CN109240289B - 波浪滑翔器艏摇信息自适应滤波方法 - Google Patents

波浪滑翔器艏摇信息自适应滤波方法 Download PDF

Info

Publication number
CN109240289B
CN109240289B CN201811015888.0A CN201811015888A CN109240289B CN 109240289 B CN109240289 B CN 109240289B CN 201811015888 A CN201811015888 A CN 201811015888A CN 109240289 B CN109240289 B CN 109240289B
Authority
CN
China
Prior art keywords
heading
response
floating body
submerged
filtering method
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
CN201811015888.0A
Other languages
English (en)
Other versions
CN109240289A (zh
Inventor
廖煜雷
王磊峰
潘恺文
张蔚欣
李晔
贾琪
杜廷朋
姜文
苏玉民
沈海龙
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.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
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 Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201811015888.0A priority Critical patent/CN109240289B/zh
Publication of CN109240289A publication Critical patent/CN109240289A/zh
Application granted granted Critical
Publication of CN109240289B publication Critical patent/CN109240289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/0206Control of position or course in two dimensions specially adapted to water vehicles
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0875Control of attitude, i.e. control of roll, pitch, or yaw specially adapted to water vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

波浪滑翔器艏摇信息自适应滤波方法涉及波浪滑翔器的运动控制领域,具体涉及波浪滑翔器艏摇信息自适应滤波方法。波浪滑翔器艏摇信息自适应滤波方法,包括浮体艏摇响应自适应滤波方法和潜体艏摇响应自适应滤波方法,二者并行运行。本发明提供的一种波浪滑翔器艏摇信息自适应滤波方法,根据波浪滑翔器实际航行的动态数据修正数据模型,实现自适应滤波,能够同时估计波浪滑翔器的浮体和潜体的艏向角与转艏角速度,在不确定性环境干扰和模型参数摄动的影响下仍然能够达到良好的滤波效果。本发明结构简单,易于实现,具有较好的自适应性,应用于波浪滑翔器运动控制系统中能够有效改善控制效果。

