CN110083057B - 基于水翼运动姿态的pid控制方法 - Google Patents

基于水翼运动姿态的pid控制方法 Download PDF

Info

Publication number
CN110083057B
CN110083057B CN201910503634.1A CN201910503634A CN110083057B CN 110083057 B CN110083057 B CN 110083057B CN 201910503634 A CN201910503634 A CN 201910503634A CN 110083057 B CN110083057 B CN 110083057B
Authority
CN
China
Prior art keywords
hydrofoil
dynamic
disturbance
output
controller
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
CN201910503634.1A
Other languages
English (en)
Other versions
CN110083057A (zh
Inventor
陈虹丽
高尚
李浩凯
王铭华
张振
王宁
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.)
Nanhai innovation and development base of Sanya Harbin Engineering University
Original Assignee
Nanhai Innovation And Development Base Of Sanya 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 Nanhai Innovation And Development Base Of Sanya Harbin Engineering University filed Critical Nanhai Innovation And Development Base Of Sanya Harbin Engineering University
Priority to CN201910503634.1A priority Critical patent/CN110083057B/zh
Publication of CN110083057A publication Critical patent/CN110083057A/zh
Application granted granted Critical
Publication of CN110083057B publication Critical patent/CN110083057B/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
    • G05B11/00—Automatic controllers
    • G05B11/01—Automatic controllers electric
    • G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • 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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/08—Control of attitude, i.e. control of roll, pitch, or yaw
    • G05D1/0875—Control of attitude, i.e. control of roll, pitch, or yaw specially adapted to water vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供一种基于水翼运动姿态的PID控制方法，控制器提供的控制量是水翼产生的升力。控制量由四部分组成：第一部分是输出达到期望加速度所必须提供的；第二部分是补偿非线性项，由智能自适应估计器提供；第三部分是补偿海浪扰动，由海浪扰动估计器提供；第四部分是PID控制器，其比例系数、积分时间常数和微分时间常数由动态补偿器提供；通过理论推导将基于反步法的滑模控制器与基于扰动补偿PID控制器联系起来，并得到切换控制等价于比例积分控制，切换控制可以用于实现不确定项和扰动补偿的结论。本发明方法适用于多种海况尤其是动态条件下的非线性船体运动姿态控制。

