CN113419428A - 基于3d映射制导的usv-uav协同路径跟踪自适应控制器设计方法 - Google Patents
基于3d映射制导的usv-uav协同路径跟踪自适应控制器设计方法 Download PDFInfo
- Publication number
- CN113419428A CN113419428A CN202110797422.6A CN202110797422A CN113419428A CN 113419428 A CN113419428 A CN 113419428A CN 202110797422 A CN202110797422 A CN 202110797422A CN 113419428 A CN113419428 A CN 113419428A
- Authority
- CN
- China
- Prior art keywords
- unmanned
- aerial vehicle
- unmanned aerial
- unmanned ship
- ship
- 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.)
- Granted
Links
- 238000013461 design Methods 0.000 title claims abstract description 35
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 23
- 238000013507 mapping Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000005516 engineering process Methods 0.000 claims description 14
- 238000005096 rolling process Methods 0.000 claims description 9
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于3D映射制导的USV(Unmanned aerialvehicle)‑UAV(Unmanned aerial vehicle)协同路径跟踪自适应控制器设计方法,包括以下步骤:S1、建立无人船‑无人机协同的***模型;S2、构建无人船和无人机之间的有效关联;S3、设计无人船‑无人机位置控制器和自适应律;S4、设计无人船‑无人机姿态控制器和自适应律;S5、控制无人船‑无人机实现协同路径跟踪控制任务。本发明能将水面参考路径信息等量映射到空间参考平面上,在无人船‑无人机之间构建有效关联,本发明能同时为无人船‑无人机***进行控制器设计,并且采用模糊逻辑***和动态面技术处理无人船‑无人机协同***中的结构不确定项和计算***问题。本发明能够提升无人船‑无人机在协同路径跟踪方面的自动性。
Description
技术领域
本发明涉及机器人协同控制领域,尤其涉及一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法。
背景技术
ILOS制导算法在船舶和无人机运动控制领域均具有广泛的应用。无人船在续航和载荷能力上优于无人机,无人机在速度和观测能力上优势明显。因此,相对于单个的无人船或无人机,由无人船搭载无人机执行海事任务更具灵活性、实用性和可扩展性,它能够充分发挥空海协同优势。但是在现有研究成果中,主要针对同构智能体以及1阶/2阶异构智能体进行协调控制研究,未考虑无人船-无人机的实际工程情况。在陆空协调控制方面取得一系列成果,但是对于无人船-无人机多以遥控技术来实现协同航行,未能形成完备的控制理论体系。此外,ILOS制导算法是基于前向视距进行规划艏向参考信号,在转向点处容易发生实际路径超调现象。
基于以上分析,基于ILOS制导的无人船或无人机路径跟踪控制算法在两者协同控制任务中主要存在以下缺陷:ILOS制导算法在转向点附近易发生超调现象,影响控制性能;LOS制导算法无法在无人船和无人机之间构建有效的联系,导致无人船和无人机无法实现自动协同路径跟踪控制任务。
发明内容
本发明提供一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法,以克服以上问题。
本发明包括以下步骤:
S1、建立无人船-无人机协同的***模型,作为后续步骤所设计控制器的被控对象;
S2、构建无人船和无人机之间的有效关联,通过3D映射制导,将位置信息等量映射到无人机空间参考平面上,得到水平面上无人船的参考航向和空间面上无人机的参考航向;所述位置信息为逻辑虚拟小船为无人船规划的期望航线的位置信息;
S3、设计无人船-无人机位置控制器和自适应律,减小无人船-无人机的位置误差,引导无人船-无人机跟踪到参考位置,并通过非线性解耦技术,对位置控制器进行解耦,得到无人机的参考横摇角和参考纵摇角;
S4、设计无人船-无人机姿态控制器和自适应律,减小无人船-无人机的姿态误差;