Description

波浪滑翔器艏摇信息自适应滤波方法
技术领域
本发明涉及波浪滑翔器的运动控制领域,具体涉及波浪滑翔器艏摇信息自适应滤波方法。
背景技术
波浪滑翔器是一种新型无人海洋探测平台,利用“浮体-脐带-潜体”刚柔混合多体结构将海洋波浪能直接地转化为自身的前进动力,同时依靠上甲板搭载的太阳能电池板为各电气负载供电,可以在广阔的海洋上进行长期自主的航行,还可充当通信中继与其他类型的探测平台进行指令和数据交换,为海洋观测技术提供了新思路,有着十分广阔的发展前景。
然而,波浪滑翔器在海洋环境中运动时,浮体和潜体的艏摇运动均存在震荡,且由于传感器噪声的影响,使得艏摇运动信息存在较大震荡,给动力学分析和控制器设计带来不利影响。此外,波浪滑翔器的动力学十分困难,且在实际航行过程中存在不确定性环境干扰力和模型摄动的影响,使得基于模型的滤波方法在实际中难以应用。
王磊峰等提出的发明《舰船用多回路无模型自适应艏向控制方法》,申请号:201810602151.2,其中包含利用动态线性化模型进行滤波的思想,然而,该方法仅能够应用于单体航行器,如无人艇、自主水下机器人等,且该方法中必须以舵角为系统输入,而波浪滑翔器为多体系联结构,浮体与潜体均存在艏摇运动,且浮体的艏摇力矩来源于脐带张力而非舵力,因此该方法无法应用于波浪滑翔器。
北京航空航天大学赵龙等在论文《新型自适应Kalman滤波算法及其应用》中提出一种自适应Kalman滤波算法,该算法通过在线调整噪声的统计特性实现自适应滤波,并未使用基于动态线性化模型进行滤波。
发明内容
本发明的目的在于提供控制效果较好的波浪滑翔器艏摇信息自适应滤波方法。
波浪滑翔器艏摇信息自适应滤波方法,包括浮体艏摇响应自适应滤波方法和潜体艏摇响应自适应滤波方法,二者并行运行,其中,浮体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的浮体的艏摇响应模型在每一时刻等价为以浮体艏摇响应系数表示的动态线性化模型;
(2)初始化所述浮体艏摇响应系数;
(3)根据基于浮体艏摇响应系数的波浪滑翔器浮体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
(4)根据卡尔曼滤波方法估计浮体的艏向角和角速度;
(5)利用动态数据对所述浮体艏摇响应系数进行实时修正,得到所述浮体艏摇响应系数的估计值,返回步骤(3);
潜体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的潜体的艏摇响应模型在每一时刻等价为以潜体艏摇响应系数表示的动态线性化模型;
(2)初始化所述潜体艏摇响应系数;
(3)根据基于潜体艏摇响应系数的波浪滑翔器潜体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
(4)根据卡尔曼滤波方法估计潜体的艏向角和角速度;
(5)利用动态数据对所述潜体艏摇响应系数进行实时修正,得到所述潜体艏摇响应系数的估计值,返回步骤(3)。
浮体艏摇响应自适应滤波方法的步骤(1)中的动态线性化模型,以浮体与潜体艏向差的正弦值作为输入,以浮体的转艏角速度作为输出。
潜体艏摇响应自适应滤波方法的步骤(1)中的动态线性化模型,以舵角作为输入,以潜体的转艏角速度作为输出。
浮体艏摇响应自适应滤波方法步骤(4)中,浮体艏摇响应系数的修正过程包含以下步骤:
(1)设置准则函数,准则函数包括:极小化浮体转艏角速度的滤波器估计值
Figure BDA0001786081760000021
与浮体艏摇响应动态线性化模型计算的浮体转艏角速度的预测值
Figure BDA0001786081760000022
之差的平方,极小化当前时刻所述浮体艏摇响应系数估计值
Figure BDA0001786081760000023
与上一时刻浮体艏摇响应系数估计值
Figure BDA0001786081760000024
之差的平方,其中,浮体转艏角速度的滤波器估计值
Figure BDA0001786081760000025
与浮体艏摇响应动态线性化模型计算的浮体转艏角速度的预测值
Figure BDA0001786081760000026
之差的平方与当前时刻所述浮体艏摇响应系数估计值
Figure BDA0001786081760000027
与上一时刻浮体艏摇响应系数估计值
Figure BDA0001786081760000028
之差的平方的相对权重由权重系数μF调节,所述权重系数μF大于0;
(2)准则函数关于当前时刻浮体艏摇响应系数的估计值
Figure BDA0001786081760000029
求极值,加入步长因子ηF,得到递推形式的当前时刻浮体艏摇响应系数的估计值
Figure BDA00017860817600000210
所述步长因子ηF在0-1之间。
潜体艏摇响应自适应滤波方法步骤(4)中潜体艏摇响应系数的修正过程的特征是,分为以下步骤:
(1)设置准则函数,所述准则函数包括:极小化潜体转艏角速度的滤波器估计值
Figure BDA00017860817600000211
与潜体艏摇响应动态线性化模型计算的潜体转艏角速度的预测值
Figure BDA00017860817600000212
之差的平方,极小化当前时刻所述潜体艏摇响应系数估计值
