• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于自抗擾的自主水下航行器地形跟蹤控制

    2015-02-28 10:48:50萬磊張英浩孫玉山李岳明
    兵工學(xué)報(bào) 2015年10期
    關(guān)鍵詞:傾角控制器深度

    萬磊,張英浩,孫玉山,李岳明

    (哈爾濱工程大學(xué) 水下機(jī)器人技術(shù)重點(diǎn)實(shí)驗(yàn)室,黑龍江哈爾濱150001)

    0 引言

    自主水下航行器(AUV)要完成海底管線跟蹤和海床地質(zhì)調(diào)查等任務(wù),前提是需要具有精確的地形跟蹤能力。所謂地形跟蹤是指,AUV 以合適的方式下潛到作業(yè)水深之后,與水底保持一定高度,并按照一定的航線航行[1]。隨著AUV 工作任務(wù)的日益復(fù)雜化,人們對(duì)于AUV 在未知環(huán)境中的控制精度,以及抵抗外界干擾的要求也在不斷提高。

    當(dāng)前AUV 的地形跟蹤難點(diǎn)在于:1)海底崎嶇不平,地形變化劇烈,導(dǎo)致跟蹤困難;2)水下機(jī)器人垂向運(yùn)動(dòng)的機(jī)動(dòng)能力有限;3)聲學(xué)傳感器對(duì)高度測(cè)量結(jié)果噪聲大[1]。針對(duì)以上難點(diǎn),國(guó)內(nèi)外的相關(guān)學(xué)者進(jìn)行了大量的研究,并取得了一定的成果[1-6]。Smith 等[2]將模糊控制方法引入運(yùn)動(dòng)控制器的設(shè)計(jì),從而提高AUV 在跟蹤任務(wù)時(shí)的魯棒性。Jose 等[3]對(duì)MARES AUV 上安裝的傳感器數(shù)據(jù)進(jìn)行適當(dāng)處理,并結(jié)合設(shè)計(jì)的控制策略生成AUV 的跟蹤控制指令。段海慶等[4]則利用神經(jīng)網(wǎng)絡(luò)控制方法,來降低AUV 在跟蹤過程中不確定擾動(dòng)對(duì)精度的影響。李岳明等[1]利用Takagi-Sugeno 推理方法對(duì)高度計(jì)和DVL 兩種傳感器的高度信息進(jìn)行信息融合,從而提高高度信息的感知能力,以保障AUV 可準(zhǔn)確進(jìn)行地形跟蹤。Carlos 等[5]利用水聲設(shè)備測(cè)量地形時(shí)的聲學(xué)特征,來對(duì)AUV 進(jìn)行指令下達(dá),并進(jìn)行了相關(guān)仿真測(cè)試。

    本文將重點(diǎn)放在AUV 的運(yùn)動(dòng)控制上,主要設(shè)計(jì)了具有保護(hù)功能的控制策略以及能夠抵抗環(huán)境干擾的控制器,并與PID 控制方法進(jìn)行對(duì)比實(shí)驗(yàn),完成地形跟蹤所需的全過程三維運(yùn)動(dòng)仿真。

    1 控制對(duì)象及運(yùn)動(dòng)建模

    1.1 控制對(duì)象及坐標(biāo)系

    本文的控制對(duì)象是由哈爾濱工程大學(xué)水下機(jī)器人技術(shù)重點(diǎn)實(shí)驗(yàn)室設(shè)計(jì)的某型AUV,其主體大致成細(xì)長(zhǎng)回轉(zhuǎn)體,艇體艏部和艉部各裝有垂向推力器一套,艉部裝有舵、翼和主推等各一套。為研究問題和后文敘述方便,分別建立大地坐標(biāo)系Eξηζ 和艇體坐標(biāo)系Oxyz,如圖1所示。Eξηζ 是慣性坐標(biāo)系,而Oxyz 屬于非慣性坐標(biāo)系,并且Oxyz 的原點(diǎn)O 與AUV 的重心G 重合。