S5、控制无人船-无人机实现协同路径跟踪控制任务。
进一步地,S1无人船-无人机协同的***模型的公式为:
其中,公式(1)和公式(2)为无人船-无人机协同***的模型,公式(1)是运动学模型,公式(2)是动力学模型,公式(3)为对公式(2)中部分变量的展开公式;[xj,yj,za,φa,θa,ψj]T,j=s,a表示无人船一无人机协同***的前进、横漂、升沉位移和横摇、纵摇和艏向角;vs=[us,vs,rs]T表示无人船的前进、横漂、艏摇速度,va=[uax,uay,uaz,pa,qa,ra]T表示无人机沿着前后、左右、上下的速度和转动角速度;mu,mv,mr表示模型附加质量,di1,di2,di3,i=u,v,r表示模型的非线性阻尼项;Jr表示无人机转子惯性,kox,koy,koz表示气动摩擦系数,m表示无人机质量,g表示重力加速度,Ixx,Iyy,Izz表示转动惯性,kdx,kdy,kdz表示转动阻力系数,Ωr=Ω1-Ω2+Ω3-Ω4,Ωi,i=1,2,3,4为转子角速度。dwi,i=u,v,r,x,y,z,φ,θ,ψ表示无人船-无人机协同***受到的外界干扰力/力矩;Ff表示转子力Fi,i=1,2,3,4的合力,τφ,τθ,τψ表示无人机的横摇、纵倾和艏摇力矩,τu,τr表示无人船的前进推力和转船力矩。
进一步地,S2构建无人船和无人机之间的有效关联:
无人船的参考轨迹为:
其中,(xsl,ysl,ψsl)表示逻辑虚拟小船的位置坐标和艏向角,usl,rsl表示逻辑虚拟小船的前进速度和艏摇角速度。为了构建无人船和无人机之间的有效关联,利用等量映射技术将逻辑虚拟小船的位置信息映射到无人机空间参考面上,为无人机提供实时的参考位置信息,即,xal=xsl,yal=ysl,其中,无人机的垂向位置zal通常为人工设定;
根据无人船-无人机协同***的当前位置与参考路径之间的关系,计算无人船-无人机艏向参考信号:
xje=xjl-xj,yje=yjl-yj
ψjd=0.5[1-sgn(xje)]sgn(yje)π+arctan(yje/xje),j=s,a (5)
其中,xje,yje,j=s,a分别表示无人船和无人机的当前位置坐标到期望位置坐标的距离;ψjd,j=s,a分别表示无人船和无人机的参考航向角;sgn(*)表示符号函数。
进一步地,S3设计无人船-无人机位置控制器为:
所述S3设计无人船-无人机自适应律为:
其中,use表示无人船的速度与虚拟速度控制律之间的差值,βus表示无人船虚拟速度控制律的动态面信号,le表示无人船到参考位置的直线距离,ψse表示无人船的无人船的航向误差。cx,cy,cz表示中间控制变量,用来简化控制器设计,uaxe,uaye,uaze分别表示无人机的在x轴、y轴和z轴方向的速度与虚拟速度控制律之间的差值,βuax,Xuay,βuaz分别表示虚拟速度控制律的动态面信号,xae,yae,zae分别表示无人机的当前x,y,z轴坐标到期望位置的坐标距离差。ksu,kaxu,kayu,kazu分别为无人船-无人机在前进自由度、x轴、y轴和z轴方向的正的控制器参数,γωu,γωx,γωy,γωz分别表示无人船-无人机的自适应律在前进自由度、x轴、y轴和z轴方向的正的设计参数,σωu,σωx,σωy,σωz分别表示无人船-无人机自适应律的防漂移项在前进自由度、x轴、y轴和z轴方向的正的设计参数,和表示模糊基函数,ωi,i=u,x,y,z表示模糊***自适应参数,模糊***自适应参数的观测值。
进一步地,S4设计无人船-无人机姿态控制器为:
所述S4设计无人船-无人机自适应律为:
其中,rse表示无人船的艏摇速度与虚拟艏摇速度控制律之间的差值,βrs表示无人船虚拟艏摇速度控制律的动态面信号,ψse表示无人船的无人船的航向误差。rae,pae,qae分别表示无人机的在x轴、y轴和z轴方向的艏摇、横摇和纵摇速度与相应虚拟速度控制律之间的差值,βra,βpa,βqa分别表示虚拟艏摇、横摇和纵摇速度控制律的动态面信号,ψae,φae,θae分别表示无人机的当前的航向角、横摇角和纵摇角与期望航向角、横摇角和纵摇角之间的差值;ksr,kar,kap,kaq分别为无人船-无人机在艏摇、横摇和纵摇自由度方向的正的控制器参数,γωr,γωψ,γωφ,γωθ分别表示无人船-无人机的自适应律在艏摇、横摇和纵摇自由度方向的正的设计参数,σωr,σωψ,σωψ,σωθ分别表示无人船-无人机自适应律的防漂移项在艏摇、横摇和纵摇自由度方向的正的设计参数。
本发明的3D映射制导策略能够将水面参考路径信息等量映射到空间参考平面上,在无人船-无人机之间构建有效关联。与现有技术相比,本发明能够同时为无人船-无人机***进行控制器设计,并且采用模糊逻辑***和动态面技术处理无人船-无人机协同***中的结构不确定项和计算***问题。本发明能够提升无人船-无人机在协同路径跟踪方面的自动性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明无人船-无人机协同路径跟踪控制***信号流程图;
图2为本发明无人船-无人机协同***变量说明图;