Description

基于水翼运动姿态的PID控制方法
技术领域
本发明涉及一种基于水翼运动姿态的PID控制方法，是一种水翼船运动姿态扰动补偿的PID(比例-积分-微分)控制器，属于船舶控制领域。
背景技术
水翼船在高速航行过程中，会受到来自外界环境的各种扰动的影响，如海浪等随机扰动因素。这些扰动因素会对水翼船产生不同方向的扰动力和扰动力矩，影响水翼船在航行过程中的平稳航行。为了使水翼船能够保持平稳，必须采取一定的措施加以控制,水翼是可以产生足够的升力来支撑一定的船体重量的翼形结构。
水翼船姿态控制的目标是快速性和准确性，对控制器提出的要求是：在给定条件下，满足一定的收敛速度，能够达到一定的控制精度，且对扰动具有有效的抑制作用，使运动姿态达到稳定。在船舶横向运动姿态控制的研究上，很多专家已经做出了卓有成效的贡献，但针对船舶纵向运动姿态控制，一般是通过将非线性模型转化为线性，用卡尔曼滤波等线性方法处理非线性问题，由于线性系统不能完全反映控制对象所具有的某些非线性特征，与实际模型必然存在偏差较大，而非线性的处理方法用在水翼船纵向运动姿态控制上的文献不是很多。
发明内容
本发明的目的是针对水翼船纵向运动模型参数的不确定性、非线性和波浪扰动随机性而提供一种基于水翼运动姿态的PID控制方法。
本发明的目的是这样实现的：步骤如下：
步骤一：进行参数初始化，包括水翼船纵向运动模型、Kalman滤波器；
步骤二：利用船上测量系统测得水翼船的纵向运动观测值；
步骤三：得到控制器的控制量，控制量u包括四部分：第一部分u11是输出达到期望加速度所必须提供的；第二部分u12是补偿非线性项，由智能自适应估计器提供；第三部分u13是补偿海浪扰动，由海浪扰动估计器提供；第四部分u14是PID控制器，比例系数kp、积分时间常数kI和微分时间常数kD由动态补偿器提供：
u＝u11-u12-u13+u14
其中：
Figure BDA0002091055280000011
u13＝d1,
Figure BDA0002091055280000012
kp＝-1-hc-hk1-r，kD＝-(c+h+k1)，kI＝-r(k1+c)，h＞0,c＞0,k1＞0,r＞0为设计常数；
Figure BDA0002091055280000021
是期望输出yd的二阶导数，d1＝A-1τ，
Figure BDA0002091055280000022
τ＝[Fw3 Mw5]T，▽为船体所受浮力，aij(i,j＝3或5)为附加质量系数；bij为阻尼力系数；cij为恢复力系数；aij、bij、cij统称为船的水动力系数，Iyy为船体相对于船体Y轴转动惯量，Fw3为升沉运动所受到的海浪扰动力，Mw5为纵摇运动受到的海浪扰动力矩作用。
本发明还包括这样一些结构特征：
1.步骤二中的船上测量系统包括位移传感器、陀螺仪、计程仪、船载经纬仪；纵向运动观测值包括：垂荡位移、纵摇角。
2.步骤三中的所述智能自适应估计器是指利用广义动态模糊神经网络GD-FNN，其输入
Figure BDA0002091055280000023
由Kalman滤波器得到，GD-FNN的输出为
Figure BDA0002091055280000024
Figure BDA0002091055280000025
其中：x1等于状态向量x＝[z θ]T，，
Figure BDA0002091055280000026
z表示升沉位移，θ表示纵摇角，
Figure BDA0002091055280000027
为x1、x2的估计值，F(x1,x2)＝-Bx2-Cx1+f(x1)，
Figure BDA0002091055280000028
Figure BDA0002091055280000029
m为船体质量，g为重力加速度，|xg|、|xb|分别为船体重心、浮力作用点到船体中心的距离。
3.所述的Kalman滤波器的输入为
Figure BDA00020910552800000210
输出为
Figure BDA00020910552800000211
为
Figure BDA00020910552800000212
的估计，且有：
Figure BDA00020910552800000213
y＝x＝x1
则
Figure BDA00020910552800000214
4.所述的海浪扰动估计器是指：海浪扰动估计器的输入是白噪声，海浪扰动估计器的输出是海浪的扰动力Fw3和力矩Mw5谱的估计。
5.所述动态补偿器状态方程为：
Figure BDA00020910552800000215
Figure BDA00020910552800000216
式中：
Figure BDA00020910552800000217
为动态补偿器的状态，u1为动态补偿器的输出；
通过设计动态跟踪误差系统稳定的条件，即设计Ad，Bd，Cd，Dd，使
Figure BDA0002091055280000031
和
Figure BDA0002091055280000032
的全部特征根实部小于零，则，
