專利名稱：無人潛航器垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種水下運(yùn)動(dòng)體的控制方法。具體地說是一種無人潛航器垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法。

背景技術(shù)：
無人潛航器(AUV)運(yùn)動(dòng)控制技術(shù)一直是困擾AUV技術(shù)工作者的一個(gè)十分復(fù)雜的問題。而AUV的垂直面一般運(yùn)動(dòng)問題雖然只是空間一般運(yùn)動(dòng)的一個(gè)特殊情形，但它是一個(gè)具有實(shí)用性和典型性的常見運(yùn)動(dòng)形式，因此在AUV運(yùn)動(dòng)和建模研究中有重要意義。AUV垂直面運(yùn)動(dòng)具有欠驅(qū)動(dòng)、強(qiáng)耦合的特點(diǎn)，海流對(duì)垂直面的干擾更加復(fù)雜，大攻角變深以及如何保證控制品質(zhì)，特別是深度的超調(diào)問題特別需要重點(diǎn)關(guān)注。
隨著控制理論的發(fā)展，很多先進(jìn)的算法被應(yīng)用于AUV垂直面運(yùn)動(dòng)控制的研究中，如滑模變結(jié)構(gòu)控制、非線性控制、自適應(yīng)控制、神經(jīng)網(wǎng)絡(luò)控制及模糊控制等，這些控制方法對(duì)于AUV的運(yùn)動(dòng)控制來說各有優(yōu)缺點(diǎn)，但是為了解決AUV垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)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(shù)值仿真階段，在實(shí)際應(yīng)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(shí)際應(yīng)用于AUV垂直面運(yùn)動(dòng)控制中，解決AUV垂直面運(yùn)動(dòng)欠驅(qū)動(dòng)、強(qiáng)耦合問題，提高AUV垂直面控制性能，是目前AUV運(yùn)動(dòng)控制研究中一個(gè)迫切需要解決的問題。
文獻(xiàn)《自抗擾控制器在潛艇近水面航行深度控制中的應(yīng)用》(船海工程，2008年6月，第37卷第3期)介紹了標(biāo)準(zhǔn)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(xiàn)把潛艇垂直面操縱運(yùn)動(dòng)系統(tǒng)看作是雙輸入雙輸出全驅(qū)動(dòng)系統(tǒng)，操縱艏舵和艉舵達(dá)到控制潛艇深度的目的，仿真結(jié)果表明自抗擾控制器具有較高的控制品質(zhì)。但是該文獻(xiàn)只提供了利用Matlab/simulink對(duì)其潛艇進(jìn)行近水面仿真的結(jié)果，并且對(duì)自抗擾控制器的參數(shù)整定未加說明。
文獻(xiàn)《自抗擾控制技術(shù)在AUV航向控制中的應(yīng)用》(中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)，2009，(11))介紹了標(biāo)準(zhǔn)的自抗擾控制器在AUV航向控制中的仿真研究，該文獻(xiàn)也只提供了AUV航向控制仿真結(jié)果，對(duì)自抗擾控制器的參數(shù)整定以試湊為主，若應(yīng)用于工程實(shí)際，在復(fù)雜的環(huán)境干擾及繁雜的控制器參數(shù)整定過程中不利于現(xiàn)場(chǎng)調(diào)試。
文獻(xiàn)《基于神經(jīng)網(wǎng)絡(luò)的自抗擾控制器》(系統(tǒng)仿真學(xué)報(bào)，2000年3月，第12卷第2期)將人工神經(jīng)網(wǎng)絡(luò)(ANN)嵌入到ADRC中，利用一定結(jié)構(gòu)的ANN能任意逼近非線性函數(shù)的性質(zhì)，用辨識(shí)出的ANN補(bǔ)償對(duì)象的一部分，近似地認(rèn)為使原對(duì)象的變化范圍變小，從而讓ADRC的控制品質(zhì)提高。該文獻(xiàn)雖然不是對(duì)ADRC參數(shù)整定進(jìn)行優(yōu)化，但對(duì)ADRC的改進(jìn)提供了參考。


發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種可以有效的適應(yīng)AUV在垂直面運(yùn)動(dòng)過程中欠驅(qū)動(dòng)、強(qiáng)耦合和復(fù)雜的運(yùn)動(dòng)關(guān)系，能實(shí)現(xiàn)精確的運(yùn)動(dòng)控制的無人潛航器垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法。
