CN114839875B - 履带式深海集矿车内外环控制方法及*** - Google Patents

履带式深海集矿车内外环控制方法及*** Download PDF

Info

Publication number
CN114839875B
CN114839875B CN202210447879.9A CN202210447879A CN114839875B CN 114839875 B CN114839875 B CN 114839875B CN 202210447879 A CN202210447879 A CN 202210447879A CN 114839875 B CN114839875 B CN 114839875B
Authority
CN
China
Prior art keywords
crawler
time
control
formula
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.)
Active
Application number
CN202210447879.9A
Other languages
English (en)
Other versions
CN114839875A (zh
Inventor
秦兆博
侯嘉晖
崔庆佳
边有钢
徐彪
秦晓辉
胡满江
王晓伟
谢国涛
秦洪懋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Jicui Qinglian Intelligent Control Technology Co ltd
Original Assignee
Jiangsu Jicui Qinglian Intelligent Control Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Jicui Qinglian Intelligent Control Technology Co ltd filed Critical Jiangsu Jicui Qinglian Intelligent Control Technology Co ltd
Priority to CN202210447879.9A priority Critical patent/CN114839875B/zh
Publication of CN114839875A publication Critical patent/CN114839875A/zh
Application granted granted Critical
Publication of CN114839875B publication Critical patent/CN114839875B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明公开了一种履带式深海集矿车内外环控制方法及***，包括：步骤1，通过外环横向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望速度；外环横向控制器为基于履带式深海集矿车误差运动学模型，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响而得到。本发明不仅适用于履带式深海集矿车，也同样适用于绝大多数需要克服外界干扰进行作业的履带式车辆，对于各种复杂工况均有较好适应性。

