本發明屬于uuv建模與仿真領域，具體為一種多屬性約束模糊推理的uuv協調控制模塊建模方法。
背景技術：
：海洋作為人類生存的戰略空間蘊藏著豐富的資源，已成為世界各國發展海洋經濟、創新海洋裝備、維護海洋權益和開展國際合作的重要場所。作為認識、探索、開發和利用海洋的重要手段，無人水下航行器(unmannedunderwatervehicle，uuv)已廣泛應用于海洋環境監測、海底石油勘探、水下空間搜救和水下無人作戰等民用和軍事領域。但是uuv在未知的、動態的、復雜的水下介質環境中作業，與地面及空間運載工具相比，其自主規劃和控制系統更為復雜。當前，隨著uuv向高智能性方向發展，對其智能決策和學習能力建模提出了更高的要求。在uuv結構中常常可以將其進行模塊化劃分為：傳感器模塊、協調控制模塊、動力推進模塊、通信模塊等四個關鍵部分，通過這四個模塊之間的邏輯信息計算實現uuv水下環境的無人操控、自主管理和獨立執行任務。其中，協調控制模塊在uuv結構模型中起到承上啟下的關鍵作用，其目的在于協調uuv內部各種模塊行動，提高內部結構信息流和控制流的緊耦合度，同時對于行為規則的反演、學習和更新具有重要的指導意義。可見，協調控制模塊負責整個uuv的協調運行，對于uuv的智能性構建起到決定性的作用。uuv在水下作業過程中需要面臨兩個復雜因素：(1)水下作業環境復雜，海風、浪、流、涌、水深、溫度、鹽度等水聲環境和水下復雜地形以及海洋生物組成的復雜水下環境對uuv影響非常之大；(2)水下作業任務復雜，uuv作為運載、通訊或者導航節點在海底勘測、協同搜索、水下作戰等任務方面具有無可替代的作用。這兩種因素相互影響會耦合產生大量離散事件和信息，包括uuv自身運動信息、任務信息、環境信息以及約束信息等。這些離散事件和信息往往具有不完全性、模糊性、隨機性以及并發性等特點，如何更好的利用這些事件和信息對于提高uuv智能性具有重要的意義。技術實現要素：為實現uuv智能性表達與建模，本發明針對uuv智能性建模問題進行研究，提出一種多屬性模糊協調控制的uuv智能性建模方法。本發明中模糊推理的uuv協調控制原理邏輯關系為：uuv在水下作業時，根據攜帶的傳感器系統獲取水下作業特征信息，將特征信息傳遞給模糊協調控制器，模糊協調控制器根據三個約束屬性：時間充裕度、任務復雜度和能力約束度進行模糊推理，根據模糊推理結構選擇采用具體的控制器行為規則，如果認為任務簡單或時間緊急則采用反應處理，直接將行為規則傳遞給uuv推進系統；如果任務復雜或者時間充裕采用學習機制，利用uuv的知識庫進行學習；其余情況采用規劃處理。依據上述原理，本發明的具體步驟為：所述一種多屬性約束模糊推理的uuv協調控制模塊建模方法，其特征在于：包括以下步驟：步驟1：根據uuv任務及環境參數，計算時間充裕度ha、任務復雜度na和能力約束度ma；其中、時間充裕度ha＝ha(e)×ha(t)，ha(e)表示uuv在環境e下的時間充裕度，ha(t)表示uuv在任務t下的時間充裕度；t表示uuv在環境e下完成任務t的最長時間，ee表示水下作業環境影響因子，tt表示作業任務影響因子，ia(ee)和ia(tt)分別表示環境e和任務t的重要程度；任務復雜度fs(t)表示作業任務特征因子tf與匹配任務特征因子tb的相似程度，匹配任務特征因子tb指知識庫中與當前任務t的匹配任務特征因子，ca(t)表示完成任務t的自信度；能力約束度f(s)表示完成任務t對uuv自身狀態s的約束因子；步驟2：根據步驟1得到的時間充裕度、任務復雜度和能力約束度的定量指標，采用以下隸屬度函數將時間充裕度、任務復雜度以及能力約束度模糊劃分為模糊謂詞{不充裕、一般、充裕}；