本發(fā)明涉及氣墊船，具體說(shuō)的是一種隱私保護(hù)下氣墊船的最優(yōu)預(yù)定時(shí)間控制方法。

背景技術(shù)：

1、目前，國(guó)內(nèi)外對(duì)氣墊船航向控制方面的研究已經(jīng)有了一定的研究成果，但是大部分都是通過(guò)操縱氣墊船的空氣舵進(jìn)行航向控制。另外，氣墊船早期采用人工操控方式，主要是依靠駕駛員觀察氣墊船空間運(yùn)動(dòng)參數(shù)的變化，直接操縱執(zhí)行機(jī)構(gòu)。由于全墊升氣墊船在風(fēng)浪中航行時(shí)穩(wěn)定性較差，采用人工操縱方式，不容易得到較好的控制品質(zhì)，甚至可能會(huì)造成氣墊船的高速回轉(zhuǎn)和側(cè)滑等危險(xiǎn)的航行狀態(tài)，更甚還可能造成翻船等嚴(yán)重事故。

2、氣墊船在水中航行過(guò)程中，易受到外界海洋環(huán)境如風(fēng)浪流的干擾，極易產(chǎn)生側(cè)滑，而側(cè)滑會(huì)影響其路徑跟蹤的準(zhǔn)確度。因此，如何使得隱私保護(hù)下氣墊船在水面航行受到外界環(huán)境干擾過(guò)程中實(shí)現(xiàn)預(yù)定時(shí)間一致性控制成為丞待解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，本發(fā)明提供一種隱私保護(hù)下氣墊船的最優(yōu)預(yù)定時(shí)間控制方法，能夠使遭受復(fù)雜的外部環(huán)境干擾的氣墊船在控制過(guò)程中具有預(yù)定時(shí)間的隱私保護(hù)控制功能。

2、為實(shí)現(xiàn)上述技術(shù)目的，所采用的技術(shù)方案是：一種隱私保護(hù)下氣墊船的最優(yōu)預(yù)定時(shí)間控制方法，包括以下步驟：

3、步驟1、建立氣墊船進(jìn)行非線性數(shù)學(xué)模型，基于非線性數(shù)學(xué)模型，根據(jù)氣墊船物理特性構(gòu)造未知縱向速度和未知時(shí)變外部擾動(dòng)下的狀態(tài)方程；

4、步驟2、采用預(yù)定時(shí)間隱私函數(shù)來(lái)等價(jià)轉(zhuǎn)換狀態(tài)方程，并引入預(yù)定時(shí)間函數(shù)，得到誤差變量si1、si2；

5、步驟3、根據(jù)誤差變量si1、理想最優(yōu)虛擬控制信號(hào)和最優(yōu)理論方法設(shè)計(jì)第一個(gè)子系統(tǒng)的最優(yōu)代價(jià)函數(shù)對(duì)最優(yōu)代價(jià)函數(shù)求導(dǎo)構(gòu)造第一個(gè)子系統(tǒng)的哈密頓-雅可比-貝爾曼方程，根據(jù)bellman的最優(yōu)原理，對(duì)第一個(gè)子系統(tǒng)的哈密頓-雅可比-貝爾曼方程和理想最優(yōu)虛擬控制信號(hào)求偏導(dǎo)，得到理想最優(yōu)虛擬控制信號(hào)，將理想最優(yōu)虛擬控制信號(hào)基于神經(jīng)網(wǎng)絡(luò)架構(gòu)的自適應(yīng)動(dòng)態(tài)規(guī)劃方法近似求解，得到新的理想最優(yōu)虛擬控制信號(hào)對(duì)新的理想最優(yōu)虛擬控制信號(hào)采用執(zhí)行評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)來(lái)近似處理得到預(yù)定時(shí)間近似最優(yōu)虛擬控制信號(hào)αi1后，設(shè)計(jì)預(yù)定時(shí)間近似最優(yōu)虛擬控制信號(hào)αi1對(duì)應(yīng)的自適應(yīng)參數(shù)和執(zhí)行-評(píng)價(jià)網(wǎng)絡(luò)估計(jì)權(quán)值更新律；

6、步驟4、設(shè)計(jì)具有動(dòng)態(tài)標(biāo)度的混合事件觸發(fā)機(jī)制，根據(jù)混合事件觸發(fā)機(jī)制構(gòu)造觸發(fā)控制輸入；

