無人潛航器垂直面欠驅動運動控制方法
2023-07-10 08:23:21 1
專利名稱：無人潛航器垂直面欠驅動運動控制方法
技術領域：
本發明涉及一種水下運動體的控制方法。具體地說是一種無人潛航器垂直面欠驅動運動控制方法。
背景技術：
無人潛航器(AUV)運動控制技術一直是困擾AUV技術工作者的一個十分複雜的問題。而AUV的垂直面一般運動問題雖然只是空間一般運動的一個特殊情形，但它是一個具有實用性和典型性的常見運動形式，因此在AUV運動和建模研究中有重要意義。AUV垂直面運動具有欠驅動、強耦合的特點，海流對垂直面的幹擾更加複雜，大攻角變深以及如何保證控制品質，特別是深度的超調問題特別需要重點關注。
隨著控制理論的發展，很多先進的算法被應用於AUV垂直面運動控制的研究中，如滑模變結構控制、非線性控制、自適應控制、神經網絡控制及模糊控制等，這些控制方法對於AUV的運動控制來說各有優缺點，但是為了解決AUV垂直面欠驅動運動控制問題，考慮深度和縱傾的耦合問題，這些智能控制算法往往停留在數值仿真階段，在實際應用中顯出其不足。因此，研究新型的非線性控制算法，特別是能實際應用於AUV垂直面運動控制中，解決AUV垂直面運動欠驅動、強耦合問題，提高AUV垂直面控制性能，是目前AUV運動控制研究中一個迫切需要解決的問題。
文獻《自抗擾控制器在潛艇近水面航行深度控制中的應用》(船海工程，2008年6月，第37卷第3期)介紹了標準的自抗擾控制器(ADRC)在潛艇近水面航行深度控制中的仿真研究，該文獻把潛艇垂直面操縱運動系統看作是雙輸入雙輸出全驅動系統，操縱艏舵和艉舵達到控制潛艇深度的目的，仿真結果表明自抗擾控制器具有較高的控制品質。但是該文獻只提供了利用Matlab/simulink對其潛艇進行近水面仿真的結果，並且對自抗擾控制器的參數整定未加說明。
文獻《自抗擾控制技術在AUV航向控制中的應用》(中國優秀碩士學位論文全文資料庫，2009，(11))介紹了標準的自抗擾控制器在AUV航向控制中的仿真研究，該文獻也只提供了AUV航向控制仿真結果，對自抗擾控制器的參數整定以試湊為主，若應用於工程實際，在複雜的環境幹擾及繁雜的控制器參數整定過程中不利於現場調試。
文獻《基於神經網絡的自抗擾控制器》(系統仿真學報，2000年3月，第12卷第2期)將人工神經網絡(ANN)嵌入到ADRC中，利用一定結構的ANN能任意逼近非線性函數的性質，用辨識出的ANN補償對象的一部分，近似地認為使原對象的變化範圍變小，從而讓ADRC的控制品質提高。該文獻雖然不是對ADRC參數整定進行優化，但對ADRC的改進提供了參考。
發明內容
本發明的目的在於提供一種可以有效的適應AUV在垂直面運動過程中欠驅動、強耦合和複雜的運動關係，能實現精確的運動控制的無人潛航器垂直面欠驅動運動控制方法。
本發明的目的是這樣實現的 1、對AUV進行初始化設置； 2、頂層控制計算機發送任務使命並完成全局規劃； 3、運動控制計算機接收傳感器反饋信息，利用基於自適應神經模糊推理系統的自抗擾控制器進行控制解算，輸出控制指令，即艉升降舵舵角δs； 4、舵機執行控制指令，完成AUV深度與縱傾的協調控制，實現AUV垂直面欠驅動約束下的運動控制； 5、判斷是否完成本次任務，若完成則保存數據並結束本次航行，若未完成則繼續由運動控制計算機解算控制指令。
