CN107544256B - 基于自适应反步法的水下机器人滑模控制方法 - Google Patents
基于自适应反步法的水下机器人滑模控制方法 Download PDFInfo
- Publication number
- CN107544256B CN107544256B CN201710961312.2A CN201710961312A CN107544256B CN 107544256 B CN107544256 B CN 107544256B CN 201710961312 A CN201710961312 A CN 201710961312A CN 107544256 B CN107544256 B CN 107544256B
- Authority
- CN
- China
- Prior art keywords
- heading
- underwater robot
- neural network
- sliding mode
- matrix
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000013016 damping Methods 0.000 claims description 12
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 abstract description 3
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于自适应反步法的水下机器人滑模控制方法,用于解决现有水下机器人控制方法实用性差的技术问题。技术方案是基于对复杂非线性***的分解,通过为子***设计虚拟控制量,结合滑动模态逐级递推得到全***的控制量;针对***不确定上界引起的抖振问题,控制器中引入RBF神经网络,自适应逼近***内部不确定性与外部干扰,最终实现对***抖振的控制,并实现高精度跟踪控制,提高闭环***鲁棒性,满足工程需求,实用性好。
Description
技术领域
本发明涉及一种水下机器人控制方法,特别涉及一种基于自适应反步法的水下机器人滑模控制方法。
背景技术
水下机器人控制***由于其特殊的工作环境与复杂的动力学结构,在运动过程中易受外部干扰,并且存在建模不精确的问题,这对控制器的精确性与鲁棒性提出了较高要求。最优控制、反馈线性化、自适应控制以及滑模变结构控制等众多方法在水下机器人控制中得到应用。其中,由于滑模控制中的滑动模态可以按照需要进行设计,而且***的滑模运动与控制对象的参数变化和***的外界干扰无关,因此滑模变结构控制器的鲁棒性与精确性要优于其他方法。然而,滑模变结构控制在本质上的不连续开关特性将会引起***的抖振,其应用具有一定局限性。
文献《基于自适应反演滑模控制的AUV水平面动力定位方法》(高剑,徐德民,《机械科学与技术》,2007年第26卷第6期)一文采用的自适应反演设计方法,实现了水下机器人的跟踪控制全局渐进稳定性,对外部扰动具有一定的鲁棒性,但该方法在动态过程中存在控制量不连续的情况,***轨迹到达切换面时易形成抖振,影响控制品质,不利于工程实现。
发明内容
为了克服现有水下机器人控制方法实用性差的不足,本发明提供一种基于自适应反步法的水下机器人滑模控制方法。该方法基于对复杂非线性***的分解,通过为子***设计虚拟控制量,结合滑动模态逐级递推得到全***的控制量;针对***不确定上界引起的抖振问题,控制器中引入RBF神经网络,自适应逼近***内部不确定性与外部干扰,最终实现对***抖振的控制,并实现高精度跟踪控制,提高闭环***鲁棒性,满足工程需求,实用性好。
本发明解决其技术问题所采用的技术方案:一种基于自适应反步法的水下机器人滑模控制方法,其特点是包括以下步骤:
步骤一、考虑六自由度水下机器人前向、艏向动力学模型:
其中mx和mψ分别为前向惯性参数、艏向惯性参数,dL,x、dL,ψ是一阶前向阻尼参数和艏向阻尼系数,dQ,x、dQ,ψ为二阶前向阻尼参数和艏向阻尼系数,τx和τψ分别为前向推力和艏向推力,Fu、Fr为前向干扰力和艏向干扰力;vx是前向加速度、前向速度,vψ是艏向加速度、艏向速度;
步骤二、定义x21=vψ,x22=vx,令x2=[x21 x22]T,则转换(1)式为状态空间方程如下:
其中x1=[x11 x12]T和x2为***状态,u=[τψ τx]T为***的可控输入,y∈R2×1为***可测输出,为***非线性项,f表示由测量噪声引起的已知误差函数,F表示中存在的建模不确定性和外部干扰,Φ(x,u,W)=Wσ(x,u)为由RBF神经网络逼近的外部干扰项,其中:
x=[x1 x2]T为神经网络输入向量,为神经网络权值矩阵,且Wi∈Rl×s,σ(x,u)∈Rs×l为神经网络基函数,l、s、n分别为神经网络隐层数量、隐层节点数和输入节点数,B∈R2×2为已知正定常数矩阵,A1、A2状态矩阵为已知常数矩阵,由***动力学模型推导得:
步骤三、定义跟踪偏差信号z1=[z11 z12]T如下:
z1=y(t)-yd(t)=x1(t)-yd(t) (3)
其中,yd为期望的***状态,其各界导数有界。z1对时间微分得:
定义虚拟控制量β1为:
其中,C1=diag[C11 C12]为正定对称矩阵;[k1 k2]T为正值参数向量,满足0<fi<ki;
步骤四、定义偏差信号z2=[z21 z22]T为::
z2=x2-β1 (7)
对z2微分得:
设计控制器
步骤五、根据所得到的控制输入u,代入水下机器人动力学模型(1)式中,对前向、艏向速度进行控制。
本发明的有益效果是:该方法基于对复杂非线性***的分解,通过为子***设计虚拟控制量,结合滑动模态逐级递推得到全***的控制量;针对***不确定上界引起的抖振问题,控制器中引入RBF神经网络,自适应逼近***内部不确定性与外部干扰,最终实现对***抖振的控制,并实现高精度跟踪控制,提高闭环***鲁棒性,满足工程需求,实用性好。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明基于自适应反步法的水下机器人滑模控制方法的流程图。
具体实施方式
参照图1。本发明基于自适应反步法的水下机器人滑模控制方法具体步骤如下:
步骤一、考虑六自由度水下机器人前向、艏向动力学模型:
其中mx和mψ分别为前向惯性参数、艏向惯性参数,dL,x、dL,ψ是一阶前向阻尼参数和艏向阻尼系数,dQ,x、dQ,ψ为二阶前向阻尼参数和艏向阻尼系数,τx和τψ分别为前向推力和艏向推力,Fu、Fr为前向干扰力和艏向干扰力;vx是前向加速度、前向速度,vψ是艏向加速度、艏向速度;
由水下机器人手册得:
mx=236.53kg;
mψ=30.04kg·m2;
dL,x=22.21N·(m/s);
dL,ψ=2.57N·m·(rad/s);
dQ,x=146.89N·(m/s)2;
dQ,ψ=10.00N·m·(rad/s)2
步骤二、定义x21=vψ,x22=vx,令x2=[x21 x22]T,则转换(1)式为状态空间方程如下:
其中x1=[x11 x12]T和x2为***状态,u=[τψ τx]T为***的可控输入,y∈R2×1为***可测输出,f=[0.01sin(2πt),0.01sin(2πt)]T,F=[0.01sin(t),0.02sin(t)]T,外部干扰项Φ(x,u,W)=[0.01sin(t),0.02sin(t)]T,A1、A2状态矩阵为已知常数矩阵,根据***动力学模型推导得:
步骤三、定义跟踪偏差信号z1=[z11 z12]T如下:
z1=y(t)-yd(t)=x1(t)-yd(t) (3)
其中,yd=[5sin(0.4t),3sin(0.7t)]T。z1对时间微分得:
定义虚拟控制量β1为:
步骤四、定义偏差信号z2=[z21 z22]T为::
z2=x2-β1 (7)
对z2微分得:
其中,为神经网络权值的估计值,其自适应更新律为:
设计控制器
其中,
步骤五、根据所得到的控制输入u,代入水下机器人动力学模型(1)中,对前向、艏向速度进行控制进而实现跟踪误差的镇定。
本发明未详细说明部分属于本领域技术人员公知常识。
Claims (1)
1.一种基于自适应反步法的水下机器人滑模控制方法,其特征在于包括以下步骤:
步骤一、考虑六自由度水下机器人前向、艏向动力学模型:
其中mx和mψ分别为前向惯性参数、艏向惯性参数,dL,x、dL,ψ是一阶前向阻尼参数和艏向阻尼系数,dQ,x、dQ,ψ为二阶前向阻尼参数和艏向阻尼系数,τx和τψ分别为前向推力和艏向推力,Fu、Fr为前向干扰力和艏向干扰力;vx是前向加速度、前向速度,vψ是艏向加速度、艏向速度;
步骤二、定义x21=vψ,x22=vx,令x2=[x21 x22]T,则转换(1)式为状态空间方程如下:
其中x1=[x11 x12]T和x2为***状态,u=[τψ τx]T为***的可控输入,y∈R2×1为***可测输出,为***非线性项,f(y)表示由测量噪声引起的已知误差函数,F表示中存在的建模不确定性和外部干扰,Φ(x,u,W)=Wσ(x,u)为由RBF神经网络逼近的外部干扰项,其中:
x=[x1 x2]T为神经网络输入向量,为神经网络权值矩阵,且Wi∈Rl×s,σ(x,u)∈Rs×l为神经网络基函数,l、s、n分别为神经网络隐层数量、隐层节点数和输入节点数,B∈R2×2为已知正定常数矩阵,A1、A2状态矩阵为已知常数矩阵,由***动力学模型推导得:
步骤三、定义跟踪偏差信号z1=[z11 z12]T如下:
z1=y(t)-yd(t)=x1(t)-yd(t) (3)
其中,yd为期望的***状态,其各界导数有界;z1对时间微分得:
定义虚拟控制量β1为:
其中,C1=diag[C11 C12]为正定对称矩阵;[k1 k2]T为正值参数向量,满足0<fi<ki;
步骤四、定义偏差信号z2=[z21 z22]T为:
z2=x2-β1 (7)
对z2微分得:
其中,为神经网络权值的估计值,其自适应更新律为:
其中,η为权值修正步长;为状态误差;
设计控制器
步骤五、根据所得到的控制输入u,代入水下机器人动力学模型(1)式中,对前向、艏向速度进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710961312.2A CN107544256B (zh) | 2017-10-17 | 2017-10-17 | 基于自适应反步法的水下机器人滑模控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710961312.2A CN107544256B (zh) | 2017-10-17 | 2017-10-17 | 基于自适应反步法的水下机器人滑模控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107544256A CN107544256A (zh) | 2018-01-05 |
CN107544256B true CN107544256B (zh) | 2020-02-14 |
Family
ID=60967411
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710961312.2A Expired - Fee Related CN107544256B (zh) | 2017-10-17 | 2017-10-17 | 基于自适应反步法的水下机器人滑模控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107544256B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108052009B (zh) * | 2018-01-23 | 2021-05-04 | 哈尔滨工程大学 | 基于滤波反步法的水面目标救援跟踪观测控制器设计方法 |
CN108983612A (zh) * | 2018-08-08 | 2018-12-11 | 华南理工大学 | 一种具有预设性能和连接保持的水下机器人编队控制方法 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
CN109116857A (zh) * | 2018-10-11 | 2019-01-01 | 上海海事大学 | 一种欠驱动船舶路径跟踪非线性控制方法 |
CN109189103B (zh) * | 2018-11-09 | 2020-12-08 | 西北工业大学 | 一种具有暂态性能约束的欠驱动auv轨迹跟踪控制方法 |
CN110134012A (zh) * | 2019-04-30 | 2019-08-16 | 上海海事大学 | 一种用于不确定***的船舶路径跟踪控制方法 |
CN110007604B (zh) * | 2019-05-14 | 2021-09-28 | 哈尔滨工程大学 | 基于滑模技术的有缆水下机器人海底定点着陆饱和控制方法 |
CN110609473B (zh) * | 2019-09-05 | 2022-10-28 | 哈尔滨工程大学 | 一种不确定模型机器人的控制方法 |
CN110597069B (zh) * | 2019-10-17 | 2022-06-17 | 哈尔滨工程大学 | 一种基于rbf神经网络的水下机器人自适应区域动力定位控制方法 |
CN111290270B (zh) * | 2020-02-11 | 2022-06-03 | 哈尔滨工程大学 | 一种基于Q-learning参数自适应技术的水下机器人反步速度和艏向控制方法 |
CN112486209B (zh) * | 2020-11-26 | 2022-12-30 | 江苏科技大学 | 一种自主水下机器人三维路径跟踪方法、装置及存储介质 |
CN114047773B (zh) * | 2021-11-26 | 2023-11-03 | 江西理工大学 | 一种基于扩张状态观测器的水下集矿机器人反步滑模自适应姿态控制方法 |
