CN109739089B - 一种无人驾驶船舶非周期采样远程操控系统及设计方法 - Google Patents

Abstract

本发明公开了一种无人驾驶船舶非周期采样远程操控系统及设计方法，所述的秕包括逼近器、预估器、比较器、保持器、动力学控制器、存储器、事件触发器和无线通信网络。本发明的系统采用非周期采样，通过事件触发器来控制无线网络的通信。相比于传统周期采样控制系统，能够在保证系统性能稳定的同时有效降低处理器的计算量、无线通信的数据量和执行器的动作次数，从而能降低能耗和硬件损耗。本发明在采用非周期采样的同时，利用神经网络使用非周期采样的数据能较好的逼近模型不确定性和环境扰动。所设计动力学控制器的控制信号是有界的，能够有效避免控制器饱和问题。本发明既可用于全驱动无人驾驶船舶，也可用于欠驱动无人驾驶船舶。

Description

一种无人驾驶船舶非周期采样远程操控系统及设计方法

技术领域

本发明涉及一种适用于无人驾驶船舶控制领域的控制系统及设计方法，尤其是一种非周期采样的远程操控系统及设计方法。

背景技术

近年来，随着大数据、云计算、物联网、人工智能等新技术的飞速发展，船舶自动化水平不断提高，无人驾驶船舶成为未来船舶航运业的重要发展方向，也是船舶智能化发展的必然要求。与传统船舶相比，无人驾驶船舶最显著的特征是航行及任务执行的自主化，为其设定好航行路径及作业任务后，其可自主航行、智能避障和执行任务，不需要或者弱化了人的参与，从而将人从繁重的、强度高的工作中解放出来。无人驾驶船舶涉及的技术领域非常宽广，主要涉及高精度传感器应用、船舶大数据及物联网体系建立、船舶自动控制、远程智能决策系统研发等前沿核心技术。其中，船舶的自动控制技术是无人驾驶船舶能在海上自主航行的关键，可以在海洋作业和水上运输等领域发挥重要的作用，因此对于无人驾驶船舶远程控制技术的研究具有重要意义。

针对无人驾驶船舶的远程控制问题，已经有了一些可行的技术方案。例如，中国专利CN108037761A提出了一种无人驾驶船舶控制系统，该系统包括无人驾驶船舶端和远程监控系统，通过通信模块的连接在远程控制中心控制无人驾驶船舶的航行。再如，中国专利CN108877173A公开了一种无人驾驶船舶控制系统，该系统包括遥控器、基站、信号转发装置和信号接收装置，遥控器发射的信号通过基站的转发传到无人驾驶船舶上，能够实现近距离和远距离对无人船的灵活控制，提高工作效率。

在传统的无人驾驶船舶控制系统中，数据采样和控制率的更新都是以周期形式进行的，并不考虑系统的状态如何变化，因此会存在如下问题：

第一，为了保证闭环控制系统的稳定性并获得相应的期望性能，设计时选取的采样周期和控制率的更新周期一般都很小，这样就会在无线通讯系统中造成频繁的数据传输和更新，占用大量的带宽资源，并且周期性的计算会长期大量占用处理器的计算资源。

第二，对于无人驾驶船舶控制系统的执行机构来说，控制率频繁地更新会导致执行器不停地动作，加剧了系统机械结构的磨损，增加了控制系统的能源消耗。而当无人驾驶船舶的状态趋于稳定时，如无人驾驶船舶在平静地海面沿着直线航行时，就不需要系统频繁地采集状态并进行控制率更新。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种能够有效降低系统采样周期和控制率更新周期的无人驾驶船舶非周期采样远程操控系统及设计方法。

为了实现上述目的，本发明的技术方案如下：一种无人驾驶船舶非周期采样远程操控系统，包括逼近器、预估器、比较器、保持器、动力学控制器、存储器、事件触发器和无线通信网络；所述的保持器有两个，分别是远程端保持器和船端保持器；所述的存储器有两个，分别是远程端存储器和船端存储器；

所述的逼近器的输入端分别与比较器、远程端保持器和远程端存储器相连、输出端分别与动力学控制器和预估器相连；所述的预估器输入端分别与远程端保持器、逼近器和远程端存储器相连、输出端分别与动力学控制器和比较器相连；所述的比较器的另一个输入端与远程端保持器相连；

所述的船端保持器的输入端与无线网络相连、输出端与无人驾驶船舶相连；远程端保持器的输入端与无线网络相连；所述动力学控制器的输入端接收给定速度指令、输出端还与远程端事件触发器和无线网络相连；