本發明還可以包括 1、所述控制器參數整定方法為 (1)、對自抗擾控制器中跟蹤微分器、擴張狀態觀測器、非線性誤差反饋三部分參數進行賦值或初始化； (2)、由AUV的指定深度ζ0、縱傾θ0、升降舵舵角指令δs、不同時刻差值等生成神經模糊推理系統； (3)、經過自適應神經模糊推理系統推理學習，優化自抗擾控制器，得到自抗擾控制器參數； (4)、在控制器作用下，運動控制計算機修改控制指令，即改變艉升降舵舵角δs； (5)、從深度計、光纖陀螺等傳感器反饋AUV當前深度ζ、縱傾θ等信息； (6)、運動控制計算機進行控制解算，計算深度偏差Δζ、縱傾偏差Δθ是否為0，是則確定控制器參數，否則轉至步驟(2)。
2、所述利用基於自適應神經模糊推理系統的自抗擾控制器進行控制解算，輸出控制指令的方法為由期望的AUV深度ζ0(t)和縱傾θ0(t)作為跟蹤微分器的輸入信號，由各傳感器獲取的深度ζ(t)、縱傾θ(t)信息作為擴張狀態觀測器的輸入信號，由跟蹤微分器和擴張狀態觀測器輸出信號的偏差e(t)作為非線性誤差反饋的輸入信號，由非線性誤差反饋輸出的控制信號經由擾動補償後輸出得到自抗擾控制器的輸出信號，即AUV的一個控制量。
本發明適用的AUV主體只有艉升降舵，沒有艏升降舵，結合附圖1，在AUV的艉部安裝著一對方向舵1、一個升降舵2以及左右兩個推進器3作為執行機構，AUV在垂直面運動過程中，僅操艉升降舵對AUV的深度和縱傾進行控制。在AUV上配置著很多聲納，大體可分為兩類，一類用於自身運動控制並探測外部環境，如前視聲納4、測高聲納5、光纖陀螺6、都卜勒測速儀7、全球定位系統8等，一類用於海洋觀測，如聲學都卜勒海流觀測儀9、側掃聲納10、溫鹽深探測儀11等。在AUV內部安裝著兩臺PC104計算機，一個為頂層控制計算機，一個為運動控制計算機。設計基於自適應神經模糊推理系統的自抗擾控制器，由頂層控制計算機規劃使命，運動控制計算機進行實時控制解算發出控制指令，由小於系統自由度的控制輸入，實現在欠驅動約束下深度與縱傾的協調控制。
自抗擾控制器主要涉及三個部分的設計問題(1)安排過渡過程的部分，即跟蹤微分器的設計；(2)擴張狀態觀測器的設計；(3)非線性誤差反饋的設計。
本發明在實現過程中吸取自抗擾控制器的優點，參考文獻對標準自抗擾控制器進行改進，在自抗擾控制器參數整定過程中對其進行優化，通過自適應神經模糊推理系統得到自抗擾控制器的最佳參數，使得改進後的自抗擾控制器具有自適應學習能力。
本發明的主要特點體現在 1、本發明在實現過程中吸取自抗擾控制器的優點，參考文獻對標準自抗擾控制器進行改進，基於自適應神經模糊推理系統的自抗擾控制方法，設計自抗擾控制器，在自抗擾控制器參數整定過程中對其進行優化，通過自適應神經模糊推理系統得到自抗擾控制器的最佳參數，使得改進後的自抗擾控制器具有自適應學習能力，方便AUV在現場進行在線調試。
2、所設計的基於自適應神經模糊推理系統的自抗擾控制器具有自抗擾的特性，能夠實時跟蹤估計擾動並給予相應補償，以解決AUV垂直面欠驅動運動過程中的控制問題，並克服AUV動力學嚴重的非線性、運動模型水動力的不確定性，抑制傳感器噪聲幹擾以及外界環境幹擾(如海流)。使用若干個基於自適應神經模糊推理系統的自抗擾控制器並結合自抗擾控制技術解決AUV垂直面運動過程中深度與縱傾耦合的問題。