CN114200837B (zh) * | 2021-12-08 | 2023-10-10 | 北京理工大学 | 一种干扰未知球形机器人的分层滑模控制方法 |
CN114326405B (zh) * | 2021-12-30 | 2023-04-07 | 哈尔滨工业大学 | 一种基于误差训练的神经网络反步控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100879701B1 (ko) * | 2007-05-11 | 2009-01-21 | 재단법인서울대학교산학협력재단 | 무향 칼만 필터를 이용한 동시 위치 추정 및 지도 작성시스템 및 방법 |
US7853338B1 (en) * | 2002-12-09 | 2010-12-14 | Georgia Tech Research Corporation | Adaptive output feedback apparatuses and methods capable of controlling a non-minimum phase system |
CN102385316A (zh) * | 2011-09-16 | 2012-03-21 | 哈尔滨工程大学 | 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法 |
CN103616821A (zh) * | 2013-12-09 | 2014-03-05 | 天津工业大学 | 一种六自由度航行器的鲁棒控制器的设计方法 |
CN104133375A (zh) * | 2014-08-14 | 2014-11-05 | 大连海事大学 | 一种多auv同步控制器结构及设计方法 |
CN105527967A (zh) * | 2015-12-16 | 2016-04-27 | 西北工业大学 | 一种auv反演对接控制方法 |
CN105843224A (zh) * | 2016-03-25 | 2016-08-10 | 哈尔滨工程大学 | 基于神经动态模型反步法的auv水平面路径跟踪控制方法 |
CN106154835A (zh) * | 2016-08-23 | 2016-11-23 | 南京航空航天大学 | 一种基于时延估计的水下运载器终端滑模控制方法 |
CN106292287A (zh) * | 2016-09-20 | 2017-01-04 | 哈尔滨工程大学 | 一种基于自适应滑模控制的uuv路径跟踪方法 |
CN107065537A (zh) * | 2017-02-22 | 2017-08-18 | 哈尔滨工程大学 | 一种auv横推低速无输出情况下的运动控制方法 |
-
2017
- 2017-10-17 CN CN201710961312.2A patent/CN107544256B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7853338B1 (en) * | 2002-12-09 | 2010-12-14 | Georgia Tech Research Corporation | Adaptive output feedback apparatuses and methods capable of controlling a non-minimum phase system |
KR100879701B1 (ko) * | 2007-05-11 | 2009-01-21 | 재단법인서울대학교산학협력재단 | 무향 칼만 필터를 이용한 동시 위치 추정 및 지도 작성시스템 및 방법 |
CN102385316A (zh) * | 2011-09-16 | 2012-03-21 | 哈尔滨工程大学 | 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法 |
CN103616821A (zh) * | 2013-12-09 | 2014-03-05 | 天津工业大学 | 一种六自由度航行器的鲁棒控制器的设计方法 |
CN104133375A (zh) * | 2014-08-14 | 2014-11-05 | 大连海事大学 | 一种多auv同步控制器结构及设计方法 |
CN105527967A (zh) * | 2015-12-16 | 2016-04-27 | 西北工业大学 | 一种auv反演对接控制方法 |
CN105843224A (zh) * | 2016-03-25 | 2016-08-10 | 哈尔滨工程大学 | 基于神经动态模型反步法的auv水平面路径跟踪控制方法 |