图3为本发明结构框架图;
图4为本发明4级海况下的环境扰动图;
图5为本发明无人船-无人机协同路径跟踪轨迹图;
图6为本发明无人船-无人机协同***控制输入图;
图7为本发明无人船-无人机协同***控制输入;
图8为本发明无人船-无人机协同***的位置和姿态误差图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明无人船-无人机协同路径跟踪控制***信号流程图,图2为本发明无人船-无人机协同***变量说明图;如图1和图2所示,本实施例的方法可以包括以下步骤:
S1、建立无人船-无人机协同的***模型,作为后续步骤所设计控制器的被控对象;
S2、构建无人船和无人机之间的有效关联,通过3D映射制导,将逻辑虚拟小船为无人船规划的期望航线的位置信息等量映射到无人机空间参考平面上,得到水平面上无人船的参考航向和空间面上无人机的参考航向;
S3、设计无人船-无人机位置控制器和自适应律,减小无人船-无人机的位置误差,引导无人船-无人机跟踪到参考位置,并且通过非线性解耦技术,对位置控制器进行解耦,得到无人机的参考横摇角和参考纵摇角;
S4、设计无人船-无人机姿态控制器和自适应律,减小无人船-无人机的姿态误差;
S5、控制无人船-无人机实现协同路径跟踪控制任务。
具体而言,数学模型是控制***的基础部分,S1的意义为对无人船-无人机的数学模型进行描述,并且是后续步骤所设计控制器的被控对象。无人船-无人机在执行协同路径跟踪任务时,如何使无人船和无人机同时跟踪到期望航线是我们要解决的一个关键问题。S2的意义为通过3D映射制导,将逻辑虚拟小船(Logic Virtual Ship,LVS)为无人船规划的期望航线的位置信息等量映射到无人机空间参考平面上,并且分别得到水平面上无人船的参考航向和空间面上无人机的参考航向。S1为无人船-无人机的数学模型,S2为无人船-无人机提供期望的参考位置和参考航向。S3的意义为通过设计位置控制器,减小无人船-无人机的位置误差,引导无人船-无人机跟踪到参考位置,并且通过非线性解耦技术,对S3的位置控制器进行解耦,进一步可以得到无人机的参考横摇角和参考纵摇角。S4的意义为通过设计姿态控制器,减小无人船-无人机的姿态误差。通过S3和S4,可以控制无人船-无人机实现协同路径跟踪控制任务。
本发明主要有2个方面的特点:
(1)在制导算法中,3D映射制导策略能够对***中无人船的参考姿态/速度进行实时规划,并将规划好的参考路径实时等量映射到无人机空间参考面上,建立无人机、无人船以及巡航参考路径之间的有效关联。
(2)针对混合阶的无人船-无人机***的位置部分和姿态部分,分别设计了自适应模糊控制律,实现在无人船-无人机对参考路径的有效跟踪控制。
在该算法中,利用模糊逻辑***(Fuzzy Logic System,FLS)和动态面技术(Dynamic Surface Control,DSC)对无人船-无人机协同***的模型结构不确定项进行在线逼近。
混合阶的无人船-无人机非线性***如式(1)和式(2)。
其中,
其中,如图3所示,[xj,yj,za,φa,θa,ψj]T,j=s,a表示无人船-无人机协同***的前进、横漂、升沉位移和横摇、纵摇和艏摇角。vs=[us,vs,rs]T表示无人船的前进、横漂、艏摇速度,va=[uax,uay,uaz,pa,qa,ra]T表示无人机沿着ox,oy,oz轴的速度和转动角速度。mu,mv,mr表示模型附加质量,di1,di2,di3,i=u,v,r表示模型的非线性阻尼项。Jr表示无人机转子惯性,kox,koy,koz表示气动摩擦系数,m表示无人机质量,g表示重力加速度,Ixx,Iyy,Izz表示转动惯性,kdx,kdy,kdz表示转动阻力系数,Ωr=Ω1-Ω2+Ω3-Ω4,Ωi,i=1,2,3,4为转子角速度。dwi,i=u,v,r,x,y,z,φ,θ,ψ表示无人船-无人机协同***受到的外界干扰力/力矩。Ff表示转子力Fi,i=1,2,3,4的合力,τφ,τθ,τψ表示无人机的横摇、纵倾和艏摇力矩,τu,τr表示无人船的前进推力和转船力矩。
假设无人船的参考轨迹由逻辑虚拟小船(Logic Virtual Ship,LVS)实时规划产生,如式(4)所示。
其中,(xsl,ysl,ψsl)表示逻辑虚拟小船的位置坐标和艏向角,usl,rsl表示LVS的前进速度和艏摇角速度。
如图4所示,为了构建无人船和无人机之间的有效关联,利用等量映射技术将LVS的位置信息映射到无人机空间参考面上,为无人机提供实时的参考位置信息,即,xal=xsl,yal=ysl,其中,无人机的垂向位置zal通常为人工设定。
LVS是指逻辑虚拟小船(Logic Virtual Ship),能够提供无人船的参考轨迹,即,为无人船提供实时目标位置。LVA是指逻辑虚拟飞机(Logic Virtual Aircraft),LVA的位置信息是根据LVS得到的,能够提供无人机的参考轨迹。
根据无人船-无人机协同***的当前位置与参考路径之间的关系,可以得到无人船-无人机艏向参考信号为式(5)。
xje=xjl-xj,yje=yjl-yj
