CN110333661A - 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 - Google Patents
一种考虑量化和状态时滞的umv自适应滑模容错控制方法 Download PDFInfo
- Publication number
- CN110333661A CN110333661A CN201910723107.1A CN201910723107A CN110333661A CN 110333661 A CN110333661 A CN 110333661A CN 201910723107 A CN201910723107 A CN 201910723107A CN 110333661 A CN110333661 A CN 110333661A
- Authority
- CN
- China
- Prior art keywords
- umv
- fault
- sliding mode
- quantization
- model
- 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.)
- Granted
Links
- 238000013139 quantization Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 26
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 230000007246 mechanism Effects 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims abstract description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 230000006854 communication Effects 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000011002 quantification Methods 0.000 abstract description 2
- 238000009415 formwork Methods 0.000 abstract 1
- 230000004044 response Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种考虑量化和状态时滞的UMV自适应滑模容错控制方法,包括:构建推进器故障模型;构建量化机制模型;构建含海洋扰动和推进器故障的状态时滞UMV模型;针对构建的状态时滞UMV模型,基于矩阵的满秩分解方法和矩阵不等式技术,设计滑模面,保证UMV系统在滑模面上存在滑动模态;基于滑模面,引入自适应算法在线估计故障信息,结合量化参数的动态调节策略,设计滑模容错控制器,并基于Lyapunov方法分析系统的稳定性,保证UMV系统的容错能力和鲁棒性。本发明的技术方案解决了UMV运行过程中存在的未知的风浪流扰动,可能发生的各种推进器故障,通信网络中存在状态时滞和量化现象等问题。
Description
技术领域
本发明涉及无人船容错控制技术领域,具体而言,尤其涉及一种考虑量 化和状态时滞的UMV自适应滑模容错控制方法。
背景技术
UMV通常被定义为unmanned underwater vehicle(UUV)和unmanned surfacevessel(USV)的合称,广泛应用于军事侦察、紧急救援、浅水调查和环 境监测等领域。随着网络技术的发展和任务场景的挑战,在UMV运动控制 中考虑通信网络中的量化和状态时滞、推进器故障和外部环境扰动等问题具 有特别实际的意义。
2014年哈尔滨工程大学的黄海等人利用具有推力最优分配的容错控制方 法,解决了推进器失效和中断故障问题。2016年哈尔滨工程大学的严浙平等 人在滑模控制的基础上,利用反步自适应策略给出了一种处理无人船运行中 波扰动的技术。2016年哈尔滨工程大学的张勋等人研究了网络通信中的时滞 和外部扰动对无人船舶系统的影响,提出了一种模糊状态反馈控制方法。2018 年大连海事大学的阎妍等人针对无人船舶系统中存在的海洋扰动和量化现 象,设计了一个鲁棒滑模控制器。2018年江苏科技大学的王玉龙等人提出了 一个基于网络的T-S模糊动力定位模型,并考虑了网络通信中存在的网络诱 导时延和丢包等问题,为UMV设计了一个网络输出反馈控制器。2019年大 连海事大学的郝立颖等人为了有效处理UMV控制系统中存在的推进器故障 和量化误差,提出了一种量化滑模容错控制算法。
在实际UMV运行过程中,海洋环境复杂多变,网络通信受限,推进器 是最重要且易发生故障的器件之一,现有的技术考虑问题单一,在控制UMV 运动时很难达到理想的效果,使UMV处于稳定的状态。
发明内容
为了解决推进器故障、海洋扰动、量化误差和状态时滞等问题,本发明 提出了一种考虑量化和状态时滞的UMV自适应滑模容错控制方法。
本发明采用的技术手段如下:
一种考虑量化和状态时滞的UMV自适应滑模容错控制方法,包括如下 步骤:
S1、构建推进器故障模型,包括推进器失效、中断、时变卡死故障模型;
S2、构建量化机制模型,包括静态量化器模型和动态量化器模型;
S3、构建含海洋扰动和推进器故障的状态时滞UMV模型,其中海洋扰 动包括风、浪、流外部干扰;
S4、针对步骤S3中构建的状态时滞UMV模型,基于矩阵的满秩分解方 法和矩阵不等式技术,设计滑模面,保证UMV系统在滑模面上存在滑动模 态;