    圖1 AUV 主體及所建立坐標(biāo)系Fig.1 AUV and coordinates

    為清楚表述縱傾角θ,圖1顯示的是坐標(biāo)軸Eη和坐標(biāo)軸Oy 平行的情況,并標(biāo)注出θ 的正方向。

    1.2 動(dòng)力學(xué)及運(yùn)動(dòng)學(xué)方程

    由文獻(xiàn)[7]可知,當(dāng)AUV 在垂直面內(nèi)運(yùn)動(dòng)時(shí),其動(dòng)力學(xué)及運(yùn)動(dòng)學(xué)方程可分別表示為(1)式和(2)式。

    式中:M 為慣性質(zhì)量矩陣,鑒于所控制AUV 外形在垂向?qū)ΨQ性,因而可表示為

    2 垂直面地形跟蹤策略

    2.1 “高度-深度”轉(zhuǎn)化

    AUV 在進(jìn)行地形跟蹤控制時(shí),一般在水平面會(huì)沿指定路徑運(yùn)動(dòng),而在垂直面會(huì)以與水底呈一定高度的方式運(yùn)動(dòng)。其會(huì)通過“高度計(jì)”和“深度計(jì)”等傳感器分別獲得當(dāng)前位置距跟蹤地形的高度信息和當(dāng)前深度信息,以此為地形跟蹤的依據(jù)。

    圖2所示為“高度”與“深度”之間的信息關(guān)系。假使AUV 處于位置P,如需對(duì)指定地形進(jìn)行跟蹤,當(dāng)前距跟蹤地形高度為hP,所在位置深度為ζP,若期望跟蹤高度為h0,則“高度-深度”之間的轉(zhuǎn)化關(guān)系,可表述為(3)式。

    式中:ζd為期望深度,也就是AUV 的期望控制深度。

    圖2 “高度-深度”關(guān)系圖Fig.2 Relation graph of altitude and depth

    2.2 “深度-縱傾”轉(zhuǎn)化

    本文所研究的AUV 雖然布置有垂向推進(jìn)器,但是當(dāng)AUV 縱向速度或外界流較大時(shí),垂向推進(jìn)器的效率會(huì)大幅減少。因而,在進(jìn)行AUV 的深度控制時(shí),需考慮“深度”與“縱傾”之間的轉(zhuǎn)化關(guān)系。

    因而,設(shè)計(jì)“深度-縱傾”的轉(zhuǎn)化關(guān)系,可表述為(4)式。

    式中:θd為期望縱傾角;ζe為期望深度ζd與當(dāng)前深度ζP之差;A 為可調(diào)參數(shù),與AUV 的運(yùn)動(dòng)性能呈正相關(guān),且A >0.

    這種方式可能會(huì)出現(xiàn)解算出的θd過大的情況,因而,為避免AUV 運(yùn)動(dòng)過程中危險(xiǎn)姿態(tài)的出現(xiàn),保證其安全,進(jìn)而建立“期望縱傾角保護(hù)”機(jī)制,即為(4)式解算出的期望縱傾角θd設(shè)定“安全閾值”。當(dāng)解算出的θd超過設(shè)定閾值,則按安全閾值進(jìn)行控制輸入。因而,整個(gè)垂直面內(nèi)的地形跟蹤控制策略,可由圖3表示。

    圖3 AUV 垂直面地形跟蹤策略Fig.3 AUV bottom-following strategy on vertical plane

    3 AUV 跟蹤控制器的建立

    3.1 自抗擾控制器

    自抗擾控制(ADRC)是由中國(guó)科學(xué)院系統(tǒng)科學(xué)院研究所韓京清研究員提出的一種控制方法[8],其繼承了傳統(tǒng)PID“基于誤差,消除誤差”的思想。主要由跟蹤微分控制器(TD)、擴(kuò)張狀態(tài)觀測(cè)器(ESO)、誤差的非線性反饋(NLSEF)以及擾動(dòng)估計(jì)補(bǔ)償?shù)炔糠纸M成。若以2 階ADRC 控制器建立AUV 水平舵控制器,則其信息流框架如圖4所示。