本發明針對AUV垂直面運動過程中欠驅動、強耦合的特點，提出了一種基於自適應神經模糊推理系統的自抗擾控制方法，使得改進後的自抗擾控制器具有自適應學習能力，達到工程應用水平。多輸入-多輸出系統的解耦控制方法無論是控制理論界還是控制工程界都是追求解決的重要問題。依靠系統模型的解決辦法是有的，但是需要很大的計算量。用自抗擾控制技術來解決這個問題比較簡單，所需計算量也不大，特別是控制器的魯棒性很好。因此在欠驅動約束下，設計自抗擾控制器能比較方便的解決垂直面深度和縱傾的耦合問題。採用自適應神經模糊推理系統最大的優點在於該系統既具有模糊系統類似於人的推理思維模式，又具有神經網絡從樣本中進行有效學習的能力。設計一個控制器的核心在於該控制器的參數整定。自抗擾控制器參數較多，目前比較有效可行的參數整定方法仍以試湊為主，採用自適應神經模糊推理系統能快速有效的推理出自抗擾控制器的參數，提高控制器的可行性和控制效率。
圖1本發明的AUV結構示意圖； 圖2自抗擾控制器(ADRC)結構示意圖； 圖3自適應神經模糊推理系統(ANFIS)結構示意圖； 圖4AUV垂直面欠驅動運動控制控制器示意圖； 圖5AUV垂直面控制系統工作流程圖； 圖6控制器參數整定流程圖。
具體實施例方式 下面結合附圖舉例對本發明做更詳細地描述 結合附圖5、附圖6，基於自適應神經模糊推理系統的自抗擾控制方法在AUV垂直面欠驅動運動控制中的具體實施步驟可表述為 1、對AUV進行初始化設置，完成AUV位置、姿態初始化； 2、頂層控制計算機發送任務使命並完成全局規劃； 3、運動控制計算機接收傳感器反饋信息，利用基於自適應神經模糊推理系統的自抗擾控制器進行控制解算； 4、由期望的AUV深度ζ0(t)和縱傾θ0(t)作為跟蹤微分器的輸入信號，由各傳感器獲取的深度ζ(t)、縱傾θ(t)信息作為擴張狀態觀測器的輸入信號，由跟蹤微分器和擴張狀態觀測器輸出信號的偏差e(t)作為非線性誤差反饋的輸入信號，由非線性誤差反饋輸出的控制信號經由擾動補償後輸出得到自抗擾控制器的輸出信號，即AUV的一個控制量； 5、由AUV的指定深度ζ0、縱傾θ0、升降舵舵角指令δs、不同時刻差值等生成神經模糊推理系統，經過自適應神經模糊推理系統推理學習，得到自抗擾控制器參數； 6、在控制器作用下，運動控制計算機修改控制指令，即改變艉升降舵舵角δs； 7、舵機執行控制指令，完成AUV深度與縱傾的協調控制，實現AUV垂直面欠驅動約束下的運動控制。
AUV的運動控制工作包括當前位置姿態的獲取、控制器的解算、執行機構的力學輸出等。結合附圖舉例對本發明做更詳細的描述 結合附圖2，以二階自抗擾控制器為例，二階自抗擾控制器各部分算法為
其中，「安排過渡過程」有三個參數設定值v、決定過渡過程快慢的參數r0以及步長h；「線性擴張狀態觀測器」有三個參數β01，β02，β03；「誤差反饋」部分有三個參數r，c，h1；還有一個補償因子b0需要調整，才能最後確定出最終控制量u，作用於控制對象，得到系統輸出量y。
在(1)式中，fhan(x1，x2，r，h)為最速控制綜合函數，其算法公式如下 u＝fhan(x1，x2，r，h)
結合附圖4及AUV的數學模型，舉例說明AUV垂直面欠驅動運動控制的具體實現。
設AUV的航行速度穩定於u0，重心在運動坐標系的原點上即重心[xG，yG，zG]為零。並忽略水平面運動影響(即認為v，p，r為小量)，AUV數學模型如下 式中 其中，AUV在運動坐標系中的速度為[u，v，w]′；角速度為[p，q，r]′；δs為艉升降舵舵角；dw，dq包括了設計模型中線性近似產生的誤差、不確定性和外界幹擾，對於系統的有界輸入，它們是有界的。m為AUV質量，ρ為海水密度，L為AUV長度，Z′(·)，M′(·)為無因次水動力係數，Iy為AUV在y軸的轉動慣量。