Figure BDA00017860817600000213
与上一时刻潜体艏摇响应系数估计值
Figure BDA00017860817600000214
之差的平方,其中,潜体转艏角速度的滤波器估计值
Figure BDA00017860817600000215
与潜体艏摇响应动态线性化模型计算的潜体转艏角速度的预测值
Figure BDA0001786081760000031
之差的平方与当前时刻所述潜体艏摇响应系数估计值
Figure BDA0001786081760000032
与上一时刻潜体艏摇响应系数估计值
Figure BDA0001786081760000033
之差的平方的相对权重由权重系数μG调节,所述权重系数μG大于0;
(2)所述准则函数关于当前时刻浮体艏摇响应系数的估计值
Figure BDA0001786081760000034
求极值,加入步长因子ηG,得到递推形式的当前时刻浮体艏摇响应系数的估计值
Figure BDA0001786081760000035
所述步长因子ηG在0-1之间。
本发明的有益效果在于:
根据波浪滑翔器实际航行的动态数据在线实时修正数据模型,实现自适应滤波,能够同时估计波浪滑翔器的浮体和潜体的艏向角与转艏角速度,在不确定性环境干扰和模型参数摄动的影响下仍然能够达到良好的滤波效果,应用于波浪滑翔器运动控制系统中能够有效改善控制效果。
附图说明
图1是波浪滑翔器艏摇信息自适应滤波方法的流程图;
图2是波浪滑翔器多体艏向示意图;
图3是波浪滑翔器示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
结合图3说明波浪滑翔器及其硬件结构。波浪滑翔器由浮体1、潜体2和脐带3构成,浮体1与潜体2通过脐带3连接。波浪滑翔器的舵机4安装于潜体2,通过舵板5的舵力,可直接控制潜体2的转向,浮体1的转艏力矩来源于脐带3的张力,浮体1与潜体2分别安装一个艏向传感器,安装于浮体的艏向传感器6和安装于潜体的艏向传感器7分别测量浮体艏向ψF和潜体艏向ψG
结合图2说明坐标系的建立。只考虑波浪滑翔器在水平面的运动,建立水平面大地坐标系ξ-E-ζ。一般地,Eξ向北为正,Eζ向东为正。波浪滑翔器浮体与潜体由柔软的脐带连接,脐带无法直接传递扭矩,因此波浪滑翔器浮体和潜体的艏向一般情况下并不一致,如图2所示,ψF为浮体的艏向,ψG为潜体的艏向。δ为舵角。
结合图1说明本发明提供的波浪滑翔器艏摇信息自适应滤波方法的流程:
波浪滑翔器艏摇信息自适应滤波方法,包括浮体艏摇响应自适应滤波方法和潜体艏摇响应自适应滤波方法,其中,浮体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的浮体的艏摇响应模型在每一时刻等价为以浮体艏摇响应系数表示的动态线性化模型,其中所述的动态线性化模型以浮体与潜体艏向差的正弦值作为输入,以浮体的转艏角速度作为输出。具体而言,所述动态线性化模型为:
ΔrF(k+1)=φF(k)ΔuF(k)
其中,k为离散控制系统的运行时刻;uF(k)为浮体艏摇响应动态线性化模型的输入,即浮体与潜体艏向差的正弦值,uF(k)=sin(ψG(k)-ψF(k)),ψG(k)为潜体的艏向,ψF(k)为浮体的艏向;rF(k)浮体艏摇响应动态线性化模型的输出,即浮体的转艏角速度;ΔuF(k)为浮体艏摇响应动态线性化模型的输入的变化,ΔuF(k)=uF(k)-uF(k-1);ΔrF(k+1)为浮体艏摇响应动态线性化模型的输出的变化,即浮体的转艏角速度的变化,ΔrF(k+1)=rF(k+1)-rF(k)。
(2)初始化所述浮体艏摇响应系数;
初始的浮体艏摇响应系数根据经验选取。例如,可在某一工况下进行回转试验,将初始的浮体艏摇响应系数取为浮体与潜体艏向差的正弦值除平均浮体转艏角速度。
(3)根据基于浮体艏摇响应系数的波浪滑翔器浮体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
基于浮体艏摇响应系数的波浪滑翔器浮体艏摇响应动态线性化模型,可得到状态传递方程如下:
Figure BDA0001786081760000041
其中,Ts为控制系统的步长;yF(k)为浮体艏摇响应系统的观测值,即浮体的艏向。
系统的状态变量为XF=[ψF(k) rF(k)]T,则系统的状态传递矩阵为
Figure BDA0001786081760000042
系统的观测矩阵为
HF=[1 0]
状态一步预测为
Figure BDA0001786081760000043
(4)根据卡尔曼滤波方法估计浮体的艏向角和角速度,具体过程如下:
1.观测值一步预测
Figure BDA0001786081760000044
2.协方差阵一步预测
PF(k|k-1)=GFPF(k|k-1)(GF)T
3.滤波增益矩阵
KF(k)=PF(k|k-1)×(HF×PF(k|k-1)×(HF)T+RF)-1
其中RF为观测噪声,即浮体艏向传感器的噪声方差
4.状态更新
Figure BDA0001786081760000051
5.协方差矩阵更新
PF(k|k)=(I2×2-KF(k))PF(k|k-1)
其中I2×2为二维的单位阵。
浮体艏向的估计值为
Figure BDA0001786081760000052
与浮体转艏角速度的估计值