其中時間充裕度ha∈[0，1/3)時，模糊謂詞ha∈[1/3，2/3)時，模糊謂詞ha∈[2/3，1]時，模糊謂詞任務復雜度na∈[0，1/3)時，模糊謂詞na∈[1/3，2/3)時，模糊謂詞na∈[2/3，1]時，模糊謂詞能力約束度ma∈[0，1/3)時，模糊謂詞ma∈[1/3，2/3)時，模糊謂詞ma∈[2/3，1]時，模糊謂詞步驟3：根據步驟2確定的時間充裕度、任務復雜度以及能力約束度解模糊結果，利用以下模糊規則庫，得到模糊推理輸出：rule1：thenp1＝t1rule2：thenp2＝t1rule3：thenp3＝t2rule4：thenp4＝t1rule5：thenp5＝t2rule6：thenp6＝t1rule7：thenp7＝t2rule8：thenp8＝t2rule9：thenp9＝t1rule10：thenp10＝t3rule11：thenp11＝t3rule12：thenp12＝t3rule13：thenp13＝t2rule14：thenp14＝t2rule15：thenp15＝t1rule16：thenp16＝t1rule17：thenp17＝t2rule18：thenp18＝t3rule19：thenp19＝t2rule20：thenp20＝t2rule21：thenp21＝t3rule22：thenp22＝t2rule23：thenp23＝t3rule24：thenp24＝t3rule25：thenp25＝t3rule26：thenp26＝t3rule27：thenp27＝t3其中pi(i＝1,2,…,27)表示模糊推理輸出，t1,t2,t3表示采用的行為規劃方式，t1為反應處理，t2為規劃處理，t3為學習處理。有益效果本發明根據uuv結構特點，設計多屬性約束模糊推理的協調控制模型原理，并分析模型各個結構的功能。其次，提出時間充裕度、任務復雜度和能力約束度等三個約束屬性作為模糊推理的變量，并設計相應的模糊邏輯謂詞和隸屬度函數。最后，依據三個屬性謂詞對uuv協調系統推理貢獻大小，建立時間充裕度最高、任務復雜度次之和狀態約束度最低的模糊規則謂詞排序，以此產生27條模糊規則用于uuv智能性建模。上述多屬性約束模糊推理的uuv協調控制模塊建模方法設計合理，適合應用在uuv水下作業過程中知識結構復雜、信息完備性差等情況下的知識表示和推理，對于提高uuv行為規則反應時間和效率，以及提高uuv智能性建模具有重要意義。本發明的附加方面和優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發明的實踐了解到。附圖說明本發明的上述和/或附加的方面和優點從結合下面附圖對實施例的描述中將變得明顯和容易理解，其中：圖1、基于模糊推理uuv協調控制模塊設計原理。圖2、隸屬度函數示意圖。具體實施方式下面詳細描述本發明的實施例，所述實施例的示例是示例性的，旨在用于解釋本發明，而不能理解為對本發明的限制。本發明針對uuv智能性建模問題進行研究，設計一種多屬性約束模糊推理的uuv協調控制模塊建模方法。首先根據uuv結構特點，設計多屬性約束模糊推理的協調控制模型原理，并分析模型各個結構的功能。其次，提出時間充裕度、任務復雜度和能力約束度等三個約束屬性作為模糊推理的變量，并設計相應的模糊邏輯謂詞和隸屬度函數。最后，依據三個屬性謂詞對uuv協調系統推理貢獻大小，建立時間充裕度最高、任務復雜度次之和狀態約束度最低的模糊規則謂詞排序，以此產生27條模糊規則用于uuv智能性建模。基于模糊推理的uuv協調控制模塊設計原理如圖1所示。