ψjd=0.5[1-sgn(xje)]sgn(yje)π+arctan(yje/xje),j=s,a (5)
设计无人船-无人机位置控制器和自适应律:根据无人船-无人机非线性模型和3D制导策略,无人船-无人机位置误差的导数可以被表述为式(6)
为了减小位置误差lee,xae,yae,zae,设计相应的虚拟控制器,如式(7)。
其中,kse,kax,kay,kaz为正的设计参数。
虚拟控制器在接下来的求导中会引起很大的计算负载问题,因此引入动态面技术,对虚拟控制器的导数进行降阶处理,即,
其中,∈n为大于零的时间常数,βun表示动态面信号,且动态面误差qn=βun-αun。
其中,fu(vs),fx(va),fy(va),fz(va)表示模型结构非线性项,可以用模糊逻辑***进行在线逼近。
为了简化控制设计,定义3个中间变量,即,
因此,可以设计无人船-无人机位置控制器和自适应律,如式(11)和式(12)。
其中,ksu,kaxu,kayu,kazu,γωu,γωx,γωy,γωz,σωu,σωx,σωy,σωz为大于零的设计参数。
利用非线性解耦技术对式(10)进行解算,可以得到无人机的参考横摇角和纵摇角,即,
设计无人船-无人机姿态控制器和自适应律:为了控制无人船-无人机当前姿态收敛到参考姿态,定义姿态误差ψje,φae,θae,j=s,a,并对其求导可得,
为了减小姿态误差ψje,φae,θae,j=s,a,设计相应的虚拟控制器,如式(15)。
其中,ksψ,kaψ,kaφ,kaθ为大于零的控制参数。
与位置控制器设计过程类似,为避免姿态虚拟控制器在后续求导中引起的计算***问题,引入动态面技术,即,
其中,∈m为大于零的时间常数,βm表示动态面信号,且动态面误差qm=βm-αm。
定义误差rse=rs-βrs,rae=ra-βra,pae=pa-βpa,qae=qa-βqa,并对其求导,
其中,frs(vs),fra(va),fpa(va),fqa(va)表示模型结构非线性项。
利用模糊逻辑***、自适应技术以及Backstepping技术,设计无人船-无人机姿态控制器和自适应律,如式(18)和式(19)。
其中,ksr,kar,kap,kaq,γωr,γωψ,γωφ,γωθ,σωr,σωψ,σωφ,σωθ为大于零的设计参数。
为了执行无人船-无人机协同路径跟踪任务,本部分选取四个航路点(W1(0m,0m),W2(500m,0m),W3(500m,500m),W4(1000m,500m))构成航路点路径。被控对象的初始状态为:
[xs(0),ys(0),ψs(0),us(0),vs(0),rs(0),xa(0),ya(0),za(0),ψa(0),φa(0),θa(0),uax(0),uay(0),uaz(0),pa(0),qa(0),ra(0)]=[-10m,10m,0deg,0m/s,0m/s,0rad/s,-10m,10m,0m,0deg,0deg,0deg,0m/s,0m/s,0m/s,0rad/s,0rad/s,0rad/s]。
图5表示在MATLAB仿真平台上使用的仿真环境,即4级海况下海面和10m空中风速、风向曲线以及海面风浪三维视图。图6-图8分别为模拟海洋环境下无人船-无人机协同路径跟踪仿真结果。图6表示无人船-无人机协同路径跟踪轨迹曲线,从图6中可以看出,无人船的参考路径根据航路点信息规划得到,并进一步等量映射到无人机空间参考平面上,为无人机提供航行参考信号。
此外,相比于无人船或无人机单个自动***,本发明所提协同控制算法能够实现无人船-无人机以期望的航速同时跟踪到参考信号。
图7表示无人船-无人机协同***的控制输入,其中,无人机控制输入Ff曲线变化平滑,抖振小,说明本发明所提控制算法具有良好的垂向稳定性。
图8为无人船-无人机协同***的位置误差和姿态误差,从图8中可以发现,尽管无人机在第3个航路点处发生了超调现象,但是最终实现了对参考路径的有效跟踪。
整体有益效果:
1)本发明的3D映射制导策略能够将水面参考路径信息等量映射到空间参考平面上,在无人船-无人机之间构建有效关联。与现有技术相比,本发明能够同时为无人船-无人机***进行控制器设计,并且采用模糊逻辑***和动态面技术处理无人船-无人机协同***中的结构不确定项和计算***问题。本发明能够提升无人船-无人机在协同路径跟踪方面的自动性。
2)在模拟海洋环境下进行了无人船-无人机协同路径跟踪仿真实验,验证了本发明所提制导策略和控制算法的有效性。无人船-无人机协同路径跟踪控制属于海空一体化领域的重要应用,在海空协同海事搜救方面具有重要的应用前景。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (5)
1.一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法,其特征在于,包括以下步骤:
S1、建立无人船-无人机协同的***模型,作为后续步骤所设计控制器的被控对象;
