CN106227221A - 一种无人艇动态定位控制方法 - Google Patents

Abstract

本发明提供一种无人艇动态定位控制方法，包括：步骤1、在一定条件的海洋环境下，设置无人艇位置参数。步骤2、通过环境力估算方法计算出实时外界环境力。通过环境力计算方法计算环境力步骤3、通过最优艏向控制方法计算最优艏向并更新实时无人艇动态信息根据实时环境干扰力作用下的船舶侧推力是否为零的环境最优艏向的控制策略，求解最优艏向位置并更新无人艇信息。步骤4、采用非线性模型预测控制器的无人艇动态定位控制，本发明是可以准确进行无人艇动态定位控制，从而保证其可以使船舶运动控制器不必调整控制算法参数，而使船舶保持运动精度的控制方法。

Description

一种无人艇动态定位控制方法

技术领域

本发明涉及无人艇动态定位控制领域，具体涉及无人艇动态定位控制方法。

背景技术

无人艇是一种能够自主规划、自主航行并且可以采用自主方式或人工干预的方式完成环境信息感知、目标探测等各项任务的小型水面舰艇。

随着人们对无人艇重视程度的提高，无人艇在海洋中的运动控制越来越重要。海洋环境变化多端，运动过程中需要无人艇要抵抗不同的环境外力，而海洋中的环境外力具有多变性的特点。鉴于无人艇的重要性，我国也进行了自主智能水面无人艇的研究。因此，有必要对在不断变化的海洋环境力的作用下的无人艇的稳定动态运动控制需要进行深入的研究。本方法是一种无人艇动态定位控制方法，采用了基于实时环境估计的无人艇最优艏向控制方法，并采用非线性模型预测算法设计动态定位控制器。目前国内外文献中，未出现过采用本方法的无人动态定位控制。

发明内容

本发明的目的是提供一种多变的海洋环境下可以准确进行无人艇动态定位控制，从而保证其可以使无人艇运动控制器不必调整控制算法参数，而使无人艇保持运动精度的控制方法。

本发明的目的是这样实现的：

步骤一：设置无人艇位置参数；

步骤二：根据环境估计算法对环境干扰进行估计：

令为环境干扰对无人艇的作用的估计，分别为外界环境力对无人艇的纵向作用力、横向作用力和艏摇力矩，且：

${\widehat{\mathrm{\τ}}}_{env}\left(t\right)=\mathrm{\β}+K_{0}Mv$

式中：K₀是一个设定的正定对称常矩阵，β是一个中间辅助变量，M是包含附加质量的系统惯性矩阵，v是无人艇运行速度，且β满足：其中：D(v)是系数阻尼矩阵，τ是无人艇推进系统的力和力矩矢量,μ是流体记忆效应；

定义环境作用的估计偏差为：

${\widetilde{\mathrm{\τ}}}_{env}={\mathrm{\τ}}_{env}-{\widehat{\mathrm{\τ}}}_{env}$

式中：τ_env对应实际的环境干扰对无人艇的作用，对应估计出的环境干扰对无人艇的作用；

步骤三：通过最优艏向控制方法计算环境最优艏向并更新实时无人艇动态信息：

步骤四：通过非线性模型预测控制器进行无人艇动态定位控制，无人艇目标位置为(x_d,y_d)，并要求无人艇时刻保持环境最优艏向ψ＝ψ_opt，即无人艇的目标位置姿态为η＝[x_d,y_d,ψ_opt]^T。

且有：步骤三中的环境最优艏向ψ_opt为：

${\mathrm{\ψ}}_{opt}=\mathrm{\ψ}+actan2({\widehat{\mathrm{\τ}}}_{envY},{\widehat{\mathrm{\τ}}}_{envX})-sign\left({\widehat{\mathrm{\τ}}}_{envY}\right)*\mathrm{\π}$