Figure BDA0002091055280000033
另一方面，
Cd＝(h+c+k1)＝h+(c+k1)
Dd＝1+hc+hk1＝1+h(c+k1)
得到：
Figure BDA0002091055280000034
通过实验试凑r，将得到的h,c,k1带入比例系数、积分时间常数和微分时间常数，得到PID控制器的kp，kD，kI；由Kalman滤波器得到的
Figure BDA0002091055280000035
为动态补偿器的输入。
6.所述的动态跟踪误差系统为：
Figure BDA0002091055280000036
Figure BDA0002091055280000037
其中：u2是自适应控制项，用来抵消系统的未建模误差Δ。
与现有技术相比，本发明的有益效果是：1.本发明设计的控制器能够有效处理水翼船纵向运动姿态中的非线性及随机扰动，提升设计方法的控制精度。2.本发明设计的PID控制器部分参数能根据动态补偿器得到，有效改善PID控制器参数的试凑带来的需要一定的经验及不够准确的缺陷。3.通过虚拟控制器设计完成PID控制器大部分参数的确定和自适应确定非线性未建模误差。
附图说明
图1是本发明的水翼船纵向运动姿态PID控制器的设计框图。
图2是在五级海情、航速为24节、浪向角为45度条件下，控制后的结果与未加入控制器作用下的升沉位移输出结果比对图。
图3是在五级海情、航速为24节、浪向角为45度条件下,控制后的结果与未加入控制器作用下的纵摇角输出结果比对图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
本发明提供的水翼船纵向运动姿态的PID控制器，包括：控制器，智能自适应估计器---广义动态模糊神经网络(GD-FNN)，海浪扰动估计器，动态补偿器，Kalman滤波器。具体的，控制器提供的控制量u包括四部分：
第一部分u11是输出达到期望加速度所必须提供的，
Figure BDA0002091055280000041
第二部分u12是补偿非线性项，由智能自适应估计器(GD-FNN)提供，其输入为
Figure BDA0002091055280000042
输出为
Figure BDA0002091055280000043
同时得到Δ，
Figure BDA0002091055280000044
由Kalman滤波器得到，Kalman滤波器的输入为
Figure BDA0002091055280000045
第三部分u13是补偿海浪扰动，由海浪扰动估计器提供，海浪扰动估计器的输入是白噪声，其输出是海浪扰动力和力矩；
第四部分u14是PID控制器，将
Figure BDA0002091055280000046
输入给动态补偿器(
Figure BDA0002091055280000047
由Kalman滤波器得到)，由动态补偿器得到的h,c,k1，通过实验试凑r，进而得到PID控制器的比例系数、积分时间常数和微分时间常数。
本发明是一种水翼船纵向运动姿态PID控制方法，其原理如图1所示，包括如下步骤：
步骤一：进行参数初始化，包括水翼船纵向运动模型，Kalman滤波器等；
步骤二：利用船上测量系统测得水翼船的纵向运动观测值；
所述的船上测量系统包括：位移传感器、陀螺仪、计程仪、船载经纬仪；
所述的纵向运动观测值包括：垂荡位移、纵摇角；
步骤三：Kalman滤波器
所述Kalman滤波器的输入为
Figure BDA0002091055280000048
输出为
Figure BDA0002091055280000049
利用Kalman滤波器得到
Figure BDA00020910552800000410
由式(6)和式(30)得到
Figure BDA00020910552800000411
Figure BDA00020910552800000412
用于GD-FNN的输入，
Figure BDA00020910552800000413
作为动态补偿器的输入。
步骤四：智能自适应估计器
所述的智能自适应估计器是指利用广义动态模糊神经网络(GD-FNN)，其输入
Figure BDA00020910552800000414
由Kalman滤波器得到，GD-FNN的输出为
Figure BDA00020910552800000417
Figure BDA00020910552800000416
步骤五：动态补偿器
所述的(线性)动态补偿器状态方程为：
Figure BDA0002091055280000051
Figure BDA0002091055280000052
式中
Figure BDA0002091055280000053
为线性动态补偿器的状态。通过设计动态跟踪误差系统稳定的条件，即设计Ad，Bd，Cd，Dd，使
Figure BDA0002091055280000054
和
Figure BDA0002091055280000055
的全部特征根实部小于零。则，
Figure BDA0002091055280000056