本發(fā)明的目的是這樣實(shí)現(xiàn)的 1、對(duì)AUV進(jìn)行初始化設(shè)置； 2、頂層控制計(jì)算機(jī)發(fā)送任務(wù)使命并完成全局規(guī)劃； 3、運(yùn)動(dòng)控制計(jì)算機(jī)接收傳感器反饋信息，利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器進(jìn)行控制解算，輸出控制指令，即艉升降舵舵角δs； 4、舵機(jī)執(zhí)行控制指令，完成AUV深度與縱傾的協(xié)調(diào)控制，實(shí)現(xiàn)AUV垂直面欠驅(qū)動(dòng)約束下的運(yùn)動(dòng)控制； 5、判斷是否完成本次任務(wù)，若完成則保存數(shù)據(jù)并結(jié)束本次航行，若未完成則繼續(xù)由運(yùn)動(dòng)控制計(jì)算機(jī)解算控制指令。
本發(fā)明還可以包括 1、所述控制器參數(shù)整定方法為 (1)、對(duì)自抗擾控制器中跟蹤微分器、擴(kuò)張狀態(tài)觀測(cè)器、非線性誤差反饋三部分參數(shù)進(jìn)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(shí)刻差值等生成神經(jīng)模糊推理系統(tǒng)； (3)、經(jīng)過自適應(yīng)神經(jīng)模糊推理系統(tǒng)推理學(xué)習(xí)，優(yōu)化自抗擾控制器，得到自抗擾控制器參數(shù)； (4)、在控制器作用下，運(yùn)動(dòng)控制計(jì)算機(jī)修改控制指令，即改變艉升降舵舵角δs； (5)、從深度計(jì)、光纖陀螺等傳感器反饋AUV當(dāng)前深度ζ、縱傾θ等信息； (6)、運(yùn)動(dòng)控制計(jì)算機(jī)進(jìn)行控制解算，計(jì)算深度偏差Δζ、縱傾偏差Δθ是否為0，是則確定控制器參數(shù)，否則轉(zhuǎn)至步驟(2)。
2、所述利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器進(jìn)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(hào)，由各傳感器獲取的深度ζ(t)、縱傾θ(t)信息作為擴(kuò)張狀態(tài)觀測(cè)器的輸入信號(hào)，由跟蹤微分器和擴(kuò)張狀態(tài)觀測(cè)器輸出信號(hào)的偏差e(t)作為非線性誤差反饋的輸入信號(hào)，由非線性誤差反饋輸出的控制信號(hào)經(jīng)由擾動(dòng)補(bǔ)償后輸出得到自抗擾控制器的輸出信號(hào)，即AUV的一個(gè)控制量。
本發(fā)明適用的AUV主體只有艉升降舵，沒有艏升降舵，結(jié)合附圖1，在AUV的艉部安裝著一對(duì)方向舵1、一個(gè)升降舵2以及左右兩個(gè)推進(jìn)器3作為執(zhí)行機(jī)構(gòu)，AUV在垂直面運(yùn)動(dòng)過程中，僅操艉升降舵對(duì)AUV的深度和縱傾進(jìn)行控制。在AUV上配置著很多聲納，大體可分為兩類，一類用于自身運(yùn)動(dòng)控制并探測(cè)外部環(huán)境，如前視聲納4、測(cè)高聲納5、光纖陀螺6、多普勒測(cè)速儀7、全球定位系統(tǒng)8等，一類用于海洋觀測(cè)，如聲學(xué)多普勒海流觀測(cè)儀9、側(cè)掃聲納10、溫鹽深探測(cè)儀11等。在AUV內(nèi)部安裝著兩臺(tái)PC104計(jì)算機(jī)，一個(gè)為頂層控制計(jì)算機(jī)，一個(gè)為運(yùn)動(dòng)控制計(jì)算機(jī)。設(shè)計(jì)基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器，由頂層控制計(jì)算機(jī)規(guī)劃使命，運(yùn)動(dòng)控制計(jì)算機(jī)進(jìn)行實(shí)時(shí)控制解算發(fā)出控制指令，由小于系統(tǒng)自由度的控制輸入，實(shí)現(xiàn)在欠驅(qū)動(dòng)約束下深度與縱傾的協(xié)調(diào)控制。
自抗擾控制器主要涉及三個(gè)部分的設(shè)計(jì)問題(1)安排過渡過程的部分，即跟蹤微分器的設(shè)計(jì)；(2)擴(kuò)張狀態(tài)觀測(cè)器的設(shè)計(jì)；(3)非線性誤差反饋的設(shè)計(jì)。
本發(fā)明在實(shí)現(xiàn)過程中吸取自抗擾控制器的優(yōu)點(diǎn)，參考文獻(xiàn)對(duì)標(biāo)準(zhǔn)自抗擾控制器進(jìn)行改進(jìn)，在自抗擾控制器參數(shù)整定過程中對(duì)其進(jìn)行優(yōu)化，通過自適應(yīng)神經(jīng)模糊推理系統(tǒng)得到自抗擾控制器的最佳參數(shù)，使得改進(jìn)后的自抗擾控制器具有自適應(yīng)學(xué)習(xí)能力。