式中：ψ为无人艇当前艏向，表示外界环境作用到无人艇上的横向力的正负号。

步骤四中的非线性模型预测控制器的指标函数为：

$\begin{array}{c}J=\frac{1}{2}{\mathrm{\λ}}_1{\[\hat{y}(t+T)-{\hat{y}}_d(t+T)\]}^T\[\hat{y}(t+T)-{\hat{y}}_d(t+T)\]+\\ \frac{1}{2}{\∫}_0^T\[{\mathrm{\λ}}_2{\left(\hat{y}\right(t+T)-{\hat{y}}_d(t+T\left)\right)}^T\left(\hat{y}\right(t+T)-{\hat{y}}_d(t+T\left)\right)+{\mathrm{\λ}}_3{\hat{u}}^T(t+\mathrm{\ζ})\hat{u}(t+\mathrm{\ζ})\]d\mathrm{\ζ}\\ =\frac{1}{2}{\mathrm{\λ}}_1\hat{e}{(t+T)}^T\hat{e}(t+T)+\frac{1}{2}{\∫}_0^T\[{\mathrm{\λ}}_2\hat{e}{(t+T)}^T\hat{e}(t+T)+{\mathrm{\λ}}_3{\hat{u}}^T(t+T)\hat{u}(t+T)\]d\mathrm{\ζ}\end{array}$

式中：T为预测周期，λ₁,λ₃≥0、λ₂＞0分别表示输出终端约束、控制量以及跟踪误差的权值，和分别为在t+T时刻预测的系统输出值以及预测的期望输出值，表示系统的预测输入值，为在t+T时刻预测的系统输出值与预测的期望输出值之间的差值，上标“∧”表示预测值，

系统预测输出值系统预测期望输出值和系统预测输入值形式表示为：

$\hat{y}(t+T)=\left[\begin{array}{c}{\hat{y}}_1(t+T)\\ {\hat{y}}_2(t+T)\\ {\hat{y}}_3(t+T)\end{array}\right]=\left[\begin{array}{c}\hat{x}(t+T)\\ \hat{y}(t+T)\\ \widehat{\mathrm{\ψ}}(t+T)\end{array}\right]$

${\hat{y}}_d(t+T)=\left[\begin{array}{c}{\hat{y}}_{1d}(t+T)\\ {\hat{y}}_{2d}(t+T)\\ {\hat{y}}_{3d}(t+T)\end{array}\right]=\left[\begin{array}{c}{\hat{x}}_d(t+T)\\ {\hat{y}}_d(t+T)\\ {\widehat{\mathrm{\ψ}}}_d(t+T)\end{array}\right]$

$\hat{u}(t+T)=\left[\begin{array}{c}{\hat{x}}_1(t+T)\\ {\hat{x}}_2(t+T)\\ {\hat{x}}_3(t+T)\end{array}\right]=\left[\begin{array}{c}{\widehat{\mathrm{\τ}}}_x(t+T)\\ {\widehat{\mathrm{\τ}}}_y(t+T)\\ {\widehat{\mathrm{\τ}}}_N(t+T)\end{array}\right]$

约束条件：

$u_{min}\≤\hat{u}(t+T)\≤u_{max}$

当指标函数J最小时，且得到预测时域[t,t+T]内的输入控制向量满足约束条件时，该输入控制向量即为最优解，用最优解对无人艇动态定位控制。

与现有技术相比，本发明的有益效果是：本发明采用了基于实时环境估计的无人艇最优艏向控制方法，并用非线性模型预测算法设计动态定位控制器，可以准确进行无人艇动态定位控制，从而保证其可以使无人艇运动控制器不必调整控制算法参数，而使无人艇保持运动精度。

附图说明

图1为本发明方法流程图；

图2为本发明控制原理图。

具体实施方式

下面结合附图对本发明作进一步的描述。

结合图1和图2，本发明包括如下步骤：

步骤1、设置无人艇位置参数

在一定条件的海洋环境下，设置无人艇位置参数。

步骤2、估算外界环境力

通过环境力估算方法计算出实时外界环境力。

令为估算的外界环境力，矩阵内三项依次代表外界环境力对无人艇的纵向作用力、横向作用力和艏摇力矩，外界环境外力估计的计算表达式如下式所示：

${\widehat{\mathrm{\τ}}}_{env}\left(t\right)=\mathrm{\β}+K_{0}Mv---\left(1\right)$

式中，M是包含附加质量的系统惯性矩阵，v是无人艇运行速度，K₀是一个设定的整定对称常矩阵，v是无人艇运行速度，β是一个中间辅助变量，β由下式计算获得：

$\stackrel{\·}{\mathrm{\β}}=-K_0\mathrm{\β}-K_0(-D(v)v-\mathrm{\μ}+\mathrm{\τ}+K_{0}Mv)---\left(2\right)$

其中：D(v)是系数阻尼矩阵，τ是无人艇推进系统的力和力矩矢量,μ是流体记忆效应。定义环境作用的估计偏差：

${\widetilde{\mathrm{\τ}}}_{env}={\mathrm{\τ}}_{env}-{\widehat{\mathrm{\τ}}}_{env}---\left(3\right)$

式中，τ_env对应实际的环境干扰对无人艇的作用，对应估计出的环境干扰对无人艇的作用。的微分为：

$\begin{array}{c}{\stackrel{\·}{\widehat{\mathrm{\τ}}}}_{env}=\stackrel{\·}{\mathrm{\β}}+K_{0}M\stackrel{\·}{v}\\ =-K_0\mathrm{\β}-K_0(-D(v)v-\mathrm{\μ}+\mathrm{\τ}+K_{0}Mv)+K_0{\mathrm{MM}}^{-1}(-D(v)v-\mathrm{\μ}+\mathrm{\τ}+{\mathrm{\τ}}_{env})\\ =-K_0(\mathrm{\β}+K_{0}Mv-{\mathrm{\τ}}_{env})\\ =K_0({\mathrm{\τ}}_{env}-(\mathrm{\β}+K_{0}Mv\left)\right)\\ =K_0({\mathrm{\τ}}_{env}-{\widehat{\mathrm{\τ}}}_{env})\\ =K_0{\widetilde{\mathrm{\τ}}}_{env}\end{array}---\left(4\right)$

所以有：

${\stackrel{\·}{\widetilde{\mathrm{\τ}}}}_{env}={\stackrel{\·}{\mathrm{\τ}}}_{env}-{\stackrel{\·}{\widehat{\mathrm{\τ}}}}_{env}={\stackrel{\·}{\mathrm{\τ}}}_{env}-K_0{\widetilde{\mathrm{\τ}}}_{env}---\left(5\right)$

步骤3、通过最优艏向控制方法计算最优艏向并更新实时无人艇动态信息

根据实时环境干扰力作用下的无人艇侧推力是否为零的环境最优艏向的控制策略，求解最优艏向位置并更新无人艇信息。最优艏向确定方法的公式如下：

τ_env+τ＝0 (6)

式中：τ_env是环境干扰力的合力，τ是无人艇推进系统的力和力矩矢量

具体的无人艇艏向计算公式如下：

ψ为无人艇当前艏向，ψ_opt为环境最优艏向，则ψ_opt为：

${\mathrm{\ψ}}_{opt}=\mathrm{\ψ}+actan2({\widehat{\mathrm{\τ}}}_{envY},{\widehat{\mathrm{\τ}}}_{envX})-sign\left({\widehat{\mathrm{\τ}}}_{envY}\right)*\mathrm{\π}---\left(7\right)$

上式中，表示外界环境作用到无人艇上的横向力的正负号(从右向左为负，从左向右为正)。

步骤4、采用非线性模型预测控制器的无人艇动态定位控制

由前三步已经得到无人艇应保持的环境最优艏向ψ＝ψ_opt和设定无人艇目标位置为(x_d,y_d)，即无人艇的目标位置姿态为η＝[x_d,y_d,ψ_opt]^T。