將式(3)的狀態方程改寫為方程組的形式 z軸速度w和縱傾q相互耦合，將(4-1)中有關q的因式當成(4-1)式內擾的一部分；將(4-2)中有關w的因式當成(4-2)式內擾的一部分。
將(4)式寫成如下形式 令 U1，U2作為各自系統的控制量；a1(t)，a2(t)作為各自系統的總擾動。水動力係數，及矩陣B(t)已知，U1和U2分別將a1(t)和a2(t)作為各自的系統擾動從而實現自抗擾控制，以此完成解耦控制。
針對本發明研究對象特點，採用二階自抗擾控制器進行設計。對於二階自抗擾控制器，結合式(1)，利用自適應神經模糊推理系統進行推理學習，尋優獲得自抗擾控制器的滿意參數。將自適應神經模糊推理系統與自抗擾控制器相結合，優化自抗擾控制器，獲得良好的控制效果，以便應用於工程實際，方便現場調試。
結合附圖3，自適應神經模糊推理系統產生自抗擾控制器參數的具體步驟為 1、前件網絡的實現 前件網絡由4層組成。第一層為輸入層。模糊神經網絡輸入表示為 X＝[τc，δs(k)，δs(k-1)，δs(k-2)， τ(k)，τ(k-1)，τ(k-2)，r(k)，r(k-1)，r(k-2)](6) 式中，τc為指令值，δs(k)，δs(k-1)，δs(k-2)為k，k-1，k-2時刻控制器的輸出舵角，τ(k)，τ(k-1)，τ(k-2)為k，k-1，k-2時刻AUV的實際測定值，r(k)，r(k-1)，r(k-2)為k，k-1，k-2時刻指令值與實際測定值的偏差。該層節點總數N1＝n。
第二層為模糊化層。每個節點代表一個語言變量值，如NM，PS等。隸屬度函數採用高斯函數表示的鈴型函數，則 式中，cij和σij分別表示隸屬函數的中心和寬度。該層節點數
第三層的每個節點代表一條模糊規則，它的作用是用來匹配模糊規則的前件，計算出每條規則的適應度。規則節點執行模糊操作 式中，i1∈{1，2，…，m1}，…，in∈{1，2，…，mn}，j＝1，2，…，
該層的節點總數N3＝m。
第四層實現歸一化計算，節點總數與第三層相同，即N4＝N3＝m。
2、後件網絡的實現 後件網絡由3層組成。第一層是輸入層，將輸入變量傳送到第二層。輸入層中第0個節點的輸入值x0＝1，它的作用是提供規則後件中的常數項。
第二層的每個節點代表一條規則，它的作用是計算每一條規則的後件，即 式中，
為後件網絡的連接權。
第三層計算系統的輸出，即 至此，所設計的神經網絡完全實現了Taagi-Sugeno模糊推理系統。
3、學習算法的實現 根據上述模糊神經網絡的結構，輸入分量是預先確定的，需要學習的參數主要是後件網絡的連接權
以及前件網絡第二層各節點隸屬函數的中心值cji及寬度σji(i＝1，2，…，m；j＝1，2，…，mi)。
取誤差代價函數為 其中，ti和yi分別表示期望輸出和實際輸出值。
(1)參數
的學習算法 其中，j＝1，2，…，m，i＝1，2，…，n，l＝1，2，…，r，β為學習率。
(2)參數cji及δji的學習算法 將參數
固定。
其中，and採用取小運算，當
是第k個規則節點輸入的最小值時，sij＝1；否則sij＝0。則， 其中，β＞0，為學習率，i＝1，2，…，n；j＝1，2，…，m。
本發明的AUV結構示意圖見附圖1，自抗擾控制器結構示意圖見附圖2，自適應神經模糊推理系統結構示意圖見附圖3，AUV垂直面欠驅動運動控制控制器示意圖見附圖4，AUV垂直面控制系統工作流程圖見附圖5，控制器參數調整流程圖見附圖6。
本發明的優點是適用於AUV複雜的強耦合、欠驅動系統，適用於複雜的海洋環境及擾動較多的環境，可應用與通用的AUV控制系統設計，進行水下探測、水下救撈、水下巡查等，可實現AUV的自抗擾控制。
權利要求
1.一種無人潛航器垂直面欠驅動運動控制方法，其特徵是
(1)、對AUV進行初始化設置；
(2)、頂層控制計算機發送任務使命並完成全局規劃；
(3)、運動控制計算機接收傳感器反饋信息，利用基於自適應神經模糊推理系統的自抗擾控制器進行控制解算，輸出控制指令，即艉升降舵舵角δs；
(4)、舵機執行控制指令，完成AUV深度與縱傾的協調控制，實現AUV垂直面欠驅動約束下的運動控制；
(5)、判斷是否完成本次任務，若完成則保存數據並結束本次航行，若未完成則繼續由運動控制計算機解算控制指令。
2.根據權利要求1所述的無人潛航器垂直面欠驅動運動控制方法，其特徵是所述控制器參數整定方法為
(1)、對自抗擾控制器中跟蹤微分器、擴張狀態觀測器、非線性誤差反饋三部分參數進行賦值或初始化；
(2)、由AUV的指定深度ζ0、縱傾θ0、升降舵舵角指令δs、不同時刻差值等生成神經模糊推理系統；
(3)、經過自適應神經模糊推理系統推理學習，優化自抗擾控制器，得到自抗擾控制器參數；
(4)、在控制器作用下，運動控制計算機修改控制指令，即改變艉升降舵舵角δs；
(5)、從深度計、光纖陀螺等傳感器反饋AUV當前深度ζ、縱傾θ等信息；
(6)、運動控制計算機進行控制解算，計算深度偏差Δζ、縱傾偏差Δθ是否為0，是則確定控制器參數，否則轉至步驟(2)。
3.根據權利要求1和2所述的無人潛航器垂直面欠驅動運動控制方法，其特徵是所述利用基於自適應神經模糊推理系統的自抗擾控制器進行控制解算，輸出控制指令的方法為由期望的AUV深度ζ0(t)和縱傾θ0(t)作為跟蹤微分器的輸入信號，由各傳感器獲取的深度ζ(t)、縱傾θ(t)信息作為擴張狀態觀測器的輸入信號，由跟蹤微分器和擴張狀態觀測器輸出信號的偏差e(t)作為非線性誤差反饋的輸入信號，由非線性誤差反饋輸出的控制信號經由擾動補償後輸出得到自抗擾控制器的輸出信號，即AUV的一個控制量。
全文摘要
本發明提供的是一種無人潛航器(AUV)垂直面欠驅動運動控制方法。(1)對AUV進行初始化設置；(2)頂層控制計算機發送任務使命並完成全局規劃；(3)運動控制計算機接收傳感器反饋信息，利用基於自適應神經模糊推理系統的自抗擾控制器進行控制解算，輸出控制指令，即艉升降舵舵角δs；(4)舵機執行控制指令，完成AUV深度與縱傾的協調控制，實現AUV垂直面欠驅動約束下的運動控制；(5)判斷是否完成本次任務，若完成則保存數據並結束本次航行，若未完成則繼續由運動控制計算機解算控制指令。本發明適應AUV在垂直面運動過程中欠驅動、強耦合和複雜的運動關係，能實現精確的運動控制。
文檔編號G05D1/10GK101833338SQ20101017301
公開日2010年9月15日 申請日期2010年5月17日 優先權日2010年5月17日
發明者施小成, 陳江, 徐健, 嚴浙平 申請人:哈爾濱工程大學