CN106154835A (zh) * | 2016-08-23 | 2016-11-23 | 南京航空航天大学 | 一种基于时延估计的水下运载器终端滑模控制方法 |
CN106292287A (zh) * | 2016-09-20 | 2017-01-04 | 哈尔滨工程大学 | 一种基于自适应滑模控制的uuv路径跟踪方法 |
CN107065537A (zh) * | 2017-02-22 | 2017-08-18 | 哈尔滨工程大学 | 一种auv横推低速无输出情况下的运动控制方法 |
Non-Patent Citations (2)
Title |
---|
《Adaptive Sliding Mode Heading Control for Autonomous Underwater Vehicle Including Actuator Dynamics》;Zhenzhong Chu;《OCEANS 2016 - Shanghai》;20160609;全文 * |
《基于自适应反演滑模控制的AUV》;高剑;《机械科学与技术》;20070615;第26卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107544256A (zh) | 2018-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107544256B (zh) | 基于自适应反步法的水下机器人滑模控制方法 | |
CN107561935B (zh) | 基于多层神经网络的电机位置伺服***摩擦补偿控制方法 | |
CN106774273B (zh) | 针对变时滞控制***执行器故障的滑模预测容错控制方法 | |
CN105116725B (zh) | 基于扩张状态观测器的伺服***自适应滑模控制方法 | |
CN107450326B (zh) | 反步有限时间双边遥操作控制方法及计算机可读存储介质 | |
CN111152225A (zh) | 存在输入饱和的不确定机械臂固定时间轨迹跟踪控制方法 | |
CN107577147B (zh) | 一种基于自适应Smith预估器的遥操作双边PID控制方法 | |
CN112947067B (zh) | 一种水下机器人三维轨迹精确跟踪控制方法 | |
CN107577145B (zh) | 编队飞行航天器反步滑模控制方法 | |
CN104360596B (zh) | 机电伺服***有限时间摩擦参数辨识和自适应滑模控制方法 | |
CN110134018B (zh) | 一种水下多足机器人***的多足协同控制方法 | |
CN113589689B (zh) | 一种基于多参数自适应神经网络的滑模控制器设计方法 | |
CN111176306B (zh) | 一种水下航行器变增益自抗扰纵向控制方法 | |
CN107577146B (zh) | 基于摩擦整体逼近的伺服***的神经网络自适应控制方法 | |
CN106773684B (zh) | 基于智能学习评价的柔性机械臂复合控制方法 | |
CN113110048B (zh) | 采用hosm观测器的非线性***输出反馈自适应控制***和方法 | |
CN114310851B (zh) | 一种机器人免力矩传感器的拖动示教方法 | |
CN104298113A (zh) | 两轮机器人自适应模糊平衡控制器 | |
CN106054606B (zh) | 基于级联观测器的无模型控制方法 | |
CN107765548B (zh) | 基于双观测器的发射平台高精度运动控制方法 | |
CN116991068A (zh) | 基于分布式预设时间梯度下降法的电机控制方法及*** | |
Qi et al. | Three-dimensional formation control based on filter backstepping method for multiple underactuated underwater vehicles | |
CN113625732A (zh) | 基于角加速度估计的增量反馈逆角速度控制律设计方法 | |
CN117452827A (zh) | 一种欠驱动无人艇轨迹跟踪控制方法 | |
CN107263455B (zh) | 二自由度scara机器人的位置跟踪控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200214 Termination date: 20201017 |
|
CF01 | Termination of patent right due to non-payment of annual fee |