建立非线性模型预测控制器的指标函数：

$\begin{array}{c}J=\frac{1}{2}{\mathrm{\λ}}_1{\[\hat{y}(t+T)-{\hat{y}}_d(t+T)\]}^T\[\hat{y}(t+T)-{\hat{y}}_d(t+T)\]+\\ \frac{1}{2}{\∫}_0^T\[{\mathrm{\λ}}_2{\left(\hat{y}\right(t+T)-{\hat{y}}_d(t+T\left)\right)}^T\left(\hat{y}\right(t+T)-{\hat{y}}_d(t+T\left)\right)+{\mathrm{\λ}}_3{\hat{u}}^T(t+\mathrm{\ζ})\hat{u}(t+\mathrm{\ζ})\]d\mathrm{\ζ}\\ =\frac{1}{2}{\mathrm{\λ}}_1\hat{e}{(t+T)}^T\hat{e}(t+T)+\frac{1}{2}{\∫}_0^T\[{\mathrm{\λ}}_2\hat{e}{(t+T)}^T\hat{e}(t+T)+{\mathrm{\λ}}_3{\hat{u}}^T(t+T)\hat{u}(t+T)\]d\mathrm{\ζ}\end{array}---\left(8\right)$

式中，T为预测周期；λ₁,λ₃≥0、λ₂＞0分别表示输出终端约束、控制量以及跟踪误差的权值；和分别为在t+T时刻预测的系统输出值以及预测的期望输出值；表示系统的预测输入值。为在t+T时刻预测的系统输出值与预测的期望输出值之间的差值，即预测误差；上标“∧”表示预测值，预测的期望输出值通常是确定值。

系统预测输出值系统预测期望输出值和系统预测输入值形式表示为：

$\hat{y}(t+T)=\left[\begin{array}{c}{\hat{y}}_1(t+T)\\ {\hat{y}}_2(t+T)\\ {\hat{y}}_3(t+T)\end{array}\right]=\left[\begin{array}{c}\hat{x}(t+T)\\ \hat{y}(t+T)\\ \widehat{\mathrm{\ψ}}(t+T)\end{array}\right]---\left(9\right)$

${\hat{y}}_d(t+T)=\left[\begin{array}{c}{\hat{y}}_{1d}(t+T)\\ {\hat{y}}_{2d}(t+T)\\ {\hat{y}}_{3d}(t+T)\end{array}\right]=\left[\begin{array}{c}{\hat{x}}_d(t+T)\\ {\hat{y}}_d(t+T)\\ {\widehat{\mathrm{\ψ}}}_d(t+T)\end{array}\right]$

$\hat{u}(t+T)=\left[\begin{array}{c}{\hat{x}}_1(t+T)\\ {\hat{x}}_2(t+T)\\ {\hat{x}}_3(t+T)\end{array}\right]=\left[\begin{array}{c}{\widehat{\mathrm{\τ}}}_x(t+T)\\ {\widehat{\mathrm{\τ}}}_y(t+T)\\ {\widehat{\mathrm{\τ}}}_N(t+T)\end{array}\right]$

约束条件为：

当指标函数J最小时，且得到预测时域[t,t+T]内的输入控制向量满足约束条件时，该输入控制向量即为最优解。

最后判断是否结束：

判断过程是否需要停止，若要继续，则重复执行步骤2、3、4；若要停止，则结束执行。

Claims (3)

1.一种无人艇动态定位控制方法，其特征在于：包括如下步骤：

步骤一：设置无人艇位置参数；

步骤二：根据环境估计算法对环境干扰进行估计：

令为环境干扰对无人艇的作用的估计，分别为外界环境力对无人艇的纵向作用力、横向作用力和艏摇力矩，且：

${\widehat{\mathrm{\τ}}}_{env}\left(t\right)=\mathrm{\β}+K_{0}M\mathrm{\ν}$

式中：K₀是一个设定的正定对称常矩阵，β是一个中间辅助变量，M是包含附加质量的系统惯性矩阵，v是无人艇运行速度，且β满足：其中：D(v)是系数阻尼矩阵，τ是无人艇推进系统的力和力矩矢量,μ是流体记忆效应；

定义环境作用的估计偏差为：

${\widetilde{\mathrm{\τ}}}_{env}={\mathrm{\τ}}_{env}-{\widehat{\mathrm{\τ}}}_{env}$

式中：τ_env对应实际的环境干扰对无人艇的作用，对应估计出的环境干扰对无人艇的作用；

步骤三：通过最优艏向控制方法计算环境最优艏向并更新实时无人艇动态信息：

步骤四：通过非线性模型预测控制器进行无人艇动态定位控制，无人艇目标位置为(x_d,y_d)，并要求无人艇时刻保持环境最优艏向ψ＝ψ_opt，即无人艇的目标位置姿态为η＝[x_d,y_d,ψ_opt]^T。