S2、构建无人船和无人机之间的有效关联,通过3D映射制导,将位置信息等量映射到无人机空间参考平面上,得到水平面上无人船的参考航向和空间面上无人机的参考航向;所述位置信息为逻辑虚拟小船为无人船规划的期望航线的位置信息;
S3、设计无人船-无人机位置控制器和自适应律,减小无人船-无人机的位置误差,引导无人船-无人机跟踪到参考位置,并通过非线性解耦技术,对位置控制器进行解耦,得到无人机的参考横摇角和参考纵摇角;
S4、设计无人船-无人机姿态控制器和自适应律,减小无人船-无人机的姿态误差;
S5、控制无人船-无人机实现协同路径跟踪控制任务。
2.根据权利要求1所述的一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法,其特征在于,所述S1无人船-无人机协同的***模型的公式为:
其中,公式(1)和公式(2)为无人船-无人机协同***的模型,公式(1)是运动学模型,公式(2)是动力学模型,公式(3)为对公式(2)中部分变量的展开公式;[xj,yj,za,φa,θa,ψj]T,j=s,a表示无人船一无人机协同***的前进、横漂、升沉位移和横摇、纵摇和艏向角;vs=[us,vs,rs]T表示无人船的前进、横漂、艏摇速度,va=[uax,uay,uaz,pa,qa,ra]T表示无人机沿着前后、左右、上下的速度和转动角速度;mu,mv,mr表示模型附加质量,di1,di2,di3,i=u,v,r表示模型的非线性阻尼项;Jr表示无人机转子惯性,kox,koy,koz表示气动摩擦系数,m表示无人机质量,g表示重力加速度,Ixx,Iyy,Izz表示转动惯性,kdx,kdy,kdz表示转动阻力系数,Ωr=Ω1-Ω2+Ω3-Ω4,Ωi,i=1,2,3,4为转子角速度。dwi,i=u,v,r,x,y,z,φ,θ,ψ表示无人船-无人机协同***受到的外界干扰力/力矩;Ff表示转子力Fi,i=1,2,3,4的合力,τφ,τθ,τψ表示无人机的横摇、纵倾和艏摇力矩,τu,τr表示无人船的前进推力和转船力矩。
3.根据权利要求1所述的一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法,其特征在于,所述S2构建无人船和无人机之间的有效关联:
无人船的参考轨迹为:
其中,(xsl,ysl,ψsl)表示逻辑虚拟小船的位置坐标和艏向角,usl,rsl表示逻辑虚拟小船的前进速度和艏摇角速度。为了构建无人船和无人机之间的有效关联,利用等量映射技术将逻辑虚拟小船的位置信息映射到无人机空间参考面上,为无人机提供实时的参考位置信息,即,xal=xsl,yal=ysl,其中,无人机的垂向位置zal通常为人工设定;
根据无人船-无人机协同***的当前位置与参考路径之间的关系,计算无人船-无人机艏向参考信号:
xje=xjl-xj,yje=yjl-yj
ψjd=0.5[1-sgn(xje)]sgn(yje)π+arctan(yje/xje),j=s,a (5)
其中,xje,yje,j=s,a分别表示无人船和无人机的当前位置坐标到期望位置坐标的距离;ψjd,j=s,a分别表示无人船和无人机的参考航向角;sgn(*)表示符号函数。
4.根据权利要求1所述的一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法,其特征在于,所述S3设计无人船-无人机位置控制器为:
所述S3设计无人船-无人机自适应律为:
其中,use表示无人船的速度与虚拟速度控制律之间的差值,βus表示无人船虚拟速度控制律的动态面信号,le表示无人船到参考位置的直线距离,ψse表示无人船的无人船的航向误差。cx,cy,cz表示中间控制变量,用来简化控制器设计,uaxe,uaye,uaze分别表示无人机的在x轴、y轴和z轴方向的速度与虚拟速度控制律之间的差值,βuax,βuay,βuaz分别表示虚拟速度控制律的动态面信号,xae,yae,zae分别表示无人机的当前x,y,z轴坐标到期望位置的坐标距离差。ksu,kaxu,kayu,kazu分别为无人船-无人机在前进自由度、x轴、y轴和z轴方向的正的控制器参数,γωu,γωx,γωy,γωz分别表示无人船-无人机的自适应律在前进自由度、x轴、y轴和z轴方向的正的设计参数,σωu,σωx,σωy,σωz分别表示无人船-无人机自适应律的防漂移项在前进自由度、x轴、y轴和z轴方向的正的设计参数,和表示模糊基函数,ωi,i=u,x,y,z表示模糊***自适应参数,模糊***自适应参数的观测值。
5.根据权利要求1所述的一种基于3D映射制导的USV-UAV协同路径跟踪自适应控制器设计方法,其特征在于,所述S4设计无人船-无人机姿态控制器为:
所述S4设计无人船-无人机自适应律为:
其中,rse表示无人船的艏摇速度与虚拟艏摇速度控制律之间的差值,βrs表示无人船虚拟艏摇速度控制律的动态面信号,ψse表示无人船的无人船的航向误差。rae,pae,qae分别表示无人机的在x轴、y轴和z轴方向的艏摇、横摇和纵摇速度与相应虚拟速度控制律之间的差值,βra,βpa,βqa分别表示虚拟艏摇、横摇和纵摇速度控制律的动态面信号,ψae,φae,θae分别表示无人机的当前的航向角、横摇角和纵摇角与期望航向角、横摇角和纵摇角之间的差值;ksr,kar,kap,kaq分别为无人船-无人机在艏摇、横摇和纵摇自由度方向的正的控制器参数,γωr,γωψ,γωφ,γωθ分别表示无人船-无人机的自适应律在艏摇、横摇和纵摇自由度方向的正的设计参数,σωr,σωψ,σωφ,σωθ分别表示无人船-无人机自适应律的防漂移项在艏摇、横摇和纵摇自由度方向的正的设计参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110797422.6A CN113419428B (zh) | 2021-07-14 | 2021-07-14 | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110797422.6A CN113419428B (zh) | 2021-07-14 | 2021-07-14 | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113419428A true CN113419428A (zh) | 2021-09-21 |
CN113419428B CN113419428B (zh) | 2024-01-16 |
Family
ID=77721016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110797422.6A Active CN113419428B (zh) | 2021-07-14 | 2021-07-14 | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113419428B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113778132A (zh) * | 2021-09-26 | 2021-12-10 | 大连海事大学 | 一种面向海空协同异构无人***的一体化平行控制平台 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
CN116047909A (zh) * | 2023-01-13 | 2023-05-02 | 大连海事大学 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
CN117055578A (zh) * | 2023-09-21 | 2023-11-14 | 大连海事大学 | 低设计复杂需求的usv-uav协同路径跟踪控制方法 |
CN117193344A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117193345A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101587893B1 (ko) * | 2015-10-26 | 2016-01-22 | 삼우주식회사 | 드론 보트 |
CN107402568A (zh) * | 2017-07-06 | 2017-11-28 | 北京理工大学 | 一种适用于无人船的通用遥控器配置和使用方法及*** |
CN108700882A (zh) * | 2017-06-30 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 飞行控制方法及装置、监测方法及装置、存储介质 |
JP2019073084A (ja) * | 2017-10-13 | 2019-05-16 | 国立大学法人徳島大学 | ドローンと無人船とのテレメトリー連携システム |
CN109901605A (zh) * | 2019-04-11 | 2019-06-18 | 大连海事大学 | 一种四旋翼飞行器跟踪无人水面船的控制方法 |
CN109991386A (zh) * | 2019-04-17 | 2019-07-09 | 武汉理工大学 | 无人船与无人机协同控制监控方法、装置及*** |
US20190318634A1 (en) * | 2016-12-01 | 2019-10-17 | SZ DJI Technology Co., Ltd. | Methods and associated systems for managing 3d flight paths |
CN110727274A (zh) * | 2019-11-19 | 2020-01-24 | 大连海事大学 | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 |
CN112558642A (zh) * | 2020-12-30 | 2021-03-26 | 上海大学 | 一种适用于异构多无人***的海空联合围捕方法 |
-
2021
- 2021-07-14 CN CN202110797422.6A patent/CN113419428B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101587893B1 (ko) * | 2015-10-26 | 2016-01-22 | 삼우주식회사 | 드론 보트 |
US20190318634A1 (en) * | 2016-12-01 | 2019-10-17 | SZ DJI Technology Co., Ltd. | Methods and associated systems for managing 3d flight paths |
CN108700882A (zh) * | 2017-06-30 | 2018-10-23 | 深圳市大疆创新科技有限公司 | 飞行控制方法及装置、监测方法及装置、存储介质 |
CN107402568A (zh) * | 2017-07-06 | 2017-11-28 | 北京理工大学 | 一种适用于无人船的通用遥控器配置和使用方法及*** |
JP2019073084A (ja) * | 2017-10-13 | 2019-05-16 | 国立大学法人徳島大学 | ドローンと無人船とのテレメトリー連携システム |
CN109901605A (zh) * | 2019-04-11 | 2019-06-18 | 大连海事大学 | 一种四旋翼飞行器跟踪无人水面船的控制方法 |
CN109991386A (zh) * | 2019-04-17 | 2019-07-09 | 武汉理工大学 | 无人船与无人机协同控制监控方法、装置及*** |
CN110727274A (zh) * | 2019-11-19 | 2020-01-24 | 大连海事大学 | 一种基于无人船***的带有避碰且保持连通性的编队控制方法 |
CN112558642A (zh) * | 2020-12-30 | 2021-03-26 | 上海大学 | 一种适用于异构多无人***的海空联合围捕方法 |
Non-Patent Citations (6)
Title |
---|
OMID MOFID 等: "Adaptive Terminal Sliding Mode Control for Attitude and Position Tracking Control of Quadrotor UAVs in the Existence of External Disturbance", IEEE, pages 3428 * |
YONG MA 等: "A Novel Cooperative Platform Design for Coupled USV-UAV Systems", IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS, vol. 15, no. 9, pages 4913 - 4922, XP011744492, DOI: 10.1109/TII.2019.2912024 * |
ZEWEI ZHENG 等: "Path Following of a Surface Vessel With Prescribed Performance in the Presence of Input Saturation and External Disturbances", IEEE TRANSACTIONS ON MECHATRONICS, vol. 22, no. 7, pages 2564 - 2575, XP011674458, DOI: 10.1109/TMECH.2017.2756110 * |
ZHANG,GUOQING 等: "Adaptive fuzzy tracking control for underactuated surface vessels with unmodeled dynamics and input saturation", ISA TRANSACTIONS, pages 52 - 62 * |
于建伟: "基于3D虚拟船舶的PSC检查训练仿真***", 工程科技Ⅱ辑, pages 1 - 88 * |
张显库 等: "无人船艇的发展及展望", 航海技术, pages 29 - 35 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113778132A (zh) * | 2021-09-26 | 2021-12-10 | 大连海事大学 | 一种面向海空协同异构无人***的一体化平行控制平台 |
CN113778132B (zh) * | 2021-09-26 | 2023-12-12 | 大连海事大学 | 一种面向海空协同异构无人***的一体化平行控制平台 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
CN116047909A (zh) * | 2023-01-13 | 2023-05-02 | 大连海事大学 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
CN116047909B (zh) * | 2023-01-13 | 2023-09-05 | 大连海事大学 | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 |
CN117055578A (zh) * | 2023-09-21 | 2023-11-14 | 大连海事大学 | 低设计复杂需求的usv-uav协同路径跟踪控制方法 |
CN117193344A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117193345A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
CN117193344B (zh) * | 2023-09-21 | 2024-03-15 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117193345B (zh) * | 2023-09-21 | 2024-03-26 | 大连海事大学 | 基于动态事件触发的机-船协同平台自主降落控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113419428B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113419428B (zh) | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 | |
Li et al. | A novel cooperative design for USV–UAV systems: 3-D mapping guidance and adaptive fuzzy control | |
CN107168312B (zh) | 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法 | |
Moreira et al. | Path following control system for a tanker ship model | |
CN110262492B (zh) | 一种无人艇的实时避碰和目标跟踪方法 | |
CN112130566B (zh) | 一种基于模糊逻辑和滑模控制策略的无人艇、无人机混合编队控制方法及其控制*** | |
CN106249755B (zh) | 一种无人机自主导航***及导航方法 | |
CN113296507B (zh) | 一种基于时空解耦的多动力定位船舶协同编队控制方法 | |
CN111857165B (zh) | 一种水下航行器的轨迹跟踪控制方法 | |
CN114488803A (zh) | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 | |
CN108663939A (zh) | 考虑通讯丢包的uuv集群水平面路径跟踪控制方法 | |
CN116047909B (zh) | 面向海事平行搜寻的无人机-船协同鲁棒自适应控制方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制*** | |
Pêtrès et al. | Reactive path planning for autonomous sailboat | |
CN108829132A (zh) | 一种考虑大时滞的多uuv空间机动控制方法 | |
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 | |
CN113741433B (zh) | 一种水面无人船的分布式编队方法 | |
CN114995409A (zh) | 一种无人船自主巡航控制***及巡航方法 | |
CN113296505B (zh) | 一种基于速变los的无人船多模式路径跟踪控制方法 | |
Raimondi et al. | Hierarchical fuzzy/lyapunov control for horizontal plane trajectory tracking of underactuated AUV | |
CN113960994A (zh) | 一种多无人艇协同航行的s面自适应控制算法 | |
CN115657713B (zh) | 一种考虑发射平台沉浮和晃动条件下发射决策控制方法 | |
CN116679693A (zh) | 融合螺旋桨水动力的无人艇自抗扰控制方法 | |
CN114564015A (zh) | 一种拒止环境下的欠驱动无人艇分布式编队控制方法 | |
CN117193344B (zh) | 基于同步制导的机/船协同多元任务事件触发控制方法 |
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 |