S5、基于步骤S4设计的滑模面,引入自适应算法在线估计故障信息,结 合量化参数的动态调节策略,设计滑模容错控制器,并基于Lyapunov方法分 析系统的稳定性,从而保证UMV系统的容错能力和鲁棒性。
进一步地,所述推进器故障模型具体为:
φF(t)=αφ(t)+βφs(t)
其中,α是对角线半正定加权矩阵,代表每个推进器的有效性,满足关 系式对于i=1,…,m和 j=1,…,n存在关系式m表示推进器的个数;n表示总的 故障模式;β表示一个单位对角矩阵或是一个零矩阵;非参数卡死故障为分 段连续有界方程,即
进一步地,所述量化机制模型具体为:
其中,Hρ(·)表示带有量化参数ρ的均匀量化器;y表示被量化的参数; ρ表示量化灵敏度;round(·)表示最近取整函数。如果ρ是一个定常数,则 Hρ(·)表示静态量化器;如果ρ是一个时变常数,则Hρ(·)表示动态量化器。
进一步地,所述状态时滞UMV模型具体为:
其中,T、Td、L、V和C分别表示已知维数的矩阵;d表示时滞常数;t0表示初始时间;e0表示初始状态。
进一步地,所述滑模面具体为:
其中,S表示待设计的参数;满足矩阵的满秩分解关系式L=LvN。
进一步地,所述自适应滑模容错控制器具体为:
其中,
控制器的不连续部分设计中的故障信息是未知的,采用自适应技术在线 估计未知参数:
进一步地,所述步骤S5之后还包括:
S6、对采用考虑量化和状态时滞的UMV自适应滑模容错控制方案的推 进器故障模型、量化机制模型、含海洋扰动和推进器故障的状态时滞UMV 模型、滑模面以及滑模容错控制器进行仿真研究,验证有效性。
较现有技术相比,本发明具有以下优点:
1、本发明提供的一种考虑量化和状态时滞的UMV自适应滑模容错控制 方法,考虑了推进器可能发生的各种故障(推进器卡死、失效和中断),和现 有控制器相比,更加具有实际意义。
2、大部分已有技术采用的主动容错方法假定可以通过故障检测与诊断模 块来检测、诊断和识别推进器故障。然而,在多变的海洋环境中,很难区分 环境扰动和推进器故障带来的影响,可能会出现延迟或漏报的情况。本发明 采用的是不依赖于故障检测和诊断的主动容错策略,克服了上述缺点。
3、本发明提供的考虑量化和状态时滞的UMV自适应滑模容错控制方法, 建立了一个考虑推进器故障和海洋扰动的UMV容错控制模型,基于容错控 制技术,克服传统滑模控制不能解决量化误差问题的弊端,将滑模控制方法 与量化参数动态调节策略相结合,有效地解决了网络通信带来的量化误差问 题,进一步提高了UMV的控制精度。
4、在UMV运行过程中,会遭受未知的风浪流扰动,推进器可能发生各 种故障,与陆地控制台进行通信的网络中存在状态时滞和量化现象,本发明 设计的滑模容错控制器,不仅保证了UMV在推进器发生各种故障时仍处于 稳定状态,具有较强的容错能力;而且当遇到量化误差、状态时滞以及海洋 扰动时,具有良好的鲁棒性。
基于上述理由本发明可在无人船容错控制等领域广泛推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实 施例或现有技术描述中所需要使用的附图做以简单地介绍,显而易见地,下 面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在 不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法的流程示意图。
图2为本发明实施例提供的UMV时滞系统状态响应曲线图。
图3为本发明实施例提供的UMV时滞系统滑模面响应曲线图。
图4为本发明实施例提供的推进器响应曲线图。
图5为本发明实施例提供的量化参数动态调节响应曲线图。
图6为本发明实施例提供的的估计值响应曲线图。
图7为本发明实施例提供的β的估计值响应曲线图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实 施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然, 所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于 本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获 得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第 一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后 次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本 发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外, 术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含, 例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于 清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1示,本发明提供了一种考虑量化和状态时滞的UMV自适应滑模 容错控制方法,针对UMV系统中存在的状态时滞、量化现象、推进器故障 和海洋扰动的自适应滑模容错控制,总结推进器可能出现的各种故障,提出 更统一且一般的推进器故障模型;结合滑模技术、容错控制和自适应机制, 引入量化参数的动态调节策略,设计自适应滑模容错控制器,消除了通信过 程中的量化及时滞的影响,使得UMV在遭受推进器故障和未知海洋扰动时, 仍能够正常运行。具体包括如下步骤:
S1、构建更一般且统一的推进器故障模型;包括推进器失效、中断、时 变卡死故障模型;所述的推进器故障模型具体为:
φF(t)=αφ(t)+βφs(t)
其中,α是对角线半正定加权矩阵,代表每个推进器的有效性,满足关 系式对于i=1,…,m和 j=1,…,n存在关系式m表示推进器的个数;n表示总的 故障模式;β表示一个单位对角矩阵或是一个零矩阵;α与β的关系是:当 0<α≤1时,β=0;当α=0时,β=0或β=1;非参数卡死故障为分段连续 有界方程,即
S2、构建量化机制模型,包括静态量化器模型和动态量化器模型;所述 的量化机制模型具体为:
其中,Hρ(·)表示带有量化参数ρ的均匀量化器;y表示被量化的参数; ρ表示量化灵敏度;round(·)表示最近取整函数。如果ρ是一个定常数,则 Hρ(·)表示静态量化器;如果ρ是一个时变常数,则Hρ(·)表示动态量化器。 定义量化误差为eρ=Hρ(y)-y,则可以得到:
|eρ2|=|Hρ2(e)-e|≤Δ2ρ2 (2)
其中,是静态量化器,Hρ2(e)是动态量化器。
S3、构建含海洋扰动和推进器故障的状态时滞UMV模型,其中海洋扰 动包括风、浪、流外部干扰;具体为:
S31、定义速度向量v(t)=[ζ(t) υ(t) r(t)]T,其中ζ(t)、υ(t)和r(t)分别 表示在固体坐标系中船舶的前进速度、横漂速度和艏摇角速度; η(t)=[x(t) y(t) ψ(t)]表示大地坐标系下的位置(x(t) y(t))和偏航角 ψ(t)。当偏航角足够小时,建立UMV的数学模型为:
S32、定义状态误差建立具有外部海洋扰动 的UMV系统模型:
其中, 代表海洋扰动,包括风、浪、流;rref=0.2。
S33、UMV通常被陆地控制台进行控制,UMV和陆地控制台之间通过 网络进行连接。由于恶劣的海洋环境,网络带宽有限等原因,不可避免地会 发生状态时滞现象。构建含海洋扰动和推进器故障的状态时滞UMV模型, 所述的状态时滞UMV模型具体为:
其中,Td表示已知维数的矩阵;d表示时滞常数;t0表示初始时 间;e0表示初始状态;C=[0 0 0 0 0 1]。
S4、针对步骤S3中构建的状态时滞UMV模型,基于矩阵的满 秩分解方法和矩阵不等式技术,设计滑模面,保证UMV系统在滑模 面上存在滑动模态;具体的:
S41、基于矩阵的满秩分解策略,输入矩阵L被分解为:
L=LvN (6)
其中,Lv∈R6×3和N∈R3×6。
S42、基于具有推进器故障和未知海洋扰动的UMV时滞模型(5),设 计滑模面函数,所述的滑模面具体为:
其中,S是待设计的参数;满足矩阵的满秩分解关系式L=LvN。
S43、定义
得到和
S44、通过考虑量化误差由等效控制原理,得到 等效控制率为:
令并将等效控制率代替代入UMV时滞系统,可得:
其中,
S45、根据H∞控制理论、投影引理和Schur补引理可得:对于任意的 γ0>0,如果存在一个正定矩阵Γ和一个矩阵X,满足如下矩阵不等式,那么 位于滑模面上的降阶系统(10)是渐近稳定的,且H∞指数不大于γ0。
S5、基于步骤S4设计的滑模面,引入自适应算法在线估计故障信息, 结合量化参数的动态调节策略,设计滑模容错控制器,并基于Lyapunov 方法分析系统的稳定性,从而保证UMV系统的容错能力和鲁棒性。
所述的滑模容错控制器具体为:
其中,
保证UMV时滞模型(5)能够到达并保持在滑模面(7)上;可 以在UMV系统发生推进器故障、状态时滞、量化误差和未知海洋扰动的 情况下使系统不脱离滑模面;λ1和λ2分别是NNT的最小和最大 特征值;和分别是φsi(t)和βi(t)的估计值;μ满足关系式 NαNT≥μNNT;κ满足量化参数动态调节策略;ε是任意的正标量。
S51、为了在线估计故障信息,采用自适应方法,其自适应律为:
其中,i∈(1,m);κ∈(1,q);γ1i和γ2i代表自适应增益;定义和的初 始值分别为和
选择则有βi=0和由此可得:
S52、构造Lyapunov函数,其函数表达式如下:
S53、量化参数的动态调节策略分为如下两步:
第一步:状态时滞UMV模型(5)的状态在所设计的滑模容错控制器 (12-14)的作用下进入到一个带状区域:
通过一系列求导与计算,可以得出:
其中,
对上式运用Barbalat’s引理,在不等式的限制作用下,可得,UMV时滞系统的状态轨迹将会在某一时刻进入到带状区 域:
第二步:位于带状区域的UMV时滞系统的状态会在量化参数ρ2的动态 调节下,进入到一个球域最终渐近趋于原点。
量化参数ρ2的动态调节律为:
如果存在一个正标量ρ2>0满足则以下 不等式成立:
S6、对采用考虑量化和状态时滞的UMV自适应滑模容错控制方案的推 进器故障模型、量化机制模型、含海洋扰动和推进器故障的状态时滞UMV 模型、滑模面以及滑模容错控制器进行仿真研究,验证有效性。具体的,以 仿真实验案例来说明设计的自适应滑模容错控制方案的有效性。
以一条长200.6米,质量73097.15千克的典型浮生船为例,进行仿真验证 分析。其中各个参数如下所示:
海洋扰动为:
其中,Kξ1s=0.2; Kξ2s=0.6;ε1=0.5;ε2=1.6;σ1=0.7;σ2=1;Ψ1(t)和Ψ2(t)分别表示噪声 值为2和1.8的白噪声;I1=[0 0 0 1 0 0];I2=[0 0 0 0 1 0]; I3=[0 0 0 0 0 1]。
推进器故障发生在15秒之后,且推进器故障的设置情况为:左舷主推进 器发生失效50%的故障;船尾槽道推进器发生时变卡死故障,故障值为 φs(t)=5sin(2t);船尾全回转推进器发生中断故障;其余推进器均处于正常状 态。并且取状态时滞常数d=1s。
图2给出了UMV时滞系统的状态响应曲线,包括位置状态误差(ex,ey), 偏航角状态误差eψ,前进速度状态误差eζ,横摇速度状态误差eυ,纵摇速度 状态误差er。从图中可以看出,虽然曲线在15秒推进器发生故障之后有所起 伏,但是之后逐渐趋于原点附近,并保持这个稳定的状态。
图3是UMV时滞系统滑模面响应曲线图,从图中可以看出,滑模面曲 线χ1(t),χ2(t)和χ3(t)在15秒之后的一小段时间内出现了波动,但很快就收 敛到0附近。
图4表示推进器响应曲线图,从图中可以看出,当故障发生时,UMV时 滞系统的6个推进器出现了短时间的震荡,逐渐处于稳定的状态。
图5显示量化参数动态调节响应曲线图,即使在15秒之后发生了推进器 故障,量化参数也能在动态调节的作用下趋于0,达到稳定。
图6和图7分别是和β的估计值响应曲线图,从图6和图7可以看出, 和β的估计值最终达到一个确定的值。
综上所述,图2-7很好地说明了本发明针对UMV时滞系统在发生各种推 进器故障和存在量化误差的情况下,设计的自适应滑模容错控制器的有效性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对 其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通 技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改, 或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并 不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (7)
1.一种考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,包括如下步骤:
S1、构建推进器故障模型,包括推进器失效、中断、时变卡死故障模型;
S2、构建量化机制模型,包括静态量化器模型和动态量化器模型;
S3、构建含海洋扰动和推进器故障的状态时滞UMV模型,其中海洋扰动包括风、浪、流外部干扰;
S4、针对步骤S3中构建的状态时滞UMV模型,基于矩阵的满秩分解方法和矩阵不等式技术,设计滑模面,保证UMV系统在滑模面上存在滑动模态;
S5、基于步骤S4设计的滑模面,引入自适应算法在线估计故障信息,结合量化参数的动态调节策略,设计滑模容错控制器,并基于Lyapunov方法分析系统的稳定性,从而保证UMV系统的容错能力和鲁棒性。
2.根据权利要求1所述的考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,所述推进器故障模型具体为:
φF(t)=αφ(t)+βφs(t)
其中,α是对角线半正定加权矩阵,代表每个推进器的有效性,满足关系式对于i=1,…,m和j=1,…,n存在关系式m表示推进器的个数;n表示总的故障模式;β表示一个单位对角矩阵或是一个零矩阵;非参数卡死故障为分段连续有界方程,即
3.根据权利要求1所述的考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,所述量化机制模型具体为:
其中,Hρ(·)表示带有量化参数ρ的均匀量化器;y表示被量化的参数;ρ表示量化灵敏度;round(·)表示最近取整函数;如果ρ是一个定常数,则Hρ(·)表示静态量化器;如果ρ是一个时变常数,则Hρ(·)表示动态量化器。
4.根据权利要求1所述的考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,所述状态时滞UMV模型具体为:
其中,T、Td、L、V和C分别表示已知维数的矩阵;d表示时滞常数;t0表示初始时间;e0表示初始状态。
5.根据权利要求1所述的考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,所述滑模面具体为:
其中,S表示待设计的参数;满足矩阵的满秩分解关系式L=LvN。
6.根据权利要求1所述的考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,所述自适应滑模容错控制器具体为:
其中,
控制器的不连续部分设计中的故障信息是未知的,采用自适应技术在线估计未知参数:
7.根据权利要求1-5任一项所述的考虑量化和状态时滞的UMV自适应滑模容错控制方法,其特征在于,所述步骤S5之后还包括:
S6、对采用考虑量化和状态时滞的UMV自适应滑模容错控制方案的推进器故障模型、量化机制模型、含海洋扰动和推进器故障的状态时滞UMV模型、滑模面以及滑模容错控制器进行仿真验证研究,验证有效性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910723107.1A CN110333661B (zh) | 2019-08-06 | 2019-08-06 | 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910723107.1A CN110333661B (zh) | 2019-08-06 | 2019-08-06 | 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110333661A true CN110333661A (zh) | 2019-10-15 |
CN110333661B CN110333661B (zh) | 2022-04-01 |
Family
ID=68146899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910723107.1A Active CN110333661B (zh) | 2019-08-06 | 2019-08-06 | 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110333661B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687798A (zh) * | 2019-11-11 | 2020-01-14 | 大连海事大学 | 一种基于滑模量化输出反馈的自适应容错控制方法 |
CN110879535A (zh) * | 2019-12-26 | 2020-03-13 | 大连海事大学 | 一种t-s模糊umv的滑模容错控制方法 |
CN110989362A (zh) * | 2019-12-26 | 2020-04-10 | 大连海事大学 | 一种带有信号量化和状态时变时延的umv的t-s模糊滑模容错控制方法 |
CN111399384A (zh) * | 2020-04-27 | 2020-07-10 | 哈尔滨工程大学 | 一种基于动态量化器的远程遥控无人艇航向容错控制方法 |
CN111736600A (zh) * | 2020-06-10 | 2020-10-02 | 哈尔滨工程大学 | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 |
CN112506192A (zh) * | 2020-11-25 | 2021-03-16 | 哈尔滨工程大学 | 一种针对全回转推进器故障的动力定位船容错控制方法 |
CN113704678A (zh) * | 2021-08-03 | 2021-11-26 | 哈尔滨工程大学 | 一种基于满秩分解的遗忘因子最小二乘模型参数辨识方法 |
CN114253133A (zh) * | 2021-12-07 | 2022-03-29 | 北京科技大学 | 基于动态事件触发机制的滑模容错控制方法及装置 |
CN114755918A (zh) * | 2022-03-18 | 2022-07-15 | 大连海事大学 | 一种推进器部分失效下的无人船控制失效率和扰动估计方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678762A (zh) * | 2013-11-29 | 2015-06-03 | 哈尔滨恒誉名翔科技有限公司 | 一种基于推进器故障的uuv容错控制系统 |
CN105974796A (zh) * | 2016-06-16 | 2016-09-28 | 航天恒星科技有限公司 | 一种多驱动网络设备的故障诊断与容错控制方法 |
CN106597851A (zh) * | 2016-12-15 | 2017-04-26 | 南京航空航天大学 | 一种小型无人机飞控系统的鲁棒容错控制方法 |
CN106647584A (zh) * | 2017-01-17 | 2017-05-10 | 南京航空航天大学 | 一种基于最优滑模的四旋翼飞行器的容错控制方法 |
CN106774273A (zh) * | 2017-01-04 | 2017-05-31 | 南京航空航天大学 | 针对变时滞控制系统执行器故障的滑模预测容错控制方法 |
CN108153322A (zh) * | 2017-12-06 | 2018-06-12 | 北京航空航天大学 | 一种考虑时变的转动惯量的航天器姿态跟踪自适应容错控制方法 |
CN108445760A (zh) * | 2018-03-14 | 2018-08-24 | 中南大学 | 基于自适应故障估计观测器的四旋翼无人机容错控制方法 |
CN109212974A (zh) * | 2018-11-12 | 2019-01-15 | 辽宁石油化工大学 | 区间时变时滞系统的鲁棒模糊预测容错控制方法 |
CN109240317A (zh) * | 2018-11-21 | 2019-01-18 | 哈尔滨工程大学 | 考虑螺旋桨故障的海底地震检波飞行节点有限时间构型包含控制方法 |
CN109283941A (zh) * | 2018-11-15 | 2019-01-29 | 哈尔滨工程大学 | 基于扰动观测器的预设性能海底飞行节点轨迹跟踪控制方法 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
-
2019
- 2019-08-06 CN CN201910723107.1A patent/CN110333661B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678762A (zh) * | 2013-11-29 | 2015-06-03 | 哈尔滨恒誉名翔科技有限公司 | 一种基于推进器故障的uuv容错控制系统 |
CN105974796A (zh) * | 2016-06-16 | 2016-09-28 | 航天恒星科技有限公司 | 一种多驱动网络设备的故障诊断与容错控制方法 |
CN106597851A (zh) * | 2016-12-15 | 2017-04-26 | 南京航空航天大学 | 一种小型无人机飞控系统的鲁棒容错控制方法 |
CN106774273A (zh) * | 2017-01-04 | 2017-05-31 | 南京航空航天大学 | 针对变时滞控制系统执行器故障的滑模预测容错控制方法 |
CN106647584A (zh) * | 2017-01-17 | 2017-05-10 | 南京航空航天大学 | 一种基于最优滑模的四旋翼飞行器的容错控制方法 |
CN108153322A (zh) * | 2017-12-06 | 2018-06-12 | 北京航空航天大学 | 一种考虑时变的转动惯量的航天器姿态跟踪自适应容错控制方法 |
CN108445760A (zh) * | 2018-03-14 | 2018-08-24 | 中南大学 | 基于自适应故障估计观测器的四旋翼无人机容错控制方法 |
CN109298632A (zh) * | 2018-09-01 | 2019-02-01 | 哈尔滨工程大学 | 基于滑模算法与推力二次调整的自主式水下机器人推进器容错控制方法 |
CN109212974A (zh) * | 2018-11-12 | 2019-01-15 | 辽宁石油化工大学 | 区间时变时滞系统的鲁棒模糊预测容错控制方法 |
CN109283941A (zh) * | 2018-11-15 | 2019-01-29 | 哈尔滨工程大学 | 基于扰动观测器的预设性能海底飞行节点轨迹跟踪控制方法 |
CN109240317A (zh) * | 2018-11-21 | 2019-01-18 | 哈尔滨工程大学 | 考虑螺旋桨故障的海底地震检波飞行节点有限时间构型包含控制方法 |
Non-Patent Citations (2)
Title |
---|
LIYING HAO: "Integral sliding mode fault-tolerant control against actuator nonsymmetric deadzone and unmatched disturbances", 《THE 26TH CHINESE CONTROL AND DECISION CONFERENCE (2014 CCDC)》 * |
郝立颖: "不确定线性系统的滑模容错控制", 《中国科技论文》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110687798B (zh) * | 2019-11-11 | 2022-05-24 | 大连海事大学 | 一种基于滑模量化输出反馈的自适应容错控制方法 |
CN110687798A (zh) * | 2019-11-11 | 2020-01-14 | 大连海事大学 | 一种基于滑模量化输出反馈的自适应容错控制方法 |
CN110879535A (zh) * | 2019-12-26 | 2020-03-13 | 大连海事大学 | 一种t-s模糊umv的滑模容错控制方法 |
CN110989362A (zh) * | 2019-12-26 | 2020-04-10 | 大连海事大学 | 一种带有信号量化和状态时变时延的umv的t-s模糊滑模容错控制方法 |
CN110989362B (zh) * | 2019-12-26 | 2022-09-27 | 大连海事大学 | 一种带有信号量化和状态时变时延的umv的t-s模糊滑模容错控制方法 |
CN111399384A (zh) * | 2020-04-27 | 2020-07-10 | 哈尔滨工程大学 | 一种基于动态量化器的远程遥控无人艇航向容错控制方法 |
CN111399384B (zh) * | 2020-04-27 | 2022-09-27 | 哈尔滨工程大学 | 一种基于动态量化器的远程遥控无人艇航向容错控制方法 |
CN111736600A (zh) * | 2020-06-10 | 2020-10-02 | 哈尔滨工程大学 | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 |
CN111736600B (zh) * | 2020-06-10 | 2022-04-15 | 哈尔滨工程大学 | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 |
CN112506192A (zh) * | 2020-11-25 | 2021-03-16 | 哈尔滨工程大学 | 一种针对全回转推进器故障的动力定位船容错控制方法 |
CN113704678A (zh) * | 2021-08-03 | 2021-11-26 | 哈尔滨工程大学 | 一种基于满秩分解的遗忘因子最小二乘模型参数辨识方法 |
CN113704678B (zh) * | 2021-08-03 | 2024-04-12 | 哈尔滨工程大学 | 一种基于满秩分解的遗忘因子最小二乘模型参数辨识方法 |
CN114253133A (zh) * | 2021-12-07 | 2022-03-29 | 北京科技大学 | 基于动态事件触发机制的滑模容错控制方法及装置 |
CN114253133B (zh) * | 2021-12-07 | 2023-09-01 | 北京科技大学 | 基于动态事件触发机制的滑模容错控制方法及装置 |
CN114755918A (zh) * | 2022-03-18 | 2022-07-15 | 大连海事大学 | 一种推进器部分失效下的无人船控制失效率和扰动估计方法及系统 |
CN114755918B (zh) * | 2022-03-18 | 2024-07-23 | 大连海事大学 | 一种推进器部分失效下的无人船控制失效率和扰动估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110333661B (zh) | 2022-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110333661B (zh) | 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 | |
Liu et al. | Event-triggered extended state observers design for dynamic positioning vessels subject to unknown sea loads | |
Wang | Active fault tolerant control for unmanned underwater vehicle with actuator fault and guaranteed transient performance | |
CN110361975B (zh) | 一种基于滑模技术的umv状态时滞系统的自适应容错控制方法 | |
Lin et al. | Thruster fault-tolerant control for dynamic positioning of vessels | |
CN111273549B (zh) | 一种智能船舶自动舵系统的模糊自适应输出反馈容错控制方法及系统 | |
Takami et al. | Real-time deterministic prediction of wave-induced ship responses based on short-time measurements | |
Yue et al. | Data-driven adaptive extended state observer design for autonomous surface vehicles with unknown input gains based on concurrent learning | |
Fossen et al. | Exogenous kalman filter (xkf) for visualization and motion prediction of ships using live automatic identification systems (ais) data | |
Wang et al. | A sequential random forest for short-term vessel speed prediction | |
Yue et al. | Online adaptive parameter identification of an unmanned surface vehicle without persistency of excitation | |
Zhou et al. | A fault detection scheme for ship propulsion systems using randomized algorithm techniques | |
Zheng et al. | Fixed‐time extended state observer‐based trajectory tracking control for autonomous underwater vehicles | |
Liu et al. | Review on fault-tolerant control of unmanned underwater vehicles | |
Lee et al. | Prediction of wave-induced ship motions based on integrated neural network system and spatiotemporal wave-field data | |
Sawada et al. | Automatic berthing control under wind disturbances and its implementation in an embedded system | |
Skulstad et al. | A co-operative hybrid model for ship motion prediction | |
CN110687798B (zh) | 一种基于滑模量化输出反馈的自适应容错控制方法 | |
Xu et al. | Robust adaptive path following control of autonomous underwater vehicle with uncertainties and communication bandwidth limitation | |
CN111273671B (zh) | 一种智能船舶的非周期通讯远程观测器 | |
CN116088309B (zh) | 一种基于故障辨识的水面船复合学习容错控制方法 | |
Luo et al. | Observer-based fixed-time dynamic surface tracking control for autonomous surface vehicles under actuator constraints and denial-of-service attacks | |
CN110515298A (zh) | 基于最优化自适应的海上异构多智能体速度协同控制方法 | |
CN111399384B (zh) | 一种基于动态量化器的远程遥控无人艇航向容错控制方法 | |
Shen et al. | Dynamic surface event-triggered control for unmanned sailboat path following based on adaptive tanh line-of-sight |
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 |