Figure BDA0002091055280000057
另一方面，
Cd＝(h+c+k1)＝h+(c+k1)
Dd＝1+hc+hk1＝1+h(c+k1)
则得到：
Figure BDA0002091055280000058
步骤六：控制器
所述的控制器是指：控制器提供的控制量是水翼产生的升力。控制量u包括四部分：第一部分u11是输出达到期望加速度所必须提供的；第二部分u12是补偿非线性项，由智能自适应估计器提供；第三部分u13是补偿海浪扰动，由海浪扰动估计器提供；第四部分u14是PID控制器，比例系数、积分时间常数和微分时间常数由动态补偿器提供。即：
u＝u11-u12-u13+u14
其中
Figure BDA0002091055280000059
u13＝d1,
Figure BDA00020910552800000510
d1＝A-1τ，
Figure BDA00020910552800000511
τ＝[Fw3 Mw5]T。
由动态补偿器得到的h,c,k1，通过实验试凑r，带入比例系数kp＝-1-hc-hk1-r，微分时间常数kD＝-(c+h+k1)和积分时间常数kI＝-r(k1+c)，得到PID控制器的比例系数、积分时间常数和微分时间常数。
步骤七：海浪扰动估计器
所述的海浪扰动估计器是指：海浪扰动估计器的输入是白噪声，通过构造成形滤波器，使海浪扰动估计器的输出是海浪的扰动力和力矩谱，进而可求得海浪扰动力和力矩。
下面结合图1对本发明方法涉及的步骤进行具体说明。
1、水翼船波浪中纵向(垂荡和纵摇)运动模型
水翼双体船垂荡(升沉)和纵摇运动非线性运动模型如下[来源于文献：ChenHongli，Song Jinghui,Chen Yuwei.The applied research of hydrofoil catamaranattitude estimation based on the fusion filtering.The 34 Chinese ControlConference.2015,8：35-40]：
Figure BDA0002091055280000061
Figure BDA0002091055280000062
式(1)、(2)中，m为船体质量，▽为船体所受浮力，g为重力加速度，Iyy为船体相对于船体Y轴转动惯量，|xg|、|xb|分别为船体重心、浮力作用点到船体中心的距。aij(i,j＝3或5)为附加质量系数；bij为阻尼力系数；cij为恢复力系数；将aij、bij、cij统称为船的水动力系数。Fw3为升沉运动所受到的海浪扰动力，Mw5为纵摇运动受到的海浪扰动力矩作用，FR是水翼产生的升力，XR是水翼升力作用点到船体中心的等效距离。z表示升沉位移，
Figure BDA0002091055280000063
表示升沉速度，
Figure BDA0002091055280000064
表示升沉加速度，θ表示纵摇角，
Figure BDA0002091055280000065
表示纵摇角速度，
Figure BDA0002091055280000066
表示纵摇角加速度。选取状态向量x＝[z θ]T，则有
Figure BDA0002091055280000067
和
Figure BDA0002091055280000068
则式(1)和式(2)可变换为：
Figure BDA0002091055280000069
其中
Figure BDA00020910552800000610
u＝FR，τ＝[Fw3 Mw5]T。
f(x)表示关于θ的非线性项，τ为海浪扰动项，u为控制量。下面令x＝x1，
Figure BDA00020910552800000611
则有
Figure BDA00020910552800000612
且
Figure BDA00020910552800000613
那么式(3)可写成如下形式：
Figure BDA00020910552800000614
Figure BDA00020910552800000615
y是输出。
也可以将上式写成如下形式：
Figure BDA00020910552800000616
式中，D＝[1 XR]T，F(x1,x2)＝-Bx2-Cx1+f(x1)。
2、基于扰动补偿的智能自适应PID控制器设计
本例从基于反步法的滑模控制器设计角度来对基于扰动补偿的PID控制器进行设计分析。即将反步法的思想应用到滑模控制器设计中，控制器的设计目标是在存在外界扰动和不确定性的条件下，给定期望值，将水翼船的升沉位移和纵摇角作为输出，且能够接近期望的值，并在有限时间内收敛至允许的误差范围内。
式(6)可写成：
Figure BDA0002091055280000071
Figure BDA0002091055280000072
其中，b＝A-1D，d1＝A-1τ，d2表示一些不确定性因素。
此处有两个假设，d2是有界的，且上界δ＞0为已知的。期望输出yd的一阶导数
Figure BDA0002091055280000073
存在且有界。在假设成立的条件下，基于反步法的滑模控制器设计过程如下:
首先定义系统误差：
e1＝y-yd (9)
e2＝x2-α1 (10)
其中，α1为虚拟控制。
Step 1：设计第1个误差子系统的虚拟控制如下：
Figure BDA0002091055280000074
则该系统的动态方程可写成如下形式：
Figure BDA0002091055280000075
Step 2：选择第2误差子系统的虚拟控制为：
Figure BDA0002091055280000076
其中，k2为设计常数，该系统的动态方程可写成：
Figure BDA0002091055280000077
定义滑模面为：
s＝ce1+e2 (15)
系统到达滑模面的条件是
Figure BDA0002091055280000078
系统到达理想的滑动模态，沿着滑模面运动，则
Figure BDA0002091055280000079
Figure BDA00020910552800000710
设A-1F(x1,x2)的函数估计为
Figure BDA00020910552800000711
Figure BDA00020910552800000712
由智能自适应估计器---广义广义动态模糊神经网络(GD-FNN)得到，估计误差：
Figure BDA00020910552800000713
随机海浪作用下的扰动力和力矩τ由海浪扰动估计器得到[赵希人，陈虹丽，叶葵，魏东.基于扩展卡尔曼滤波的船舶纵向运动受扰力与力矩的估计[J].中国造船，2004,45(03):24-30]。令
Figure BDA0002091055280000081
其中：
Figure BDA0002091055280000082
u13＝d1,
Figure BDA0002091055280000083
Figure BDA0002091055280000084
是期望输出yd的二阶导数，比例系数kp＝-1-hc-hk1-r，微分时间常数kD＝-(c+h+k1)，积分时间常数kI＝-r(k1+c)，h＞0,c＞0,k1＞0,r＞0为设计常数。
则
Figure BDA0002091055280000085
Figure BDA0002091055280000086
令buvss＝-r∫sdt＝-r∫|s|dt·sgn(s)，
Figure BDA0002091055280000087
则
Figure BDA0002091055280000088
uvss为切换控制，它可以用于实现不确定项和扰动补偿，用来满足到达条件
Figure BDA0002091055280000089
Figure BDA00020910552800000810
为δ的估计值，这里定义估计误差为:
Figure BDA00020910552800000811
Figure BDA00020910552800000812
式(22)为δ的参数自适应律。
另一方面，
Figure BDA00020910552800000813
Figure BDA0002091055280000091
即切换控制等价于比例积分(PI调节器)控制。令
Figure BDA0002091055280000092
将式(6)、(9)～(11)、(15)、(17)和式(23)带入式(19)，则
u＝ueq+uvss (24)
ueq为等效控制。
下面通过虚拟控制器设计完成PID控制器参数的确定和自适应确定非线性未建模误差。
3虚拟控制器设计
引入虚拟控制：
Figure BDA0002091055280000093
设计虚拟控制
Figure BDA0002091055280000094
使y在有界误差范围内跟踪光滑有界期望轨迹yd。这里要求
Figure BDA0002091055280000095
有界。在虚拟控制定义下，输出动态方程为：
Figure BDA0002091055280000096
选择虚拟控制：
Figure BDA0002091055280000097
其中，u1为引入的动态补偿器的输出项，是线性部分，用于稳定动态误差；u2是自适应控制项，用来抵消系统的未建模误差Δ；u3用来抵消d2，即
u3＝-d2 (28)
将虚拟控制(27)代入(26)中，得：
Figure BDA0002091055280000098
下面分别给出u1、u2的设计过程。
3.1动态补偿器设计
定义输出跟踪误差：
Figure BDA0002091055280000099
将式(29)代入式(30)得：
Figure BDA00020910552800000910
设线性动态补偿器状态方程为：
Figure BDA0002091055280000101
式中
Figure BDA0002091055280000102
为线性动态补偿器的状态。由式(32)可知，动态补偿器提供的输出u1是比例微分(PD)控制器。由式(31)和(32)得动态跟踪误差系统方程：
Figure BDA0002091055280000103
Figure BDA0002091055280000104
