CN106444359A - 一种喷水推进无人艇自主区域保持的仿人智能控制方法 - Google Patents
一种喷水推进无人艇自主区域保持的仿人智能控制方法 Download PDFInfo
- Publication number
- CN106444359A CN106444359A CN201610942248.9A CN201610942248A CN106444359A CN 106444359 A CN106444359 A CN 106444359A CN 201610942248 A CN201610942248 A CN 201610942248A CN 106444359 A CN106444359 A CN 106444359A
- Authority
- CN
- China
- Prior art keywords
- deviation
- unmanned boat
- region
- equation
- max
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000001276 controlling effect Effects 0.000 claims abstract description 18
- 238000011217 control strategy Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 230000001105 regulatory effect Effects 0.000 claims abstract description 4
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 230000001141 propulsive effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 14
- 238000012937 correction Methods 0.000 description 13
- 230000009699 differential effect Effects 0.000 description 9
- 230000009471 action Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供的是一种喷水推进无人艇自主区域保持的仿人智能控制方法。对控制边界的位姿传感器测得的参数进行关键参数的分析与计算,区域保持判断***根据关键参数的计算值和实际值比较,判断是否需要进行区域保持,如果需要进行区域保持则对欠驱动喷水推进无人艇运动方程与区域保持停止位置轨迹方程的偏差方程进行求解,并将数据信息传递给仿人智能控制器,仿人智能控制器根据被调量、偏差以及偏差的变化趋势确定区域保持控制策略并通过执行机构实施。本发明的方法适用于区域海洋搜救和勘测技术等领域,能保证无人艇不管怎么运动,都不会驶离规定区域。
Description
技术领域
本发明涉及的是一种无人艇控制方法,具体地说是一种无人艇自主区域保持的仿人智能控制方法。
背景技术
喷水推进水面无人艇(USV)是一种能够在实际海洋环境下安全自主航行,并完成各种任务的海上智能运动平台,可搭载传感器、通讯装置,结合喷水推进器的优点其具有隐身性好、操纵灵活、自动驾驶等特点,适合在各种恶劣环境下,执行探测研究、浅水测绘、海洋搜救和海洋学研究等任务,无人员伤亡的危险。无人艇***是欠驱动的、大扰动的、快变的、多输入多输出的非线性耦合***。对于欠驱动***由于缺少横向驱动力,其不能实现定点定位功能,也很难实现动力定位功能,但无人艇的实际任务要求中需要涉及区域保持功能,如无人艇的区域海洋搜救和勘测、区域采样和监测、港口巡逻等。因此,进行无人艇自主区域保持控制技术的研究很有意义。而自主区域保持方法都是在动力定位的基础上实现的,主要的应用对象是具有多个推进装置的大型船舶,并没有用于单推进装置的小型无人艇上的自主区域保持方法。因此在国内外的公开文献中,未见有无人艇自主区域保持控制方法的相关报道。
发明内容
本发明的目的在于提供一种能保证无人艇不管怎么运动都不会驶离规定区域的喷水推进无人艇自主区域保持的仿人智能控制方法。
本发明的目的是这样实现的:对控制边界的位姿传感器测得的参数进行关键参数的分析与计算,并将数据信息传递给区域保持判断***\根据关键参数的计算值和实际值比较判断是否进行区域保持,如果需要进行区域保持则对欠驱动喷水推进无人艇运动方程与区域保持停止位置轨迹方程的偏差方程进行求解,并将数据信息传递给仿人智能控制器,仿人智能控制器根据被调量、偏差以及偏差的变化趋势确定区域保持控制策略并通过执行机构实施。
本发明还可以包括:
1、所述关键参数的分析与计算具体包括:
(1)航迹是否在区域保持的区域内,即区域中心O至无人艇航迹的距离的最大值rmax,计算公式为:
其中,(XO,YO)为区域中心O的坐标,(X,Y)为无人艇运动航迹坐标,
(2)极限运动距离k,即无人艇采取控制措施的极限范围r′max,计算公式为:
其中,R为区域半径,δ为干扰力作用的方向角,
(3)推进装置复位角θF,即当艏向角ψ等于复位角时推进装置复位,计算公式为:
R′为内圆半径,
(4)推进装置停止位置,如果海况未知时将O作为停止位置,如果海况已知且为四级海况及以下时则将O′作为停止位置,
其中O′为干扰力方向过圆心且与内圆交点。
2、所述对欠驱动喷水推进无人艇运动方程与区域保持停止位置轨迹方程的偏差方程进行求解具体包括:
无人艇水平面3自由度的运动方程为:
其中,η=[x,y,ψ]T、υT=[u,v,r]、τ=[τ1,0,τ3]T分别为位置、速度和推进力,τ1和τ3分别为水面无人艇的纵向推进力和转艏力矩,m11,m22,m33为包含附加质量的***惯性矩阵参数,du,dv,dr为环境干扰,其余为水动力系数;
区域保持停止位置的参考轨迹(xd,yd,ψd,ud,vd,rd)和参考控制输入(τ1d,τ3d)满足
对无人艇水平面3自由度的运动方程进行微分同胚变换,令
z1=xcosψ-ysinψ
z3=ψ
z5=v
z6=r
和控制输入变换
整理后新的状态方程为
同理求得区域保持控制边界参考轨迹的微分同胚变换方程定义偏差
e=[e1,e2,e3,e4,e5,e6]T=[z1-z1d,z2-z2d,z3-z3d,z4-z4d,z5-z5d,z6-z6d]T
则
由下式消去z1,z2,z3,z4,z5,z6,
z4z6-z4dz6d
=z4z6-z4z6d+z4z6d-z4dz6d
=z4e6-z4de6+z4de6+z6de4
=e4e6+z4de6+z6de4
得偏差方程
其中,
3、所述判断是否需要进行区域保持具体包括:当r≤rmax时,不需要启动区域保持;当rmax<r≤r′max零时,启动区域保持;当r>r′max时,区域保持失败。
4、所述确定区域保持控制策略具体包括:
仿人智能积分算法如下:
其中,u为控制量,e为偏差,为偏差导数,Kp为比例增益,Ki为积分增益,Kd为微分增益;
(1)、运行控制级
理想误差目标轨迹为为偏差和偏差变化率的阈值,,无人艇运行控制级的特征基元集合为:Q1={q1,q2,q3,q4,q5,q6,q7},
其中:
无人艇运行控制级的模型为Φ1={φ11,φ12,φ13,φ14,φ15,φ16,φ17,φ18,φ19,φ110}
其中:
无人艇运行控制级的控制模态级Ψ1={ψ11,ψ12,ψ13,ψ14,ψ15,ψ16}
其中:
式中符号un,un-1控制器的第n,n-1次输出;Umax控制器输出的最大值;en,控制***第n次的偏差、偏差变化率;emi控制***偏差的第i次极值;Kp,Kd,Ki,Sp,k控制器的比例系数、微分系数、积分系数、比例系数的符号、增益抑制因子;
无人艇运行控制级的推理规则集Ω1={ω11,ω12,ω13,ω14,ω15,ω16}
其中:
(2)、参数校正级
无人艇参数校正级的特征基元集合Q2={q1,q2,q3,q4,q5,q6,q7,q8,q9}
其中:
无人艇参数校正级的特征模型Φ2={Φ21,Φ22},
其中Φ21={φ212,φ2141,φ215,φ2171,φ2172,φ218}为2、4象限的特征模型,
Φ22={φ22101,φ22102,φ22103,φ22104}为1、3象限的特征模型,式中:
无人艇参数校正级的决策模态级Ψ2={Ψ21,Ψ22},其中:Ψ21={ψ21i},i=2,41,5,71,72,8Ψ22={ψ22i},i=101,102,103,104式中:
ψ212={Kd=Kd+kd1} ψ2141={Kp=Kp+kp1}
ψ215={Kp=Kp-kp1} ψ2171={Kd=Kd+kd1,Sp=-1}
ψ2172={Kd=Kd+kd1,Kp=Kp-kp1} ψ218={Kd=Kd+kd1}
ψ22101={Kd=Kd+kd2,Kp=Kp-kp2} ψ22102={Kp=Kp+kp2}
ψ22103={Kd=Kd+kd2,Kp=Kp+kp2} ψ22104={Kd=Kd+kd2,Kp=Kp-kp2}
式中的符号意义如下:kp1,kd1,kp2,kd2:2、4象限的比例或微分的增加或减小系数,l、3象限的或微分的增加或减小系数,
无人艇参数校正级的推理规则集Ω2={Ω21,Ω22},其中:Ω21={ω21i},i=2,41,5,71,72,8,Ω22={ω22i},i=101,102,103,104,
式中:
(3)、任务适应级
无人艇任务适应级的特征模型Φ3={φ31,φ32},其中:φ31为输入归一化的控制特征模型,φ32为输出反归一化的控制特征模型;
无人艇任务适应级的控制模态集Ψ3={ψ31,ψ32},其中:
ψ32={un=Umax·un,0,if|un,0|>1thenun,0=sgn(un,0)},式中的符号意义如下:
en,0,偏差和偏差变化率归一化的输入;en,控制***的偏差和偏差变化率;Dmax,Vmax:被控制量的最大牵引距离,被控制量的最大牵引速度;un,un,0,Umax:实际控制器的输出,归一化的控制器输出,控制执行机构的最大输入;
无人艇任务适应级的推理规则集Ω3={ω31,ω32},其中:
本发明提供了一种USV自主区域保持的仿人智能控制方法,主要是通过区域保持关键参数的计算数据,判断是否进行区域保持,如果需要进行区域保持则求解无人艇运动方程与区域保持停止位置轨迹方程的偏差方程,再将数据信息传递给仿人智能控制器,进而采用仿人智能控制算法对无人艇的推进装置进行控制,保证无人艇不管怎么运动,都不会驶离规定区域。
区域大小由任务需要而定,在区域内规定一个范围(称控制边界),在该范围内,推进器不输出功率,艏向也不保持,只有达到或接近控制边界时推进器才工作。因此影响无人艇自主区域保持效果的主要因素为:无人艇航迹位置信息x、y、ψ分别为纵向坐标、横向坐标和艏向角;关键参数如区域中心O至无人艇航迹的距离的最大值rmax,极限运动距离k,极限范围r′max,复位角θF,推进装置停止位置等。
本发明包括以下有益效果:
1、本发明可以做到稳定性、快速性和准确性的兼顾,在线特征辨识和特征记忆能够随时根据***当前所处的特征区间,相应采用不同的控制模态,这种多模态控制既考虑了稳定性,又兼顾了快速性和准确性的要求;
2、本发明有较强的鲁棒性,仿人智能控制器设计对对象特性相当程度的改变都不敏感,可以较好的适应被控***模型参数的改变,对于风浪流等外界干扰,通过对误差进行有选择的积分,最大限度的减小外界干扰;
3、本发明能对付难控的对象,如很难用固定的、近似的数学模型来描述的强非线性和不确定的***等,被控对象难度越大,越能体现出仿人智能控制的优越性。
附图说明
图1为USV区域保持结构框图;
图2为USV区域保持关键参数示意图;
图3为USV区域保持算流程图;
图4为仿人智能控制二阶生产式***结构;
图5为仿人智能控制***结构;
图6为运行控制级的特征模型;
图7为参数校正级的特征模型。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图举例对本发明作进一步说明。
本发明的USV自主区域保持的仿人智能控制方法主要包括:
步骤一、关键参数的分析与计算,包括:推进装置启动位置、极限运动距离、推进装置复位角、推进装置停止位置,并将数据信息传递给区域保持判断***;
在海况已知情况下,根据作用力求解无人艇运动状态,从而对区域保持参数进行求解;在海况未知情况下,通过现有的一段时间的位置信息利用参数估计的方法反解力和力矩,最后根据作用力求解无人艇运动状态,从而对区域保持参数进行求解;
步骤二、区域保持判断***根据关键参数的计算值和实际值比较,判断是否需要进行区域保持;
步骤三、如果需要进行区域保持则求解无人艇运动方程与区域保持停止位置轨迹方程的偏差方程,再将数据信息传递给仿人智能控制器;
步骤四、基于仿人智能算法的控制器根据被调量、偏差以及偏差的变化趋势确定区域保持控制策略并通过执行机构有效实施。
步骤一的区域保持关键参数的分析及计算,如图2所示:
航迹是否在区域保持的区域内,即区域中心O至无人艇航迹的距离的最大值rmax。计算公式如下:
其中,(XO,YO)为区域中心O的坐标,(X,Y)为无人艇运动航迹坐标。
极限运动距离k,即无人艇采取控制措施的极限范围r′max。计算公式如下:
其中,R为区域半径,δ为干扰力作用的方向角。
推进装置复位角θF,即当艏向角ψ等于复位角时推进装置复位。计算公式如下:
推进装置停止位置,如果海况未知时将O作为停止位置,如果海况已知且为四级海况及以下时将O’作为停止位置。监测无人艇位置并计算其与规定区域中心之间的角度ψ,当ψ大于预定停止位置与区域中心之间的角度ψt时,无人艇即可停止运动。
其中,R′为内圆半径,O′为干扰力方向过圆心且与内圆交点。
步骤三中无人艇运动方程与区域保持停止位置轨迹方程的偏差方程的求解,首先无人艇水平面3自由度的运动方程为:
其中,η=[x,y,ψ]T,υT=[u,v,r],τ=[τ1,0,τ3]T,分别为位置、速度和推进力,τ1和τ3分别为水面无人艇的纵向推进力和转艏力矩,m11,m22,m33为包含附加质量的***惯性矩阵参数,du,dv,dr为环境干扰,其余为水动力系数。
在步骤一区域保持关键参数的前提下,启动区域保持控制边界的参考轨迹(xd,yd,ψd,ud,vd,rd)和参考控制输入(τ1d,τ3d)满足
对无人艇水平面3自由度的运动方程进行微分同胚变换,令
z1=xcosψ-ysinψ
z3=ψ
z5=v
z6=r
和控制输入变换
则整理后新的状态方程为
同理也可求得区域保持控制边界参考轨迹的微分同胚变换方程定义偏差
e=[e1,e2,e3,e4,e5,e6]T=[z1-z1d,z2-z2d,z3-z3d,z4-z4d,z5-z5d,z6-z6d]T
则
由下式可消去z1,z2,z3,z4,z5,z6,
z4z6-z4dz6d
=z4z6-z4z6d+z4z6d-z4dz6d
=z4e6-z4de6+z4de6+z6de4
=e4e6+z4de6+z6de4
得偏差方程
其中,
步骤二中区域保持判断***根据关键参数的计算值和实际值比较,判断无人艇是否进行区域保持控制,当r≤rmax时,不需要启动区域保持;当rmax<r≤r′max零时,启动区域保持;当r>r′max时,区域保持失败。;