Figure BDA0001786081760000053
分别为
Figure BDA0001786081760000054
的第一个和第二个元素。
(5)利用动态数据对所述浮体艏摇响应系数进行实时修正,得到所述浮体艏摇响应系数的估计值
Figure BDA0001786081760000055
返回步骤(3);
所述的浮体艏摇响应系数的修正过程,分为以下步骤:
1.设置准则函数,所述准则函数包括:极小化浮体转艏角速度的滤波器估计值
Figure BDA0001786081760000056
与浮体艏摇响应动态线性化模型计算的浮体转艏角速度的预测值
Figure BDA0001786081760000057
之差的平方,极小化当前时刻所述浮体艏摇响应系数估计值
Figure BDA0001786081760000058
与上一时刻浮体艏摇响应系数估计值
Figure BDA0001786081760000059
之差的平方,其中,二者的相对权重由权重系数μF调节,所述权重系数μF大于0。具体而言,所述准则函数为
Figure BDA00017860817600000510
其中,
Figure BDA00017860817600000511
μF>0,是权重因子。
(2)所述准则函数关于当前时刻浮体艏摇响应系数的估计值
Figure BDA00017860817600000512
求极值,加入步长因子ηF,得到递推形式的当前时刻浮体艏摇响应系数的估计值
Figure BDA00017860817600000514
所述步长因子ηF在0-1之间。具体而言,得到递推关系式如下:
Figure BDA00017860817600000513
其中,ηF∈(0,1]为步长因子,加入步长因子修正的目的在于使该算法具有更强的灵活性和一般性。
潜体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的潜体的艏摇响应模型在每一时刻等价为以潜体艏摇响应系数表示的动态线性化模型,其中所述的动态线性化模型以舵角作为输入,以潜体的转艏角速度作为输出。具体而言,所述动态线性化模型为:
ΔrG(k+1)=φG(k)ΔuG(k)
其中,k为离散控制系统的运行时刻;uG(k)为潜体艏摇响应动态线性化模型的输入,即舵角,uG(k)=δ(k),其中δ(k)为舵角;rG(k)潜体艏摇响应动态线性化模型的输出,即潜体的转艏角速度;ΔuG(k)为潜体艏摇响应动态线性化模型的输入的变化,ΔuG(k)=uG(k)-uG(k-1);ΔrG(k+1)为潜体艏摇响应动态线性化模型的输出的变化,即潜体的转艏角速度的变化,ΔrG(k+1)=rG(k+1)-rG(k)。
(2)初始化所述潜体艏摇响应系数;
初始的潜体艏摇响应系数根据经验选取。例如,可在某一工况下进行回转试验,将初始的潜体艏摇响应系数取为舵角除平均潜体转艏角速度。
(3)根据基于潜体艏摇响应系数的波浪滑翔器潜体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
基于潜体艏摇响应系数的波浪滑翔器潜体艏摇响应动态线性化模型,可得到状态传递方程如下:
Figure BDA0001786081760000061
其中,Ts为控制系统的步长;yG(k)为潜体艏摇响应系统的观测值,即潜体的艏向。
系统的状态变量为XG=[ψG(k) rG(k)]T,则系统的状态传递矩阵为
Figure BDA0001786081760000062
系统的观测矩阵为
HG=[1 0]
状态一步预测为
Figure BDA0001786081760000063
(4)根据卡尔曼滤波方法估计潜体的艏向角和角速度,具体过程如下:
1.观测值一步预测
Figure BDA0001786081760000064
2.协方差阵一步预测
PG(k|k-1)=GGPG(k|k-1)(GG)T
3.滤波增益矩阵
KG(k)=PG(k|k-1)×(HG×PG(k|k-1)×(HG)T+RG)-1
其中RG为观测噪声,即潜体艏向传感器的噪声方差
4.状态更新
Figure BDA0001786081760000071
5.协方差矩阵更新
PG(k|k)=(I2×2-KG(k))PG(k|k-1)
其中I2×2为二维的单位阵。
潜体艏向的估计值为
Figure BDA0001786081760000072
与潜体转艏角速度的估计值
Figure BDA0001786081760000073
分别为
Figure BDA0001786081760000074
的第一个和第二个元素。
(5)利用动态数据对所述潜体艏摇响应系数进行实时修正,得到所述潜体艏摇响应系数的估计值
Figure BDA0001786081760000075
返回步骤(3);
所述的潜体艏摇响应系数的修正过程,分为以下步骤:
1.设置准则函数,所述准则函数包括:极小化潜体转艏角速度的滤波器估计值
Figure BDA0001786081760000076
与潜体艏摇响应动态线性化模型计算的潜体转艏角速度的预测值
Figure BDA0001786081760000077
之差的平方,极小化当前时刻所述潜体艏摇响应系数估计值
Figure BDA0001786081760000078
与上一时刻潜体艏摇响应系数估计值