由式(33)和(34)可知，动态跟踪误差系统稳定的条件是，设计Ad，Bd，Cd，Dd，使
Figure BDA0002091055280000105
和
Figure BDA0002091055280000106
的全部特征根实部小于零。则，
Figure BDA0002091055280000107
Figure BDA0002091055280000108
将式(19)，式(27)代入式(25)得：
Figure BDA0002091055280000109
令
Figure BDA00020910552800001010
Figure BDA00020910552800001015
将式(28)代入得，u3＝-d2＝buvss，即切换控制用来抵消一些不确定因素，或者说一些不确定因素由PI调节器进行控制。则，
Figure BDA00020910552800001012
Figure BDA00020910552800001013
由式(35)、式(18)和式(19)，得：
Figure BDA00020910552800001014
3.2自适应控制项设计
本例采用GD-FNN设计自适应控制项u2。在神经网络自适应控制项设计过程中，神经网络自适应控制信号的学习需要用到速度向量的信息，它们无法通过测量直接获得，即使能够测量得到也带有一定的随机测量误差。所以首先设计一个Kalman滤波器来估计它们，然后进行自适应项设计。
一、Kalman滤波器的设计
Figure BDA0002091055280000111
是可测量向量，由式(34)得到以下的跟踪误差动态系统
Figure BDA0002091055280000112
式中
Figure BDA0002091055280000113
Γ＝[0 1]T，w(t)＝(-Δ-u2)，
Figure BDA0002091055280000114
H＝[1 0]，V是测量噪声，可以认为是零均值正态白噪声，它的方差阵取为Qvv＝diag[20.3×10-4 2.26×10-6]。
假设u2＝-Δ＝0，对式(38)应用Kalman滤波[赵希人，陈虹丽，叶葵，魏东.基于扩展卡尔曼滤波的船舶纵向运动受扰力与力矩的估计[J].中国造船，2004,45(03):24-30]求出
Figure BDA0002091055280000115
由式(6)和式(30)得
Figure BDA0002091055280000116
Figure BDA0002091055280000117
用于GD-FNN的输入。
GD-FNN估计器
由Kalman滤波器的输出得到
Figure BDA0002091055280000118
作为GD-FNN的输入，通过训练GD-FNN[来源于文献：沈丹(导师陈虹丽是本发明第一发明).船舶纵向运动姿态预测及控制.哈尔滨工程大学硕士学位论文.2016,3:39-46]，得到
Figure BDA0002091055280000119
进而由式(17)得到Δ。
4本例通过Lyapunov函数证明了控制器的稳定性。
5下面针对水翼船的纵向运动姿态控制问题，以典型海况水动力系数的水池实验数据，对本发明方法的有效性进行仿真验证。
利用式(4)和现有的水翼船数据，采用Matlab对水翼船纵向姿态控制方法进行仿真研究。为了说明加入控制器的效果，将控制后的结果与未加入控制器作用下的升沉位移和纵摇角输出值分别做比对(将升沉位移和纵摇角信息作为系统输出，得到控制后的结果和未加控制器的结果对比)。
在五级海情、航速为24节、浪向角为45度条件下航行的控制结果(其它海况下控制结果优于5级海情、航速为24节、浪向角为45度条件下航行的控制结果)见图2、图3和表1。在图2、图3中，“-”表示未加入控制器作用下的升沉位移和纵摇角输出值，“·”表示加入控制器作用下的升沉位移和纵摇角输出值。
仿真中，设置期望姿态为yd＝(zd,θd)＝(0m,0°)，控制器设计参数r＝12，仿真步长为0.1s，在t＝0.5s时加入扰动。由图2、图3和表1可知，控制器对扰动有一定抑制作用，对升沉位移和纵摇角起到了稳定控制作用，且最终误差稳定在一定范围内，具有良好的控制效果。所设计的控制器基本可以满足快速性的要求，有比较理想的控制精度。表明了本发明方法的有效性。
表1两种情况下的结果对比
Figure BDA0002091055280000121
综上，本发明提供一种基于水翼运动姿态的PID控制方法，控制器提供的控制量是水翼产生的升力。控制量由四部分组成：第一部分是输出达到期望加速度所必须提供的；第二部分是补偿非线性项，由智能自适应估计器提供；第三部分是补偿海浪扰动，由海浪扰动估计器提供；第四部分是PID控制器，其比例系数、积分时间常数和微分时间常数由动态补偿器提供；通过理论推导将基于反步法的滑模控制器与基于扰动补偿PID控制器联系起来，并得到切换控制等价于比例积分控制，切换控制可以用于实现不确定项和扰动补偿的结论。本发明方法适用于多种海况尤其是动态条件下的非线性船体运动姿态控制。