Description

履带式深海集矿车内外环控制方法及***
技术领域
本发明涉及履带车辆控制技术领域，特别是关于一种履带式深海集矿车内外环控制方法及***。
背景技术
近年来，由于陆地矿产资源的日趋枯竭，深海采矿技术逐渐成为各个领域专家学者的关注焦点。而深海集矿车作为海底采矿作业的载体，因其需要在具有复杂地形的海底行驶，多采用机动性与通过性良好的履带式行走机构。对于无人驾驶的履带式深海集矿车而言，由于受到海底动态洋流与稀软底质的影响，如何保证车辆能稳定无误地沿着规划好的期望轨迹行驶是一重要问题，履带式深海集矿车的运动控制技术也因此得到了广泛研究。
目前专门针对履带式深海集矿车运动控制的相关专利并不多见，但已有不少关于陆地履带车辆运动控制的专利可供借鉴。专利文件CN 111338354 A中提出一种基于轨迹误差模型，将lyapunov方法与反演滑模控制方法相结合的融合控制方法，实现了在低速条件下对轨迹的良好跟踪，但所采用的轨迹误差模型是基于履带车运动学模型转化而来，未考虑履带车动力学特性或滑动参数的影响，对于强干扰、大曲率以及变速行驶等复杂工况难以达到较好控制效果；专利文件CN109799814A中提出一种基于考虑滑移的履带车运动模型的MPC控制方法，同时对横纵向加速度与两侧履带转速增量加以约束，解决了传统方法难以考虑车辆行驶稳定性与物理因素限制的问题，并减小了滑移对车辆控制的影响，但该方法需对滑动参数进行实时估计且未考虑履带车动力学特性，难以保证复杂工况下的可控性；专利文件CN 111812974 A中提出了一种将预瞄运动学模型与履带车动力学模型相结合，并考虑不同转向半径之间履带车动力学特性差异的MPC控制方法，解决了传统履带车控制方法难以考虑履带车动力学特性与操纵稳定性的问题，具备复杂转向工况下的控制优势，但该方法并未考虑行进过程中可能出现的外界干扰，难以在时变干扰下保持较好控制效果。
现有专利采用的履带车控制方法大致可分为基于模型和无模型两类，无模型的控制方法多为模糊控制或PID控制，这些方法往往需要通过现场试验或经验来调整控制参数，且对于不同工况的适应性较差，因此不适用于行驶工况复杂多变的履带式深海集矿车；而基于模型的控制方法可针对模型分为运动学模型和动力学模型两类，由于履带车本身具有的强非线性、强耦合以及行驶工况复杂多变等特性，使得履带车动力学模型难以建立的十分精确，因此目前大部分基于模型的控制方法多为基于运动学模型，如何在基于运动学模型的控制方法中考虑履带车动力学特性是一个亟待解决的问题。同时，目前的履带车控制方法，鲜有考虑履带车行进过程中可能出现的时变外界干扰，而对于工作在海底的履带式深海集矿车而言，海底的动态洋流与稀软底质是影响其精确控制的重要因素，因此，设计一种具备较强抗干扰能力，考虑履带车动力学特性，且能在不同的复杂行驶工况下达到较好控制效果的控制方法与***十分重要。
发明内容
本发明的目的在于提供一种履带式深海集矿车内外环控制方法及***来克服或至少减轻现有技术的上述缺陷中的至少一个。
为实现上述目的，本发明提供一种履带式深海集矿车内外环控制方法，其包括：
步骤1，通过外环横向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望速度[v* r；v* l]，并输出；
其中，所述外环横向控制器为基于履带式深海集矿车误差运动学模型，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响而得到。
进一步地，所述履带式深海集矿车误差运动学模型被描述为式(1)：
Figure BDA0003616137050000021
ye(t)＝(x(t)-xr(t))*sinθr(t)-(y(t)-yr(t))*cosθr(t)   (2)
θe(t)＝θr(t)-θ(t)   (3)
式中，ye(t)为集矿车质心与参考点的横向误差，被描述为式(2)；θe(t)为集矿车质心与参考点的横摆角误差，被描述为式(3)；
Figure BDA0003616137050000022
为ye(t)关于时间t的一阶导数，
Figure BDA0003616137050000023
为θe(t)关于时间t的一阶导数；vl(t)为集矿车左侧履带速度，vr(t)为集矿车右侧履带速度，vw(t)为动态洋流对集矿车纵向速度的影响，ωw(t)为动态洋流对集矿车横摆角速度的影响，(xr(t)，yr(t)，θr(t))为大地坐标系下参考轨迹上的集矿车参考点坐标，(x(t)，y(t)，θ(t))为大地坐标系下集矿车的质心坐标，Bd为集矿车左侧履带与右侧履带之间的横向间距。
进一步地，根据所述履带式深海集矿车误差运动学模型，基于参考轨迹进行线性化，获得集矿车近似线性时变误差***，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响，进一步建立扰动线性时变误差***，其离散状态方程描述为式(13)：
Figure BDA0003616137050000031
式中，
Figure BDA0003616137050000032
表示集矿车在时刻k的相对状态量，
Figure BDA0003616137050000033
表示集矿车在时刻k+1的相对状态量，
Figure BDA0003616137050000034
为集矿车在时刻k的相对控制量，Ak、Bk分别为***的状态矩阵与控制矩阵，T为采样时间，w(k)为扰动项，被描述为式(14)，Bw，k为扰动项的系数矩阵(15)：
w(k)＝[vw(k)*T；ωw(k)*T]   (14)
Figure BDA0003616137050000035
进一步地，所述步骤1还包括：
根据履带式深海集矿车精确跟踪参考轨迹的控制要求，设置性能指标函数，从而得到扰动线性时变误差***的评价输出，结合H∞性能指标，得到
Figure BDA00036161370500000310
时扰动项w(k)到扰动线性时变误差***评价输出的传递函数的H∞范数需满足矩阵不等式(23)；
Figure BDA0003616137050000036
结合Riccati方程转换而得的如下线性矩阵不等式组(25)，得到同时满足性能指标函数最优与H∞性能指标的最优控制律
Figure BDA0003616137050000037
Figure BDA0003616137050000038
Figure BDA0003616137050000039
式中，D＝ρP-1，K＝YD-1，Q、R分别为状态误差量与控制量权重矩阵，γ为扰动项到***评价输出的传递函数的H∞范数的上限值，ρ为松弛系数，K为反馈控制律中状态量与控制量间的反馈增益向量，A为扰动线性时变误差***的状态矩阵，B为扰动线性时变误差***的控制矩阵，Bw为扰动项的系数矩阵，P为所建立的二次型李雅普诺夫函数的对称正定系数矩阵，I为单位矩阵，Y为中间过渡矩阵，K*为同时满足性能指标函数最优与H∞性能指标的最优反馈增益向量，P*为本步骤所述线性矩阵不等式组的解；
其中，所述外环横向控制器由式(23)、式(25)和式(26)组成。
进一步地，步骤2：通过内环纵向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望牵引力[F* r；F* l]，并输出；
其中，所述内环纵向控制器为基于集矿车动力学方程，并结合GPC输出的控制参数而得到。
进一步地，所述集矿车动力学方程的状态空间方程被描述为式(29)，经过零阶保持器Z变换后，得到如下GPC控制器的预测模型(30)：
Figure BDA0003616137050000041
Figure BDA0003616137050000042
式中，β(t)＝[vr(t)；vl(t)]为状态量，
Figure BDA0003616137050000043
为β(t)关于时间的一阶导数，u(t)＝[al(t)；ar(t)]为控制量，f()为预测模型的状态转移函数，y(t)为输出量，z-1为后退算子，A(z-1)与B(z-1)中的各项系数分别为状态空间方程Z变换后得到的分母端与分子端系数，C(z-1)为白噪声干扰对模型输出的影响系数，y(k)为k时刻的模型输出，u(k-1)为k-1时刻的控制量，ε(k)为k时刻的白噪声；Δ＝1-z-1为差分算子，a1为k-1时刻输出对k时刻输出的影响系数，
Figure BDA0003616137050000044
为k-na时刻的输出对k时刻输出的影响系数，b0为k-1时刻的控制量对k时刻输出的影响系数，b1为k-2时刻的控制量对k时刻输出的影响系数，
Figure BDA0003616137050000045
为k-nb-1时刻的控制量对k时刻输出的影响系数，c0为k时刻的白噪声对k时刻输出的影响系数，c1为k-1时刻的白噪声对k时刻输出的影响系数，
Figure BDA0003616137050000056
为k-nc时刻的白噪声对k时刻输出的影响系数。
进一步地，所述步骤2还包括：
根据履带式深海集矿车动力学方程，得到两侧履带纵向动力学方程(34)：
Figure BDA0003616137050000051
式中，Fr、Fl分别为集矿车的右侧、左侧履带期望牵引力，Rr、Rl分别为集矿车的右侧、左侧履带纵向阻力，Mr为转向阻力矩，m为集矿车水下相对质量，ar、al分别为集矿车的右侧、左侧履带的加速度；
其中，所述内环纵向控制器由式(34)和式(41)组成，其中式(41)由基于集矿车精确速度跟踪要求而设置的性能指标函数与对履带的实时加速度和加速度增量分别设置的约束共同组成：
Figure BDA0003616137050000052
式中，Δuk为预测时域内单个控制周期的控制增量，ey(k)为预测时域内单个控制周期的速度误差，u(k+j)为预测时域内某一控制周期的控制量，Δu(k+j)为预测时域内某一控制周期的控制增量。
本发明还提供一种履带式深海集矿车内外环控制***，其包括：
外环横向控制器，其用于获得履带式深海集矿车的左侧履带和右侧履带的期望速度[v* r；v* l]，并输出；
其中，所述外环横向控制器由式(23)、式(25)和式(26)组成：
Figure BDA0003616137050000053
Figure BDA0003616137050000054
Figure BDA0003616137050000055
式中，D＝ρP-1，K＝YD-1，Q、R分别为状态误差与控制量权重矩阵，γ为扰动项到***评价输出的传递函数的H∞范数的上限值，ρ为松弛系数，K为反馈控制律中状态量与控制量间的反馈增益向量，A为扰动线性时变误差***的状态矩阵，B为扰动线性时变误差***的控制矩阵，Bw为扰动项的系数矩阵，P为所建立的二次型李雅普诺夫函数的对称正定系数矩阵，I为单位矩阵，Y为中间过渡矩阵，K*为同时满足性能指标函数最优与H∞性能指标的最优反馈增益向量，P*为本步骤所述线性矩阵不等式组的解。
进一步地，所述履带式深海集矿车内外环控制***包括：
内环纵向控制器，其用于获得履带式深海集矿车的左侧履带驱动电机和右侧履带的最优期望牵引力[F* r；F* l]，并输出；
其中，所述内环纵向控制器由式(34)和式(41)组成，其中式(41)由基于集矿车精确速度跟踪要求而设置的性能指标函数与对履带的实时加速度和加速度增量分别设置的约束共同组成：
Figure BDA0003616137050000061
Figure BDA0003616137050000062
式中，式中，Fr、Fl分别为集矿车的右侧、左侧履带期望牵引力，Rr、Rl分别为集矿车的右侧、左侧履带纵向阻力，Mr为转向阻力矩，m为总质量，ar、al分别为集矿车的右侧、左侧履带的加速度，Δuk为预测时域内单个控制周期的控制增量，ey(k)为预测时域内单个控制周期的速度误差，u(k+j)为预测时域内某一控制周期的控制量，Δu(k+j)为预测时域内某一控制周期的控制增量。
本发明由于采取以上技术方案，其具有以下优点：
本发明提出的方法通过将以性能指标函数最优为目标的线性二次调节器(LQR)与以最小化干扰对***性能指标影响为目标的H-infinity(H∞)最优控制相结合构建外环横向控制器，实现了在时变外界干扰下集矿车对参考轨迹的精确跟踪；同时将考虑集矿车执行器约束的GPC与履带式深海集矿车动力学方程相结合构建内环纵向控制器，解决了传统履带车控制方法鲜少考虑履带车动力学特性的问题，并提高了集矿车控制的平顺性。且该方法不仅适用于履带式深海集矿车，也同样适用于绝大多数需要克服外界干扰进行作业的履带式车辆，对于各种复杂工况均有较好适应性。
附图说明
图1为本发明一种基于混合LQR/H∞与广义预测控制的履带式深海集矿车内外环控制框架图。
图2为本发明所设计的混合LQR/H∞外环横向控制器算法流程图。
图3为本发明所设计的广义预测内环纵向控制器算法流程图。
图4为本发明的***平台图。
具体实施方式
在附图中，使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。
在不冲突的情况下，本发明各实施例及各实施方式中的技术特征可以相互组合，并不局限于该技术特征所在的实施例或实施方式中。
下面结合附图以及具体实施例对本发明做进一步的说明，需要指出的是，下面仅以一种最优化的技术方案对本发明的技术方案以及设计原理进行详细阐述，但本发明的保护范围并不仅限于此。
本文涉及下列术语，为便于理解，对其含义说明如下。本领域技术人员应当理解，下列术语也可能有其它名称，但在不脱离其含义的情形下，其它任何名称都应当被认为与本文所列术语一致。
本发明实施例提供的履带式深海集矿车内外环控制方法包括：
步骤1，通过外环横向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望速度[v* r；v* l]，并输出。文中参数的下标r表示右侧，下标l表示左侧，参数的下标e表示该参数为误差项，下标k表示某一具体的控制周期，下标w表示水流影响下的参数，参数的上标*表示该参数的最优值。
其中，所述外环横向控制器为基于履带式深海集矿车误差运动学模型，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响而得到。
在一个实施例中，如图1所示，履带式深海集矿车的参考轨迹由决策规划单元输入到外环横向控制器，同时，履带式深海集矿车的状态，本文采用大地坐标系下集矿车的质心坐标(x，y，θ)表示，输入到外环横向控制器，外环横向控制器输出履带式深海集矿车的左侧履带和右侧履带的期望速度[v* r；v* l]。
在一个实施例中，如图2所示，所述履带式深海集矿车误差运动学模型被描述为式(1)：
Figure BDA0003616137050000081
ye(t)＝(x-xr)*sinθr(t)-(y(t)-yr(t))*cosθr(t)   (2)
θe(t)＝θr(t)-θ(t)   (3)
式中，ye(t)为集矿车质心与参考点的横向误差，被描述为式(2)，参考点一般是根据集矿车当前位置，在参考轨迹上找到的最近点；θe(t)为集矿车质心与参考点的横摆角误差，被描述为式(3)；
Figure BDA0003616137050000082
为ye(t)关于时间的一阶导数，
Figure BDA0003616137050000083
为θe(t)关于时间的一阶导数；vl(t)为集矿车左侧履带速度，vr(t)为集矿车右侧履带速度，vw(t)为动态洋流对集矿车纵向速度的影响，ωw(t)为动态洋流对集矿车横摆角速度的影响，(xr(t)，yr(t)，θr(t))为大地坐标系下参考轨迹上的参考点坐标，(x(t)，y(t)，θ(t))为大地坐标系下集矿车的质心坐标，θ(t)为大地坐标系下集矿车车身纵轴相对x轴的角度，Bd为集矿车左侧履带与右侧履带之间的横向间距。
本实施例建立履带式深海集矿车误差运动学模型，作为外环控制器设计时所基于的模型。
所述履带式深海集矿车误差运动学模型可以表示为下式：
Figure BDA0003616137050000084
其中，ξ(t)＝[ye(t)；θe(t)]，μ(t)＝[vr(t)；vl(t)]。
基于参考轨迹上进行一阶近似泰勒展开，得到如式(5)表示的线性***：
Figure BDA0003616137050000085
则可得忽略线性化误差与动态洋流影响的集矿车近似线性时变误差***如下式(6)：
Figure BDA0003616137050000086
式中，
Figure BDA0003616137050000087
表示t时刻相对状态量相对时间t的一阶导数，A(t)为t时刻***的状态矩阵，B(t)为t时刻***的控制矩阵。
再进行一阶差商离散化，可得近似线性时变误差***的如下式(7)所示的离散状态方程：
Figure BDA0003616137050000091
Figure BDA0003616137050000092
Figure BDA0003616137050000093
Figure BDA0003616137050000094
Figure BDA0003616137050000095
式中，k表示第个控制周期，
Figure BDA0003616137050000096
表示集矿车的相对状态量，表示为式(8)，
Figure BDA0003616137050000097
为集矿车的相对控制量，表示为式(9)，Ak、Bk分别为***的状态矩阵与控制矩阵，分别表示为式(9)、式(10)；T为采样时间，θe(k)为θe(t)的离散化形式，ye(k)为ye(t)的离散化形式，vr(k)为vr(t)的离散化形式，vl(k)为vl(t)的离散化形式，θe(k)为θe(t)的离散化形式，ye，r(k)为ye(k)对应的参考横向误差，θe，r(k)为θe(k)对应的参考横摆角误差，vr，r(k)为vr(k)对应的参考右侧履带速度，vl，r(k)为vl(k)对应的参考左侧履带速度。
在一个实施例中，根据上述实施例建立的履带式深海集矿车误差运动学模型，在集矿车近似线性时变误差***的基础上，根据由参考轨迹获得的集矿车近似线性时变误差***，结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响，建立下式(12)表示的扰动线性时变误差***：
Figure BDA0003616137050000098
式中，
Figure BDA0003616137050000099
表示集矿车在时刻t的相对状态量，
Figure BDA00036161370500000910
表示集矿车在时刻t+1的相对状态量，
Figure BDA00036161370500000911
为集矿车在时刻t的相对控制量，A(t)表示集矿车在时刻t的***状态矩阵，B(t)表示集矿车在时刻t的***控制矩阵，w(t)示集矿车在时刻t的扰动项，Bw(t)为扰动项在时刻t的系数矩阵，其可拆解为：对集矿车纵向速度的干扰Vw(t)和对集矿车横摆角速度的干扰Ww(t)。
进行一阶差商离散化，可得扰动线性时变误差***的离散状态方程如下：
Figure BDA0003616137050000101
w(k)＝[vw(k)*T；ωw(k)*T]   (14)
Figure BDA0003616137050000102
式中，
Figure BDA0003616137050000103
Ak、Bk分别表示
Figure BDA0003616137050000104
A(t)、B(t)的离散形式，w(k)为扰动项，被描述为式(14)，Bw，k为扰动项的系数矩阵(15)。
由于本发明所采用的控制方法均需要基于线性模型，而所提出的履带式深海集矿车误差运动学模型为非线性模型，在线性化时会产生线性化误差，并会忽略掉海底动态洋流等时变外界干扰，由于LQR的目标是用尽量小的控制量尽可能的减小跟踪误差，且无法处理这些模型误差和干扰，因此采用的是忽略了这些模型误差和干扰的近似线性时变误差***，而H∞正是用于抑制这些误差与干扰的，因此在近似线性时变误差***的基础上，考虑模型误差和干扰，建立扰动线性时变误差***，作为H∞控制器设计时所基于的模型。
在一个实施例中，首先，根据履带式深海集矿车精确跟踪参考轨迹的控制要求，设置性能指标函数J：
Figure BDA0003616137050000105
式中，Q、R分别为状态误差与控制量权重矩阵。
再根据性能指标函数J，可得扰动线性时变误差***的评价输出为Z(k)：
Figure BDA0003616137050000106
同时，根据H∞性能指标，可知扰动项w(k)到***评价输出Z(k)的传递函数TZw需满足不等式(17)：
||TZw||∞≤γ   (17)
式中，γ为扰动项到***评价输出的传递函数的H∞范数的上限值。
H∞最优控制同样采用状态反馈控制律μ(k)＝KX(k)，并设计二次型李雅普诺夫函数V(X)：
Figure BDA0003616137050000107
式(18)中，
Figure BDA0003616137050000108
相当于
Figure BDA0003616137050000109
P为所建立的二次型李雅普诺夫函数的对称正定系数矩阵。
那么，根据扰动线性时变误差***与***的评价输出以及H∞性能要求，可得下式(19)：
Figure BDA0003616137050000111
Figure BDA0003616137050000112
对于一个稳定***来说，有
Figure BDA0003616137050000113
则将上式左右两边从k＝0到∞相加，可得：
Figure BDA0003616137050000114
根据H∞性能指标，当
Figure BDA0003616137050000115
时，扰动到评价输出的传递函数可表示为不等式(20)：
Figure BDA0003616137050000116
当M(k)≤0时，上述不等式(20)可得到满足，即H∞性能指标得到满足。
在本实施例中，可将M(k)≤0改写为如下不等式矩阵：
Figure BDA0003616137050000117
由上式可得线性矩阵不等式(22)：
Figure BDA0003616137050000118
令D＝ρP-1，K＝YD-1，对上述不等式左乘、右乘diag(ρ0.5P-1，ρ0.5I，ρ0.5I，ρ0.5I，ρ0.5I)可得不等式(23)：
Figure BDA0003616137050000121
式中，Y用于将式中P和K两个未知变量相乘的部分转化一个Y变量，从而便于求解，无实际的物理意义。本实施例使用的松弛系数ρ，是为了在求解时放大矩阵中一部分变量的值，从而放宽求解条件。
通过求解上述线性矩阵不等式即可得到满足H∞性能指标的最优控制律
Figure BDA0003616137050000122
表示为式(24)：
Figure BDA0003616137050000123
式中，K2为满足H∞性能指标的反馈增益向量，P2为上述线性矩阵不等式的解。
根据LQR中设置的性能指标函数，设置扰动线性时变误差***中的评价输出，从而统一控制器的性能指标；再设计李雅普诺夫函数，将H∞控制器需要满足的主要性能指标：H∞性能要求(使扰动到评价输出的传递函数的H∞范数最小)，转化为线性矩阵不等式进行求解。
在一个实施例中，根据上述中所述的性能指标函数，与近似线性时变误差***的离散状态方程，可得该LQR控制器的Riccati方程：ATP+PA+Q-PBR-1BTP＝0，P＞0。
通过求解P即可得到使得性能指标函数达到最优的控制律：
Figure BDA0003616137050000124
Figure BDA0003616137050000125
K1为满足性能指标函数最优的反馈增益向量，P1为上述Riccati方程的解。
将Riccati方程转换为线性矩阵不等式组(25)：
Figure BDA0003616137050000126
通过求解由上述线性矩阵不等式(23)与线性矩阵不等式组(25)所组成的线性矩阵不等式组，可以得到同时满足性能指标函数最优与H∞性能指标的最优控制律
Figure BDA0003616137050000127
Figure BDA0003616137050000128
式中，K*为同时满足性能指标函数最优与H∞性能指标的最优反馈增益向量，P*为本步骤所述线性矩阵不等式组的解。该最优控制量即为由参考点获取的两侧履带参考速度计算得到的两侧最优的履带相对速度
Figure BDA0003616137050000131
从而可根据下式(27)获得两侧履带期望速度：
Figure BDA0003616137050000132
式中，vc(k)为根据参考点获取的参考速度，由此外环横向控制器设计完成。
其中，所述外环横向控制器由式(23)、式(25)和式(26)组成。
前面实际上是介绍了LQR与H∞两种履带式深海集矿车外环横向控制器，并希望求出的解同时具备上面两种控制器的性能，即满足两种控制器的性能指标函数，因此将LQR求解的Riccati方程转换为线性矩阵不等式组，与H∞的线性矩阵不等式方程组一起求解，从而使得所求出的解满足两种控制器的性能指标函数。
所述外环横向控制器还可以采用下面两个方程实现：
Figure BDA0003616137050000133
Figure BDA0003616137050000134
当然，所述外环横向控制器也不排除本实施例中公开之外的实现方式。
在一个实施例中，所述的履带式深海集矿车内外环控制方法还包括：
步骤2：通过内环纵向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望牵引力[F* r；F* l]，并输出；
其中，所述内环纵向控制器为基于集矿车动力学方程，并结合GPC输出的控制参数而得到。
在一个实施例中，如图2所示，建立两侧履带纵向运动学模型(28)：
Figure BDA0003616137050000135
式中，vl(t)、vr(t)分别为左右侧履带速度，al(t)、ar(t)分别为左右侧履带加速度。
由两侧履带纵向运动学模型(28)可得到状态空间方程(29)：
Figure BDA0003616137050000141
式中，β(t)＝[vr(t)；vl(t)]为状态量，u(t)＝[al(t)；ar(t)]为控制量，y(t)为输出量。
将所述的状态空间方程(29)经过零阶保持器Z变换后，得到如下GPC控制器的预测模型：CARIMA模型(30)：
Figure BDA0003616137050000142
Figure BDA0003616137050000143
Figure BDA0003616137050000144
Figure BDA0003616137050000145
式中，ε为白噪声；Δ＝1-z-1，为差分算子；A(z-1)与B(z-1)中的各项系数分别为状态空间方程Z变换后得到的分母端与分子端系数；本发明中未考虑白噪声的影响。上述的CARIMA模型的参数，即预测模型的参数是基于集矿车两侧履带纵向运动学模型转换得到。
本实施例采用较为简单且适应性较强的两侧履带纵向运动学模型，设计GPC控制器的预测模型：CARIMA模型，使得所设计的GPC控制器具有较强的适应性，且这时的CARIMA模型中的分母端系数A(z-1)与分子端系数B(z-1)无需在每个控制周期进行自适应辨识，减小了运算负担，加快了运算速度。
因此这些参数都是根据发明内容中的公式(28)经零阶保持器Z变换得来。
在一个实施例中，步骤2还包括：
根据如下履带式深海集矿车动力学方程：
Figure BDA0003616137050000146
得到两侧履带纵向动力学方程(34)：
Figure BDA0003616137050000147
式中，Fr、Fl分别为右侧、左侧履带期望牵引力，Rr、Rl分别为右侧、左侧履带纵向阻力，Rr＝mwgfr/2，Rl＝mwgfl/2，fr、fl为右侧、左侧履带纵向阻力系数，fr、fl的具体数值一般根据具体工况确定，考虑情况一般在履带的材质与尺寸、履齿的形状、所处地面的类型，针对同一集矿车，在深海稀软底质上的纵向阻力系数较小，在陆上硬土路面的纵向阻力系数较大；Mr为转向阻力矩，Mr＝mwgfRl/4，fR为转向阻力系数，fR的具体数值一般根据具体工况确定，考虑情况一般在履带的材质与尺寸、所处地面的类型、履带的速度、集矿车的转向角速度，一般同一集矿车在软土路面下，转向阻力系数可表示为：
Figure BDA0003616137050000151
其中fmax为集矿车在该路面下的最大转向阻力系数，m为总质量，mw为水下相对质量，Jw水下转动惯量，α为横摆角加速度，l为履带接地长度，g为重力加速度常量。
引入如下丢番图方程(35)，与CARIMA模型相结合，得到j步后预测输出y(k+j|k)的表达式(36)：
Figure BDA0003616137050000152
式中，Ej(z-1)与Fj(z-1)是由A(z-1)和预测长度唯一确定的多项式，z-j表示后退j步，ej，0为Ej(z-1)多项式中对当前时刻的影响系数，ej，1为Ej(z-1)多项式中对上一时刻的影响系数，ej，j-1为Ej(z-1)多项式中对当前时刻的j-1时刻前的影响系数，fj，0为Fj(z-1)多项式中对当前时刻的影响系数，fj，1为Fj(z-1)多项式中对上一时刻的影响系数，
Figure BDA0003616137050000154
为Fj(z-1)多项式中对当前时刻的na时刻前的影响系数。ej，0、ej，1、ej，j-1、fj，0、fj，1、
Figure BDA0003616137050000155
这些多项式的系数均不是选取或者经验确定的，是推导而来的。根据公式(28)，经过零阶保持器Z变换获得A(z-1)与B(z-1)；然后根据A(z-1)与B(z-1)进一步推导出Ej(z-1)与Fj(z-1)，再进一步推导出Gj(z-1)，即
Figure BDA0003616137050000153
和Hj(z-1)。
y(k+j|k)＝Ej(z-1)B(z-1)Δu(k+j-1|k)+Fj(z-1)y(k|k)   (36)
式中，Δu(k+j-1|k)为k时刻预测时域中第j步的控制增量，y(k|k)为k时刻的模型输出。
引入如下丢番图方程(37)，与式(36)结合，则可得到j步后预测输出y(k+j|k)的又一的表达式(38)：
Figure BDA0003616137050000161
Figure BDA0003616137050000162
式中，Gj(z-1)是由Ej(z-1)与B(z-1)唯一确定的多项式，
Figure BDA0003616137050000163
为Gj(z-1)多项式中对相对当前时刻前j-1时刻具备影响的多项式，其中，gj，0为对当前时刻的影响系数，gj，1为对上一时刻的影响系数，gj，j-1为对当前时刻的j-1时刻前的影响系数；Hj(z-1)为Gj(z-1)多项式中相对当前时刻前j+nb时刻至前j时刻具备影响的多项式，其中，hj，0为对当前时刻的j时刻前的影响系数，hj，1为对当前时刻的j+1时刻前的影响系数，
Figure BDA0003616137050000168
为对当前时刻的j+nb时刻前的影响系数。
单个控制周期内，GPC控制器预测时域Ny*T内的预测输出序列为矩阵(39)：
Figure BDA0003616137050000164
其中，y(k+Ny|k)为k时刻的预测时域内第Ny步的预测输出，
Figure BDA0003616137050000165
为Δu(k+Nu-1|k)对y(k+Ny|k)的影响系数，Δu(k+Nu-1|k)为k时刻的预测时域内第Nu步的控制增量，
Figure BDA0003616137050000166
为Δu(k-nb|k)对y(k+Ny|k)的影响系数，Δu(k-nb|k)为相对k时刻nb时刻前的控制增量，
Figure BDA0003616137050000167
为y(k-na|k)对y(k+Ny|k)的影响系数，y(k-na|k)为相对k时刻na时刻前的输出量。
根据外环横向控制器给出的两侧履带期望速度，由下式可得到Ny步参考速度序列(40)：
vc(k+j|k)＝σvc(k+j-1|k)+(1-σ)v*   (40)
式中，vc(k+j|k)为k时刻的预测时域内第j步的参考速度，σ为柔化因子，vc(k+j-1|k)为k时刻的预测时域内第j-1步的参考速度，v*为期望跟踪速度。而vc(k|k)为履带当前实际速度。
根据集矿车精准跟踪期望速度的要求，基于参考速度序列与预测输出序列，设置如下GPC性能指标函数Jg：
Figure BDA0003616137050000171
式中，ey＝y-yr，ey(k+j|k)为k时刻的预测时域内第j步预测模型输出与参考输出之差，即预测速度与参考速度之差，P为误差项ey的权重矩阵，λ为控制增量项Δu的权重矩阵，Nu为控制步长。
为满足机械限制并保证控制的平顺性，需对控制量的大小以及控制增量的大小进行限制，即对履带的实时加速度与加速度增量设置约束(41)：
Figure BDA0003616137050000172
umin根据驱动电机反转时可提供的峰值转矩计算得到；umax根据驱动电机正转时可提供的峰值转矩计算得到；Δumin根据当前转矩相比上一控制周期下发转矩，可以减少的幅值得到；而Δumax根据当前转矩相比上一控制周期下发转矩，可以增大的幅值得到。
通过求解带约束多目标优化问题，实时获得最优控制序列，选取序列中的第一项，将其与履带当前加速度的值相加，获得履带期望加速度[a* r；a* l]。
其中，所述内环纵向控制器由式(34)和式(41)组成，其中式(41)由基于集矿车精确速度跟踪要求而设置的性能指标函数与对履带的实时加速度和加速度增量分别设置的约束共同组成。
在另一个实施例中，所述内环纵向控制器还可以由式(42)和式(43)组成，还可以采用现有技术中其它形式替代，在此不再一一展开：
Figure BDA0003616137050000173
Figure BDA0003616137050000174
本实施例将集矿车动力学方程与GPC控制器相结合，从而控制方法进一步考虑了集矿车的动力学特性，在深海场景下具备更强的适应性。
在一个实施例中，为上述实施例所计算出的两侧履带期望加速度，两侧履带期望牵引力应满足履带式深海集矿车动力学方程。由于集矿车运动速度较低，所受到的水阻力的大小、方向均不确定，且在外环横向控制器中已将水阻力对集矿车的影响视为干扰进行了鲁棒控制，因此在集矿车动力学方程中忽略履带接地段瞬心纵向向前偏移量与水阻力，从而得到履带式深海集矿车动力学方程(44)：
Figure BDA0003616137050000181
Mr＝mwgfRl/4
Rr＝mwgfr/2
Rl＝mwgfl/2
式中，Fr、Fl分别为右侧、左侧履带期望牵引力，Rr、Rl分别为右侧、左侧履带纵向阻力，fr、fl为右侧、左侧履带纵向阻力系数，Mr为转向阻力矩，fR为转向阻力系数，m为总质量，mw为水下相对质量，Jw水下转动惯量，α为横摆角加速度，l为履带接地长度，g为重力加速度常量。
最后，根据所建立的履带式深海集矿车动力学方程(44)可得两侧履带纵向动力学方程(45)：
Figure BDA0003616137050000182
根据上述两侧履带纵向动力学方程，结合两侧GPC控制器求出的两侧履带期望加速度，可求出两侧履带期望牵引力[F* r；F* l]，再根据驱动轮半径与电机到驱动轮的传动比计算出两侧电机期望转矩[T* r；T* l]，从而完成了内环纵向控制器的设计。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；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精神和范围。

Claims (5)

1.一种履带式深海集矿车内外环控制方法，其特征在于，包括：
步骤1，通过外环横向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望速度[v* r；v* l]，并输出；
其中，所述外环横向控制器为基于履带式深海集矿车误差运动学模型，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响而得到；所述履带式深海集矿车误差运动学模型被描述为式(1)：
ye(t)＝(x(t)-xr(t))*sinθr(t)-(y(t)-yr(t))*cosθr(t)       (2)
θe(t)＝θr(t)-θ(t)              (3)
式中，ye(t)为集矿车质心与参考点的横向误差，被描述为式(2)；θe(t)为集矿车质心与参考点的横摆角误差，被描述为式(3)；为ye(t)关于时间t的一阶导数，为θe(t)关于时间t的一阶导数；vl(t)为集矿车左侧履带速度，vr(t)为集矿车右侧履带速度，vw(t)为动态洋流对集矿车纵向速度的影响，ωw(t)为动态洋流对集矿车横摆角速度的影响，(xr(t)，yr(t)，θr(t))为大地坐标系下参考轨迹上的集矿车参考点坐标，(x(t)，y(t)，θ(t))为大地坐标系下集矿车的质心坐标，Bd为集矿车左侧履带与右侧履带之间的横向间距；
其中，所述外环横向控制器由式(23)、式(25)和式(26)组成：
式中，D＝ρP-1，K＝YD-1，Q、R分别为状态误差与控制量权重矩阵，γ为扰动项到***评价输出的传递函数的H∞范数的上限值，ρ为松弛系数，K为反馈控制律中状态量与控制量间的反馈增益向量，A为扰动线性时变误差***的状态矩阵，B为扰动线性时变误差***的控制矩阵，Bw为扰动项的系数矩阵，P为所建立的二次型李雅普诺夫函数的对称正定系数矩阵，I为单位矩阵，Y为中间过渡矩阵，K*为同时满足性能指标函数最优与H∞性能指标的最优反馈增益向量，P*为本步骤所述线性矩阵不等式组的解，k表示第个控制周期，表示集矿车的相对状态量，表示为式(8)，为集矿车的相对控制量，表示为式(9)，Ak、Bk分别为***的状态矩阵与控制矩阵，分别表示为式(9)、式(10)；T为采样时间，θe(k)为θe(t)的离散化形式，ye(k)为ye(t)的离散化形式，vr(k)为vr(t)的离散化形式，vl(k)为vl(t)的离散化形式，θe(k)为θe(t)的离散化形式，ye，r(k)为ye(k)对应的参考横向误差，θe，r(k)为θe(k)对应的参考横摆角误差，vr，r(k)为vr(k)对应的参考右侧履带速度，vl，r(k)为vl(k)对应的参考左侧履带速度；
所述步骤1还包括：
根据履带式深海集矿车精确跟踪参考轨迹的控制要求，设置性能指标函数，从而得到扰动线性时变误差***的评价输出，结合H∞性能指标，得到时扰动项w(k)到扰动线性时变误差***评价输出的传递函数的H∞范数需满足矩阵不等式(23)；
结合Riccati方程转换而得的如下线性矩阵不等式组(25)，得到同时满足性能指标函数最优与H∞性能指标的最优控制律
设置如下GPC性能指标函数Jg：
式中，ey＝y-yr，ey(k+j|k)为k时刻的预测时域内第j步预测模型输出与参考输出之差，即预测速度与参考速度之差，P为误差项ey的权重矩阵，λ为控制增量项Δu的权重矩阵，Nu为控制步长。
2.如权利要求1所述的履带式深海集矿车内外环控制方法，其特征在于，根据所述履带式深海集矿车误差运动学模型，基于参考轨迹进行线性化，获得集矿车近似线性时变误差***，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响，进一步建立扰动线性时变误差***，其离散状态方程描述为式(13)：
式中，表示集矿车在时刻k的相对状态量，表示集矿车在时刻k+1的相对状态量，为集矿车在时刻k的相对控制量，Ak、Bk分别为***的状态矩阵与控制矩阵，T为采样时间，w(k)为扰动项，被描述为式(14)，Bw，k为扰动项的系数矩阵(15)：
w(k)＝[vw(k)*T；ωw(k)*T]         (14)
步骤2：通过内环纵向控制器，获得履带式深海集矿车的左侧履带和右侧履带的期望牵引力[F* r；F* l]，并输出；
其中，所述内环纵向控制器为基于集矿车动力学方程，并结合GPC输出的控制参数而得到。
3.如权利要求1或2所述的履带式深海集矿车内外环控制方法，其特征在于，集矿车动力学方程的状态空间方程被描述为式(29)，经过零阶保持器Z变换后，得到如下GPC控制器的预测模型(30)：
式中，β(t)＝[vr(t)；vl(t)]为状态量，为β(t)关于时间的一阶导数，u(t)＝[al(t)；ar(t)]为控制量，f()为预测模型的状态转移函数，y(t)为输出量，z-1为后退算子，A(z-1)与B(z-1)中的各项系数分别为状态空间方程Z变换后得到的分母端与分子端系数，C(z-1)为白噪声干扰对模型输出的影响系数，y(k)为k时刻的模型输出，u(k-1)为k-1时刻的控制量，ε(k)为k时刻的白噪声；Δ＝1-z-1为差分算子，a1为k-1时刻输出对k时刻输出的影响系数，为k-na时刻的输出对k时刻输出的影响系数，b0为k-1时刻的控制量对k时刻输出的影响系数，b1为k-2时刻的控制量对k时刻输出的影响系数，为k-nb-1时刻的控制量对k时刻输出的影响系数，c0为k时刻的白噪声对k时刻输出的影响系数，c1为k-1时刻的白噪声对k时刻输出的影响系数，为k-nc时刻的白噪声对k时刻输出的影响系数。
4.如权利要求3所述的履带式深海集矿车内外环控制方法，其特征在于，所述步骤2还包括：
根据履带式深海集矿车动力学方程，得到两侧履带纵向动力学方程(34)：
式中，Fr、Fl分别为集矿车的右侧、左侧履带期望牵引力，Rr、Rl分别为集矿车的右侧、左侧履带纵向阻力，Mr为转向阻力矩，m为集矿车水下相对质量，ar、al分别为集矿车的右侧、左侧履带的加速度；
其中，所述内环纵向控制器由式(34)和式(41)组成，其中式(41)由基于集矿车精确速度跟踪要求而设置的性能指标函数与对履带的实时加速度和加速度增量分别设置的约束共同组成：
式中，Δuk为预测时域内单个控制周期的控制增量，ey(k)为预测时域内单个控制周期的速度误差，u(k+j)为预测时域内某一控制周期的控制量，Δu(k+j)为预测时域内某一控制周期的控制增量。
5.一种履带式深海集矿车内外环控制***，其特征在于，包括：
外环横向控制器，其用于获得履带式深海集矿车的左侧履带驱动电机和右侧履带驱动电机的期望速度[v* r；v* l]，并输出；
其中，所述外环横向控制器为基于履带式深海集矿车误差运动学模型，并结合考虑动态洋流对集矿车纵向速度与横摆角速度的影响而得到；所述履带式深海集矿车误差运动学模型被描述为式(1)：
ye(t)＝(x(t)-xr(t))*sinθr(t)-(y(t)-yr(t))*cosθr(t)      (2)
θe(t)＝θr(t)-θ(t)             (3)
式中，ye(t)为集矿车质心与参考点的横向误差，被描述为式(2)；θe(t)为集矿车质心与参考点的横摆角误差，被描述为式(3)；为ye(t)关于时间t的一阶导数，为θe(t)关于时间t的一阶导数；vl(t)为集矿车左侧履带速度，vr(t)为集矿车右侧履带速度，vw(t)为动态洋流对集矿车纵向速度的影响，ωw(t)为动态洋流对集矿车横摆角速度的影响，(xr(t)，yr(t)，θr(t))为大地坐标系下参考轨迹上的集矿车参考点坐标，(x(t)，y(t)，θ(t))为大地坐标系下集矿车的质心坐标，Bd为集矿车左侧履带与右侧履带之间的横向间距；
所述外环横向控制器由式(23)、式(25)和式(26)组成：
式中，D＝ρP-1，K＝YD-1，Q、R分别为状态误差与控制量权重矩阵，γ为扰动项到***评价输出的传递函数的H∞范数的上限值，ρ为松弛系数，K为反馈控制律中状态量与控制量间的反馈增益向量，A为扰动线性时变误差***的状态矩阵，B为扰动线性时变误差***的控制矩阵，Bw为扰动项的系数矩阵，P为所建立的二次型李雅普诺夫函数的对称正定系数矩阵，I为单位矩阵，Y为中间过渡矩阵，K*为同时满足性能指标函数最优与H∞性能指标的最优反馈增益向量，P*为本步骤所述线性矩阵不等式组的解，k表示第个控制周期，表示集矿车的相对状态量，表示为式(8)，为集矿车的相对控制量，表示为式(9)，Ak、Bk分别为***的状态矩阵与控制矩阵，分别表示为式(9)、式(10)；T为采样时间，θe(k)为θe(t)的离散化形式，ye(k)为ye(t)的离散化形式，vr(k)为vr(t)的离散化形式，vl(k)为vl(t)的离散化形式，θe(k)为θe(t)的离散化形式，ye，r(k)为ye(k)对应的参考横向误差，θe，r(k)为θe(k)对应的参考横摆角误差，vr，r(k)为vr(k)对应的参考右侧履带速度，vl，r(k)为vl(k)对应的参考左侧履带速度；
外环横向控制器还用于根据履带式深海集矿车精确跟踪参考轨迹的控制要求，设置性能指标函数，从而得到扰动线性时变误差***的评价输出，结合H∞性能指标，得到时扰动项w(k)到扰动线性时变误差***评价输出的传递函数的H∞范数需满足矩阵不等式(23)；
结合Riccati方程转换而得的如下线性矩阵不等式组(25)，得到同时满足性能指标函数最优与H∞性能指标的最优控制律
设置如下GPC性能指标函数Jg：
式中，ey＝y-yr，ey(k+j|k)为k时刻的预测时域内第j步预测模型输出与参考输出之差，即预测速度与参考速度之差，P为误差项ey的权重矩阵，λ为控制增量项Δu的权重矩阵，Nu为控制步长；内环纵向控制器，其用于获得履带式深海集矿车的左侧履带和右侧履带的最优期望牵引力[F* r；F* l]，并输出；
其中，所述内环纵向控制器由式(34)和式(41)组成，其中式(41)由基于集矿车精确速度跟踪要求而设置的性能指标函数与对履带的实时加速度和加速度增量分别设置的约束共同组成：
式中，式中，Fr、Fl分别为集矿车的右侧、左侧履带期望牵引力，Rr、Rl分别为集矿车的右侧、左侧履带纵向阻力，Mr为转向阻力矩，m为总质量，ar、al分别为集矿车的右侧、左侧履带的加速度，Δuk为预测时域内单个控制周期的控制增量，ey(k)为预测时域内单个控制周期的速度误差，u(k+j)为预测时域内某一控制周期的控制量，Δu(k+j)为预测时域内某一控制周期的控制增量。
CN202210447879.9A 2022-04-26 2022-04-26 履带式深海集矿车内外环控制方法及*** Active CN114839875B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210447879.9A CN114839875B (zh) 2022-04-26 2022-04-26 履带式深海集矿车内外环控制方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210447879.9A CN114839875B (zh) 2022-04-26 2022-04-26 履带式深海集矿车内外环控制方法及***

Publications (2)

Publication Number Publication Date
CN114839875A CN114839875A (zh) 2022-08-02
CN114839875B true CN114839875B (zh) 2023-05-12

Family

ID=82566731

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210447879.9A Active CN114839875B (zh) 2022-04-26 2022-04-26 履带式深海集矿车内外环控制方法及***

Country Status (1)

Country Link
CN (1) CN114839875B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110978917B (zh) * 2019-11-20 2022-06-14 中国海洋大学 海底集矿车行走防沉陷底盘履带装置及其行走自救方法
CN111812974B (zh) * 2020-05-28 2021-07-13 北京理工大学 一种双侧电机驱动履带车辆的综合控制方法
CN111781935A (zh) * 2020-08-04 2020-10-16 长沙矿冶研究院有限责任公司 深海采矿车的轨迹控制***、方法及深海采矿车
CN213690326U (zh) * 2020-12-02 2021-07-13 长沙矿山研究院有限责任公司 海底采矿车行走的闭环控制***
CN113485390B (zh) * 2021-08-26 2022-05-03 湖南大学 一种抗洋流扰动的自主水下机器人动力定位方法和***

Also Published As

Publication number Publication date
CN114839875A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
CN107943071B (zh) 无人车的编队保持控制方法及***
CN111497826B (zh) 一种电动汽车横摆稳定性协调控制方法及***
De Luca et al. Control of wheeled mobile robots: An experimental overview
CN109799814B (zh) 基于运动学模型的履带无人车辆轨迹跟踪控制器设计方法
Shi et al. Planning the trajectory of an autonomous wheel loader and tracking its trajectory via adaptive model predictive control
CN112109732A (zh) 一种智能驾驶自适应曲线预瞄方法
Rodic et al. Contribution to the integrated control synthesis of road vehicles
CN110109363B (zh) 一种轮式移动机器人编队的神经网络自适应控制方法
CN113978450A (zh) 一种抗侧倾的商用车路径跟踪博弈控制方法
Bellegarda et al. Dynamic vehicle drifting with nonlinear MPC and a fused kinematic-dynamic bicycle model
CN114839875B (zh) 履带式深海集矿车内外环控制方法及***
Sahoo et al. Design and development of a heading angle controller for an unmanned ground vehicle
Guirguis et al. Path tracking control based on an adaptive MPC to changing vehicle dynamics
Zamani et al. Feedback motion planning of legged robots by composing orbital lyapunov functions using rapidly-exploring random trees
Bacha et al. Autonomous vehicle path tracking using nonlinear steering control and input-output state feedback linearization
Tiwari et al. Controller design for autonomous vehicle
CN116719320A (zh) 轮式机器人轨迹跟踪控制与避障方法和***
Wang et al. Path tracking control of tracked paver based on improved pure pursuit algorithm
Wohner et al. Hierarchical nonlinear model predictive control for an autonomous racecar
CN115562275A (zh) 一种基于mlrnn-pid算法的煤矿履带式掘进机智能导航控制方法
Golconda Steering control for a skid-steered autonomous ground vehicle at varying speed
Hassan et al. Reinforcement Learning for Precision Navigation: DDQN-Based Trajectory Tracking in Unmanned Ground Vehicles
Xiao et al. Smooth trajectory tracking using longitudinal distance constraint for a 4WS4WD unmanned ground vehicle
Dai et al. Path planning and force control of a 4wd4ws vehicle
Gariepy et al. Position control of a 6× 6 ATV using a MIMO fuzzy controller

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