1、該模糊推理的uuv協調控制模塊設計原理為：uuv在水下作業時，根據攜帶的傳感器系統獲取水下作業特征信息，將特征信息傳遞給模糊協調控制器，模糊協調控制器根據三個約束屬性：時間充裕度、任務復雜度和能力約束度進行模糊推理，根據模糊推理結構選擇采用具體的控制器行為規則，如果認為任務簡單或時間緊急則采用反應處理，直接將行為規則傳遞給uuv推進系統；如果任務復雜或者時間充裕采用學習機制，利用uuv的知識庫進行學習；其余情況采用規劃處理。2、確定時間充裕度、任務復雜度和能力約束度時間充裕度(timeadequacy)：e表示水下作業環境，ee表示水下作業環境影響因子，t表示作業任務，tt表示作業任務影響因子，ha(e)和ha(t)分別表示uuv在環境e下完成任務t的時間充裕度，ha(e)和ha(t)越大表示uuv認為應對環境和任務的充裕度越大，否則越低，時間充裕度ha計算公式定義如下：ia(ee)∈[0,1]，ia(tt)∈[0,1]ha＝ha(e)×ha(t)式中，t表示uuv在環境e下完成任務t的最長時間，t越小表示在環境e中完成任務t的時間越小，則充裕度ha(e)和ha(t)越小，反之越大。ia(ee)和ia(tt)表示uuv認為當前環境e和任務t的重要程度。任務復雜度(taskcomplexity)：t表示作業任務，na分別表示uuv認為任務t的任務復雜度，na越大表示uuv認為任務的復雜度越高，否則越低，其計算公式定義如下：fs(t)＝||tf-tb||，fs(t)∈[0,t]式中，tf表示作業任務的特征因子，tb表示知識庫中與當前任務t的匹配任務特征因子，fs(t)表示兩者的相似程度，當fs(t)越大，表示uuv處理任務t的知識較少，即na越小。ca(t)表示uuv對完成任務t的自信度，其中ca(t)＝0表示uuv對完成任務t沒有信心，ca(t)＝1表示uuv完全有信息完成任務。顯然，ca(t)越大，則uuv認為任務復雜度越小，反之越小。能力約束度(capacityconstraint)：ma分別表示uuv完成任務t的自身能力s的約束度，ma越大表示uuv認為任務t的能力約束，否則越小，反映了uuv對完成任務t的自我認識水平，其計算公式定義如下：式中，f(s)表示完成任務t對uuv自身狀態s的約束因子，f(s)＝0表示uuv認為任務t對自身狀態s不會產生任何約束，f(s)＝1表示uuv認為任務t對自身狀態產生破壞性約束，如uuv攜帶能源為零或喪失運動能力。3、模糊推理與模糊規則根據定量指標時間充裕度、任務復雜度和能力約束度的定義，將時間充裕度ha模糊劃分為模糊謂詞{不充裕、一般、充裕}，即任務復雜度na劃分為模糊謂詞{不復雜、一般、復雜}，即能力約束度ma劃分為模糊謂詞{不約束、一般、約束}，即為了設計和計算簡單，時間充裕度、任務復雜度和狀態約束度的隸屬度函數相同，如圖2所示。模糊系統的輸出則為依據環境和任務uuv具體選擇要采用的行為規劃方式{t1:反應處理(reaction)，t2:規劃處理(planning)、t3:學習處理(learning)}三個子系統；即e/ta＝{t1,t2,t3}。如果認為任務簡單或時間緊急則采用反應處理，直接將行為規則傳遞給uuv推進系統；如果任務復雜或者時間充裕采用學習機制，利用uuv的知識庫進行學習；其余情況采用規劃處理，利用知識庫進行規劃處理。需要說明的是，時間充裕度、任務復雜度和狀態約束度的模糊謂詞在模糊規則中存在排序高低的問題，其中時間充裕度最高，任務復雜度次之，而狀態約束度最低，即三個謂詞的順序是規則中條件對結論貢獻大小程度的一種考量。同時，由于隸屬度函數設計的特殊性，最后模糊推理結果為區間[0,1]之間的常數，不需要進行解模糊化，直接利用最后的結果進行選擇。