所述的船端存储器的输入端与无人驾驶船舶相连、输出端与船端事件触发器相连；远程端存储器的输入端与动力学控制器相连、输出端与船端事件触发器相连；所述远程端事件触发器的输入端分别与动力学控制器和远程端存储器相连、输出端与无线网络相连，控制无线传输的通断；所述船端事件触发器的输入端分别与无人驾驶船舶和船端存储器相连、输出端与无线网络相连，控制无线传输的通断；

所述的船端为无人驾驶船舶，所述的远程端作为控制中心，所述的船端通过无线网络与远程端通信，接收远程端发送过来的控制输入信号并控制无人驾驶船舶，并按照船端事件触发机制控制无线网络发送无人驾驶船舶的状态信息；远程端接收船端的状态数据并进行计算，并按照远程端事件触发机制控制无线网络发送无人驾驶船舶的控制输入数据。船端和远程端通过无线网络形成一个闭环控制系统。

一种无人驾驶船舶的非周期采样远程操控系统的设计方法，所述的无人驾驶船舶满足以下数学模型：

其中：

为船体参考系和地球参考系之间的转移矩阵；

η＝[x,y,ψ]^T∈R³

表示无人驾驶船舶以地球为参考系在x轴、y轴方向的位置和艏摇角；

ν＝[u,υ,r]^T∈R³

表示无人驾驶船舶以船体为参考系下的纵向速度、横漂速度和艏摇角速度；

M＝M^T∈R^3×3

表示无人驾驶船舶的惯量；

C(ν)＝-C^T(ν)∈R^3×3

表示科里奥利向心力；D(ν)∈Z^3×3表示非线性阻尼；R^n×m表示n×m维的向量空间，Z^{n ×m}表示n×m维的整数集，[·]^T表示矩阵的转置；g(ν,η)表示回复力与回复力矩，它是由浮力和重力共同作用所引起的；

τ_s＝[τ_us,τ_υs,τ_rs]^T∈R³

表示无人驾驶船舶的纵向速度、横向速度和艏摇角速度的控制输入力矩；

τ_w(t)＝[τ_wu,τ_wυ,τ_wr]^T∈R³

表示无人驾驶船舶受到的由时变风浪流造成的对纵荡速度、横荡速度和艏摇角速度的扰动。

所述的设计方法，包括以下步骤：

A、逼近器的设计

逼近器采用径向基函数神经网络逼近技术，用来补偿系统不确定性与外部扰动。

将式(1)中无人驾驶船舶的动力学模型改写为以下形式：

其中：

f(·)＝-C(ν)ν-D(ν)ν-g(ν,η)+τw(t)

未知函数f(·)包含了三个方向的未知动态分量，分别为纵向方向的未知动态、横漂方向的未知动态和艏摇方向的未知动态，因此f(·)写成：

f(·)＝[f_u(·),f_υ(·),f_r(·)]^T

使用神经网络逼近如下：

其中，W＝[W_u,W_υ,W_r]∈R^n×3为权值矩阵，满足

和

和

是正常数；σ_f(·)∈Rⁿ为激活函数，ε_i是神经网络的逼近误差，i＝1、2、3，满足

是正常数，输入向量：

其中，u_s、υ_s和r_s为保持器输出的无人驾驶船舶状态信息，t_d＞0为采样周期。用

表示W的估计值，则逼近器输出为：

设计权值更新率如下：

其中，Γ_u,Γ_υ,Γ_r∈R⁺均为参数,Proj[·,·]为投影运算，

和

为比较器的输出。

B、比较器的设计

比较器的输入为远程端保持器输出的无人驾驶船舶状态信息v_s和预估器的输出：

由下式：

得到比较器的输出

C、预估器的设计

预估器的输入信号是远程端保持器输出的无人驾驶船舶状态信息v_s、控制信息τ_s以及逼近器输出的对不确定性的估计信息τ_a。设计基于神经网络的预估器表达如下：

式中，F＝diag{k₁,k₂,k₃}∈R^3×3为待选取的预估器的增益参数，diag{}表示对角阵。

D、动力学控制器的设计

基于预估器设计如下的动力学控制器：

其中，K＝diag{k₄,k₅,k₆}∈R^3×3是待选取的控制器的增益参数，Δ是正常数，

为预估器输出与给定速度的差。

E、事件触发器的设计

事件触发器分为远程事件触发器和船端事件触发器，利用事件触发机制来确定无线网络的通信与否。

在船端事件触发器中，对于一个给定的无人驾驶船舶输出的速度信号采集阈值δ_v＞0，设计如下机制：

||v_s(t)-ν(t)||＞δ_v (10)