步骤四中所述仿人智能控制器根据无人艇运动方程与区域保持控制边界轨迹方程的偏差制定出区域保持策略的过程为:如图4、5所示,其中图4为仿人智能控制二阶生产式***结构,图5为仿人智能控制***结构,
仿人智能积分算法如下:
其中,u为控制量,e为偏差,为偏差导数,Kp为比例增益,Ki为积分增益,Kd为微分增益。
1、运行控制级
仿人智能控制是通过对被控量偏差和偏差变化率进行监测和判断***的动态过程,不同的动态过程采取不同控制算法。根据对被控量偏差和偏差变化率的大小可以划分误差相平面以便于对动态的控制过程进行可视化分析。
结合图6,带箭头的点划线所示轨迹为理想误差目标轨迹为偏差和偏差变化率的阈值,无人艇运行控制级的特征基元集合:Q1={q1,q2,q3,q4,q5,q6,q7}
其中:仿人智能控制策略分析:
①在控制的初始阶段,偏差很大时,对应区域1,采取尽可能大的控制作用,如采用磅-磅模态控制,以激发出偏差变化速度,提高控制***的收敛速度;
②在偏差减小过程中,若偏差变化速度小于预定的速度时,对应区域4、5,采取比例模态控制,用以提高偏差变化速度,使偏差较快减小;
③在偏差减小过程中,若偏差变化速度大于预定的速度时,对应区域2、7、8,在比例模态的基础上,引入微分模态,形成比例加微分的控制模式,用以压低偏差变化速度,避免超调的出现;
④在偏差和偏差变化率均满足要求(误差变化速度在预定的速度范围内)时,对应区域3、6,则采取保持模态控制,开环观察保持,以静观其变;
⑤在偏差增大过程中(出现超调),对应区域10,为了抑制偏差的增大,采用比例加微分和积分的控制模式,使偏差尽快回头;
⑥在偏差和偏差变化率均很小时(在给定的稳态误差要求范围之内),对应区域9,采取保持模态控制,可使之自行衰减达到平衡;对于存在外界环境干扰的***,可以采取极值采样保持模态控制,以减小稳态误差或提高抗干扰能力。
无人艇运行控制级的模型Φ1={φ11,φ12,φ13,φ14,φ15,φ16,φ17,φ18,φ19,φ110}
其中:
无人艇运动控制级的控制模态级Ψ1={ψ11,ψ12,ψ13,ψ14,ψ15,ψ16}
其中:
式中符号un,un-1控制器的第n,n-1次输出;Umax控制器输出的最大值;en,控制***第n次的偏差、偏差变化率;emi控制***偏差的第i次极值;Kp,Kd,Ki,Sp,k控制器的比例系数、微分系数、积分系数、比例系数的符号、增益抑制因子。
无人艇运动控制级的推理规则集Ω1={ω11,ω12,ω13,ω14,ω15,ω16}
其中:
2、参数校正级
在仿人智能控制器初始模型确定之后就是调整阀值和参数,找出这个具体对象的理想相轨迹并加以实现。结合图7,无人艇参数校正级的特征基元集合Q2={q1,q2,q3,q4,q5,q6,q7,q8,q9}
其中:
根据仿人智能控制的思想:偏差变化率比较大时应加大微分作用减弱比例作用,偏差变化速度小而偏差较大时应减弱微分作用,加大比例作用。对于各区域的参数校正采取如下措施:
区域1:磅-磅控制不需要参数校正;
区域2:超过偏差变化率的限制,应通过参数校正,应增加微分作用;
区域3、6、9:***工作在理想状态,不需要参数校正,采用参数保持模式;
区域41:偏差变化率很小,而偏差较大,通过参数校正,增加比例作用;
区域42:偏差变化率较理想,不需要参数校正,采用参数保持模式;
区域5:有较小的偏差,但偏差变化率进入稳态要求,通过参数校正,减弱比例作用;
区域71:偏差已进入稳态要求,而偏差变化率较大,通过参数校正,增加微分作用并引入正反馈,形成较强的微分加正反馈的控制模式;
区域72:偏差变化率较大,应通过参数校正,增加微分作用并减弱比例作用;
区域8:偏差已进入稳态要求,但还有较小的偏差变化率,通过参数校正,增加微分作用;
区域101:已出现超调,偏差较大而偏差变化速度较小,通过参数校正,稍微增大比例作用和减小微分作用;
区域102:超调已很小,偏差变化速度也很小,但仍未进入稳态要求,微增加比例作用;
区域103:超调较大,偏差变化速度也较大,通过参数校正,稍微加大微分作用和比例作用;
区域104:超调已较小,但偏差变化速度仍较大,通过参数校正,增强微分作用,稍减弱比例作用。
无人艇参数校正级的特征模型Φ2={Φ21,Φ22},
其中Φ21={φ212,φ2141,φ215,φ2171,φ2172,φ218}为2、4象限的特征模型,
Φ22={φ22101,φ22102,φ22103,φ22104}为1、3象限的特征模型。式中:
无人艇参数校正级的决策模态级Ψ2={Ψ21,Ψ22},其中:Ψ21={ψ21i},i=2,41,5,71,72,8Ψ22={ψ22i},i=101,102,103,104式中:
ψ212={Kd=Kd+kd1} ψ2141={Kp=Kp+kp1}
ψ215={Kp=Kp-kp1} ψ2171={Kd=Kd+kd1,Sp=-1}
ψ2172={Kd=Kd+kd1,Kp=Kp-kp1} ψ218={Kd=Kd+kd1}
ψ22101={Kd=Kd+kd2,Kp=Kp-kp2} ψ22102={Kp=Kp+kp2}
ψ22103={Kd=Kd+kd2,Kp=Kp+kp2} ψ22104={Kd=Kd+kd2,Kp=Kp-kp2}