7、步驟5、根據(jù)誤差變量si2、理想最優(yōu)虛擬控制器和最優(yōu)理論方法設(shè)計(jì)第二個(gè)子系統(tǒng)的最優(yōu)代價(jià)函數(shù)對(duì)最優(yōu)代價(jià)函數(shù)求導(dǎo)構(gòu)造第二個(gè)子系統(tǒng)的哈密頓-雅可比-貝爾曼方程，根據(jù)bellman的最優(yōu)原理，對(duì)第二個(gè)子系統(tǒng)的哈密頓-雅可比-貝爾曼方程和理想最優(yōu)虛擬控制器求偏導(dǎo)，得到理想的最優(yōu)虛擬控制器，將理想最優(yōu)虛擬控制器基于神經(jīng)網(wǎng)絡(luò)架構(gòu)的自適應(yīng)動(dòng)態(tài)規(guī)劃方法近似求解，得到新的理想最優(yōu)虛擬控制器對(duì)新的理想最優(yōu)虛擬控制器采用執(zhí)行評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)來(lái)近似處理得到預(yù)定時(shí)間近似最優(yōu)虛擬控制器αi2后，設(shè)計(jì)預(yù)定時(shí)間近似最優(yōu)虛擬控制器αi2對(duì)應(yīng)的自適應(yīng)參數(shù)和執(zhí)行-評(píng)價(jià)網(wǎng)絡(luò)估計(jì)權(quán)值更新律。

8、本發(fā)明還包括步驟6、構(gòu)造完整的李雅普諾夫函數(shù)：

9、

10、并對(duì)其求時(shí)間導(dǎo)數(shù)進(jìn)行穩(wěn)定性分析可得其中，i表示智能體的個(gè)數(shù)，和分別表示和的估計(jì)值，為神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)值向量對(duì)應(yīng)的執(zhí)行和評(píng)價(jià)最優(yōu)權(quán)值向量；和均代表參數(shù)估計(jì)誤差，m＝1,2，κi2為正設(shè)計(jì)參數(shù)。

11、本發(fā)明所述的預(yù)定時(shí)間隱私函數(shù)為受保護(hù)的變量表示為m＝1,2，i＝1,2,3,……i，i表示智能體的個(gè)數(shù)，其中0≤td＜∞表示預(yù)定的收斂時(shí)間，ai表示常數(shù)。

12、本發(fā)明所述的預(yù)定時(shí)間函數(shù)其中qi∈z+滿足2qi＞ni+1，ni為子系統(tǒng)總數(shù)，0＜ti＜∞和分別表示用戶定義的預(yù)分配時(shí)間和跟蹤精度。

13、本發(fā)明所述的誤差變量為其中sil表示誤差面l＝1,2，ri1表示濾波誤差，虛擬控制律αi1作為濾波器的輸入，得到了濾波器的輸出信號(hào)ιi表示時(shí)間標(biāo)量。

14、本發(fā)明所述的預(yù)定時(shí)間近似最優(yōu)虛擬控制信號(hào)αi1為

15、

16、其中，ξim為預(yù)定時(shí)間隱私函數(shù)，m＝1,2，i＝1,2,3,……i，i表示智能體的個(gè)數(shù)，bi＝1意味著智能體i能夠接收領(lǐng)導(dǎo)者信號(hào)，否則的話，bi＝0，aij＝1代表第i個(gè)智能體能夠接收到相鄰智能體j的信息，否則的話aij＝0；θi1為正設(shè)計(jì)參數(shù)；表示神經(jīng)網(wǎng)絡(luò)對(duì)第一個(gè)未知函數(shù)逼近的基函數(shù)，表示一個(gè)正常量，對(duì)變量si1求導(dǎo)后得到σi1；為的估計(jì)值，代表神經(jīng)網(wǎng)絡(luò)的權(quán)值向量，代表神經(jīng)網(wǎng)咯的逼近誤差；表示的估計(jì)值，為神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)值向量對(duì)應(yīng)的執(zhí)行最優(yōu)權(quán)值向量。

17、本發(fā)明所述的預(yù)定時(shí)間近似最優(yōu)虛擬控制信號(hào)αi1對(duì)應(yīng)的自適應(yīng)參數(shù)和執(zhí)行-評(píng)價(jià)網(wǎng)絡(luò)估計(jì)權(quán)值更新律

18、

19、

20、

21、其中，li1,γic1,γia1為正設(shè)計(jì)參數(shù)滿足γic1＞γia1/2，對(duì)變量si1求導(dǎo)后得到σi1，表示一個(gè)正常量，和分別表示和的估計(jì)值，為神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)值向量對(duì)應(yīng)的執(zhí)行和評(píng)價(jià)最優(yōu)權(quán)值向量，代表神經(jīng)網(wǎng)絡(luò)的權(quán)值向量，代表神經(jīng)網(wǎng)咯的逼近誤差，bi＝1意味著智能體i能夠接收領(lǐng)導(dǎo)者信號(hào)，否則的話，bi＝0，aij＝1代表第i個(gè)智能體能夠接收到相鄰智能體j的信息，否則的話aij＝0；為神經(jīng)網(wǎng)絡(luò)對(duì)第一個(gè)未知成本函數(shù)逼近的基函數(shù)。