本發(fā)明的主要特點(diǎn)體現(xiàn)在 1、本發(fā)明在實(shí)現(xiàn)過程中吸取自抗擾控制器的優(yōu)點(diǎn)，參考文獻(xiàn)對(duì)標(biāo)準(zhǔn)自抗擾控制器進(jìn)行改進(jìn)，基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制方法，設(shè)計(jì)自抗擾控制器，在自抗擾控制器參數(shù)整定過程中對(duì)其進(jìn)行優(yōu)化，通過自適應(yīng)神經(jīng)模糊推理系統(tǒng)得到自抗擾控制器的最佳參數(shù)，使得改進(jìn)后的自抗擾控制器具有自適應(yīng)學(xué)習(xí)能力，方便AUV在現(xiàn)場(chǎng)進(jìn)行在線調(diào)試。
2、所設(shè)計(jì)的基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器具有自抗擾的特性，能夠?qū)崟r(shí)跟蹤估計(jì)擾動(dòng)并給予相應(yīng)補(bǔ)償，以解決AUV垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)過程中的控制問題，并克服AUV動(dòng)力學(xué)嚴(yán)重的非線性、運(yùn)動(dòng)模型水動(dòng)力的不確定性，抑制傳感器噪聲干擾以及外界環(huán)境干擾(如海流)。使用若干個(gè)基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器并結(jié)合自抗擾控制技術(shù)解決AUV垂直面運(yùn)動(dòng)過程中深度與縱傾耦合的問題。
本發(fā)明針對(duì)AUV垂直面運(yùn)動(dòng)過程中欠驅(qū)動(dòng)、強(qiáng)耦合的特點(diǎn)，提出了一種基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制方法，使得改進(jìn)后的自抗擾控制器具有自適應(yīng)學(xué)習(xí)能力，達(dá)到工程應(yīng)用水平。多輸入-多輸出系統(tǒng)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(tǒng)模型的解決辦法是有的，但是需要很大的計(jì)算量。用自抗擾控制技術(shù)來解決這個(gè)問題比較簡(jiǎn)單，所需計(jì)算量也不大，特別是控制器的魯棒性很好。因此在欠驅(qū)動(dòng)約束下，設(shè)計(jì)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。采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)最大的優(yōu)點(diǎn)在于該系統(tǒng)既具有模糊系統(tǒng)類似于人的推理思維模式，又具有神經(jīng)網(wǎng)絡(luò)從樣本中進(jìn)行有效學(xué)習(xí)的能力。設(shè)計(jì)一個(gè)控制器的核心在于該控制器的參數(shù)整定。自抗擾控制器參數(shù)較多，目前比較有效可行的參數(shù)整定方法仍以試湊為主，采用自適應(yīng)神經(jīng)模糊推理系統(tǒng)能快速有效的推理出自抗擾控制器的參數(shù)，提高控制器的可行性和控制效率。



圖1本發(fā)明的AUV結(jié)構(gòu)示意圖； 圖2自抗擾控制器(ADRC)結(jié)構(gòu)示意圖； 圖3自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)結(jié)構(gòu)示意圖； 圖4AUV垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制控制器示意圖； 圖5AUV垂直面控制系統(tǒng)工作流程圖； 圖6控制器參數(shù)整定流程圖。

具體實(shí)施例方式 下面結(jié)合附圖舉例對(duì)本發(fā)明做更詳細(xì)地描述 結(jié)合附圖5、附圖6，基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制方法在AUV垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制中的具體實(shí)施步驟可表述為 1、對(duì)AUV進(jìn)行初始化設(shè)置，完成AUV位置、姿態(tài)初始化； 2、頂層控制計(jì)算機(jī)發(fā)送任務(wù)使命并完成全局規(guī)劃； 3、運(yùn)動(dòng)控制計(jì)算機(jī)接收傳感器反饋信息，利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器進(jìn)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(hào)，由各傳感器獲取的深度ζ(t)、縱傾θ(t)信息作為擴(kuò)張狀態(tài)觀測(cè)器的輸入信號(hào)，由跟蹤微分器和擴(kuò)張狀態(tài)觀測(cè)器輸出信號(hào)的偏差e(t)作為非線性誤差反饋的輸入信號(hào)，由非線性誤差反饋輸出的控制信號(hào)經(jīng)由擾動(dòng)補(bǔ)償后輸出得到自抗擾控制器的輸出信號(hào)，即AUV的一個(gè)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(shí)刻差值等生成神經(jīng)模糊推理系統(tǒng)，經(jīng)過自適應(yīng)神經(jīng)模糊推理系統(tǒng)推理學(xué)習(xí)，得到自抗擾控制器參數(shù)； 6、在控制器作用下，運(yùn)動(dòng)控制計(jì)算機(jī)修改控制指令，即改變艉升降舵舵角δs； 7、舵機(jī)執(zhí)行控制指令，完成AUV深度與縱傾的協(xié)調(diào)控制，實(shí)現(xiàn)AUV垂直面欠驅(qū)動(dòng)約束下的運(yùn)動(dòng)控制。
AUV的運(yùn)動(dòng)控制工作包括當(dāng)前位置姿態(tài)的獲取、控制器的解算、執(zhí)行機(jī)構(gòu)的力學(xué)輸出等。結(jié)合附圖舉例對(duì)本發(fā)明做更詳細(xì)的描述 結(jié)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(gè)參數(shù)設(shè)定值v、決定過渡過程快慢的參數(shù)r0以及步長(zhǎng)h；“線性擴(kuò)張狀態(tài)觀測(cè)器”有三個(gè)參數(shù)β01，β02，β03；“誤差反饋”部分有三個(gè)參數(shù)r，c，h1；還有一個(gè)補(bǔ)償因子b0需要調(diào)整，才能最后確定出最終控制量u，作用于控制對(duì)象，得到系統(tǒng)輸出量y。
在(1)式中，fhan(x1，x2，r，h)為最速控制綜合函數(shù)，其算法公式如下 u＝fhan(x1，x2，r，h)
結(jié)合附圖4及AUV的數(shù)學(xué)模型，舉例說明AUV垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制的具體實(shí)現(xiàn)。
設(shè)AUV的航行速度穩(wěn)定于u0，重心在運(yùn)動(dòng)坐標(biāo)系的原點(diǎn)上即重心[xG，yG，zG]為零。并忽略水平面運(yùn)動(dòng)影響(即認(rèn)為v，p，r為小量)，AUV數(shù)學(xué)模型如下 式中 其中，AUV在運(yùn)動(dòng)坐標(biāo)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(shè)計(jì)模型中線性近似產(chǎn)生的誤差、不確定性和外界干擾，對(duì)于系統(tǒng)的有界輸入，它們是有界的。m為AUV質(zhì)量，ρ為海水密度，L為AUV長(zhǎng)度，Z′(·)，M′(·)為無因次水動(dòng)力系數(shù)，Iy為AUV在y軸的轉(zhuǎn)動(dòng)慣量。
將式(3)的狀態(tài)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(guān)q的因式當(dāng)成(4-1)式內(nèi)擾的一部分；將(4-2)中有關(guān)w的因式當(dāng)成(4-2)式內(nèi)擾的一部分。
將(4)式寫成如下形式 令 U1，U2作為各自系統(tǒng)的控制量；a1(t)，a2(t)作為各自系統(tǒng)的總擾動(dòng)。水動(dòng)力系數(shù)，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(tǒng)擾動(dòng)從而實(shí)現(xiàn)自抗擾控制，以此完成解耦控制。
針對(duì)本發(fā)明研究對(duì)象特點(diǎn)，采用二階自抗擾控制器進(jìn)行設(shè)計(jì)。對(duì)于二階自抗擾控制器，結(jié)合式(1)，利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)進(jìn)行推理學(xué)習(xí)，尋優(yōu)獲得自抗擾控制器的滿意參數(shù)。將自適應(yīng)神經(jīng)模糊推理系統(tǒng)與自抗擾控制器相結(jié)合，優(yōu)化自抗擾控制器，獲得良好的控制效果，以便應(yīng)用于工程實(shí)際，方便現(xiàn)場(chǎng)調(diào)試。