    圖4 水平舵ADRC 控制器信息流框架Fig.4 Information frame of wing’s controller based on ADRC

    圖4中的θd和θ 分別為期望縱傾角和AUV 當(dāng)前縱傾角,其他變量為ADRC 控制器計(jì)算所需的中間變量。本文根據(jù)控制需求,將圖4中各部分算法設(shè)計(jì)如下:

    TD:

    式中:r 為快速因子;b0為濾波因子。

    ESO:

    式中:β01、β02、β03為增益系數(shù);δ 為可調(diào)參數(shù)。

    NLSEF:

    式中:e1為縱傾角偏差;e2為縱傾角偏差變化率。

    擾動(dòng)估計(jì)補(bǔ)償:

    式中:b 為可調(diào)參數(shù)。

    (5)式~(7)式中:h 為積分步長(zhǎng);fhan(·)和fal(·)的定義如文獻(xiàn)[9]中所述。

    通過ADRC,可以將縱傾角的控制問題,轉(zhuǎn)化為縱傾角偏差e1和縱傾角偏差變化率e2的鎮(zhèn)定問題。主推ADRC 控制器和垂直舵ADRC 控制器的設(shè)計(jì)與水平舵的類似。

    3.2 地形跟蹤控制器

    AUV 在進(jìn)行完整的地形跟蹤的任務(wù)時(shí),一般會(huì)按照“下潛-巡航-跟蹤”的模式進(jìn)行?!跋聺摗钡倪^程又可分為“自主下潛”和“非自主下潛”。所謂“自主下潛”是指AUV 依靠自身的運(yùn)動(dòng)執(zhí)行器完成下潛任務(wù),而“非自主下潛”是指AUV 依靠“自身重力與自身浮力”之間的差值進(jìn)行下潛,如拋載塊、油囊等[10]。“自主下潛”與“非自主下潛”各有優(yōu)劣,“自主下潛”對(duì)于未知環(huán)境的突然變化具有良好的應(yīng)對(duì)能力,而“非自主下潛”則在能源節(jié)省方面具有明顯優(yōu)勢(shì)。本文主要研究通過“自主下潛”的方式完成“下潛”過程。

    對(duì)于淺水情況,AUV 可“直接”潛到指定深度。對(duì)于深水情況,AUV 一般采用“螺旋”下潛的方式。圖5顯示,在無外界干擾情況下,航速4 kn 時(shí),利用(4)式中的“深度-縱傾”轉(zhuǎn)化關(guān)系以及圖4中的水平舵ADRC 控制器完成的淺水區(qū)多深度定深運(yùn)動(dòng)。在此過程中,分別定深3 m、6 m 和12 m. 可見ADRC的控制參數(shù)一旦選定,就可具有較大的適用范圍,并且控制效果良好。

    圖5 定深運(yùn)動(dòng)結(jié)果Fig.5 Results of depth control

    在到達(dá)指定深度之后,AUV 會(huì)進(jìn)入“巡航”過程,主要是為了對(duì)周圍環(huán)境進(jìn)行信息采集,并確認(rèn)跟蹤區(qū)域?!把埠健苯Y(jié)束之后,AUV 會(huì)根據(jù)任務(wù)需求,開始按照指定路徑進(jìn)入“跟蹤”過程。AUV 的完整地形跟蹤控制器信息流框架可表示為圖6.

