CN109976349B - 一种含约束无人船的路径跟踪制导与控制结构的设计方法 - Google Patents

Abstract

本发明公开了一种含约束无人船路径跟踪制导与控制器结构的设计方法，包括以下步骤：扰动观测器的设计；LOS制导律模块的设计；航向控制模块的设计；速度控制模块的设计。本发明通过采用扰动观测器对由含约束无人船动力学建模不确定性与海洋环境带来外部扰动组成的集总不确定性进行估计，所需调节参数少，易于调参。通过发送集总不确定性的估计值给航向控制模块与速度控制模块，进而控制船舶运动，有效的降低了制导与控制结构的计算负荷，可以实现快速收敛，提高了制导与控制结构的抗干扰能力，控制性能良好。本发明通过在线滚动优化和反馈校正策略，含约束无人船的制导与控制结构可以充分利用允许的控制动作，提高性能。

Description

一种含约束无人船的路径跟踪制导与控制结构的设计方法

技术领域

本发明涉及无人船领域，特别是一种含约束无人船的路径跟踪制导与控制结构的设计方法。

背景技术

鉴于含约束无人船在应用方面的广阔前景以及在轻量化、能源消耗等方面展现出的巨大优势，各国都致力于含约束无人船的研究，目前正处于飞速发展的关键阶段，在军事和民用领域有了尝试性的应用并取得了很大的成功，包括反潜作战、支持特种作战、海事巡航监管、海事搜寻与救助、海洋数据测量与监测以及气象保障服务。特别是随着通信技术、人工智能等新技术、新理念的迅速发展，含约束无人船的研究有了新的突破，其中对含约束无人船路径跟踪方法的研究与实际应用也越来越多。路径跟踪要求含约束无人船到达并能够航行在预定路径上，有时为了满足任务需求避免损失而对航速及航向的控制精度要求较高。

在单船运动控制方面，由于含约束无人船运动模型具有非线性、强耦合、欠驱动等特性，并且航行过程中存在大量的不确定性，如参数不确定、未建模动态、时变风浪流扰动等，含约束无人船运动控制面临着较大的挑战。根据控制目标的不同，含约束无人船的控制运动可划分为定点稳定、目标跟踪、轨迹跟踪、路径跟踪。而针对无人船的路径跟踪运动控制的主要方法包括自适应控制、滑模控制、神经网络控制、模糊控制、自抗扰控制等。主流的控制器设计方法包括反步法设计、动态面设计、指令优化设计等。经过近二十年的研究，单船运动控制已经取得了丰硕的研究成果。

但是，现有的技术仍然存在以下问题：

第一，现有路径跟踪的控制方法依赖于精确的船舶模型，把船舶内、外扰动，如由建模误差、海洋环境中的风浪流变化带来的未知扰动引起的不确定性等参数全部人工预设好后再进行船舶路径跟踪控制，这就导致该类型的控制方法只能提前获取所需各种参数后才能控制船舶的运动，不利于工程实现。且控制系统计算负担较大，所需人工调节参数较多、过程繁琐。

第二，现有路径跟踪控制方法有的使用神经网络或扰动观测器来估计含约束无人船动力学系统的不确定性，却无法做到显式和主动处理约束，即含约束无人船行驶在复杂多变的海洋环境中，当前时刻的控制动作可能在下一时刻产生违背约束的动态，降低控制系统的性能，从而影响路径跟踪的控制效果。

发明内容

为解决现有技术存在的上述问题，本发明要设计一种含约束无人船的路径跟踪制导与控制结构的设计方法。该方法易于工程实现，控制系统计算负担小，调节参数少，可避免下一时刻无人船可能产生的约束违背动态，并提高制导与控制结构性能。

为了实现上述目的，本发明的技术方案如下：一种含约束无人船路径跟踪制导与控制器结构的设计方法，所述的结构包括扰动观测器、LOS制导律模块、航向控制模块、速度控制模块和含约束无人船，所述扰动观测器的输入端分别与含约束无人船、航向控制模块以及速度控制模块的输出端相连，所述LOS制导律模块的输入端与含约束无人船的输出端相连，所述航向控制模块的输入端分别与LOS制导律模块的输出端、扰动观测器的输出端相连，所述速度控制模块的输入端与扰动观测器的输出端相连。

所述的含约束无人船的运动学和动力学模型用下式表示：

x、y、

u、v和r分别代表地球坐标系下的含约束无人船的横坐标、纵坐标、航向角、纵向速度、横漂速度和艏摇角速度；m_u、m_v、m_r分别代表含约束无人船纵向、侧向以及艏摇方向的惯量；τ_u、τ_r分别表示含约束无人船纵向的推力和艏摇方向上的力矩，由于含约束无人船没有侧向推力，则τ_v＝0；f_u(·)、f_v(·)、f_r(·)分别表示纵向、侧向以及艏摇方向上由于向心力、阻尼力以及含约束无人船未建模动态所产生的含约束无人船不确定性；τ_wu、τ_wv分别为海洋环境中时变风浪流扰动对含约束无人船纵向、侧向方向上产生的力；τ_wr为海洋环境中时变风浪流扰动对含约束无人船艏摇角方向上产生的力矩。

所述的设计方法，包括以下步骤：

A、扰动观测器的设计

扰动观测器的输入信号为含约束无人船的地球坐标系下的位置和航向信号x、y、

与速度信号u、v、r以及控制输入信号τ_u、τ_r，输出信号包括对含约束无人船航向的观测值

纵向速度的观测值

以及纵向、艏摇方向上产生的含约束无人船不确定性的观测值

所设计的扰动观测器表示为：

式中：

其中

是位置x方向的观测值，

是位置y方向的观测值，

是航向角

的观测值；

其中

是纵向速度u的观测值，

是横向速度ν的观测值，

是艏摇角方向速度r的观测值；

其中

是纵向不确定性的观测值，

是横向不确定性的观测值，

是艏摇方向不确定性的观测值；

是η的估计值，η是含约束无人船的位置姿态信息，表示为

是ν的观测值，ν是含约束无人船的速度信号，表示为ν＝[u v r]^T；

R是旋转矩阵；τ是控制输入信号，表示为τ＝[τ_u 0τ_r]^T；

M是惯性矩阵；

K₁、K₂、K₃是扰动观测器增益矩阵。

B、LOS制导律模块的设计

LOS制导律模块的输入信号是含约束无人船在地球坐标系下的参考位置p_r和含约束无人船在地球坐标系下的实时位置p，输出信号是含约束无人船的期望航向

p_r＝[x_r y_r]^T

p＝[x y]^T

含约束无人船的期望航向表示为：

其中，α为含约束无人船的跟踪目标的航向，Δt为含约束无人船相对跟踪目标的视距。

C、航向控制模块的设计

航向控制模块的输入信号是含约束无人船航向的期望值

观测值

及艏摇方向上的不确定性观测值

输出信号是含约束无人船的控制输入信号τ_r。

航向预测方程如下：

其中，

r(k)分别表示第k时刻含约束无人船的航向和艏摇角速度，

r(k+1)分别表示第k+1时刻含约束无人船的航向和艏摇角速度，T是采样时间。根据当前k时刻预测第k+1时刻含约束无人船的航向，以此类推。

为了使含约束无人船跟踪上参考路径，用航向的预测值和期望值之间的累积误差定义一个惩罚函数：

其中，N_p是预测时域，N_c是控制时域，

是加权因子，

表示根据当前k时刻含约束无人船的航向预测第k+i时刻的航向，

表示第k+i时刻含约束无人船的期望航向，其中i＝1,2,3,4...。

为了使含约束无人船的航向角与期望航向一致，求解以下优化问题：

为在线滚动时域优化决策得到最优控制序列，n是预测步数，将最优控制序列的第一个元素

作用于含约束无人船，更新含约束无人船的状态及轨迹，进行迭代。

D、速度控制模块的设计

速度控制模块的输入信号是含约束无人船的纵向速度的期望值u_r、观测值

及纵向不确定性观测值

输出信号是含约束无人船的控制输入信号τ_u。

航向预测方程如下：

其中，u(k)表示第k时刻含约束无人船的纵向速度，u(k+1)表示第k+1时刻含约束无人船的纵向速度，T是采样时间。根据当前k时刻预测第k+1时刻含约束无人船的纵向速度，以此类推。

为了使含约束无人船跟踪上参考路径，用纵向速度的预测值和期望值之间的累积误差定义一个惩罚函数：

其中，N_p是预测时域，N_c是控制时域，Γ_u是加权因子，u(k+i|k)表示根据当前k时刻含约束无人船的纵向速度预测第k+i时刻的纵向速度，u_r(k+i)表示第k+i时刻含约束无人船的期望纵向速度。

为了使含约束无人船的纵向速度与期望速度一致，求解以下优化问题：

u_k＝argminJ(u,Δu)(9)

u_k＝{u_k+1,u_k+2,···,u_k+n}为在线滚动时域优化决策得到最优控制序列，n是预测步数，将最优控制序列的第一个元素u_k+1作用于含约束无人船，更新含约束无人船的状态及轨迹，进行迭代。

与现有技术相比，本发明具有以下有益效果：

第一，本发明通过采用扰动观测器对由含约束无人船动力学建模不确定性与海洋环境带来外部扰动组成的集总不确定性进行估计，所需调节参数少，易于调参。通过发送集总不确定性的估计值给航向控制模块与速度控制模块，进而控制船舶运动，有效的降低了制导与控制结构的计算负荷，可以实现快速收敛，提高了制导与控制结构的抗干扰能力，控制性能良好。

第二，本发明通过在线滚动优化和反馈校正策略，含约束无人船的制导与控制结构可以充分利用允许的控制动作，提高性能。并且在预测含约束无人船未来动态的过程中，可以预见未来可能发生的约束违背，从而调整当前时刻的控制动作，使系统能够避免约束违背。

第三，本发明不依赖于精确的船舶模型，使得该发明可以应用到复杂环境中，鲁棒性较好、适应力强、控制简单。并且该发明不仅适用于水面含约束无人船，同时也适用于水下无人海洋航行器，在水面水下无人海洋航行器的目标跟踪、轨迹路径跟踪等运动控制场合具有重要应用价值。

第四，本发明将模型预测控制算法与扰动观测器相结合，设计了一种基于模型预测控制、考虑各种约束和环境干扰的含约束无人船路径跟踪制导与控制结构，采用多步测试、在线滚动优化性能指标和反馈校正等控制策略，充分利用允许的控制动作，提高控制性能，避免约束违背，显示出较高的鲁棒性能和良好的应用效果。

附图说明

图1是含约束无人船路径跟踪制导与控制结构示意图；

图2是含约束无人船跟踪效果示意图；

图3是航向误差效果示意图；

图4是纵向速度误差效果示意图；

图5是含约束无人船纵向上的不确定性观测效果示意图；

图6是含约束无人船侧向上的不确定性观测效果示意图；

图7是含约束无人船艏摇方向上的不确定性观测效果示意图；

图8是含约束无人船的航向观测效果示意图；

图9是含约束无人船的纵向速度观测效果示意图。

具体实施方式

下面结合附图对本发明进行进一步地描述。图1为本发明的结构示意图，含约束无人船路径跟踪控制系统中含约束无人船满足式(1)中的动力学模型，模型的具体参数如下：

含约束无人船的初始位置为p＝[-5-10]^T。

在此实施例中，含约束无人船的路径跟踪控制器的控制目标是保证含约束无人船精确跟踪目标的航迹，各项参数如下：参考位置p_r＝[0.1t 0.1t]^T，控制输入-10≤τ_u≤10，-5≤τ_r≤5，采样时间T＝0.1，加权因子

Γ_u＝0.00，预测步数n＝3，含约束无人船的期望纵向速度设定为u_r＝0.2，视距设定为Δt＝6。

扰动观测器的具体参数如下：

仿真结果如图2-9所示。

图2是含约束无人船对目标的路径跟踪效果示意图，图中实线条是目标的参考轨迹，虚线条是含约束无人船的轨迹，可以看到目标从点(0,0)出发，然后含约束无人船从点(-5，-10)出发以给定的速度对目标进行路径的跟踪，经过一段时间后，含约束无人船已经跟踪上参考路径。图3是航向误差效果示意图，图中线条为含约束无人船与目标的航向误差，可以看到在第三秒的时候含约束无人船的航行已经跟踪上给定路径航向。图4是纵向速度误差效果示意图，图中线条为含约束无人船与期望的纵向速度误差，可以看到在第二秒的时候误差已经接近于零，实际速度已经可以跟踪上给定速度。图5是含约束无人船纵向上的不确定性观测效果示意图，图中实线条是含约束无人船纵向上的不确定性实际值，虚线条是含约束无人船纵向上的不确定性观测值，可以看到纵向上的不确定性观测值可以准确跟踪上实际值。图6是含约束无人船侧向上的不确定性观测效果示意图，图中实线条是含约束无人船侧向上的不确定性实际值，虚线条是含约束无人船侧向上的不确定性观测值，可以看到对侧向上的不确定性观测值与可以准确跟踪上实际值。图7是含约束无人船艏摇方向上的不确定性观测效果示意图，图中实线条是含约束无人船艏摇方向上的不确定性实际值，图中虚线条是含约束无人船艏摇方向上的不确定性观测值，可以看到对艏摇方向上的不确定性观测值可以准确跟踪上实际值。图8是含约束无人船的航向观测效果示意图，图中实线条是含约束无人船的航向实际值，虚线条是含约束无人船的航向观测值，可以看到对航向的观测值可以准确跟踪上实际值。图9是含约束无人船的纵向速度观测效果示意图，图中实线条是含约束无人船的纵向速度实际值，虚线条是含约束无人船的纵向速度观测值，可以看到对纵向速度的观测值可以准确跟踪上实际值。

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 (1)

1.一种含约束无人船路径跟踪制导与控制器结构的设计方法，所述的结构包括扰动观测器、LOS制导律模块、航向控制模块、速度控制模块和含约束无人船，所述扰动观测器的输入端分别与含约束无人船、航向控制模块以及速度控制模块的输出端相连，所述LOS制导律模块的输入端与含约束无人船的输出端相连，所述航向控制模块的输入端分别与LOS制导律模块的输出端、扰动观测器的输出端相连，所述速度控制模块的输入端与扰动观测器的输出端相连；

所述的含约束无人船的运动学和动力学模型用下式表示：

x、y、

u、v和r分别代表地球坐标系下的含约束无人船的横坐标、纵坐标、航向角、纵向速度、横漂速度和艏摇角速度；m_u、m_v、m_r分别代表含约束无人船纵向、侧向以及艏摇方向的惯量；τ_u、τ_r分别表示含约束无人船纵向的推力和艏摇方向上的力矩，由于含约束无人船没有侧向推力，则τ_v＝0；f_u(·)、f_v(·)、f_r(·)分别表示纵向、侧向以及艏摇方向上由于向心力、阻尼力以及含约束无人船未建模动态所产生的含约束无人船不确定性；τ_wu、τ_wv分别为海洋环境中时变风浪流扰动对含约束无人船纵向、侧向方向上产生的力；τ_wr为海洋环境中时变风浪流扰动对含约束无人船艏摇角方向上产生的力矩；

其特征在于：所述的设计方法，包括以下步骤：

A、扰动观测器的设计

扰动观测器的输入信号为含约束无人船的地球坐标系下的位置和航向信号x、y、

与速度信号u、v、r以及控制输入信号τ_u、τ_r，输出信号包括对含约束无人船航向的观测值

纵向速度的观测值

以及纵向、艏摇方向上产生的含约束无人船不确定性的观测值

所设计的扰动观测器表示为：

式中：

其中

是位置x方向的观测值，

是位置y方向的观测值，

是航向角

的观测值；

其中

是纵向速度u的观测值，

是横向速度ν的观测值，

是艏摇角方向速度r的观测值；

其中

是纵向不确定性的观测值，

是横向不确定性的观测值，

是艏摇方向不确定性的观测值；

是η的估计值，η是含约束无人船的位置姿态信息，表示为

是ν的观测值，ν是含约束无人船的速度信号，表示为ν＝[u v r]^T；

R是旋转矩阵；τ是控制输入信号，表示为τ＝[τ_u 0 τ_r]^T；

M是惯性矩阵；

K₁、K₂、K₃是扰动观测器增益矩阵；

B、LOS制导律模块的设计

LOS制导律模块的输入信号是含约束无人船在地球坐标系下的参考位置p_r和含约束无人船在地球坐标系下的实时位置p，输出信号是含约束无人船的期望航向

p_r＝[x_r y_r]^T

p＝[x y]^T

含约束无人船的期望航向表示为：

其中，α为含约束无人船的跟踪目标的航向，Δt为含约束无人船相对跟踪目标的视距；

C、航向控制模块的设计

航向控制模块的输入信号是含约束无人船航向的期望值

观测值

及艏摇方向上的不确定性观测值

输出信号是含约束无人船的控制输入信号τ_r；

航向预测方程如下：

其中，

r(k)分别表示第k时刻含约束无人船的航向和艏摇角速度，

r(k+1)分别表示第k+1时刻含约束无人船的航向和艏摇角速度，T是采样时间；根据当前k时刻预测第k+1时刻含约束无人船的航向，以此类推；

为了使含约束无人船跟踪上参考路径，用航向的预测值和期望值之间的累积误差定义一个惩罚函数：

其中，N_p是预测时域，N_c是控制时域，

是加权因子，

表示根据当前k时刻含约束无人船的航向预测第k+i时刻的航向，

表示第k+i时刻含约束无人船的期望航向，其中i＝1,2,3,4...；

为了使含约束无人船的航向角与期望航向一致，求解以下优化问题：

为在线滚动时域优化决策得到最优控制序列，n是预测步数，将最优控制序列的第一个元素

作用于含约束无人船，更新含约束无人船的状态及轨迹，进行迭代；

D、速度控制模块的设计

速度控制模块的输入信号是含约束无人船的纵向速度的期望值u_r、观测值

及纵向不确定性观测值

输出信号是含约束无人船的控制输入信号τ_u；

航向预测方程如下：

其中，u(k)表示第k时刻含约束无人船的纵向速度，u(k+1)表示第k+1时刻含约束无人船的纵向速度，T是采样时间；根据当前k时刻预测第k+1时刻含约束无人船的纵向速度，以此类推；

为了使含约束无人船跟踪上参考路径，用纵向速度的预测值和期望值之间的累积误差定义一个惩罚函数：

其中，N_p是预测时域，N_c是控制时域，Γ_u是加权因子，u(k+i|k)表示根据当前k时刻含约束无人船的纵向速度预测第k+i时刻的纵向速度，u_r(k+i)表示第k+i时刻含约束无人船的期望纵向速度；

为了使含约束无人船的纵向速度与期望速度一致，求解以下优化问题：

u_k＝argminJ(u,Δu) (9)

u_k＝{u_k+1,u_k+2,···,u_k+n}为在线滚动时域优化决策得到最优控制序列，n是预测步数，将最优控制序列的第一个元素u_k+1作用于含约束无人船，更新含约束无人船的状态及轨迹，进行迭代。

Images