其中，v_s为上一时刻的纵向速度、横漂速度、艏摇角速度，存在船端存储器中，v为当前的纵向速度、横漂速度、艏摇角速度。当不等式(10)成立时，船端事件触发器将控制无线网络与远程端通信，传输当前采样得到的纵向速度、横漂速度、艏摇角速度v，并用v的值替换v_s的值保存在船端存储器中用做后续的比较。

在远程端事件触发器中，对于一个给定的远程端动力学控制器输出控制信号采集阈值δ_τ＞0，设计如下机制：

||τ_s(t)-τ(t)||＞δ_τ (11)

其中，τ_s为上一时刻的控制器输出值，存在远程端存储器中，τ为控制器当前输出值。当不等式(11)成立或远程端事件触发器得到一个新的系统的纵向速度、横漂速度、艏摇角速度v_s时，远程端事件触发器将控制无线网络与船端通信，传输当前控制器输出值τ，并用τ的值替换τ_s的值保存在远程端存储器中用做后续的比较。远程端存储器还将τ_s输出给预估器和逼近器，这里船端保持器输出的值与远程端存储器输出的值是相等的。

F、保持器的设计

保持器为零阶保持器。对于船端保持器来说，每当无线网络传来一个新值τ时，船端保持器用新值τ替换输出值τ_s并在下次有更新之前保持住。同理，对于远程端保持器来说，每当无线网络传来一个新值v时，远程端保持器用新值v替换输出值v_s并在下次有更新之前保持住。

相比现有技术，本发明的有益效果如下：

第一，本发明的系统采用非周期采样，通过事件触发器来控制无线网络的通信。相比于传统周期采样控制系统，能够在保证系统性能稳定的同时有效降低处理器的计算量、无线通信的数据量和执行器的动作次数，从而能降低能耗和硬件损耗。

第二，本发明在采用非周期采样的同时，利用神经网络使用非周期采样的数据能较好的逼近模型不确定性和环境扰动。所设计动力学控制器的控制信号是有界的，能够有效避免控制器饱和问题。

第三，本发明方法的无人驾驶船舶模型，当其控制分量τ_υs设置为0时，则该模型转化为欠驱动无人驾驶船舶，即所设计的无人驾驶船舶非周期采样远程操控系统既可用于全驱动无人驾驶船舶，也可用于欠驱动无人驾驶船舶。

附图说明

本发明共有附图22张，其中：

图1是无人驾驶船舶非周期采样远程操控系统结构示意图。

图2是全驱动无人驾驶船舶给定纵向速度跟踪效果及预估器输出图。

图3是全驱动无人驾驶船舶给定横漂速度跟踪效果及预估器输出图。

图4是全驱动无人驾驶船舶给定艏摇角速度跟踪效果及预估器输出图。

图5是全驱动无人驾驶船舶有界纵向输入控制力矩图。

图6是全驱动无人驾驶船舶有界横漂输入控制力矩图。

图7是全驱动无人驾驶船舶有界艏摇输入控制力矩图。

图8是神经网络估计无人驾驶船舶纵向方向未知动态图。

图9是神经网络估计无人驾驶船舶横漂方向未知动态图。

图10是神经网络估计无人驾驶船舶艏摇方向未知动态图。

图11是纵向控制输入事件触发次数统计图。

图12是横漂控制输入事件触发次数统计图。

图13是艏摇角速度控制输入事件触发次数统计图。

图14是系统纵向速度事件触发次数统计图。

图15是系统横漂速度事件触发次数统计图。

图16是系统艏摇角速度事件触发次数统计图。

图17是纵向控制输入事件触发状态图。

图18是横漂控制输入事件触发状态图。

图19是艏摇角速度控制输入事件触发状态图。

图20是系统纵向速度事件触发状态图。

图21是系统横漂速度事件触发状态图。

图22是系统艏摇角速度事件触发状态图。

具体实施方式

本发明涉及的无人驾驶船舶非周期采样远程操控系统框图如附图1所示。下面针对一个具体的全驱动无人驾驶船舶跟踪给定速度为例对本发明进行进一步说明。

实时给定无人驾驶船舶的纵向速度，横向速度和艏摇角速度，令无人驾驶船舶在外在扰动和控制力矩的作用下跟踪给定速度。系统数学关系满足式(3)-(11)，具体的控制参数如下：