具體模糊推理給出以下形式的模糊規則庫：rule1：thenp1＝t1rule2：thenp2＝t1rule3：thenp3＝t2rule4：thenp4＝t1rule5：thenp5＝t2rule6：thenp6＝t1rule7：thenp7＝t2rule8：thenp8＝t2rule9：thenp9＝t1rule10：thenp10＝t3rule11：thenp11＝t3rule12：thenp12＝t3rule13：thenp13＝t2rule14：thenp14＝t2rule15：thenp15＝t1rule16：thenp16＝t1rule17：thenp17＝t2rule18：thenp18＝t3rule19：thenp19＝t2rule20：thenp20＝t2rule21：thenp21＝t3rule22：thenp22＝t2rule23：thenp23＝t3rule24：thenp24＝t3rule25：thenp25＝t3rule26：thenp26＝t3rule27：thenp27＝t3式中，pi(i＝1,2,…,27)表示模糊推理輸出。可見，多屬性約束模糊推理的uuv協調控制模塊建模方法設計合理，適合應用在uuv水下作業過程中知識結構復雜、信息完備性差等情況下的知識表示和推理，對于提高uuv行為規則反應時間和效率，以及提高uuv智能性建模具有重要意義。依據上述方法說明，下面給出某型uuv在水庫進行兩次實驗：規避障礙和水下搜索，并通過實驗數據如表1所示進行實例分析。表1實驗數據列表任務類型規避障礙水下搜索任務時間t0.540.98uuv認為當前環境e重要程度ia(ee)0.760.52uuv認為當前任務t重要程度ia(tt)0.960.38作業任務特征因子tf0.670.67知識任務庫匹配特征因子tb0.320.96完成任務自信度ca(t)0.520.79約束因子f(s)0.060.37具體步驟如下：step1：計算時間充裕度ha，如表2所示：表2時間充裕度ha任務類型規避障礙水下搜索ha(e)0.580.39ha(t)0.640.72ha0.37120.2808step2：計算任務復雜度na，如表3所示：表3任務復雜度na任務類型規避障礙水下搜索fs(t)0.790.29na0.58590.7588step3：計算能力約束度ma，如表4所示：表4能力約束度mastep4：根據時間充裕度ha任務復雜度na,能力約束度ma，規避障礙和水下搜索兩種作業任務情況下選擇的模糊推理謂詞分別為如表5所示：表5時間充裕度ha、任務復雜度na、能力約束度ma邏輯謂詞選擇任務類型規避障礙水下搜索habnbnabpbmanbbstep5：依次設定時間充裕度ha任務復雜度na,能力約束度ma為模糊規則條件順序，則根據圖2進行模糊推理，規避障礙作業任務情況下推理結果為rule14：p13＝t2，水下搜索作業任務情況下推理結果為rule8：p8＝t2。兩種uuv水下作業情況t2表示兩種作業情況下需要進行規劃處理(planning)。可見，通過時間充裕度ha、任務復雜度na、能力約束度ma作為模糊輸入，反應處理t1、規劃處理t2和學習處理t3作為模糊輸出，利用模糊推理可以使uuv系統能夠清晰地根據水下環境和任務自適應選擇uuv行為規則產生模式，提高水下作業任務的效率和時間。盡管上面已經示出和描述了本發明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發明的限制，本領域的普通技術人員在不脫離本發明的原理和宗旨的情況下在本發明的范圍內可以對上述實施例進行變化、修改、替換和變型。當前第1頁12