22、本發(fā)明步驟4的具體實(shí)現(xiàn)方式為，混合事件觸發(fā)機(jī)制：

23、

24、

25、

26、其中，t代表系統(tǒng)運(yùn)行時(shí)間，表示上一個(gè)觸發(fā)時(shí)刻，為測(cè)量誤差信號(hào)，表示觸發(fā)控制輸入，ti(k+1)表示下一次觸發(fā)時(shí)刻，ti(k+1)＞tik,k∈n+,0＜νi＜1,λi,κi,di1,di2,和均是正常數(shù)，0＜di3(t)＜di3(0)，di3(0)為di3(t)初始值狀態(tài)，oi＞0代表預(yù)設(shè)精度決定何時(shí)將di3(t)重啟到其原始值，νi|ui(t)|+λi表示連續(xù)兩個(gè)觸發(fā)常數(shù)之間的控制信號(hào)間隙，和∈i表示控制信號(hào)間隙的變化率，zi1表示一致性誤差；

27、通過(guò)對(duì)混合事件觸發(fā)機(jī)制可得

28、(1)當(dāng)時(shí)，構(gòu)造觸發(fā)控制輸入為

29、

30、其中,ρi＞0和

31、(2)當(dāng)時(shí)，構(gòu)造觸發(fā)控制輸入為

32、

33、其中，ui(t)為控制輸入。

34、本發(fā)明所述的預(yù)定時(shí)間近似最優(yōu)虛擬控制器αi2為

35、

36、其中，ξim為預(yù)定時(shí)間隱私函數(shù)，m＝1,2，i＝1,2,3,……i，i表示智能體的個(gè)數(shù)，分別表示的估計(jì)值，為神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)值向量對(duì)應(yīng)的執(zhí)行最優(yōu)權(quán)值向量，表示神經(jīng)網(wǎng)絡(luò)對(duì)第二個(gè)未知函數(shù)逼近的基函數(shù)，對(duì)變量si1求導(dǎo)后得到σi2，θi2,κi2為正設(shè)計(jì)參數(shù)，τi,oi,ei4表示正常量，ωi2為gi2的上界值，gi2＝(oi2/ki)，oi2表示流體動(dòng)力阻尼系數(shù)，ki表示慣性矩。

37、本發(fā)明所述的預(yù)定時(shí)間近似最優(yōu)虛擬控制器αi2對(duì)應(yīng)的自適應(yīng)參數(shù)和執(zhí)行-評(píng)價(jià)網(wǎng)絡(luò)估計(jì)權(quán)值更新律

38、

39、其中l(wèi)i2,γic2,γia2為正設(shè)計(jì)參數(shù)滿足γic2＞γia2/2，和分別表示和的估計(jì)值，為神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)值向量對(duì)應(yīng)的執(zhí)行和評(píng)價(jià)最優(yōu)權(quán)值向量，表示神經(jīng)網(wǎng)絡(luò)對(duì)第二個(gè)未知函數(shù)逼近的基函數(shù)，為正常量，為神經(jīng)網(wǎng)絡(luò)對(duì)第二個(gè)未知成本函數(shù)逼近的基函數(shù)。

40、本發(fā)明有益效果是：本方案對(duì)于需要在指定時(shí)間內(nèi)對(duì)機(jī)密狀態(tài)信息進(jìn)行保護(hù)的情況下，引入了預(yù)定時(shí)間隱私函數(shù)和預(yù)定時(shí)間函數(shù)來(lái)增強(qiáng)加密能力和暫態(tài)穩(wěn)態(tài)性能。在技術(shù)上，構(gòu)建了中間變量qi1來(lái)解決未知縱向速度的問(wèn)題，將未知時(shí)變外部擾動(dòng)作為未知函數(shù)處理，從而使得基于強(qiáng)化學(xué)習(xí)的反步控制過(guò)程中實(shí)現(xiàn)了控制器的預(yù)定時(shí)間優(yōu)化。隨后，使用新穎的李雅普諾夫能量函數(shù)來(lái)消除動(dòng)態(tài)面控制導(dǎo)致的誤差面半全局有界性的缺點(diǎn)。值得注意的是，通過(guò)利用獨(dú)特的混合事件觸發(fā)機(jī)制，有效避免了不必要的資源消耗和隨時(shí)監(jiān)測(cè)條件。本方案解決了未知縱向速度下的氣墊船在水面航行受到外界環(huán)境干擾導(dǎo)致的路徑跟蹤問(wèn)題，實(shí)現(xiàn)了隱私保護(hù)下氣墊船的預(yù)定時(shí)間控制，預(yù)定時(shí)間控制包括指定的穩(wěn)態(tài)精度和穩(wěn)定時(shí)間。