Γ_υ＝5,Γ_r＝20,Δ＝1,δ_νu＝0.01,δ_νυ＝0.005,δ_νr＝0.003,

δ_τu＝0.01,δ_τυ＝0.008,δ_τr＝0.008,

神经网络的激活函数选为

仿真结果如图2-22所示。图2-4是给定的三个方向(纵向、横漂和艏摇)的速度、采样传输的三个方向的速度、无人驾驶船舶的三个方向的实际速度和估计的三个方向的速度，可以看出无人驾驶船舶能够较好地跟踪给定速度，预估器能够跟踪速度的实际值；图6-8是远程端计算得到的无人驾驶船舶三个方向的输入力矩以及实际采样传输的无人驾驶船舶三个方向的输入力矩，可以看出三个方向的输入力矩是有界的。图9-11是对未知动态三个分量的逼近，在本实施例中包括模型参数不确定以及海浪干扰，可以看出所设计系统能够有效逼近未知动态。图12-17记录了系统事件触发的次数，包括无人驾驶船舶三个速度状态变化引起的触发以及无人驾驶船舶三个控制输入变化引起的触发，对于控制周期为0.01秒的时间触发系统，在400秒内一共会有40000次的触发，而设计的事件触发系统总计最多不超过3000次，这大大降低了系统的触发次数和无线通信量并且能够满足控制要求。图18-22记录了系统事件触发的状态，可以看出有大量不触发的时间点，在这些时间点上系统就不再需要占用通信带宽来传输数据以及进行相关的计算，节省了系统的通信和计算资源。

由仿真结果可知，设计的无人驾驶船舶非周期采样远程操控系统能够有效降低系统的触发次数，降低处理器的计算量、降低对通信带宽的占用、减少执行器的动作次数，并能满足控制要求；而且可以有效逼近系统不确定性，满足设计目标。

综上，本发明涉及无人驾驶船舶非周期采样远程操控系统及设计方法，在应用于无人驾驶船舶的远程控制，降低系统采样控制触发次数并能满足无人驾驶船舶的控制要求的方面是一种可供同行借鉴参考的标准。根据该标准该系统不仅适用于全驱动无人驾驶船舶，也适用于欠驱动无人驾驶船舶。

本发明不局限于本实施例，任何在本发明披露的技术范围内的等同构思或者改变，均列为本发明的保护范围。

Claims (2)

1.一种无人驾驶船舶非周期采样远程操控系统，其特征在于：包括逼近器、预估器、比较器、保持器、动力学控制器、存储器、事件触发器和无线通信网络；所述的保持器有两个，分别是远程端保持器和船端保持器；所述的存储器有两个，分别是远程端存储器和船端存储器；

所述的逼近器的输入端分别与比较器、远程端保持器和远程端存储器相连、输出端分别与动力学控制器和预估器相连；所述的预估器输入端分别与远程端保持器、逼近器和远程端存储器相连、输出端分别与动力学控制器和比较器相连；所述的比较器的另一个输入端与远程端保持器相连；

所述的船端保持器的输入端与无线网络相连、输出端与无人驾驶船舶相连；远程端保持器的输入端与无线网络相连；所述动力学控制器的输入端接收给定速度指令、输出端还与远程端事件触发器和无线网络相连；

所述的船端存储器的输入端与无人驾驶船舶相连、输出端与船端事件触发器相连；远程端存储器的输入端与动力学控制器相连、输出端与船端事件触发器相连；所述远程端事件触发器的输入端分别与动力学控制器和远程端存储器相连、输出端与无线网络相连，控制无线传输的通断；所述船端事件触发器的输入端分别与无人驾驶船舶和船端存储器相连、输出端与无线网络相连，控制无线传输的通断；

所述的船端为无人驾驶船舶，所述的远程端作为控制中心，所述的船端通过无线网络与远程端通信，接收远程端发送过来的控制输入信号并控制无人驾驶船舶，并按照船端事件触发机制控制无线网络发送无人驾驶船舶的状态信息；远程端接收船端的状态数据并进行计算，并按照远程端事件触发机制控制无线网络发送无人驾驶船舶的控制输入数据；船端和远程端通过无线网络形成一个闭环控制系统。

2.一种无人驾驶船舶的非周期采样远程操控系统的设计方法，其特征在于：所述的无人驾驶船舶满足以下数学模型：

其中：

为船体参考系和地球参考系之间的转移矩阵；

η＝[x,y,ψ]^T∈R³

表示无人驾驶船舶以地球为参考系的位置信息，x、y、ψ分别表示无人驾驶船舶在x轴、y轴方向的位置和艏摇角；

ν＝[u,υ,r]^T∈R³

表示无人驾驶船舶以船体为参考系下的速度信息，u、υ、r分别表示无人驾驶船舶的纵向速度、横漂速度和艏摇角速度；

M＝M^T∈R^3×3

表示无人驾驶船舶的惯量；

C(ν)＝-C^T(ν)∈R^3×3

表示科里奥利向心力；D(ν)∈Z^3×3表示非线性阻尼；R^n×m表示n×m维的向量空间，Z^n×m表示n×m维的整数集，[·]^T表示矩阵的转置；g(ν,η)表示回复力与回复力矩，它是由浮力和重力共同作用所引起的；