Figure BDA0001786081760000079
之差的平方,其中,二者的相对权重由权重系数μG调节,所述权重系数μG大于0。具体而言,所述准则函数为
Figure BDA00017860817600000710
其中,
Figure BDA00017860817600000711
μG>0,是权重因子。
(2)所述准则函数关于当前时刻潜体艏摇响应系数的估计值
Figure BDA00017860817600000712
求极值,加入步长因子ηG,得到递推形式的当前时刻潜体艏摇响应系数的估计值
Figure BDA00017860817600000713
所述步长因子ηG在0-1之间。具体而言,得到递推关系式如下:
Figure BDA00017860817600000714
其中,ηG∈(0,1]为步长因子,加入步长因子修正的目的在于使该算法具有更强的灵活性和一般性。
本发明的目的在于提供一种波浪滑翔器艏向信息的自适应滤波方法,根据波浪滑翔器实际航行的动态数据修正数据模型,实现自适应滤波,能够同时估计波浪滑翔器的浮体和潜体的艏向角与转艏角速度。
本发明的目的是这样实现的:
波浪滑翔器的舵机安装于潜体,通过舵板的舵力,可直接控制潜体的转向,浮体的转艏力矩来源于脐带的张力,浮体与潜体分别安装一个艏向传感器,安装于浮体的艏向传感器和安装于潜体的艏向传感器分别测量浮体艏向ψF和潜体艏向ψG
波浪滑翔器艏摇信息自适应滤波方法,包括浮体艏摇响应自适应滤波方法和潜体艏摇响应自适应滤波方法,其中,浮体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的浮体的艏摇响应模型在每一时刻等价为以浮体艏摇响应系数表示的动态线性化模型,其中所述的动态线性化模型以浮体与潜体艏向差的正弦值作为输入,以浮体的转艏角速度作为输出。具体而言,所述动态线性化模型为:
ΔrF(k+1)=φF(k)ΔuF(k)
其中,k为离散控制系统的运行时刻;uF(k)为浮体艏摇响应动态线性化模型的输入,即浮体与潜体艏向差的正弦值,uF(k)=sin(ψG(k)-ψF(k)),ψG(k)为潜体的艏向,ψF(k)为浮体的艏向;rF(k)浮体艏摇响应动态线性化模型的输出,即浮体的转艏角速度;ΔuF(k)为浮体艏摇响应动态线性化模型的输入的变化,ΔuF(k)=uF(k)-uF(k-1);ΔrF(k+1)为浮体艏摇响应动态线性化模型的输出的变化,即浮体的转艏角速度的变化,ΔrF(k+1)=rF(k+1)-rF(k)。
(2)初始化所述浮体艏摇响应系数;
初始的浮体艏摇响应系数根据经验选取。例如,可在某一工况下进行回转试验,将初始的浮体艏摇响应系数取为浮体与潜体艏向差的正弦值除平均浮体转艏角速度。
(3)根据基于浮体艏摇响应系数的波浪滑翔器浮体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
基于浮体艏摇响应系数的波浪滑翔器浮体艏摇响应动态线性化模型,可得到状态传递方程如下:
Figure BDA0001786081760000081
其中,Ts为控制系统的步长;yF(k)为浮体艏摇响应系统的观测值,即浮体的艏向。
系统的状态变量为XF=[ψF(k) rF(k)]T,则系统的状态传递矩阵为
Figure BDA0001786081760000082
系统的观测矩阵为
HF=[1 0]
状态一步预测为
Figure BDA0001786081760000083
(4)根据卡尔曼滤波方法估计浮体的艏向角和角速度,具体过程如下:
1.观测值一步预测
Figure BDA0001786081760000091
2.协方差阵一步预测
PF(k|k-1)=GFPF(k|k-1)(GF)T
3.滤波增益矩阵
KF(k)=PF(k|k-1)×(HF×PF(k|k-1)×(HF)T+RF)-1
其中RF为观测噪声,即浮体艏向传感器的噪声方差
4.状态更新
Figure BDA0001786081760000092
5.协方差矩阵更新
PF(k|k)=(I2×2-KF(k))PF(k|k-1)
其中I2×2为二维的单位阵。
浮体艏向的估计值为
Figure BDA0001786081760000093
与浮体转艏角速度的估计值
Figure BDA0001786081760000094
分别为
Figure BDA0001786081760000095
的第一个和第二个元素。
(5)利用动态数据对所述浮体艏摇响应系数进行实时修正,得到所述浮体艏摇响应系数的估计值
Figure BDA0001786081760000096
返回步骤(3);
所述的浮体艏摇响应系数的修正过程,分为以下步骤:
1.设置准则函数,所述准则函数包括:极小化浮体转艏角速度的滤波器估计值
Figure BDA0001786081760000097
与浮体艏摇响应动态线性化模型计算的浮体转艏角速度的预测值
Figure BDA0001786081760000098
之差的平方,极小化当前时刻所述浮体艏摇响应系数估计值
Figure BDA0001786081760000099
与上一时刻浮体艏摇响应系数估计值
Figure BDA00017860817600000910
之差的平方,其中,二者的相对权重由权重系数μF调节,所述权重系数μF大于0。具体而言,所述准则函数为