2.根据权利要求1所述的一种无人艇动态定位控制方法，其特征在于：步骤三中的环境最优艏向ψ_opt为：

${\mathrm{\ψ}}_{opt}=\mathrm{\ψ}+actan2({\widehat{\mathrm{\τ}}}_{envY},{\widehat{\mathrm{\τ}}}_{envX})-sign\left({\widehat{\mathrm{\τ}}}_{envY}\right)*\mathrm{\π}$

式中：ψ为无人艇当前艏向，表示外界环境作用到无人艇上的横向力的正负号。

3.根据权利要求2所述的一种无人艇动态定位控制方法，其特征在于：步骤四中的非线性模型预测控制器的指标函数J为：

$\begin{array}{c}J=\frac{1}{2}{\mathrm{\λ}}_1{\[\hat{y}(t+T)-{\hat{y}}_d(t+T)\]}^T\[\hat{y}(t+T)-{\hat{y}}_d(t+T)\]+\\ \frac{1}{2}{\∫}_0^T\[{\mathrm{\λ}}_2{\left(\hat{y}\right(t+T)-{\hat{y}}_d(t+T\left)\right)}^T\left(\hat{y}\right(t+T)-{\hat{y}}_d(t+T\left)\right)+{\mathrm{\λ}}_3{\hat{u}}^T(t+\mathrm{\ζ})\hat{u}(t+\mathrm{\ζ})\]d\mathrm{\ζ}\\ =\frac{1}{2}{\mathrm{\λ}}_1\hat{e}{(t+T)}^T\hat{e}(t+T)+\frac{1}{2}{\∫}_0^T\[{\mathrm{\λ}}_2\hat{e}{(t+T)}^T\hat{e}(t+T)+{\mathrm{\λ}}_3{\hat{u}}^T(t+T)\hat{u}(t+T)\]d\mathrm{\ζ}\end{array}$

式中：T为预测周期，λ₁,λ₃≥0、λ₂＞0分别表示输出终端约束、控制量以及跟踪误差的权值，和分别为在t+T时刻预测的系统输出值以及预测的期望输出值，表示系统的预测输入值，为在t+T时刻预测的系统输出值与预测的期望输出值之间的差值，上标“∧”表示预测值，

系统预测输出值系统预测期望输出值和系统预测输入值形式表示为：

$\hat{y}(t+T)=\left[\begin{array}{c}{\hat{y}}_1(t+T)\\ {\hat{y}}_2(t+T)\\ {\hat{y}}_3(t+T)\end{array}\right]=\left[\begin{array}{c}\hat{x}(t+T)\\ \hat{y}(t+T)\\ \widehat{\mathrm{\ψ}}(t+T)\end{array}\right]$

${\hat{y}}_d(t+T)=\left[\begin{array}{c}{\hat{y}}_{1d}(t+T)\\ {\hat{y}}_{2d}(t+T)\\ {\hat{y}}_{3d}(t+T)\end{array}\right]=\left[\begin{array}{c}{\hat{x}}_d(t+T)\\ {\hat{y}}_d(t+T)\\ {\widehat{\mathrm{\ψ}}}_d(t+T)\end{array}\right]$

$\hat{u}(t+T)=\left[\begin{array}{c}{\hat{x}}_1(t+T)\\ {\hat{x}}_2(t+T)\\ {\hat{x}}_3(t+T)\end{array}\right]=\left[\begin{array}{c}{\widehat{\mathrm{\τ}}}_x(t+T)\\ {\widehat{\mathrm{\τ}}}_y(t+T)\\ {\widehat{\mathrm{\τ}}}_N(t+T)\end{array}\right]$

约束条件：

$u_{min}\≤\hat{u}(t+T)\≤u_{max}$

当指标函数J最小时，且得到预测时域[t,t+T]内的输入控制向量满足约束条件时，该输入控制向量即为最优解，用最优解对无人艇动态定位控制。