τ_s＝[τ_us,τ_υs,τ_rs]^T∈R³

表示无人驾驶船舶的纵向速度、横向速度和艏摇角速度的控制输入力矩；

τ_w(t)＝[τ_wu,τ_wυ,τ_wr]^T∈R³

表示无人驾驶船舶受到的由时变风浪流造成的对纵荡速度、横荡速度和艏摇角速度的扰动；

所述的设计方法，包括以下步骤：

A、逼近器的设计

逼近器采用径向基函数神经网络逼近技术，用来补偿系统不确定性与外部扰动；

将式(1)中无人驾驶船舶的动力学模型改写为以下形式：

其中：

f(·)＝-C(ν)ν-D(ν)ν-g(ν,η)+τw(t)

未知函数f(·)包含了三个方向的未知动态分量，分别为纵向方向的未知动态、横漂方向的未知动态和艏摇方向的未知动态，因此f(·)写成：

f(·)＝[f_u(·),f_υ(·),f_r(·)]^T

使用神经网络逼近如下：

其中，W＝[W_u,W_υ,W_r]∈R^n×3为权值矩阵，满足

和

和

是正常数；σ_f(·)∈Rⁿ为激活函数，ε_i是神经网络的逼近误差，i＝1、2、3，满足

是正常数，输入向量：

其中，u_s、υ_s和r_s为保持器输出的无人驾驶船舶状态信息，t_d＞0为采样周期；用

表示W的估计值，则逼近器输出为：

设计权值更新率如下：

其中，Γ_u,Γ_υ,Γ_r∈R⁺均为参数,Proj[·,·]为投影运算，

和

为比较器的输出；

B、比较器的设计

比较器的输入为远程端保持器输出的无人驾驶船舶状态信息v_s和预估器的输出：

由下式：

得到比较器的输出

C、预估器的设计

预估器的输入信号是远程端保持器输出的无人驾驶船舶状态信息v_s、控制信息τ_s以及逼近器输出的对不确定性的估计信息τ_a；设计基于神经网络的预估器表达如下：

式中，F＝diag{k₁,k₂,k₃}∈R^3×3为待选取的预估器的增益参数，diag{}表示对角阵；

D、动力学控制器的设计

基于预估器设计如下的动力学控制器：

其中，K＝diag{k₄,k₅,k₆}∈R^3×3是待选取的控制器的增益参数，Δ是正常数，

为预估器输出与给定速度的差；

E、事件触发器的设计

事件触发器分为远程事件触发器和船端事件触发器，利用事件触发机制来确定无线网络的通信与否；

在船端事件触发器中，对于一个给定的无人驾驶船舶输出的速度信号采集阈值δ_v＞0，设计如下机制：

||ν_s(t)-ν(t)||＞δ_v (10)

其中，v_s为上一时刻无人驾驶船舶的速度信息，存在船端存储器中，v为当前时刻无人驾驶船舶的速度信息；当不等式(10)成立时，船端事件触发器将控制无线网络与远程端通信，传输当前采样得到的无人驾驶船舶的速度信息v，并用v的值替换v_s的值保存在船端存储器中用做后续的比较；

在远程端事件触发器中，对于一个给定的远程端动力学控制器输出控制信号采集阈值δ_τ＞0，设计如下机制：

||τ_s(t)-τ(t)||＞δ_τ (11)

其中，τ_s为上一时刻的控制器输出值，存在远程端存储器中，τ为控制器当前输出值；当不等式(11)成立或远程端事件触发器得到一个新的系统的纵向速度、横漂速度、艏摇角速度v_s时，远程端事件触发器将控制无线网络与船端通信，传输当前控制器输出值τ，并用τ的值替换τ_s的值保存在远程端存储器中用做后续的比较；远程端存储器还将τ_s输出给预估器和逼近器，这里船端保持器输出的值与远程端存储器输出的值是相等的；

F、保持器的设计

保持器为零阶保持器；对于船端保持器来说，每当无线网络传来一个新值τ时，船端保持器用新值τ替换输出值τ_s并在下次有更新之前保持住；同理，对于远程端保持器来说，每当无线网络传来一个新值v时，远程端保持器用新值v替换输出值v_s并在下次有更新之前保持住。

Images