結(jié)合附圖3，自適應(yīng)神經(jīng)模糊推理系統(tǒng)產(chǎn)生自抗擾控制器參數(shù)的具體步驟為 1、前件網(wǎng)絡(luò)的實(shí)現(xiàn) 前件網(wǎng)絡(luò)由4層組成。第一層為輸入層。模糊神經(jīng)網(wǎng)絡(luò)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(shí)刻控制器的輸出舵角，τ(k)，τ(k-1)，τ(k-2)為k，k-1，k-2時(shí)刻AUV的實(shí)際測(cè)定值，r(k)，r(k-1)，r(k-2)為k，k-1，k-2時(shí)刻指令值與實(shí)際測(cè)定值的偏差。該層節(jié)點(diǎn)總數(shù)N1＝n。
第二層為模糊化層。每個(gè)節(jié)點(diǎn)代表一個(gè)語(yǔ)言變量值，如NM，PS等。隸屬度函數(shù)采用高斯函數(shù)表示的鈴型函數(shù)，則 式中，cij和σij分別表示隸屬函數(shù)的中心和寬度。該層節(jié)點(diǎn)數(shù)
第三層的每個(gè)節(jié)點(diǎn)代表一條模糊規(guī)則，它的作用是用來匹配模糊規(guī)則的前件，計(jì)算出每條規(guī)則的適應(yīng)度。規(guī)則節(jié)點(diǎn)執(zhí)行模糊操作 式中，i1∈{1，2，…，m1}，…，in∈{1，2，…，mn}，j＝1，2，…，

該層的節(jié)點(diǎn)總數(shù)N3＝m。
第四層實(shí)現(xiàn)歸一化計(jì)算，節(jié)點(diǎn)總數(shù)與第三層相同，即N4＝N3＝m。
2、后件網(wǎng)絡(luò)的實(shí)現(xiàn) 后件網(wǎng)絡(luò)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(gè)節(jié)點(diǎn)的輸入值x0＝1，它的作用是提供規(guī)則后件中的常數(shù)項(xiàng)。
第二層的每個(gè)節(jié)點(diǎn)代表一條規(guī)則，它的作用是計(jì)算每一條規(guī)則的后件，即 式中，

為后件網(wǎng)絡(luò)的連接權(quán)。
第三層計(jì)算系統(tǒng)的輸出，即 至此，所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)完全實(shí)現(xiàn)了Taagi-Sugeno模糊推理系統(tǒng)。
3、學(xué)習(xí)算法的實(shí)現(xiàn) 根據(jù)上述模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，輸入分量是預(yù)先確定的，需要學(xué)習(xí)的參數(shù)主要是后件網(wǎng)絡(luò)的連接權(quán)

以及前件網(wǎng)絡(luò)第二層各節(jié)點(diǎn)隸屬函數(shù)的中心值cji及寬度σji(i＝1，2，…，m；j＝1，2，…，mi)。
取誤差代價(jià)函數(shù)為 其中，ti和yi分別表示期望輸出和實(shí)際輸出值。
(1)參數(shù)

的學(xué)習(xí)算法 其中，j＝1，2，…，m，i＝1，2，…，n，l＝1，2，…，r，β為學(xué)習(xí)率。
(2)參數(shù)cji及δji的學(xué)習(xí)算法 將參數(shù)

固定。
其中，and采用取小運(yùn)算，當(dāng)

是第k個(gè)規(guī)則節(jié)點(diǎn)輸入的最小值時(shí)，sij＝1；否則sij＝0。則， 其中，β＞0，為學(xué)習(xí)率，i＝1，2，…，n；j＝1，2，…，m。
本發(fā)明的AUV結(jié)構(gòu)示意圖見附圖1，自抗擾控制器結(jié)構(gòu)示意圖見附圖2，自適應(yīng)神經(jīng)模糊推理系統(tǒng)結(jié)構(gòu)示意圖見附圖3，AUV垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制控制器示意圖見附圖4，AUV垂直面控制系統(tǒng)工作流程圖見附圖5，控制器參數(shù)調(diào)整流程圖見附圖6。
本發(fā)明的優(yōu)點(diǎn)是適用于AUV復(fù)雜的強(qiáng)耦合、欠驅(qū)動(dòng)系統(tǒng)，適用于復(fù)雜的海洋環(huán)境及擾動(dòng)較多的環(huán)境，可應(yīng)用與通用的AUV控制系統(tǒng)設(shè)計(jì)，進(jìn)行水下探測(cè)、水下救撈、水下巡查等，可實(shí)現(xiàn)AUV的自抗擾控制。
權(quán)利要求
