CN110837254A - 一种水翼艇纵向运动控制方法 - Google Patents

Abstract

本发明公开了一种水翼艇纵向运动控制方法。首先,根据水翼艇纵向运动特性,为水翼艇建立状态方程。然后,设计鲁棒控制器,并利用鲁棒预估控制算法让预估时延值趋近真实时延值,预估水翼艇状态模型趋近真实水翼艇运动状态,所以,当预估水翼艇运动状态跟随给定参考状态时,水翼艇的真实状态在有传感网络通信时延的情况下还能跟随给定的参考状态,从而让水翼艇运动状态稳定。本发明采用了预估控制算法对通信时延的预估方法进行了研究，提高了系统的实时性，使系统能快速地控制水翼艇的姿态，提高了效率。并且本发明采用了鲁棒控制，考虑了海浪对水翼艇的干扰，使系统的稳定性得到了极大的提高，很大程度上方便了系统姿态的调整。

Description

一种水翼艇纵向运动控制方法

技术领域

本发明涉及一种水翼艇纵向运动控制方法，特别是一种采用鲁棒预估控制算法的水翼艇纵向运动控制方法，属于船舶控制领域。

背景技术

现代水翼船是人类突破阿基米德原理，解决海上交通运输信念的产物，是航空技术与航海技术的结晶。对于一般排水型船舶而言，当付汝德数大于0.35时，会引起行兴波阻力的急剧增加。这样，如果进一步提高船速将会引起动力装置功率的急剧增加，这必然导致船的体积增大，并且反过来又使得流体对船的阻力增大。因此，当排水型水面舰船的航速达到一定的数值时，进一步提高船速是困难的。克服这一困难的唯一途径是将艇体托出水面而降低阻力。作为典型的高性能船舶，全浸式水翼艇在高速巡航过程中，水翼上产生的升力能够将船体完全托出水面，而不是仅仅减小船体的浸深。这种独特的翼航航行模式克服了兴波阻力和摩擦阻力对船体的影响，较好地解决了航速提高与阻力增加的矛盾，大大减轻了船体所受的海浪冲击。与排水量相近的其他船型相比，全浸式水翼艇具有优良的适航性。但是在高速翼航状态下，水翼升力作用把艇体完全托出水面，使水翼艇自稳性缺失。因此研究全浸式水翼艇翼航高性能姿态稳定控制策略具有鲜明的现实意义。

随着我国海洋战略的不断推进，智能船舶与海上无人系统得到了空前的发展与广泛应用，海上运载系统的智能化控制已是海洋工程领域的大势所趋。作为高性能船舶的典型代表，无论作为航运平台还是无人运载平台，都需要大幅改善全浸式水翼艇的自动化水平与智能化水平，进行全浸式水翼艇的动力学姿态镇定控制正是为全浸式水翼艇的智能化运行奠定基础。

水翼艇控制系统经历了由机械控制到气动控制最终到电子控制的不同阶段。机械控制系统与气动控制系统在早期的一些水翼试验艇上取得了较为满意的控制效果，但若进一步应用到大型舰艇则显得过于笨重，且其反应速度也较慢。因此，水翼艇控制系统的进一步研究应向电液系统方向发展。随着科学技术的发展和电子器件可靠性方面的提高，使得研制水翼艇电子控制系统成为可能。

然而,通信时延将影响通信网络传输的速度和准确性,这将导致水翼艇的控制系统获得的纵摇、升沉等状态信息具有时延,进而影响水翼艇的控制优化调整。通信系统中的反馈部分的通信时延也会导致水翼艇控制器不能及时做出有效的控制,这将严重影响水翼艇运行的稳定性。现有研究一般只给出水翼艇运动的控制方式,并没有对通信时延的预估方法进行研究。

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种采用鲁棒预估控制算法对通信时延进行预估的水翼艇纵向运动控制方法。

为解决上述技术问题，本发明的一种水翼艇纵向运动控制方法，包括以下步骤：

步骤一：根据水翼艇的运动特性,建立水翼艇纵向运动状态方程；

步骤二：初始化时延估计初始值

水翼艇的状态估计值

参考状态x_r(t)、状态预估误差e_s和e、学习参数γ、ε₁、ε₂以及常数矩阵F；

步骤三：实时采集的有时延的水翼艇状态x(t-τ),采用带有学习参数的梯度下降法对通信时延τ进行预估得到时延预估根据水翼艇状态方程获取水翼艇的状态预估

并对水翼艇状态预估值加入预估时延

得到具有时延的状态预估

其中，通信时延τ的表达式为：

τ＝τ_v+τ_c+τ_n

其中,τ_v为随机通信时延,τ_c为控制器到被控对象水翼艇传感网络常数通信时延,τ_n为闭环系统将信号反馈回控制器传感网络的常数通信时延。

水翼艇的状态预估的表达式为：

其中,

为水翼艇的状态预估,e_s(t)为具有时延的状态预估误差,

为常数矩阵,且

x(t-τ)为有时延的水翼艇状态,

为具有时延的状态预估；

时延预估

的计算式为：

其中,

为具有时延的控制变量；

步骤四：获取给定的参考状态x_r(t)和水翼艇的真实状态x(t)之间误差绝对值|e(t)|以及采集的有时延的水翼艇状态x(t-τ)和预估的具有时延的水翼艇状态

之间误差的绝对值|e_s(t)|；

步骤五：构建鲁棒预估控制器,设计滑鲁棒制律；

步骤六：判断是否同时满足

和

其中,ε₁、ε₂为给定值,若否,则重复步骤二至步骤五,若是,则结束。

本发明还包括：

1.步骤一所述的构建运动状态方程为：

u(t)＝[α₁,α₂]^T

w(t)＝[F,M]^T

其中，A,B,C,D为水翼艇系统参数，x(t)为状态变量，u(t)为控制变量，w(t)为外界干扰，y(t)为输出变量，h为升沉量，θ为纵倾角，α₁,α₂为水翼倾角，F,M分别为干扰力和干扰力矩；初始化参数，参数包括：时延估计初始值

水翼艇的状态估计值

状态预估误差e和具有时延的状态估计误差e_s、学习参数γ以及常数矩阵F。

2.步骤五所述的构建鲁棒预估控制器具体为：

鲁棒预估控制器的表达式为：

z＝C₁x(t)+D₁₁w(t)+D₁₂u(t)

y＝C₂x(t)+D₂₁w(t)

其中x∈Rⁿ是状态，u∈R^r1是控制输入信号，w∈R^r2是外干扰输入信号，即辅助信号，y∈R^m1是测量输出信号，z∈R^m2是系统输出信号，即评价信号，A,B₁,B₂,C₁,C₂,D₁₁,D₁₂,D₂₁皆为常数阵；

在系统式中设

且x和w都可以观测,利用哈密顿-雅克比-伊萨克斯方程，得到下列函数:

其中，P满足如下黎卡提代数方程：

本发明的有益效果：

1.本发明采用了预估控制算法对通信时延的预估方法进行了研究，提高了系统的实时性，式系统能快速地控制水翼艇的姿态，提高了效率。

2.本发明采用了鲁棒控制，考虑了海浪对水翼艇的干扰，使系统的稳定性得到了极大的提高，很大程度上方便了系统姿态的调整。

附图说明

图1为鲁棒预估控制算法流程图。

图2为水翼艇中真实通信时延和预估通信时延对比图。

图3为水翼艇真实纵摇与采集的和预估的具有时延的水翼艇纵摇对比图。

图4为水翼艇真实升沉量与采集的具有时延的电压、预估的具有时延的升沉量对比。

具体实施方式

下面结合附图对本发明做进一步详细说明。

本发明提供了一种采用鲁棒预估控制算法的水翼艇纵向运动控制方法。首先,根据水翼艇纵向运动特性,为水翼艇建立状态方程。利用带有学习参数的梯度下降法对从控制器到被控对象、闭环系统将信号反馈回控制器的传感通信网络时延进行预估。由于水翼艇状态和时延相关,所以基于时延预估,通过等式变换得到没有时延的水翼艇真实状态预估。然后,设计鲁棒控制器,并利用鲁棒预估控制算法让预估时延值趋近真实时延值,预估水翼艇状态模型趋近真实水翼艇运动状态,所以,当预估水翼艇运动状态跟随给定参考状态时,水翼艇的真实状态在有传感网络通信时延的情况下还能跟随给定的参考状态,从而让水翼艇运动状态稳定。本发明采用了预估控制算法对通信时延的预估方法进行了研究，提高了系统的实时性，使系统能快速地控制水翼艇的姿态，提高了效率。并且本发明采用了鲁棒控制，考虑了海浪对水翼艇的干扰，使系统的稳定性得到了极大的提高，很大程度上方便了系统姿态的调整。

本发明中涉及到的基于通信网络的水翼艇控制系统包括：

微型燃气轮机发电子系统：将电压、电流检测传感器检测的微型燃气轮机发电的电压、电流信号传给控制器子系统,控制子系统根据水翼艇优化能量调度算法决定微电燃气轮机的启停和发电功率。

通信网络子系统：利用通信网络可以将水翼艇内的的纵向运动信息快速传给控制器子系统，将控制子系统的控制信号快速的传给襟翼进行控制。

控制器子系统：根据水翼艇纵向运动的预测模型对水翼艇的纵摇和升沉进行预测。利用通信网络子系统获取水翼艇的纵摇和升沉的信息,并将获取的信息作为预测控制算法的输入,然后根据基于通信网络的预测控制算法和一些约束条件,设计运行维护成本最小的水翼艇最优能量调度控制。

结合图1，本发明提供一种利用鲁棒预估控制算法解决传感网络中通信时延的影响通信时延的预估方法,该方法包括以下步骤：

(1)水翼艇控制系统中的通信时延

水翼艇的控制系统中,控制器和传感器间利用传感通信网络将水翼艇的状态信息传给控制器,将控制器的控制信号利用控制通信网络传给执行机构,让水翼艇的状态能够跟随系统所给的参考信号。

(2)水翼艇纵向运动的状态方程

如果把垂荡,垂荡的微分，纵摇，纵摇的微分选为水翼艇的状态x,控制信号选为u(t),海浪干扰选为w(t)，系统输出选为垂荡和纵摇。,则水翼艇纵向运动的数学模型如下

(3)具有通信时延的水翼艇状态设计

水翼艇系统中的时延τ＝τ_v+τ_c+τ_n，其中τ_c的大小取决于控制器的类型和处理速度,τ_n取决于通信网络的传输速率,这些将会在的实例仿真中具体介绍,τ_v是一个随机变化的通信时延,所以τ也会随机变化,时延的预估分将在下面进行推导。由于τ_v＝τ-τ_c-τ_n,则当确定通信时延τ的范围时,也可以确定随机时延τ_v的范围。

则具有时延的水翼艇态可以表示成：

a)水翼艇系统中的通信时延预估

水翼艇的状态方程已经在上述阐述,可以得到水翼艇状态方程的解如下式所示。

则水翼艇在t-τ时刻的状态为

水翼艇在

时刻的状态估计模型可以表示为

传感网络通信时延会导致采集的水翼艇状态延迟,所以基于具有时延的状态和梯度下降法对通信时延进行预估。e_s是具有时延的状态预估误差,x(t-τ)是传感网络采集的有时延的水翼艇状态,

是通过预测的有时延的状态预估值。为了能够尽快得到时延预估,带有学习参数的梯度下降法用于时延预估,具体如下所示。

式中,γ是学习参数,对于学习参数的选择方法有很多,本文的学习参数值将根据系统响应的知识进行选择。将进一步的推导,可以获得式

b)鲁棒控制器设计

考虑带外干扰的线性定常系统

z＝C₁x+D₁₁w+D₁₂u

y＝C₂x+D₂₁w

其中x∈Rⁿ是状态，u∈R^r1是控制输入信号，w∈R^r2是外干扰输入信号(辅助信号)，y∈R^m1是测量输出信号，z∈R^m2是系统输出信号(评价信号)，A,B₁,B₂,C₁,C₂,D₁₁,D₁₂,D₂₁皆为适当维数的常数阵。

为了简单起见，在系统式中设

且x和w都可以观测。利用哈密顿-雅克比-伊萨克斯方程(简称HJI方程)，对于微分对策问题式可得下列函数：

其中，P满足如下Riccati代数方程：

(4)鲁棒预估控制算法

鲁棒预估控制算法将鲁棒控制和水翼艇的状态预估、时延预估方法相结合,通过鲁棒控制的作用,让采集的具有时延的水翼艇状态x(t-τ)和具有时延的水翼艇的状态预估之间的差值e_s小于指定值,则时延预估准确

水翼艇状态预估模型准确

让参考状态和水翼艇的状态预估式之间的差值e小于指定值,则则水翼艇的真实状态可以趋近于给定的参考状态x_r(t)。

1.初始化时延估计初始值

水翼艇的状态估计值

预估误差e_s和e、学习参数γ以及常数矩阵F的值。

2.实时采集最新的具有时延的状态x(t-τ),计算微电网状态预估值然后对加入时延分得到

3.计算参考状态和水翼艇状态之间误差绝对值|e(t)|,计算采集的具有时延的水翼艇状态和预估的具有时延的水翼艇状态之间误差的绝对值|e_s(t)|。

4.对时延预估进行计算。

5.将x(t-τ)，

x_r(t)代入式中计算鲁棒控制律。

6.判断误差绝对值是否同时满足和

如果不是则重复步骤2到步骤6,如果是则结束。

实例：

本节通过对PCB水翼艇进行仿真实验来验证上文阐述的一种利用鲁棒预估控制算法解决传感网络中通信时延的影响通信时延的预估方法的性能和有效性。

仿真利用Matlab Simulink等工具。

通过查找资料可得水翼艇的状态矩阵A，B,C,D,如下所示

D＝[1,0,1,0]^T

首先将式中K的参数初始化代入仿真,设置状态估计值初始值为[0,0,0,0]^T,时延和预估误差估计初始值分别为

e＝0、e_s＝0。然后根据推导的时延预估

水翼艇模型等公式,搭建仿真模型,利用鲁棒预估控制算法设计控制程序,其中时延预估模型中的学习参数γ设置为0.5,一开始的预估时延和真实时延会存在的一定的偏差,但是在控制算法的下,水翼艇的通信时延预估

将会趋近于真实时延τ。

因为水翼艇的状态所以仿真结果图将会分别展示水翼艇的纵摇、升沉的预估值、真实值来验证鲁棒预估控制算法可以让水翼艇的预估状态趋近水翼艇的真实状态。

从图3可以看出在仿真70秒左右的时候,具有时延的水翼艇纵摇预估趋近传感通信网络采集的水翼艇纵摇,并且由于传感通信网络时延的影响,采集的纵摇和真实值存在一定的时间差,可以看出通信时延是一个变化的值,并且通信时延的值为1秒左右,与时延在70秒左右的时延值大小符合。从图4可以得出预估的具有时延的水翼艇升沉趋近传感通信网络采集的具有时延的升沉量。

从图3-4可以看出,水翼艇的真实纵摇预估值趋近于给定的参考纵摇值4°,水翼艇真实的升沉预估值趋近于给定的参考的升沉量2m。由于前面已经证明水翼艇状态预估值

趋近于水翼艇真实状态x(t),所以在鲁棒预估控制算法下可以让水翼艇你真实状态也趋近于给定的参考值。

本发明具体实施方式还包括：

本发明的一种采用鲁棒预估控制算法的水翼艇纵向运动控制方法，包括以下步骤：

1.根据水翼艇的运动特性,建立水翼艇纵向运动状态方程；

方程式为：

u(t)＝[α₁,α₂]^T

w(t)＝[F,M]^T

A,B,C,D为水翼艇系统参数，x(t)为状态变量，u(t)为控制变量，w(t)为外界干扰，y(t)为输出变量，h为升沉量，θ为纵倾角，α₁,α₂为水翼倾角，F,M分别为干扰力和干扰力矩。

2.根据上述水翼艇纵向运动状态方程,采用鲁棒预估控制算法使得时延预估

趋近真实时延τ,水翼艇状态预估趋近水翼艇真实状态,并且当水翼艇的状态预估

跟随系统设定的参考状态时,产生的控制信号控制水翼艇的真实状态趋近系统设定的参考状态。

步骤2中,鲁棒预估控制算法具体包括以下步骤：

1)初始化时延估计初始值

水翼艇的状态估计值

状态预估误差e_s和e、学习参数γ以及常数矩阵F；

2)实时采集的有时延的水翼艇状态x(t-τ),采用带有学习参数的梯度下降法对通信时延τ进行预估得到时延预估根据水翼艇状态方程获取水翼艇的状态预估并对水翼艇状态预估值加入预估时延

得到具有时延的状态预估

3)获取给定的参考状态x_r(t)和水翼艇的真实状态x(t)之间误差绝对值|e(t)|以及采集的有时延的水翼艇状态x(t-τ)和预估的具有时延的水翼艇状态

之间误差的绝对值|e_s(t)|；

4)构建鲁棒预估控制器,设计滑鲁棒制律；

5)判断是否同时满足

和

其中,ε₁、ε₂为指定值,若否,则重复步骤2)-5),若是,则结束。

步骤2)中,通信时延τ的表达式为：

τ＝τ_v+τ_c+τ_n

其中,τ_v为随机通信时延,τ_c为控制器到被控对象水翼艇传感网络常数通信时延,τ_n为闭环系统将信号反馈回控制器传感网络的常数通信时延。

步骤中2),水翼艇的状态预估的表达式为：

其中,

为水翼艇的状态预估,e_s(t)为具有时延的状态预估误差,

为常数矩阵,且

x(t-τ)为有时延的水翼艇状态,

为具有时延的状态预估；

步骤2)中,时延预估

的计算式为：

其中,

为具有时延的控制变量。

步骤4)中,鲁棒预估控制器的表达式为：

考虑带外干扰的线性定常系统

z＝C₁x+D₁₁w+D₁₂u

y＝C₂x+D₂₁w

其中x∈Rⁿ是状态，u∈R^r1是控制输入信号，w∈R^r2是外干扰输入信号(辅助信号)，y∈R^m1是测量输出信号，z∈R^m2是系统输出信号(评价信号)，A,B₁,B₂,C₁,C₂,D₁₁,D₁₂,D₂₁皆为适当维数的常数阵。

为了简单起见，在系统式中设

且x和w都可以观测。利用哈密顿-雅克比-伊萨克斯方程(简称HJI方程)，对于微分对策问题式可得下列函数

其中，P满足如下Riccati代数方程：

本发明考虑了水翼艇传感通信网络时延下,并设计了时延预估模型,利用鲁棒预估控制算法解决时延的影响。

Claims (3)

1.一种水翼艇纵向运动控制方法，其特征在于，包括以下步骤：

步骤一：根据水翼艇的运动特性,建立水翼艇纵向运动状态方程；

步骤二：初始化时延估计初始值

水翼艇的状态估计值参考状态x_r(t)、状态预估误差e_s和e、学习参数γ、ε₁、ε₂以及常数矩阵F；

步骤三：实时采集的有时延的水翼艇状态x(t-τ),采用带有学习参数的梯度下降法对通信时延τ进行预估得到时延预估

根据水翼艇状态方程获取水翼艇的状态预估

并对水翼艇状态预估值

加入预估时延

得到具有时延的状态预估

其中，通信时延τ的表达式为：

τ＝τ_v+τ_c+τ_n

其中,τ_v为随机通信时延,τ_c为控制器到被控对象水翼艇传感网络常数通信时延,τ_n为闭环系统将信号反馈回控制器传感网络的常数通信时延。

水翼艇的状态预估的表达式为：

其中,

为水翼艇的状态预估,e_s(t)为具有时延的状态预估误差,

为常数矩阵,且

x(t-τ)为有时延的水翼艇状态,

为具有时延的状态预估；

时延预估

的计算式为：

其中,

为具有时延的控制变量；

步骤四：获取给定的参考状态x_r(t)和水翼艇的真实状态x(t)之间误差绝对值|e(t)|以及采集的有时延的水翼艇状态x(t-τ)和预估的具有时延的水翼艇状态

之间误差的绝对值|e_s(t)|；

步骤五：构建鲁棒预估控制器,设计滑鲁棒制律；

步骤六：判断是否同时满足|e(t)|＜ε₁和|e_s(t)|＜ε₂，其中,ε₁、ε₂为给定值,若否,则重复步骤二至步骤五,若是,则结束。

2.根据权利要求1所述的一种水翼艇纵向运动控制方法，其特征在于：步骤一所述的构建运动状态方程为：

u(t)＝[α₁,α₂]^T

w(t)＝[F,M]^T

其中，A,B,C,D为水翼艇系统参数，x(t)为状态变量，u(t)为控制变量，w(t)为外界干扰，y(t)为输出变量，h为升沉量，θ为纵倾角，α₁,α₂为水翼倾角，F,M分别为干扰力和干扰力矩；初始化参数，参数包括：时延估计初始值

水翼艇的状态估计值

状态预估误差e和具有时延的状态估计误差e_s、学习参数γ以及常数矩阵F。

3.根据权利要求1所述的一种水翼艇纵向运动控制方法，其特征在于：步骤五所述的构建鲁棒预估控制器具体为：

鲁棒预估控制器的表达式为：

z＝C₁x(t)+D₁₁w(t)+D₁₂u(t)

y＝C₂x(t)+D₂₁w(t)

其中x∈Rⁿ是状态，u∈R^r1是控制输入信号，w∈R^r2是外干扰输入信号，即辅助信号，y∈R^m1是测量输出信号，z∈R^m2是系统输出信号，即评价信号，A,B₁,B₂,C₁,C₂,D₁₁,D₁₂,D₂₁皆为常数阵；

在系统式中设D₁₁＝0,

且x和w都可以观测,利用哈密顿-雅克比-伊萨克斯方程，得到下列函数:

其中，P满足如下黎卡提代数方程：

Images