得到目标线] 基于所述目标线性方程构建对应的优化训练算法,并基于所述优化训练算法和所述目标动力学模型对设计后的所述水下仿生机器人在不同场景下进行优化训练,得到不同场景的最优策略,并将各所述最优策略汇总得到最优策略信息。

　　[0026] 此外,为实现上述目的,本发明还提供一种水下仿生机器人运动控制装置,包括,

　　[0027] 构建模块,用于获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,

　　[0028] 训练模块,用于获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,

　　[0029] 处理模块,用于将所述最优策略信息对应的最优策略部署到所述水下仿生机器

　　[0030] 此外,为实现上述目的,本发明还提供一种水下仿生机器人运动控制设备,包括,存储器、处理器及存储在所述存储器上并可在所述处理器上运行的水下仿生机器人运动控制程序,所述水下仿生机器人运动控制程序被所述处理器执行时实现上所述的水下仿生机器人运动控制方法的步骤。

　　[0031 ] 此外,为实现上述目的,本发明还提供一种水下仿生机器人运动控制存储介质,所述存储介质上存储有水下仿生机器人运动控制程序,所述水下仿生机器人运动控制程序被处理器执行时实现如上所述的水下仿生机器人运动控制方法的步骤。

　　[0032] 本发明通过获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,将所述最优策略信息对应的最优策略部署到所述水下仿生机器人,以实现精确运动控制。通过构建目标动力学模型进而进行训练,得到最优策略信息,从而避免了现有技术中水下仿生机器人运动控制需要根据人工经验进行设置会使控制方案的确定时间较长以及无法保证方案最优的现象发生,这种水下仿生机器人运动控制方式不仅缩短了耗时时间进而提高了运动控制开发效率,而且还可以通过软体属性动力学模型进行训练得到最优策略信息进而可以提高水下仿生机器人运动控制的精准度。

　　[0033] 图1是本发明实施例方案涉及的硬件运行环境的水下仿生机器人运动控制设备结构示意图,

　　[0034] 图2为本发明水下仿生机器人运动控制方法第一实施例的流程示意图,

　　[0039] 图7为本发明水下仿生机器人运动控制的外部反光球安装示意图,

　　[0040] 图8为本发明水下仿生机器人运动控制的光学运动捕捉系统的实验图,

　　[0043] 本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。

　　[0044] 应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。

　　[0045] 参照图1 ,图1为本发明实施例方案涉及的硬件运行环境的水下仿生机器人运动控制设备结构示意图。

　　0005。其中,通信总线用于实现这些组件之间的连接通信。获取接口0002可以包括信息采集装置、获取单元比如计算机,可选获取接口0002还可以包括标准的有线接口、无线可选的可以包括标准的有线接口、无线可以是高速的随机存取存储器,RandomAccessMemory(RAM) ,也可以是稳定的非易失性存储器,Non‑VolatileMemory(NVM) ,例如磁盘存储器。存储器0005可选的还可以是独立于前述处理器0003的存储装置。

　　[0047] 本领域技术人员可以理解,图1中示出的结构并不构成对水下仿生机器人运动控制设备的一种限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。

　　[0048] 如图1所示,作为一种存储介质的存储器0005中可以包括操作系统、获取接口模块、处理接口模块以及水下仿生机器人运动控制程序。

　　[0049] 在图1所示的水下仿生机器人运动控制设备中,通信总线主要用于实现组件之间的连接通信,获取接口0002主要用于连接后台服务器,与后台服务器进行数据通信,处理接口0004主要用于连接部署端,用户端, ,与部署端进行数据通信,本发明水下仿生机器人运动控制设备中的处理器0003、存储器0005可以设置在水下仿生机器人运动控制设备中,所述水下仿生机器人运动控制设备通过处理器0003调用存储器0005中存储的水下仿生机器人运动控制程序,并执行本发明实施例提供的水下仿生机器人运动控制方法。

　　[0050] 基于上述硬件结构,提出本发明水下仿生机器人运动控制方法实施例。

　　[0051 ] 本发明实施例提供了一种水下仿生机器人运动控制方法,参照图2,图2为本发明水下仿生机器人运动控制方法第一实施例的流程示意图。

　　[0053] 步骤S10,获取采集的尾部构建数据,根据所述尾部构建数据构建尾部运动学模型,并根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型,

　　[0054] 在本实施例中,水下仿生机器人是指具有软体属性的水下仿生机器人,主要通过待构建数据对水下仿生机器人动力学模块进行构建,待构建数据是指跟构建模型有关的各种参数以及公式等,参照图4,图4为水下仿生机器人运动控制的系统坐标系示意图,Cg =ogxgygzg和Cb = obxbybzb分别代表惯性坐标系与机体坐标系,Ci = oixiyizi (i = h( t) l,r)分别代表可动关节的联体坐标系(h) t( l) r分别对应头部、尾部、左翼和右翼的坐标系,o为原点。其次,参照图5,图5为,水下仿生机器人运动控制的实际内部结构图,内部由尾部的尾部脊柱和尾部舵机构成,头部就包括了开关、充电口、电机、深度传感器和惯导传感器,还包括了头部舵机和安装在头部的摄像头。最后,参照图6,图6为水下仿生机器人运动控制的实际外部结构图,主要部分包括了可以是具有软体属性的线驱动头部和线驱动尾部和脚蹼,具有刚体属性的翼,这个水下仿生机器人可以是企鹅水下仿生机器人。在确定待构建数据之后,就会通过运动捕捉系统、计算流体力学等设备与方法收集数据,构建可靠的学习环境,其中,根据所述待构建数据确定软体属性动力学信息的步骤,包括,