    4 仿真實(shí)驗(yàn)與結(jié)果分析

    4.1 實(shí)驗(yàn)設(shè)計(jì)

    本文嘗試通過進(jìn)行AUV 完整的地形跟蹤三維仿真,來測(cè)試所設(shè)計(jì)地形跟蹤控制器的有效性。為顯示ADRC 的控制效果,將其與在工程上廣泛應(yīng)用的PID 控制器進(jìn)行對(duì)比,相關(guān)設(shè)計(jì)如下。

    干擾的設(shè)計(jì)。添加Eξ 和Eζ 方向的隨機(jī)干擾,用于模擬外界環(huán)境干擾以及AUV 自身的信號(hào)傳輸干擾;添加Eη 方向的恒值干擾,用于模擬流的作用效果;添加ζE 方向的瞬時(shí)干擾,用于模擬水底暗涌或噴流所導(dǎo)致的環(huán)境突然變化。

    圖6 AUV 地形跟蹤控制器信息流框架Fig.6 Information flow frame of AUV's bottom-following control

    運(yùn)動(dòng)航跡的設(shè)計(jì)。結(jié)合參考文獻(xiàn)[11 -12],“下潛”過程,在Eξη 面內(nèi),設(shè)計(jì)航跡為以(0,0)為圓心,半徑為50 m 的圓;當(dāng)?shù)竭M(jìn)入“巡航”過程之后,繼續(xù)以先前的圓軌跡運(yùn)行一段時(shí)間;當(dāng)?shù)竭M(jìn)入“跟蹤”過程之后,以Eξη 面內(nèi)過(0,0),艏向角φ=90°的直線進(jìn)行運(yùn)動(dòng)。

    AUV 艇長(zhǎng)4.5 m,質(zhì)量700 kg,轉(zhuǎn)動(dòng)慣量Iy=1 430 kg·m2,部分無因次化水動(dòng)力系數(shù)如表1所示。

    表1 AUV 部分無因次化水動(dòng)力系數(shù)Tab.1 Part of AUV’s dimensionless coefficients

    運(yùn)動(dòng)初始AUV 已通過垂推下潛到ζ=5 m 的位置,目的是為避免環(huán)境表面風(fēng)浪的影響保證舵效,此時(shí)AUV 的艏向角φ=0°,縱傾角θ=0°,懸浮位置坐標(biāo)為(0,0,5 m). 設(shè)計(jì)AUV 以航速2 kn,地形跟蹤期望高度h0=5 m 運(yùn)動(dòng),“下潛”、“巡航”和“跟蹤”的切換深度位于ζ=100 m 位置。

    4.2 實(shí)驗(yàn)分析

    調(diào)整好相關(guān)控制器參數(shù)后,假使ADRC 和PID兩種控制器跟蹤的地形相同,則得到如圖7~圖10所示結(jié)果。

    圖7中的1、2 和3 過程,分別指“下潛”、“巡航”和“跟蹤”??芍?,基于ADRC 的地形跟蹤控制器和基于傳統(tǒng)PID 的地形跟蹤控制器均能按指定航跡完成地形跟蹤任務(wù)。其中,“下潛”過程,對(duì)應(yīng)t 為0 ~400 s;“巡航”過程,對(duì)應(yīng)t 為400 ~600 s;“跟蹤”過程,對(duì)應(yīng)t 為600 ~1 000 s;瞬時(shí)干擾,出現(xiàn)于t 為800 s 時(shí)。

    圖7 地形跟蹤全過程三維航跡Fig.7 Three-dimensional track of bottom-following control

    圖8顯示,當(dāng)分別以ADRC 和PID 控制縱向速度時(shí),ADRC 控制器相比于PID 控制在進(jìn)入期望值之前不會(huì)出現(xiàn)超調(diào),并且在遭遇瞬時(shí)干擾后,ADRC控制器的波動(dòng)值要遠(yuǎn)小于PID 控制器的波動(dòng)值。

    圖8 地形跟蹤全過程速度變化曲線Fig.8 Curves of velocity in bottom-following control

    圖9顯示,當(dāng)AUV 由“巡航”轉(zhuǎn)為“跟蹤”時(shí),相比PID 控制器,ADRC 可以實(shí)現(xiàn)平滑過渡,幾乎沒有超調(diào)。并且在進(jìn)入“跟蹤”過程后,面對(duì)出現(xiàn)的瞬時(shí)干擾,也有較好地抑制作用,從而保證維持在水底上方5 m 處運(yùn)動(dòng)。