Claims (7)

1.基于水翼运动姿态的PID控制方法，其特征在于：步骤如下：
步骤一：进行参数初始化，包括水翼船纵向运动模型、Kalman滤波器；
步骤二：利用船上测量系统测得水翼船的纵向运动观测值；
步骤三：得到控制器的控制量，控制量u包括四部分：第一部分u11是输出达到期望加速度所必须提供的；第二部分u12是补偿非线性项，由智能自适应估计器提供；第三部分u13是补偿海浪扰动，由海浪扰动估计器提供；第四部分u14是PID控制器，比例系数kp、积分时间常数kI和微分时间常数kD由动态补偿器提供：
u＝u11-u12-u13+u14
其中：
Figure FDA0003239087080000011
kp＝-1-hc-hk1-r，kD＝-(c+h+k1)，kI＝-r(k1+c)，h＞0,c＞0,k1＞0,r＞0为设计常数；
Figure FDA0003239087080000012
是期望输出yd的二阶导数，d1＝A-1τ，
Figure FDA0003239087080000013
τ＝[Fw3 Mw5]T，
Figure FDA0003239087080000014
为船体所受浮力，aij为附加质量系数，i＝3或5,j＝3或5；Iyy为船体相对于船体Y轴转动惯量，Fw3为升沉运动所受到的海浪扰动力，Mw5为纵摇运动受到的海浪扰动力矩作用。
2.根据权利要求1所述的基于水翼运动姿态的PID控制方法，其特征在于：步骤二中的船上测量系统包括位移传感器、陀螺仪、计程仪、船载经纬仪；纵向运动观测值包括：垂荡位移、纵摇角。
3.根据权利要求2所述的基于水翼运动姿态的PID控制方法，其特征在于：步骤三中的所述智能自适应估计器是指利用广义动态模糊神经网络GD-FNN，其输入
Figure FDA0003239087080000015
由Kalman滤波器得到，GD-FNN的输出为
Figure FDA0003239087080000016
Figure FDA0003239087080000017
其中：x1等于状态向量x＝[z θ]T，，
Figure FDA0003239087080000018
z表示升沉位移，θ表示纵摇角，
Figure FDA0003239087080000019
为x1、x2的估计值，F(x1,x2)＝-Bx2-Cx1+f(x1)，
Figure FDA00032390870800000110
Figure FDA00032390870800000111
m为船体质量，g为重力加速度，|xg|、|xb|分别为船体重心、浮力作用点到船体中心的距离。
4.根据权利要求3所述的基于水翼运动姿态的PID控制方法，其特征在于：所述的Kalman滤波器的输入为
Figure FDA0003239087080000021
输出为
Figure FDA0003239087080000022
为
Figure FDA0003239087080000023
的估计，且有：
Figure FDA0003239087080000024
y＝x＝x1
则
Figure FDA0003239087080000025
5.根据权利要求4所述的基于水翼运动姿态的PID控制方法，其特征在于：所述的海浪扰动估计器是指：海浪扰动估计器的输入是白噪声，海浪扰动估计器的输出是海浪的扰动力Fw3和力矩Mw5谱的估计。
6.根据权利要求5所述的基于水翼运动姿态的PID控制方法，其特征在于：所述动态补偿器状态方程为：
Figure FDA0003239087080000026
Figure FDA0003239087080000027
式中：
Figure FDA0003239087080000028
为动态补偿器的状态，u1为动态补偿器的输出；
通过设计动态跟踪误差系统稳定的条件，即设计Ad，Bd，Cd，Dd，使
Figure FDA0003239087080000029
和
Figure FDA00032390870800000210
的全部特征根实部小于零，则，
Figure FDA00032390870800000211
另一方面，
Cd＝(h+c+k1)＝h+(c+k1)
Dd＝1+hc+hk1＝1+h(c+k1)
得到：
Figure FDA00032390870800000212
通过实验试凑r，将得到的h,c,k1带入比例系数、积分时间常数和微分时间常数，得到PID控制器的kp，kD，kI；由Kalman滤波器得到的
Figure FDA00032390870800000213
为动态补偿器的输入。
7.根据权利要求6所述的基于水翼运动姿态的PID控制方法，其特征在于：所述的动态跟踪误差系统为：
Figure FDA0003239087080000031
Figure FDA0003239087080000032
其中：u2是自适应控制项，用来抵消系统的未建模误差Δ。
CN201910503634.1A 2019-06-12 2019-06-12 基于水翼运动姿态的pid控制方法 Active CN110083057B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910503634.1A CN110083057B (zh) 2019-06-12 2019-06-12 基于水翼运动姿态的pid控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910503634.1A CN110083057B (zh) 2019-06-12 2019-06-12 基于水翼运动姿态的pid控制方法

