英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

基于智能PID的无人船路径跟踪的控制引导

水下航行器国家重点实验室，哈尔滨工程大学，哈尔滨150001，中国

中南大学出版社和柏林海德堡施普林格出版社

摘要：基于理性行为的三个层面，跟踪控制系统设计为直线跟踪，常用于水下探测任务。在控制系统中，采用横向偏差的过程，实现了一个智能PID的控制原理，并实现了横向偏差的控制。该原理可以实现通过一个点序列表示的路径的连续跟踪。首先，基于三层的理性行为模型的路径跟踪控制系统的设计，主要满足欠驱动AUV需要。因为没有必要进行空间耦合的演习，将三维航迹跟踪控制分解为二维航迹跟踪和深度或高度跟踪。其次，平面路径跟踪控制器被引入。与垂直位置控制相比，更要注意的是，分析形式的横向偏差。据李亚普诺夫直接理论，控制律采用分立PID算法，其参数服从自适应模糊调整设计。参考航向角被给定为通过横向偏离其衍生物一起进行的引导控制装置的输出。为提高控制质量和促进参数修改的目的，基于Sigmoid函数数据标准化模块被施加到输入 - 输出数据的操纵。最后，实验序列进行了成功，包括在龙凤湖，并在黄海测试。在最具挑战性的海况，直线的跟踪误差在一般低于2微米。结果表明，紫外线能够补偿由海流所带来的干扰。所提供的测试结果表明，该设计指导控制器保证稳定且高精度地直路线跟踪。此外，所提出的控制系统是用于连续梳形路径在区域搜索跟踪访问的目的。

关键词：制导控制;区域搜索;欠驱动水下机器人;智能PID;路径追踪

1引言

无人机跟踪控制通常是在实际应用中离散的。本质上，路径跟踪是基于虚拟目标误差控制的稳定。使用AUV跟踪分析形式复杂的曲线很困难。通常的做法是描述全局路径作为离散点的形式，然后将曲线跟踪被变换成跟踪节段性直线。这种方式安全可靠并且跟踪误差也在掌控之中。因此，值得牺牲一点精度来简化形式。直线跟踪的良好表现是在水下作业的共同要求像水下目标地毯式搜索^[1]，海底地形调查^[2]，以及自主式水下对接^[3]。根据潜艇操纵知识^[4]，一个AUV不具备直线稳定性比方向稳定性和位置稳定性等在它移动时更没有控制力。在这个直线跟踪过程中，AUV必须尽其所能在干扰下遵循原来的路线。直线跟踪的良好表现是基于其上的基本性能的AUV都能够进行水下调查任务.核心部分是一个跟踪算法具有安全性，可靠性，稳定性和精度高的特点。

基于AUV数学模型跟踪控制装置的应用是困难的。有几个方法在理论上取得了很大的改善，但仍停留在数值模拟阶段，并没有像反推控制器方法在实践中有效地利用AUV^[5]，二阶链式系统通过级联反推法^[6]，部分反馈线性化方法^[7]，和神经网络方法^[8]。

一些学者集中精力研究水动力参数不确定性。在参考文献^[9]，为AUV设计一个自适应控制率来跟踪期望轨迹。这种理想状态回归依赖于矩阵控制器提供的水动力下的参数不确定性一致的结果。数字模拟开始被使用。在参考文献^[10]，对于一般类的车辆在2D或3D空间中的运行，自适应切换监控与非线性基于李雅普诺夫跟踪控制律相结合，解决全球有界性和位置的收敛跟踪误差原点的附近问题可以任意小。仿真结果被提交。

M为了解决在海流中的控制问题，一些专家致力于研究提供理论支持的观察，或者状态估计。在参考文献^[11]，推导出一个非线性观测。整定参数的数量因为采用无缘化被减到最低。所提出的观察者包括如在嘈杂的位置测量该船舶的低频的位置和速度的功能。在参考文献^[12]，洋流观测是基于对接末端制导过程中补偿漂移所设计的AUV的运动方程式。模拟结果也包括在其中。

Lyapunov直接方法被广泛用于设计跟踪控制系统^[9][13]。发达控制器的稳定性利用Lyapunov标准得到了证明。

如下的这些做法具有挑战性。AUV的动态是非线性和具有不确定性的，并且加上科里奥利效应，在六个自由度中的引力和阻尼因子增加了数学复杂性。因此，自适应控制律的设计和实施是具有挑战性的。

一种车辆的运动控制系统可以在至少三个三层的层次结构上概念化。来自海洋的运动控制系统包括战略，战术和执行水平。在参考文献^[14-15]，即使是在面对洋流时，三层结构应用的欠驱动AUV水下对接。

为了准确地实现AUV路径跟踪控制，尤其是对于缺乏横向控制输入的欠驱动AUV，这使得直接的横向运动控制是不可能的，在AUV的位置和期望路径被转移到参考角度时知道控制器添加到了战术层面。在此过程中，目标路径跟踪被转换到参考角跟踪，这有利于欠驱动AUV控制^[16]。

考虑到我们的跟踪车辆惯性敏感和稳态偏差难以接受，尤其是在军事调查中，采用模糊PID算法解决AUV和设计路线之间的横向偏差。模糊PID算法是基于一个具有原理简单，高适应性和使用简单的优点的成熟理论创造的。在参考文献^[17-19]，在Buzzard Bay的固定锥形基座内码头制使用PID控制回路来为SeaGrant Odyssey Ⅱb提供控制响应。在KRISO的Ocean Engineering Basin中使用PD高度控制器和PID指导控制器对接到到ISiMI AUV中。21英寸直径的AUV Bluefine在蒙特利湾900米深度来实现归位和对接。结合自适应智能控制与AUV的控制功能的优点，在三层理性行为模型充当规划水平的三维路径引导控制器将在这个工作来建立。

代替理论研究，今年工作重点放在海洋勘探的实际问题和复杂的海洋地形特征和其他现实变量，如海流。

2.欠驱动的AUV路径跟踪控制系统

没有横向或纵向控制输入欠驱动的AUV路径跟踪控制系统将出台^[20]。这种水下机器人具有桨-舵机动形式或矢量推力机动形式。从限制的观点来看它可以定义为从非完整系统。

六自由度的动态方程如下：

欠驱动AUV的限制方程可以表示为：

其中u是无动力控制下的自由度。其他向量和矩阵的定义在参考文献^[16]进行了详细的说明。对于AUV在桨舵翼操控状态，控制输入仅在三度：浪涌，俯仰，偏航。

基于由SUSSMANN^[21]提出的STLC的充分性和考虑欠驱动水下机器人的非完整约束的特点，可以证明，该系统可以从初始状态到达任何最终状态。这一成就为设计跟踪控制算法提供了指导。

在VALAVANIS^[22]中大量在海上和湖里的实验表明AUV控制系统的说明是正确的。它是由任务层（战略级），指导层（战术级）和执行层组成的三层理性行为模型。只有指导层和执行层的控制参与纯粹的直线路径跟踪。该指导层提供了根据AUV与目标路径之间的相对位置参考航向角和基于该相对位置参考桨距角的结果。执行层提供驱动器的指令。依据前进方向和参考值间距通过方向舵和翼施加机动扭矩。最后，路径跟踪完毕。理论示于图1。

用鱼雷相比，大多数AUV在执行任务时，没有剧烈和复杂的战术动作，这两部分的原理在理论上是相同的。考虑到平面电流在海洋环境中较为普遍，水平位置的控制变得比水下调查任务更加重要。然而，似乎横向跟踪控制的研究更加困难。所以，采取水平路径跟踪作为一个例子来说明更具代表性更加合理。

3基于横向偏差的水平路面跟踪

根据几何原理，从导航定位和目标路线来计算横向偏差。制导控制律基于Lyapunov稳定性理论设计。采用人工参数调节控制方法来计算适当的目标航向角。该算法是模糊和PID控制相结合，并在理论和实践上相当成熟。因此，从总体上看，AUV目标方向是按照路线和未知扰动自动调整。路径跟踪是通过利用运动组成的理论的路线限制AUV来完成的。出于实际应用的目的，控制律以离散形式给出。如I / O数据归一化的细节也给出。

3.1计算横向偏差

三维直线投影到水平面是一条直线表达为。它从方向线)到时。的方向被表示如下：

表示AUV和的位置是方位角。距离到路线如下：

声称，而在水下航行器指令行左侧定位。同时，的符号取决于参数和是正或负的叉积。

因此，为如下：

图1直线跟踪控制系统的结构

3.2指导控制器的设计

指导控制器采用为控制输入并且计算补偿航向角。最后，参考方位角给出如下：

水平直线跟踪控制系统的整体结构的图在图2中展示。它是一个单输入单输出（SISO）系统。因此，受控变量仅偏差的功能。

图2水平直线跟踪控制系统的结构

从运动学的角度来看，跟踪控制法的目的是消除横向偏差为零，即→0。Lyapunov函数可能如下：

显然，= 0 时，跟踪系统唯一的平衡状态发生在代表原点。在这种状态下，标量函数V是正的，。让,增长。由于是无人机空间中的相对位置的实际测量，的值连续变化而且存在导数。函数具有导数如下：

接着，的符号进行了讨论。的正负规律性已经在前面的部分被引入。然后，可以判定该指导控制器是大规模渐近收敛。如果在整个过程中和符号相反，lt;0.。然后，可以判定该指导控制器是大规模渐近收敛。

代表速度而AUV路线逼近直线。当AUV在路线的左侧，意味着，横向偏差为正并且降低。也就是说，AUV将至的路线。同样的，如果AUV在路线的右侧，即横向偏差时负的，并且增加，同样的，AUV在接近路线。至于欠驱动AUV，只有调整其航向角同时推进能带来速度接近路线。在海洋环境中，处处存在电流干扰。图3示出了方位角和巡航AUV的速度之间的关系。速度矢量，是指参考速度和方向属性是控制量。是指绝对速度是无人机纵向速度和当前速度的合成速度。作为，指的是的一个组成部分，电子垂直于专线。

图3路径跟踪时有电流干扰的速度组成原理

3.3自适应参数调整的智能PID控制算法

在考虑偏差时的良好的操控性能，偏差率和稳态误差，PID算法被选择为操纵补偿航向角。基本PID控制法可表示为如下

PID算法应数值微分形式来表达

其中，和分别是比例，积分和微分系数；n是控制系统的时钟周期;是整合的计算期间。偏差变化率的计算方法是最近的MD的平均数。该值在6-12; 利用非线性Sigmoid函数，可以被投影到角空间的形成角度。为了提高控制品质，引入模糊机制。和被描述为模糊集。如公式（12）所示自适应PID控制参数的调整。PID算法的输入的三个参数分别影响在快速性，稳定性和动态特性的表现。也就是说，较大的比例系数加速系统的响应性能，以更大的系统是必要的。为有效地消除海流稳态误差适合集成系数，因此，海洋环境中精确的路由跟踪它是十分必要的。和都很小时，它在稳定跟踪阶段起作用。分化系数影响控制系统的动态性能。在路线临近的阶段，非常适合过度，它使得系统能够补偿不稳定电流的干扰。

以下是关于控制参数的模糊自适应调整的细节。

由于AUV和路线之间的相对位置的对称性，控制输出是大小相等但符号相反当以及的大小相等但符号相反时。因此，只有条件gt;0被认为是描述模糊动机。模糊子集为，={4，3，2，1，0}中的元素分别代表大，中，小，微型和零。他们只是量纲符号表示。它们的物理尺寸应该在实验过程中要制定和完善。通常，像AUV巡航速度和相应的转弯能力，跟踪精度要求因素，将被认为是确定的的确定通常认为关乎关无人机的巡航速度，海况等因素。假设上和，，都正态分布，每个模糊子集的元素是显而易见的。表1-3描绘每个模糊子集的隶属，参数自校正网上完成。

3.4正常化的输入输出数据

对于PID算法，控制器的输入和输出应该在自己的范围受到限制。一方面，这种策略消除了输入端之间的干扰。也就是说，每个输入可以起

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[150322]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 2.3港口吞吐量预测外文翻译资料
• 使用多标准移动通信分层遗传算法的阻抗 匹配网络的宽带优化外文翻译资料
• 移动RFID标签阅读与非重叠串联阅读器在输送带的应用外文翻译资料
• 利用数字图像进行的全场应变测量方法外文翻译资料
• 自然灾害中并发事件的多种应急资源的分配外文翻译资料
• 基于主机的卡仿真：开发，安全和生态系统影响分析外文翻译资料
• 实现基于Android智能手机的主机卡仿真模式作为替代ISO 14443A标准的Arduino NFC模块外文翻译资料
• 探索出行方式选择和出行链模式复杂性之间的关系外文翻译资料
• 信息系统研究、教育和实践的基本立场及其影响外文翻译资料
• 仓储和MH系统决策模型的设计优化与管理外文翻译资料