1.一種無人潛航器垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法，其特征是
(1)、對(duì)AUV進(jìn)行初始化設(shè)置；
(2)、頂層控制計(jì)算機(jī)發(fā)送任務(wù)使命并完成全局規(guī)劃；
(3)、運(yùn)動(dòng)控制計(jì)算機(jī)接收傳感器反饋信息，利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器進(jìn)行控制解算，輸出控制指令，即艉升降舵舵角δs；
(4)、舵機(jī)執(zhí)行控制指令，完成AUV深度與縱傾的協(xié)調(diào)控制，實(shí)現(xiàn)AUV垂直面欠驅(qū)動(dòng)約束下的運(yùn)動(dòng)控制；
(5)、判斷是否完成本次任務(wù)，若完成則保存數(shù)據(jù)并結(jié)束本次航行，若未完成則繼續(xù)由運(yùn)動(dòng)控制計(jì)算機(jī)解算控制指令。
2.根據(jù)權(quán)利要求1所述的無人潛航器垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法，其特征是所述控制器參數(shù)整定方法為
(1)、對(duì)自抗擾控制器中跟蹤微分器、擴(kuò)張狀態(tài)觀測(cè)器、非線性誤差反饋三部分參數(shù)進(jìn)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(shí)刻差值等生成神經(jīng)模糊推理系統(tǒng)；
(3)、經(jīng)過自適應(yīng)神經(jīng)模糊推理系統(tǒng)推理學(xué)習(xí)，優(yōu)化自抗擾控制器，得到自抗擾控制器參數(shù)；
(4)、在控制器作用下，運(yùn)動(dòng)控制計(jì)算機(jī)修改控制指令，即改變艉升降舵舵角δs；
(5)、從深度計(jì)、光纖陀螺等傳感器反饋AUV當(dāng)前深度ζ、縱傾θ等信息；
(6)、運(yùn)動(dòng)控制計(jì)算機(jī)進(jìn)行控制解算，計(jì)算深度偏差Δζ、縱傾偏差Δθ是否為0，是則確定控制器參數(shù)，否則轉(zhuǎn)至步驟(2)。
3.根據(jù)權(quán)利要求1和2所述的無人潛航器垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法，其特征是所述利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器進(jìn)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(hào)，由各傳感器獲取的深度ζ(t)、縱傾θ(t)信息作為擴(kuò)張狀態(tài)觀測(cè)器的輸入信號(hào)，由跟蹤微分器和擴(kuò)張狀態(tài)觀測(cè)器輸出信號(hào)的偏差e(t)作為非線性誤差反饋的輸入信號(hào)，由非線性誤差反饋輸出的控制信號(hào)經(jīng)由擾動(dòng)補(bǔ)償后輸出得到自抗擾控制器的輸出信號(hào)，即AUV的一個(gè)控制量。
全文摘要
本發(fā)明提供的是一種無人潛航器(AUV)垂直面欠驅(qū)動(dòng)運(yùn)動(dòng)控制方法。(1)對(duì)AUV進(jìn)行初始化設(shè)置；(2)頂層控制計(jì)算機(jī)發(fā)送任務(wù)使命并完成全局規(guī)劃；(3)運(yùn)動(dòng)控制計(jì)算機(jī)接收傳感器反饋信息，利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)的自抗擾控制器進(jìn)行控制解算，輸出控制指令，即艉升降舵舵角δs；(4)舵機(jī)執(zhí)行控制指令，完成AUV深度與縱傾的協(xié)調(diào)控制，實(shí)現(xiàn)AUV垂直面欠驅(qū)動(dòng)約束下的運(yùn)動(dòng)控制；(5)判斷是否完成本次任務(wù)，若完成則保存數(shù)據(jù)并結(jié)束本次航行，若未完成則繼續(xù)由運(yùn)動(dòng)控制計(jì)算機(jī)解算控制指令。本發(fā)明適應(yīng)AUV在垂直面運(yùn)動(dòng)過程中欠驅(qū)動(dòng)、強(qiáng)耦合和復(fù)雜的運(yùn)動(dòng)關(guān)系，能實(shí)現(xiàn)精確的運(yùn)動(dòng)控制。
文檔編號(hào)G05D1/10GK101833338SQ20101017301
公開日2010年9月15日 申請(qǐng)日期2010年5月17日 優(yōu)先權(quán)日2010年5月17日
發(fā)明者施小成, 陳江, 徐健, 嚴(yán)浙平 申請(qǐng)人:哈爾濱工程大學(xué)