Publications (2)

Publication Number Publication Date
CN110083057A CN110083057A (zh) 2019-08-02
CN110083057B true CN110083057B (zh) 2021-12-07

Family

ID=67424086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910503634.1A Active CN110083057B (zh) 2019-06-12 2019-06-12 基于水翼运动姿态的pid控制方法

Country Status (1)

Country Link
CN (1) CN110083057B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110594079A (zh) * 2019-08-26 2019-12-20 广东工业大学 一种直驱式波浪发电系统最优功率控制方法
CN111665722A (zh) * 2020-06-18 2020-09-15 哈尔滨工程大学 一种基于预测控制的海浪主动补偿控制方法
CN111856922A (zh) * 2020-08-04 2020-10-30 上海海事大学 一种基于循环神经网络pid波浪补偿平台控制方法
CN113093526B (zh) * 2021-04-02 2022-05-24 浙江工业大学 一种基于强化学习的无超调pid控制器参数整定方法
CN114476554B (zh) * 2022-03-10 2024-10-22 浙江国自机器人技术股份有限公司 一种自动导引车、控制系统及闭环控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6088633A (en) * 1998-03-27 2000-07-11 Futaba Denshi Kogyo Kabushiki Kaisha Mobile body controlling gear
CN104787260A (zh) * 2015-03-27 2015-07-22 哈尔滨工程大学 一种基于融合滤波器的水翼双体船纵向姿态估计方法
CN104898688A (zh) * 2015-03-27 2015-09-09 哈尔滨工程大学 Uuv四自由度动力定位自适应抗扰滑模控制系统及控制方法
CN107128454A (zh) * 2017-03-27 2017-09-05 哈尔滨工程大学 一种水翼双体船姿态估计方法
CN107168312A (zh) * 2017-05-17 2017-09-15 哈尔滨工程大学 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法
CN107255919A (zh) * 2017-06-13 2017-10-17 哈尔滨工程大学 一种三体船减纵摇解耦控制器及设计方法
CN108445766A (zh) * 2018-05-15 2018-08-24 山东大学 基于rpd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法
CN109739248A (zh) * 2019-01-07 2019-05-10 大连海事大学 基于adrc的船载三自由度并联稳定平台稳定控制方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6088633A (en) * 1998-03-27 2000-07-11 Futaba Denshi Kogyo Kabushiki Kaisha Mobile body controlling gear
CN104787260A (zh) * 2015-03-27 2015-07-22 哈尔滨工程大学 一种基于融合滤波器的水翼双体船纵向姿态估计方法
CN104898688A (zh) * 2015-03-27 2015-09-09 哈尔滨工程大学 Uuv四自由度动力定位自适应抗扰滑模控制系统及控制方法
CN107128454A (zh) * 2017-03-27 2017-09-05 哈尔滨工程大学 一种水翼双体船姿态估计方法
CN107168312A (zh) * 2017-05-17 2017-09-15 哈尔滨工程大学 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法
CN107255919A (zh) * 2017-06-13 2017-10-17 哈尔滨工程大学 一种三体船减纵摇解耦控制器及设计方法
CN108445766A (zh) * 2018-05-15 2018-08-24 山东大学 基于rpd-smc和rise的无模型四旋翼无人机轨迹跟踪控制器及方法
CN109739248A (zh) * 2019-01-07 2019-05-10 大连海事大学 基于adrc的船载三自由度并联稳定平台稳定控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Improved Maximum Likelihood Method for Ship Parameter Identification;Chen Hongli;《2018 37th Chinese Control Conference (CCC)》;20181008;第1614-1621页 *
基于水翼船纵向姿态估计的自适应观测器设计;陈虹丽;《实验室科学》;20180430;第21卷(第2期);第27-31页 *

Also Published As

Publication number Publication date
CN110083057A (zh) 2019-08-02

Similar Documents

Publication Publication Date Title
CN110083057B (zh) 基于水翼运动姿态的pid控制方法
CN107168312B (zh) 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法
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
CN111736617B (zh) 一种基于速度观测器的可底栖式水下机器人预设性能轨迹跟踪控制方法
CN108008628B (zh) 一种不确定欠驱动无人艇系统的预设性能控制方法
Leonard et al. Model-based feedback control of autonomous underwater gliders
CN104898688B (zh) Uuv四自由度动力定位自适应抗扰滑模控制系统及控制方法
CN108197350A (zh) 一种无人船速度和不确定性估计系统及设计方法
CN109189103B (zh) 一种具有暂态性能约束的欠驱动auv轨迹跟踪控制方法
CN109739248B (zh) 基于adrc的船载三自由度并联稳定平台稳定控制方法
CN111198502B (zh) 基于干扰观测器和模糊系统的无人艇航迹跟踪控制方法
CN109917657A (zh) 动力定位船舶的抗干扰控制方法、装置与电子设备
CN111857165B (zh) 一种水下航行器的轨迹跟踪控制方法
CN113467231A (zh) 基于侧滑补偿ilos制导律的无人艇路径跟踪方法
CN114442640B (zh) 一种水面无人艇轨迹跟踪控制方法
CN114967714A (zh) 一种自主式水下机器人抗扰运动控制方法及系统
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
CN117850424A (zh) 一种考虑输入饱和的多usv事件触发误差约束控制方法
CN114924571A (zh) 一种具有橫摇约束的欠驱动船舶航向和舵减摇控制方法
CN113406884B (zh) 一种基于滑模自适应的多点系泊系统定位控制方法
CN112904719B (zh) 一种适用于水下机器人位置环形区域跟踪控制方法
CN110837254B (zh) 一种水翼艇纵向运动控制方法
Cutipa-Luque et al. Robust control of an underactuated auv
Le et al. Estimation of Ship Hydrodynamic Coefficients in Harbor Maneuvers and Its Applications
Lin et al. Adaptive-sliding-mode trajectory tracking control for underactuated surface vessels based on NDO

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
TA01 Transfer of patent application right

Effective date of registration: 20211028

Address after: 572024 area A129, 4th floor, building 4, Baitai Industrial Park, yazhouwan science and Technology City, Yazhou District, Sanya City, Hainan Province

Applicant after: Nanhai innovation and development base of Sanya Harbin Engineering University

Address before: 150001 Intellectual Property Office, Harbin Engineering University science and technology office, 145 Nantong Avenue, Nangang District, Harbin, Heilongjiang

Applicant before: HARBIN ENGINEERING University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant