用于扑翼式无人水下航行器控制系统的数据驱动多目标机器学习模型

扑翼式无人水下航行器（UUV）推进系统为监视和地形勘探等海军任务提供高机动性。近期工作探索了使用时序神经网络代理模型从航行器设计和鳍运动学预测推力。我们开发了一种基于搜索的逆模型，利用运动学到推力的神经网络模型进行控制系统设计。我们的逆模型以达成目标推力并在扑动周期之间产生平滑运动学过渡为多目标目标，寻找一组鳍运动学参数。我们展示了集成该逆模型的控制系统如何能够进行在线、逐周期的调节，以优先满足不同的系统目标。