　　[0055] 步骤C11 ,确定所述尾部构建数据中的坐标系数据,并确定所述坐标系数据对应的旋转矩阵,将所述旋转矩阵输入预设的角度计算公式进行计算得到角度变化数据,并确定所述角度变化数据对应的运动学数据,

　　[0056] 在本实施例中,通过确定尾部构建数据中的坐标系信息,并确定坐标系信息确定

　　对应的旋转矩阵,最后将旋转矩阵输入预设的角度计算公式进行计算得到角度变化数据信息,就会得到角度变化数据对应的运动学数据,其中,尾部构建数据是指构建尾部相关模型的数据,可以包括坐标和输入PWM波等,坐标系信息是指图4中的水下仿生机器人上的几种坐标系,旋转矩阵是指运动捕捉系统的利用惯性坐标系与机体坐标系得到的矩阵为旋转矩阵,角度变化数据是指水下仿生机器人的角度变化,运动学数据依据角度变化数据对应的运行学数据。参照图7,图7为,水下仿生机器人运动控制的外部反光球安装示意图,参照图

　　8,图8为,水下仿生机器人运动控制的光学运动捕捉系统的实验图,首先,参照图7将三个不共线的反光球安装在机体上构建体坐标系,从而得到三维光学运动捕捉系统的惯性坐标系与机体坐标系的旋转矩阵bRg。然后,在线驱动尾部上安装多个用于运动拟合的反光球,以及一个用于计算运动变化的固定反光球,各位置的角度变化∆θij即可计算得到,

　　[0058] 其中,P代表反光球之间的相对位置,bRg代表从惯性坐标系到机体坐标系的旋转矩阵(gPi )gPj代表关节i和j上反光球在惯性坐标系的位置, ,,z代表其在z方向上的投影, ,,x代表其在x轴方向的投影,参照图8中间位置的1 (2)3就表示拟合的反光球,0表示固定反光球,相对位置是指两个光球之间的相对位置,θc是指PWM的控制角度,g表示惯性坐标,i j表示反光球序号,可以为四个反光球的的坐标参数。最后就会确定角度变化∆θij对应的运动学,最终就会得到整个水下仿生机器人的动力学模型。

　　[0059] 步骤C 12,确定所述尾部构建数据中的PWM波信号,并将所述运动学数据与所述PWM 波信号进行拟合,得到尾部运动学关系数据,并构建所述尾部运动学关系数据对应的尾部运动学模型。

　　[0060] 在本实施例中,通过确定尾部构建数据中的PWM波信号,运动学数据与所述PWM波信号进行拟合,得到尾部运动学关系数据,最后就会构建尾部运动学关系数据对应的尾部运动学模型,PWM波信号是指整个水下仿生机器人的输入信号,尾部运动学关系数据是指PWM波信号与运动学之间关系,这里是指输入跟实际运动之间的关系,尾部运动学模型是指尾部对应的运动学模型。也就是利用反向传播神经网络拟合得到线驱动尾部舵机PWM波信号与运动学,角度变化信息对应的,之间的关系,

　　[0062] 其中,w代表神经元权值,b代表神经元偏置,h代表隐含层,o代表输出层,f代表S i gmoi d函数(k)i是隐含层神经元序号(whk) i代表隐含层神经元k,在上一层隐含层神经元i 里的权值,θi代表关节i的角度。就可以确定运动学与输入PWM波信号之间的关系,便于确定后续目标动力学模型。其中,根据所述尾部运动学模型构建所述水下仿生机器人的目标动力学模型的步骤,包括,

　　[0063] 步骤C13,确定所述水下仿生机器人对应的参数数据,并确定所述参数数据中的攻角、侧滑角和尾部水动力,计算所述攻角和所述侧滑角与所述尾部水动力之间的动力关系,

　　[0064] 步骤C14,确定所述参数数据中的准稳态升阻力模型,基于所述动力关系对所述尾部运动学模型和所述准稳态升阻力模型进行模型训练得到尾部动力学模型,并根据所述尾

　　[0065] 在本实施例中,通过确定水下仿生机器人对应的参数数据,并确定参数数据中的攻角、侧滑角和尾部水动力,最后计算攻角和侧滑角与尾部水动力之间的动力学关系,参数数据就包括了攻角和侧滑角等,动力学关系是指通过计算流体力学计算攻角、侧滑角与先确定尾部水动力之间的关系,同时还会确定参数数据中的准稳态升阻力模型,可以根据之前得到动力学关系结合线驱动部位的运动学模型,尾部运动学模型,以及准稳态升阻力模型进行模型训练得到尾部动力学模型,最后就会根据尾部动力学模型和参数数据构建目标动力学模型。其中准稳态升阻力模型是参数数据中预设的模型,尾部动力学模型如下,

　　[0067] 其中,β代表侧滑角,Ry代表绕y轴的旋转矩阵,Rz代表绕z轴的旋转矩阵,ρ代表密度,Sj代表沿关节坐标系轴线的投影面积,Uj代表关节速度,T代表转置,αj代表角度攻角,βj 代表的侧滑角(Cs)j代表对应方向的水动力系数,D表示阻力,L表示升力。最后还会根据尾部动力学模型和参数数据确定刚体以及头部的动力学模型,最终实现整个水下仿生机器人的模型构建。

　　[0068] 步骤S20,获取预设的设计数据,根据所述设计数据构建所述水下仿生机器人的运动观测器和导航策略,根据所述目标动力学模型对构建后的所述水下仿生机器人进行训练,得到最优策略信息,