Figure BDA00017860817600000911
其中,
Figure BDA00017860817600000912
μF>0,是权重因子。
(2)所述准则函数关于当前时刻浮体艏摇响应系数的估计值
Figure BDA00017860817600000913
求极值,加入步长因子ηF,得到递推形式的当前时刻浮体艏摇响应系数的估计值
Figure BDA00017860817600000914
所述步长因子ηF在0-1之间。具体而言,得到递推关系式如下:
Figure BDA00017860817600000915
其中,ηF∈(0,1]为步长因子,加入步长因子修正的目的在于使该算法具有更强的灵活性和一般性。
潜体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的潜体的艏摇响应模型在每一时刻等价为以潜体艏摇响应系数表示的动态线性化模型,其中所述的动态线性化模型以舵角作为输入,以潜体的转艏角速度作为输出。具体而言,所述动态线性化模型为:
ΔrG(k+1)=φG(k)ΔuG(k)
其中,k为离散控制系统的运行时刻;uG(k)为潜体艏摇响应动态线性化模型的输入,即舵角,uG(k)=δ(k),其中δ(k)为舵角;rG(k)潜体艏摇响应动态线性化模型的输出,即潜体的转艏角速度;ΔuG(k)为潜体艏摇响应动态线性化模型的输入的变化,ΔuG(k)=uG(k)-uG(k-1);ΔrG(k+1)为潜体艏摇响应动态线性化模型的输出的变化,即潜体的转艏角速度的变化,ΔrG(k+1)=rG(k+1)-rG(k)。
(2)初始化所述潜体艏摇响应系数;
初始的潜体艏摇响应系数根据经验选取。例如,可在某一工况下进行回转试验,将初始的潜体艏摇响应系数取为舵角除平均潜体转艏角速度。
(3)根据基于潜体艏摇响应系数的波浪滑翔器潜体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
基于潜体艏摇响应系数的波浪滑翔器潜体艏摇响应动态线性化模型,可得到状态传递方程如下:
Figure BDA0001786081760000101
其中,Ts为控制系统的步长;yG(k)为潜体艏摇响应系统的观测值,即潜体的艏向。
系统的状态变量为XG=[ψG(k) rG(k)]T,则系统的状态传递矩阵为
Figure BDA0001786081760000102
系统的观测矩阵为
HG=[1 0]
状态一步预测为
Figure BDA0001786081760000103
(4)根据卡尔曼滤波方法估计潜体的艏向角和角速度,具体过程如下:
1.观测值一步预测
Figure BDA0001786081760000104
2.协方差阵一步预测
PG(k|k-1)=GGPG(k|k-1)(GG)T
3.滤波增益矩阵
KG(k)=PG(k|k-1)×(HG×PG(k|k-1)×(HG)T+RG)-1
其中RG为观测噪声,即潜体艏向传感器的噪声方差
4.状态更新
Figure BDA0001786081760000111
5.协方差矩阵更新
PG(k|k)=(I2×2-KG(k))PG(k|k-1)
其中I2×2为二维的单位阵。
潜体艏向的估计值为
Figure BDA0001786081760000112
与潜体转艏角速度的估计值
Figure BDA0001786081760000113
分别为
Figure BDA0001786081760000114
的第一个和第二个元素。
(5)利用动态数据对所述潜体艏摇响应系数进行实时修正,得到所述潜体艏摇响应系数的估计值
Figure BDA0001786081760000115
返回步骤(3);
所述的潜体艏摇响应系数的修正过程,分为以下步骤:
1.设置准则函数,所述准则函数包括:极小化潜体转艏角速度的滤波器估计值
Figure BDA0001786081760000116
与潜体艏摇响应动态线性化模型计算的潜体转艏角速度的预测值
Figure BDA0001786081760000117
之差的平方,极小化当前时刻所述潜体艏摇响应系数估计值
Figure BDA0001786081760000118
与上一时刻潜体艏摇响应系数估计值
Figure BDA0001786081760000119
之差的平方,其中,二者的相对权重由权重系数μG调节,所述权重系数μG大于0。具体而言,所述准则函数为
Figure BDA00017860817600001110
其中,
Figure BDA00017860817600001111
μG>0,是权重因子。
(2)所述准则函数关于当前时刻潜体艏摇响应系数的估计值
Figure BDA00017860817600001112
求极值,加入步长因子ηG,得到递推形式的当前时刻潜体艏摇响应系数的估计值
Figure BDA00017860817600001113
所述步长因子ηG在0-1之间。具体而言,得到递推关系式如下:
Figure BDA00017860817600001114
其中,ηG∈(0,1]为步长因子,加入步长因子修正的目的在于使该算法具有更强的灵活性和一般性。
波浪滑翔器的浮体与潜体分别安装一个艏向传感器,安装于浮体的艏向传感器和安装于潜体的艏向传感器分别测量浮体的艏向和潜体的艏向。

Claims (5)

1.波浪滑翔器艏摇信息自适应滤波方法,其特征是包括浮体艏摇响应自适应滤波方法和潜体艏摇响应自适应滤波方法,二者并行运行,其中,浮体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的浮体的艏摇响应模型在每一时刻等价为以浮体艏摇响应系数表示的动态线性化模型;
(2)初始化所述浮体艏摇响应系数;
(3)根据基于浮体艏摇响应系数的波浪滑翔器浮体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
(4)根据卡尔曼滤波方法估计浮体的艏向角和角速度;
(5)利用动态数据对所述浮体艏摇响应系数进行实时修正,得到所述浮体艏摇响应系数的估计值,返回步骤(3);
潜体艏摇响应自适应滤波方法包括以下步骤:
(1)将波浪滑翔器的潜体的艏摇响应模型在每一时刻等价为以潜体艏摇响应系数表示的动态线性化模型;
(2)初始化所述潜体艏摇响应系数;
(3)根据基于潜体艏摇响应系数的波浪滑翔器潜体艏摇响应动态线性化模型,建立状态传递方程,由所述状态传递方程完成状态一步预测;
(4)根据卡尔曼滤波方法估计潜体的艏向角和角速度;
(5)利用动态数据对所述潜体艏摇响应系数进行实时修正,得到所述潜体艏摇响应系数的估计值,返回步骤(3);
所述的动态线性化模型以浮体与潜体艏向差的正弦值作为输入,以浮体的转艏角速度作为输出,所述动态线性化模型为:
ΔrF(k+1)=φF(k)ΔuF(k)
其中,k为离散控制系统的运行时刻;uF(k)为浮体艏摇响应动态线性化模型的输入,即浮体与潜体艏向差的正弦值,uF(k)=sin(ψG(k)-ψF(k)),ψG(k)为潜体的艏向,ψF(k)为浮体的艏向;rF(k)浮体艏摇响应动态线性化模型的输出,即浮体的转艏角速度;ΔuF(k)为浮体艏摇响应动态线性化模型的输入的变化,ΔuF(k)=uF(k)-uF(k-1);ΔrF(k+1)为浮体艏摇响应动态线性化模型的输出的变化,即浮体的转艏角速度的变化,ΔrF(k+1)=rF(k+1)-rF(k);
其中所述的动态线性化模型以舵角作为输入,以潜体的转艏角速度作为输出,所述动态线性化模型为:
ΔrG(k+1)=φG(k)ΔuG(k)
其中,k为离散控制系统的运行时刻;uG(k)为潜体艏摇响应动态线性化模型的输入,即舵角,uG(k)=δ(k),其中δ(k)为舵角;rG(k)潜体艏摇响应动态线性化模型的输出,即潜体的转艏角速度;ΔuG(k)为潜体艏摇响应动态线性化模型的输入的变化,ΔuG(k)=uG(k)-uG(k-1);ΔrG(k+1)为潜体艏摇响应动态线性化模型的输出的变化,即潜体的转艏角速度的变化,ΔrG(k+1)=rG(k+1)-rG(k)。
2.根据权利要求1所述的波浪滑翔器艏摇信息自适应滤波方法,其特征在于:所述的浮体艏摇响应自适应滤波方法的步骤(1)中的动态线性化模型,以浮体与潜体艏向差的正弦值作为输入,以浮体的转艏角速度作为输出。
3.根据权利要求1所述的波浪滑翔器艏摇信息自适应滤波方法,其特征在于:所述的潜体艏摇响应自适应滤波方法的步骤(1)中的动态线性化模型,以舵角作为输入,以潜体的转艏角速度作为输出。
4.根据权利要求1所述的波浪滑翔器艏摇信息自适应滤波方法,其特征在于:所述的浮体艏摇响应自适应滤波方法步骤(4)中,浮体艏摇响应系数的修正过程包含以下步骤:
(1)设置准则函数,准则函数包括:极小化浮体转艏角速度的滤波器估计值
Figure FDA0002955361430000021
与浮体艏摇响应动态线性化模型计算的浮体转艏角速度的预测值
Figure FDA0002955361430000022
之差的平方,极小化当前时刻所述浮体艏摇响应系数估计值
Figure FDA0002955361430000023
与上一时刻浮体艏摇响应系数估计值
Figure FDA0002955361430000024
之差的平方,其中,浮体转艏角速度的滤波器估计值
Figure FDA0002955361430000025
与浮体艏摇响应动态线性化模型计算的浮体转艏角速度的预测值
Figure FDA0002955361430000026
之差的平方与当前时刻所述浮体艏摇响应系数估计值
Figure FDA0002955361430000027
与上一时刻浮体艏摇响应系数估计值
Figure FDA0002955361430000028
之差的平方的相对权重由权重系数μF调节,所述权重系数μF大于0;
(2)准则函数关于当前时刻浮体艏摇响应系数的估计值
Figure FDA0002955361430000029
求极值,加入步长因子ηF,得到递推形式的当前时刻浮体艏摇响应系数的估计值
Figure FDA00029553614300000210
所述步长因子ηF在0-1之间。
5.根据权利要求1所述的波浪滑翔器艏摇信息自适应滤波方法,其特征在于:所述的潜体艏摇响应自适应滤波方法步骤(4)中潜体艏摇响应系数的修正过程的特征是,分为以下步骤:
(1)设置准则函数,所述准则函数包括:极小化潜体转艏角速度的滤波器估计值
Figure FDA00029553614300000211
与潜体艏摇响应动态线性化模型计算的潜体转艏角速度的预测值
Figure FDA00029553614300000212
之差的平方,极小化当前时刻所述潜体艏摇响应系数估计值
Figure FDA00029553614300000213
与上一时刻潜体艏摇响应系数估计值
Figure FDA00029553614300000214
之差的平方,其中,潜体转艏角速度的滤波器估计值
Figure FDA00029553614300000215
与潜体艏摇响应动态线性化模型计算的潜体转艏角速度的预测值
Figure FDA0002955361430000031
之差的平方与当前时刻所述潜体艏摇响应系数估计值
Figure FDA0002955361430000032
与上一时刻潜体艏摇响应系数估计值
Figure FDA0002955361430000033
之差的平方的相对权重由权重系数μG调节,所述权重系数μG大于0;
(2)所述准则函数关于当前时刻浮体艏摇响应系数的估计值
Figure FDA0002955361430000034
求极值,加入步长因子ηG,得到递推形式的当前时刻浮体艏摇响应系数的估计值
Figure FDA0002955361430000035
所述步长因子ηG在0-1之间。
CN201811015888.0A 2018-09-01 2018-09-01 波浪滑翔器艏摇信息自适应滤波方法 Active CN109240289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811015888.0A CN109240289B (zh) 2018-09-01 2018-09-01 波浪滑翔器艏摇信息自适应滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811015888.0A CN109240289B (zh) 2018-09-01 2018-09-01 波浪滑翔器艏摇信息自适应滤波方法