式中的符号意义如下:kp1,kd1,kp2,kd2:2、4象限的比例或微分的增加或减小系数,l、3象限的或微分的增加或减小系数。
无人艇参数校正级的推理规则集Ω2={Ω21,Ω22},其中:Ω21={ω21i},i=2,41,5,71,72,8,Ω22={ω22i},i=101,102,103,104。
式中:
3、任务适应级
根据不同的控制***,不同的任务,对运行控制级和参数校正级的所有参数及闭值进行置入和修改,对控制器的输入值(偏差和偏差的变化率)进行归一化以及对控制器的输出值进行反归一化,对控制***的稳定性进行监控等操作。
首先,根据控制***参数对控制器的输入值(偏差和偏差的变化率)进行归一化;然后,通过参数校正级和运行控制级的计算,得到归一化的控制输出;最后,对归一化的控制输出值控制执行机构进行反归一化,得到实际控制输出值。
无人艇任务适应级的特征模型Φ3={φ31,φ32},其中:φ31为输入归一化的控制特征模型,φ32为输出反归一化的控制特征模型。
无人艇任务适应级的控制模态集Ψ3={ψ31,ψ32},其中:
ψ32={un=Umax·un,0,if|un,0|>1thenun,0=sgn(un,0)}。式中的符号意义如下:
en,0,偏差和偏差变化率归一化的输入;en,控制***的偏差和偏差变化率;Dmax,Vmax:被控制量的最大牵引距离,被控制量的最大牵引速度;un,un,0,Umax:实际控制器的输出,归一化的控制器输出,控制执行机构的最大输入。
无人艇任务适应级的推理规则集Ω3={ω31,ω32},其中:
本控制方法实现了发明效果,无人艇在区域海洋搜救和勘测行驶过程中,通过各模块相互之间的协作,使无人艇在航行过程中能自主进行区域保持,顺利完成预定任务。
Claims (5)
1.一种喷水推进无人艇自主区域保持的仿人智能控制方法,其特征是:对控制边界的位姿传感器测得的参数进行关键参数的分析与计算,区域保持判断***根据关键参数的计算值和实际值比较,判断是否需要进行区域保持,如果需要进行区域保持则对欠驱动喷水推进无人艇运动方程与区域保持停止位置轨迹方程的偏差方程进行求解,并将数据信息传递给仿人智能算法控制器,仿人智能控制器根据被调量、偏差以及偏差的变化趋势确定区域保持控制策略并通过执行机构实施。
2.根据权利要求1所述的喷水推进无人艇自主区域保持的仿人智能控制方法,其特征是所述关键参数的分析与计算具体包括:
(1)航迹是否在区域保持的区域内,即区域中心O至无人艇航迹的距离的最大值rmax,计算公式为:
其中,(XO,YO)为区域中心O的坐标,(X,Y)为无人艇运动航迹坐标,
(2)极限运动距离k,即无人艇采取控制措施的极限范围r′max,计算公式为:
其中,R为区域半径,δ为干扰力作用的方向角,
(3)推进装置复位角θF,即当艏向角ψ等于复位角时推进装置复位,计算公式为:
R′为内圆半径,
(4)推进装置停止位置,如果海况未知时将O作为停止位置,如果海况已知且为四级海况及以下时则将O′作为停止位置,
其中O′为干扰力方向过圆心且与内圆交点。
3.根据权利要求2所述的喷水推进无人艇自主区域保持的仿人智能控制方法,其特征是所述对欠驱动喷水推进无人艇运动方程与区域保持停止位置轨迹方程的偏差方程进行求解具体包括:
无人艇水平面3自由度的运动方程为:
其中,η=[x,y,ψ]T、vT=[u,v,r]、τ=[τ1,0,τ3]T分别为位置、速度和推进力,τ1和τ3分别为水面无人艇的纵向推进力和转艏力矩,m11,m22,m33为包含附加质量的***惯性矩阵参数,其余为水动力系数;
启动区域保持控制边界的参考轨迹(xd,yd,ψd,ud,vd,rd)和参考控制输入(τ1d,τ3d)满足
对无人艇水平面3自由度的运动方程进行微分同胚变换,令
z1=x cosψ-y sinψ
z3=ψ
z5=v
z6=r
和控制输入变换
整理后新的状态方程为
同理求得区域保持控制边界参考轨迹的微分同胚变换方程定义偏差
e=[e1,e2,e3,e4,e5,e6]T=[z1-z1d,z2-z2d,z3-z3d,z4-z4d,z5-z5d,z6-z6d]T
则
由下式消去z1,z2,z3,z4,z5,z6,
z4z6-z4dz6d
=z4z6-z4z6d+z4z6d-z4dz6d
=z4e6-z4de6+z4de6+z6de4
=e4e6+z4de6+z6de4
得偏差方程
其中,
4.根据权利要求3所述的喷水推进无人艇自主区域保持的仿人智能控制方法,其特征是所述判断是否需要进行区域保持具体包括:当r≤rmax时,不需要启动区域保持;当rmax<r≤r′max零时,启动区域保持;当r>r′max时,区域保持失败。
5.根据权利要求4所述的喷水推进无人艇自主区域保持的仿人智能控制方法,其特征是所述确定区域保持控制策略具体包括:
仿人智能积分算法如下:
其中,u为控制量,e为偏差,为偏差导数,Kp为比例增益,Ki为积分增益,Kd为微分增益;
(1)、运行控制级
理想误差目标轨迹为为偏差和偏差变化率的阈值,,人艇运行控制级的特征基元集合为:Q1={q1,q2,q3,q4,q5,q6,q7},
其中:q2:|en|≥e1,q3:|en|≥e2,q4:|en|≥e3,
无人艇运行控制级的模型为Φ1={φ11,φ12,φ13,φ14,φ15,φ16,φ17,φ18,φ19,φ110}
其中:
无人艇运行控制级的控制模态级Ψ1={ψ11,ψ12,ψ13,ψ14,ψ15,ψ16}
其中:
式中符号un,un-1控制器的第n,n-1次输出;Umax控制器输出的最大值;控制***第n次的偏差、偏差变化率;emi控制***偏差的第i次极值;Kp,Kd,Ki,Sp,k控制器的比例系数、微分系数、积分系数、比例系数的符号、增益抑制因子;
无人艇运行控制级的推理规则集Ω1={ω11,ω12,ω13,ω14,ω15,ω16}
其中:
(2)、参数校正级
无人艇参数校正级的特征基元集合Q2={q1,q2,q3,q4,q5,q6,q7,q8,q9}
其中:
无人艇参数校正级的特征模型Φ2={Φ21,Φ22},
其中Φ21={φ212,φ2141,φ215,φ2171,φ2172,φ218}为2、4象限的特征模型,
Φ22={φ22101,φ22102,φ22103,φ22104}为1、3象限的特征模型,式中:
无人艇参数校正级的决策模态级Ψ2={Ψ21,Ψ22},其中:Ψ21={ψ21i},i=2,41,5,71,72,8Ψ22={ψ22i},i=101,102,103,104式中:
ψ212={Kd=Kd+kd1}ψ2141={Kp=Kp+kp1}
ψ215={Kp=Kp-kp1}ψ2171={Kd=Kd+kd1,Sp=-1}
ψ2172={Kd=Kd+kd1,Kp=Kp-kp1}ψ218={Kd=Kd+kd1}
ψ22101={Kd=Kd+kd2,Kp=Kp-kp2}ψ22102={Kp=Kp+kp2}
ψ22103={Kd=Kd+kd2,Kp=Kp+kp2}ψ22104={Kd=Kd+kd2,Kp=Kp-kp2}
式中的符号意义如下:kp1,kd1,kp2,kd2:2、4象限的比例或微分的增加或减小系数,l、3象限的或微分的增加或减小系数,
无人艇参数校正级的推理规则集Ω2={Ω21,Ω22},其中:Ω21={ω21i},i=2,41,5,71,72,8,Ω22={ω22i},i=101,102,103,104,
式中:
(3)、任务适应级
无人艇任务适应级的特征模型Φ3={φ31,φ32},其中:φ31为输入归一化的控制特征模型,φ32为输出反归一化的控制特征模型;
无人艇任务适应级的控制模态集Ψ3={ψ31,ψ32},其中:
ψ32={un=Umax·un,0,if|un,0|>1thenun,0=sgn(un,0)},式中的符号意义如下:
偏差和偏差变化率归一化的输入;控制***的偏差和偏差变化率;Dmax,Vmax:被控制量的最大牵引距离,被控制量的最大牵引速度;un,un,0,Umax:实际控制器的输出,归一化的控制器输出,控制执行机构的最大输入;
无人艇任务适应级的推理规则集Ω3={ω31,ω32},其中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610942248.9A CN106444359A (zh) | 2016-12-21 | 2016-12-21 | 一种喷水推进无人艇自主区域保持的仿人智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610942248.9A CN106444359A (zh) | 2016-12-21 | 2016-12-21 | 一种喷水推进无人艇自主区域保持的仿人智能控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106444359A true CN106444359A (zh) | 2017-02-22 |
Family
ID=58179025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610942248.9A Pending CN106444359A (zh) | 2016-12-21 | 2016-12-21 | 一种喷水推进无人艇自主区域保持的仿人智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106444359A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107255923A (zh) * | 2017-06-14 | 2017-10-17 | 哈尔滨工程大学 | 基于rbf辨识的ica‑cmac神经网络的欠驱动无人艇航迹跟踪控制方法 |
CN109634099A (zh) * | 2018-12-29 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 用于控制车辆的方法和装置 |
CN111781923A (zh) * | 2020-06-16 | 2020-10-16 | 北京航天控制仪器研究所 | 一种水面无人艇区域保持控制***及方法 |
CN112486186A (zh) * | 2020-12-14 | 2021-03-12 | 浙江嘉蓝海洋电子有限公司 | 一种基于贝叶斯多特征融合的无人水面艇自主航行方法 |
CN112650257A (zh) * | 2020-12-30 | 2021-04-13 | 大连海事大学 | 一种无人艇区域保持控制方法及装置 |
CN112904719A (zh) * | 2021-01-15 | 2021-06-04 | 哈尔滨工程大学 | 一种适用于水下机器人位置环形区域跟踪控制方法 |
CN114488777A (zh) * | 2022-01-17 | 2022-05-13 | 国能神华九江发电有限责任公司 | 一种基于仿人智能控制的协调控制策略 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945045A (zh) * | 2012-11-19 | 2013-02-27 | 上海大学 | 基于激光传感器和前视声纳的无人艇组合避障装置和方法 |
JP2015203938A (ja) * | 2014-04-14 | 2015-11-16 | 株式会社Ihi | 自律航走体の異常時帰還用制御方法、及び、該異常時帰還用制御方法の実施に用いる自律航走体 |
-
2016
- 2016-12-21 CN CN201610942248.9A patent/CN106444359A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945045A (zh) * | 2012-11-19 | 2013-02-27 | 上海大学 | 基于激光传感器和前视声纳的无人艇组合避障装置和方法 |
JP2015203938A (ja) * | 2014-04-14 | 2015-11-16 | 株式会社Ihi | 自律航走体の異常時帰還用制御方法、及び、該異常時帰還用制御方法の実施に用いる自律航走体 |
Non-Patent Citations (6)
Title |
---|
付明玉 等: "环境最优区域动力定位控制方法的研究", 《中国造船》 * |
吴恭兴: "无人艇操纵性与智能控制技术研究", 《万方数据库》 * |
曾薄文: "喷水推进水面无人艇的非线性控制方法研究", 《万方数据库》 * |
王德胜: "《普通管理学》", 30 September 2001, 北京:北京师范大学出版社 * |
瞿少成: "《应用非线性控制技术》", 31 May 2008, 长沙:国防科技大学出版社 * |
邹金锟: "基于运动仿真的无人艇区域保持方法研究", 《万方数据库》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107255923A (zh) * | 2017-06-14 | 2017-10-17 | 哈尔滨工程大学 | 基于rbf辨识的ica‑cmac神经网络的欠驱动无人艇航迹跟踪控制方法 |
CN107255923B (zh) * | 2017-06-14 | 2020-04-03 | 哈尔滨工程大学 | 基于rbf辨识的ica-cmac神经网络的欠驱动无人艇航迹跟踪控制方法 |
CN109634099A (zh) * | 2018-12-29 | 2019-04-16 | 百度在线网络技术(北京)有限公司 | 用于控制车辆的方法和装置 |
CN111781923A (zh) * | 2020-06-16 | 2020-10-16 | 北京航天控制仪器研究所 | 一种水面无人艇区域保持控制***及方法 |
CN111781923B (zh) * | 2020-06-16 | 2023-07-14 | 航天时代(青岛)海洋装备科技发展有限公司 | 一种水面无人艇区域保持控制***及方法 |
CN112486186A (zh) * | 2020-12-14 | 2021-03-12 | 浙江嘉蓝海洋电子有限公司 | 一种基于贝叶斯多特征融合的无人水面艇自主航行方法 |
CN112486186B (zh) * | 2020-12-14 | 2022-09-16 | 浙江嘉蓝海洋电子有限公司 | 一种基于贝叶斯多特征融合的无人水面艇自主航行方法 |
CN112650257A (zh) * | 2020-12-30 | 2021-04-13 | 大连海事大学 | 一种无人艇区域保持控制方法及装置 |
CN112650257B (zh) * | 2020-12-30 | 2024-02-02 | 大连海事大学 | 一种无人艇区域保持控制方法及装置 |
CN112904719A (zh) * | 2021-01-15 | 2021-06-04 | 哈尔滨工程大学 | 一种适用于水下机器人位置环形区域跟踪控制方法 |
CN114488777A (zh) * | 2022-01-17 | 2022-05-13 | 国能神华九江发电有限责任公司 | 一种基于仿人智能控制的协调控制策略 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106444359A (zh) | 一种喷水推进无人艇自主区域保持的仿人智能控制方法 | |
Bibuli et al. | Path‐following algorithms and experiments for an unmanned surface vehicle | |
CN110673598B (zh) | 一种水面无人艇智能路径跟踪控制方法 | |
CN108445892A (zh) | 一种欠驱动无人船编队控制器结构及设计方法 | |
Deng et al. | Line-of-sight-based guidance and adaptive neural path-following control for sailboats | |
CN106094606A (zh) | 一种水面无人艇导航与控制遥操作平台 | |
CN109765929A (zh) | 一种基于改进rnn的uuv实时避障规划方法 | |
Fang et al. | Application of neuro-fuzzy algorithm to portable dynamic positioning control system for ships | |
CN108594639A (zh) | 一种基于强化学习的全垫升气垫船航迹跟踪控制方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制*** | |
CN115903800A (zh) | 一种基于领导者协同的多无人船编队的严格安全控制方法 | |
Wang et al. | Autonomous piloting and berthing based on Long Short Time Memory neural networks and nonlinear model predictive control algorithm | |
Patil et al. | Deep reinforcement learning for continuous docking control of autonomous underwater vehicles: a benchmarking study | |
Liang et al. | Economic MPC-based planning for marine vehicles: Tuning safety and energy efficiency | |
Liu | Pre-filtered backstepping control for underactuated ship path following | |
Peimin et al. | The design of gain scheduling PID controller of the USV course control system | |
Zhang et al. | Ship heading control based on fuzzy PID control | |
Xiao et al. | Research on Multi-mode control system and autonomous cruise method for unmanned surface vehicles | |
CN116048090A (zh) | 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 | |
Zhang et al. | A new hybrid path planning method for the sailboat architecture wave glider in the wind field environment | |
Xuefei et al. | Heading control method of unmanned sailing boats based on fuzzy PID | |
Mu et al. | An Novel Model Switching Course Control for Unmanned Surface Vehicle With Modeling Error and External Disturbance | |
Abrougui et al. | Modeling and path following control of an autonomous catamaran sailboat | |
Wu et al. | The basic motion control strategy for the water-jet-propelled USV | |
Cui et al. | Intelligent Ship Decision System Based on DDPG Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |
|
RJ01 | Rejection of invention patent application after publication |