    圖9 地形跟蹤全過程深度變化曲線及虛線框放大曲線Fig.9 Curve of depth in bottom-following control and enlarged detail of the dashed frame

    圖10 顯示,AUV 的翼角有些段數(shù)據(jù)近似于0,這是由于建模過程中未考慮扶正力矩引起的,但這并不影響對(duì)ADRC 和PID 控制指令輸出的性能對(duì)比。在t 為0 ~100 s 和t 為600 ~900 s 過程中,PID 控制的翼為達(dá)到目標(biāo)狀態(tài)會(huì)不斷修改運(yùn)動(dòng)執(zhí)行器指令,相比而言,ADRC 控制下的翼運(yùn)動(dòng)則穩(wěn)定得多。

    圖10 地形跟蹤全過程翼角變化曲線Fig.10 Curves of wing’s degree in bottom-following control

    圖11 顯示,AUV 處于“下潛”過程時(shí),有一段縱傾角維持在-30°的過程,這是由于按照2.2 節(jié)中的地形跟蹤策略,將“安全閾值”設(shè)定為30°的原因。在AUV 進(jìn)入“跟蹤”過程之后,ADRC 控制器的縱傾變化一直處于一種緩變過程,而PID 控制器的縱傾變化則處于一種震顫過程,特別是在“巡航”與“跟蹤”的切換過程,以及受到瞬時(shí)干擾的作用后。PID控制效果的震顫是由于PID 控制器自身性能以及隨機(jī)干擾的作用引起的,由此顯示出ADRC 控制器的優(yōu)勢(shì)。縱傾的緩變,將有利于AUV 上傳感器的工作。

    圖11 地形跟蹤全過程縱傾角變化曲線Fig.11 Curves of pitch angle in bottom-following control

    5 結(jié)論

    基于自抗擾的自主水下航行器地形跟蹤控制方法,結(jié)合了自抗擾控制器的優(yōu)點(diǎn)并且設(shè)有保護(hù)機(jī)制的地形跟蹤策略。與傳統(tǒng)PID 控制器的對(duì)比實(shí)驗(yàn)中,顯示所設(shè)計(jì)地形跟蹤控制方法的有效性,在“下潛-巡航-跟蹤”的整個(gè)地形跟蹤任務(wù)中,能夠?qū)Ω蓴_具有更優(yōu)的抑制作用,進(jìn)而更準(zhǔn)確地完成預(yù)定地形的跟蹤任務(wù)。

    References)

    [1]李岳明,萬磊,孫玉山,等. 水下機(jī)器人高度信息融合與欠驅(qū)動(dòng)地形跟蹤控制[J]. 控制理論與應(yīng)用,2013,30(1):118 -121.LI Yue-ming,WAN Lei,SUN Yu-shan,et al. Altitude information fusion and bottom-following control for underacutated autonomous underwater vehicle[J]. Control Theory & Appllications,2013,30(1):118 -121. (in Chinese)

    [2]Smith S M,White K,Xu M. Fuzzy logic flight and bottom following controllers for the ocean voyager II AUV[C]∥Proceedings of the Joint Conference on Information Sciences. Pinehurst:Duke University/Association for Intelligent Machinery,1994:56 -59.

    [3]Jose M,Anibal M. Bottom estimation and following with the MARES AUV[C]∥OCEANS 2012 MTS/IEEE:Harnessing the Power of the Ocean. Virginia:IEEE Computer Society,2012:1 -8.

    [4]段海慶,賈鶴鳴,周佳加,等. 基于神經(jīng)網(wǎng)絡(luò)的欠驅(qū)動(dòng)水下機(jī)器人地形跟蹤控制[J]. 東南大學(xué)學(xué)報(bào):自然科學(xué)版,2012,42(1):203 -207.DUAN Hai-qing,JIA He-ming,ZHOU Jia-jia,et al. Bottom following control forUnderactuated AUV based on neural network[J].Jouranal of Southeast University:Natural Science Edition,2012,42(1):203 -207. (in Chinese)

    [5]Carlos S,Rita C,Nuno P,et al. A bottom-following preview controller for autonomous underwater vehicles[J]. IEEE Transactions on Control Systems Technology,2009,17(2):257 -266.

    [6]Adhami-Mirhosseini A,Yazdanpanah M J,Aguiar A P. Automatic bottom-following for underwater robotic vehicles[J]. Automatica,2014,50(8):2155 -2162.

    [7]施生達(dá).潛艇操縱性[M]. 北京:國(guó)防工業(yè)出版社,1995:149 -159.SHI Sheng-da. Submarine maneuverablity[M]. BeiJing:National Defense Industry Press,1995:149 -159. (in Chinese)

    [8]韓京清. 自抗擾控制器及其應(yīng)用[J]. 控制與決策,1998,13(1):19 -23.HAN Jing-qing. Auto-disturbances-rejection controller and its applications[J]. Control and Decision,1998,13(1):19 -23. (in Chinese)

    [9]韓京清. 自抗擾控制技術(shù)——估計(jì)補(bǔ)償不確定因素的控制技術(shù)[M].北京:國(guó)防工業(yè)出版社,2009:243 -261.HAN Jing-qing. Active disturbance rejection control technique—the technique for estimating and compensating the uncertainties[M].Beijing:National Defense Industry Press,2009:243 - 261. (in Chinese)

    [10]朱繼懋. 潛水器設(shè)計(jì)[M].上海:上海交通大學(xué)出版社,1992:65 -109.ZHU Ji-mao. The design of underwater vehicle[M]. Shanghai:Shanghai Jiao Tong University Press,1992:65 -109. (in Chinese)

    [11]Sun Y S,Zhang Y H,Zhang G C,et al. Path tracking control of underactuated AUVs based on ADRC[C]∥Proceeding of 2013 Chinese Intelligent Automation Conference:Intelligent Automation.Yangzhou:Spring Verlag,2013:609 -615.

    [12]萬磊,張英浩,孫玉山,等. 欠驅(qū)動(dòng)智能水下機(jī)器人的自抗擾路徑跟蹤控制[J]. 上海交通大學(xué)學(xué)報(bào),2014,48(12):49 -54.WAN Lei,ZHANG Ying-hao,SUN Yu-shan,et al. ADRC pathfollowing control of underactuated AUVs[J]. Journal of Shanghai Jiao Tong University,2014,48(12):49 -54. (in Chinese)

    猜你喜歡
    傾角控制器深度
    地球軸傾角的改斜歸正
    激光傾角儀在CT引導(dǎo)下經(jīng)皮肺穿刺活檢中的應(yīng)用
    車輪外傾角和前束角匹配研究
    北京汽車(2021年3期)2021-07-17 08:25:42
    深度理解一元一次方程
    深度觀察
    深度觀察
    深度觀察
    模糊PID控制器設(shè)計(jì)及MATLAB仿真
    MOXA RTU控制器ioPAC 5542系列
    倍福 CX8091嵌入式控制器
    定远县| 贞丰县| 德钦县| 霍州市| 大丰市| 罗甸县| 中牟县| 科技| 望都县| 桐庐县| 阳曲县| 哈巴河县| 南郑县| 雷山县| 崇信县| 丘北县| 玉屏| 内江市| 全州县| 阳信县| 新龙县| 天长市| 延安市| 西乌珠穆沁旗| 和顺县| 汝阳县| 丹棱县| 察哈| 哈尔滨市| 大竹县| 体育| 泰来县| 松江区| 安庆市| 龙海市| 苗栗市| 景东| 什邡市| 海伦市| 韶关市| 和田县|