Publications (2)

Publication Number Publication Date
CN109240289A CN109240289A (zh) 2019-01-18
CN109240289B true CN109240289B (zh) 2021-04-20

Family

ID=65060015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811015888.0A Active CN109240289B (zh) 2018-09-01 2018-09-01 波浪滑翔器艏摇信息自适应滤波方法

Country Status (1)

Country Link
CN (1) CN109240289B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109782773B (zh) * 2019-03-12 2022-04-29 哈尔滨工程大学 一种操纵响应方程参数向量并行估计方法
CN109782774B (zh) * 2019-03-12 2021-08-20 哈尔滨工程大学 一种基于积分法的艏摇响应参数在线辨识方法
CN109747776B (zh) * 2019-03-12 2021-03-30 哈尔滨工程大学 一种基于积分法的艏摇响应参数向量估计方法
CN109885059B (zh) * 2019-03-12 2022-04-05 哈尔滨工程大学 一种操纵响应方程在线多参数异步估计方法
CN111426322B (zh) * 2020-04-09 2020-12-18 北京航空航天大学 同时估计状态和输入的自适应目标跟踪滤波方法及系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106767792A (zh) * 2017-01-16 2017-05-31 东南大学 一种水下滑翔器导航系统及高精度姿态估计方法
CN106990787B (zh) * 2017-05-16 2020-09-25 哈尔滨工程大学 一种上下体艏向信息融合的波浪滑翔器航点跟踪方法
CN107783944A (zh) * 2017-09-20 2018-03-09 北京航空航天大学 一种多模型自校准无迹卡尔曼滤波方法
CN108460206B (zh) * 2018-02-28 2022-03-18 哈尔滨工程大学 一种波浪滑翔器运动预测方法
CN108284915B (zh) * 2018-02-28 2019-09-27 哈尔滨工程大学 波浪滑翔器双体艏摇响应预测方法

Also Published As

Publication number Publication date
CN109240289A (zh) 2019-01-18

Similar Documents

Publication Publication Date Title
CN109240289B (zh) 波浪滑翔器艏摇信息自适应滤波方法
CN106990787B (zh) 一种上下体艏向信息融合的波浪滑翔器航点跟踪方法
CN108803632B (zh) 基于饱和补偿技术的水面无人艇全状态约束轨迹跟踪控制方法
CN108445892B (zh) 一种欠驱动无人船编队控制器结构及设计方法
CN108563130B (zh) 一种欠驱动船舶自适应神经网络自动靠泊控制方法,设备及介质
CN113341953B (zh) 一种吊舱式无人艇航向控制方法
CN108073175A (zh) 基于虚拟艇自适应规划的欠驱动无人艇编队智能控制方法
CN113359785B (zh) 一种微小型auv水下运动和悬停控制方法
CN108829102B (zh) 自适应艏向信息融合的波浪滑翔器航向控制方法
CN113485121B (zh) 一种分布式多船协同动力定位控制方法
CN111857165B (zh) 一种水下航行器的轨迹跟踪控制方法
CN114442640B (zh) 一种水面无人艇轨迹跟踪控制方法
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
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
CN114564015B (zh) 一种拒止环境下的欠驱动无人艇分布式编队控制方法
CN114609905A (zh) 一种船舶编队事件触发控制方法
CN108469731B (zh) 一种波浪滑翔器故障监测与鲁棒控制方法
CN112925332B (zh) 无人艇与水下无人潜器联合系统的协同交会对接控制方法
Tang et al. Simulation of optimal integral sliding mode controller for the depth control of AUV
CN109747776B (zh) 一种基于积分法的艏摇响应参数向量估计方法
CN115686008A (zh) 基于指令滤波反步法的船舶动力定位辅助锚泊系统设计
Wang et al. NN-backstepping for diving control of an underactuated AUV
CN115686034A (zh) 考虑速度传感器失效的无人潜航器轨迹跟踪控制方法
Ding et al. Based on disturbance observer of Air Cushion Vehicle course sliding backstepping control
Moe et al. Path following of underactuated marine underwater vehicles in the presence of unknown ocean currents

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