CN110879535A - 一种t-s模糊umv的滑模容错控制方法 - Google Patents

一种t-s模糊umv的滑模容错控制方法 Download PDF

Info

Publication number
CN110879535A
CN110879535A CN201911368384.1A CN201911368384A CN110879535A CN 110879535 A CN110879535 A CN 110879535A CN 201911368384 A CN201911368384 A CN 201911368384A CN 110879535 A CN110879535 A CN 110879535A
Authority
CN
China
Prior art keywords
umv
fuzzy
fault
matrix
propeller
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
Application number
CN201911368384.1A
Other languages
English (en)
Other versions
CN110879535B (zh
Inventor
郝立颖
张赫
李铁山
李辉
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.)
Dalian Maritime University
Original Assignee
Dalian Maritime 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 Dalian Maritime University filed Critical Dalian Maritime University
Priority to CN201911368384.1A priority Critical patent/CN110879535B/zh
Publication of CN110879535A publication Critical patent/CN110879535A/zh
Application granted granted Critical
Publication of CN110879535B publication Critical patent/CN110879535B/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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供一种T‑S模糊UMV的滑模容错控制方法，包括：S1、基于T‑S模糊模型方法，建立T‑S模糊UMV时变时延系统模型；S2、基于上述的T‑S模糊UMV时变时延系统模型，设计滑模面；S3、基于步骤S2设计的滑模面，设计自适应切换滑模容错控制器。本发明的技术方案可以在推进器发生故障以及UMV存在状态时变时延的情况下，实现UMV的动力定位，且不需要故障检测与诊断模块，避免了可能出现的推进器故障信息延迟或漏报现象。解决了现有技术中针对推进器故障和UMV存在状态时变时延的情况考虑单一的问题。

Description

一种T-S模糊UMV的滑模容错控制方法
技术领域
本发明涉及无人运载器容错控制技术领域，具体而言，尤其涉及一种T-S模糊UMV的滑模容错控制方法。
背景技术
随着海洋开发的不断发展，在复杂的海洋环境下，对UMV进行更加精确的动力定位控制，具有非常重要的意义。控制技术是动力定位的核心，其中滑模容错控制具有鲁棒性能好的特点，对于提高动力定位性能有着非比寻常的价值。相关的现有技术公开如下：
文献《Network-Based T–S Fuzzy Dynamic Positioning Controller Designfor Unmanned Marine Vehicles》提出了网络环境下UMV的T-S模糊动力定位控制器设计方法。基于T-S模糊模型，建立了T-S模糊UMV模型；并考虑到T-S模糊动力定位系统的标准化隶属度函数与控制器的标准化隶属度函数之间的异步差异，给出了系统的稳定性与镇定准则。文献《带有推进器故障的船舶动力定位系统的鲁棒滑模容错控制》结合滑模技术与容错控制方法，研究了带有推进器故障的船舶动力定位系统的控制问题，保证了在有推进器故障发生和海洋扰动存在的情况下信号的一致有界性。文献《Network-Based FaultDetection Filter and Controller Coordinated Design for Unmanned SurfaceVehicles in Network Environments》研究了在执行器故障、采样器到控制站和控制站到执行器通信网络信道中网络诱导时延和丢包情况下，水面无人艇的基于观测器的故障检测滤波器和控制器协调设计问题。文献《Fault tolerant control of UMV based onsliding mode output feedback》针对发生各种推进器故障的UMV，采用H∞技术、滑模控制、容错方法与输出反馈相结合的策略，提出了一种鲁棒滑模容错输出反馈控制方案，从而减小了偏航角速度误差与偏航角振荡幅值。
然而，在实际的海洋环境中，UMV通过网络与远程陆地控制台相连接。由于海洋严重的通讯限制，不可避免地会发生状态时变时延现象。另外，推进器也可能会发生各种故障，比如部分失效、中断和时变卡死。现有的技术和方法，考虑问题单一，不能在UMV存在状态时变时延和推进器故障的情况下，实现控制目标。另外，如果采用故障检测与诊断模块来实现容错控制，可能会出现延迟或漏报的风险。
发明内容
为了解决上述问题，本发明提供了一种T-S模糊UMV的滑模容错控制方法，能够补偿各种可能发生的推进器故障和鲁棒状态时变时延。
本发明采用的技术手段如下：
一种T-S模糊UMV的滑模容错控制方法，包括如下步骤：
S1、基于T-S模糊模型方法，建立T-S模糊UMV时变时延系统模型；
S2、基于上述的T-S模糊UMV时变时延系统模型，设计滑模面；
S3、基于步骤S2设计的滑模面，设计自适应切换滑模容错控制器。
进一步地，所述步骤S1具体为：
S11、建立UMV的非线性系统模型，其表达式为：
Figure BDA0002339036100000021
式中，
Figure BDA0002339036100000025
v(t)和r(t)分别表示船体坐标系下UMV的前向速度、横向速度和艏摇角速度；
Figure BDA0002339036100000022
(xp(t)yp(t))和ψ(t)分别表示大地坐标系下UMV的位置和艏向；M为惯性矩阵，包括附加质量；N为向心力与科氏力矩阵；G为阻尼力矩阵；E为推进器分配矩阵；h(t,x,u)为推进器非线性不确定项，满足||h(t,x,u)||≤rN||u(t)||+ξ(t)，其中rN＜rM＜1，且ξ(t)为一个已知的有界函数；
Figure BDA0002339036100000023
为推进器推力；d(t)表示海洋扰动；转换矩阵
Figure BDA0002339036100000024
S12、建立统一且一般的推进器故障模型，其表达式为：
uF(t)＝αu(t)+βus(t)
式中，α表示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
Figure BDA0002339036100000031
对于
Figure BDA0002339036100000032
和j＝1,…,n存在关系式
Figure BDA0002339036100000033
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；
Figure BDA0002339036100000034
当
Figure BDA0002339036100000035
时，推进器发生中断故障；当
Figure BDA0002339036100000036
时，推进器发生失效故障；当
Figure BDA0002339036100000037
时，推进器发生时变的卡死故障；
S13、定义
Figure BDA0002339036100000038
和前提变量θ1＝sin(ψ(t))、θ2＝cos(ψ(t))，假设偏航角
Figure BDA0002339036100000039
选择T-S模糊条件，将上述UMV的非线性系统模型转化为T-S模糊UMV时变时延系统模型，具体为：
Figure BDA00023390361000000310
式中，ρi(θ(t))为隶属度函数，
Figure BDA00023390361000000311
且hi(θ(t))＝μi1(θ1(t))μi2(θ2(t))；
Figure BDA00023390361000000312
Figure BDA00023390361000000313
Figure BDA00023390361000000314
其中，
Figure BDA00023390361000000315
Figure BDA00023390361000000316
A2i和Ci为已知的矩阵。
进一步地，所述步骤S13中选择的T-S模糊条件为：
Plant Rules i：IF
θ1(t)＝μi1&θ2(t)＝μi2
THEN
Figure BDA0002339036100000041
式中，μi1和μi2为模糊集合；x(t)∈R6为系统状态；z(t)为被调输出；τ(t)为时变时延，且满足τ(t)≤τ0和
Figure BDA0002339036100000042
φ(t)为初始连续函数。
进一步地，所述滑模面具体为：
Figure BDA0002339036100000043
式中，Bv满足矩阵的满秩分解B＝BvN；P为待设计的参数矩阵，满足矩阵不等式如下：
Figure BDA0002339036100000044
进一步地，所述步骤S3具体为：
基于步骤S2设计的滑模面，设计自适应切换滑模容错控制器，具体如下：
Figure BDA0002339036100000045
式中，δ(t)为切换函数，其表达式为
Figure BDA0002339036100000046
其中
Figure BDA0002339036100000047
j*代表第j列，j·代表第j行，
Figure BDA0002339036100000048
为αj的估计值；K＝XP-1，其中X和P是由步骤S2的矩阵不等式得到的；
Figure BDA0002339036100000049
是μ0的估计值，且满足
Figure BDA00023390361000000410
其中NαNT≥μNNT；sign(·)为符号函数；
Figure BDA00023390361000000411
其中λ1和λ2分别表示NNT的最小和最大特征值；
Figure BDA00023390361000000412
和
Figure BDA00023390361000000413
分别卡死故障的上界
Figure BDA00023390361000000414
和故障信息βj的估计值；ε为一个小常数；
针对T-S模糊UMV时变时延系统模型，设计的自适应律如下：
Figure BDA0002339036100000051
Figure BDA0002339036100000052
Figure BDA0002339036100000053
Figure BDA0002339036100000054
式中，γ、γ1j、γ2j和γ3j为自适应增益；λ1＝λmin(NNT)；||σ(t)||和||Nj||分别为滑模面和输入矩阵B的满秩分解矩阵Nj的范数；
自适应误差系统如下：
Figure BDA0002339036100000055
Figure BDA0002339036100000056
Figure BDA0002339036100000057
Figure BDA0002339036100000058
式中，μ0、
Figure BDA0002339036100000059
βj和αj表示未知的正常数；
Figure BDA00023390361000000510
和
Figure BDA00023390361000000511
分别表示μ0(t)、
Figure BDA00023390361000000512
βj(t)和αj(t)的真实值。
进一步地，所述步骤S3之后还包括：
S4、对采用T-S模糊UMV的滑模容错控制方案的T-S模糊UMV时变时延系统模型、滑模面以及自适应切换滑模容错控制器进行仿真验证研究，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T-S模糊UMV的滑模容错控制方法，能够解决带有时变时延的T-S模糊UMV系统的容错控制问题。
2、本发明提供的T-S模糊UMV的滑模容错控制方法，不需要故障检测与诊断模块，避免了可能出现的推进器故障信息延迟或漏报现象。
3、本发明提供的T-S模糊UMV的滑模容错控制方法，考虑了在复杂的海洋网络环境中出现的状态时变时延现象，利用滑模控制的鲁棒性能，很好地解决了该问题。
基于上述理由本发明可在无人运载器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为本发明控制方法的流程示意图。
图2为本发明实施例提供的状态响应曲线图。
图3为本发明实施例提供的推进器控制输出曲线图。
图4为本发明实施例提供的滑模面响应曲线图。
图5为本发明实施例提供的切换信号响应曲线图。
图6为本发明实施例提供的自适应参数αj的估计值变化曲线图。
图7为本发明实施例提供的自适应参数βj的估计值变化曲线图。
图8为本发明实施例提供的自适应参数
Figure BDA0002339036100000061
的估计值变化曲线图。
图9为本发明实施例提供的自适应参数μ0的估计值变化曲线图。
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T-S模糊UMV的滑模容错控制方法，具体包括如下步骤：
S1、基于T-S模糊模型方法，建立T-S模糊UMV时变时延系统模型；
所述步骤S1具体为：
S11、建立UMV的非线性系统模型，其表达式为：
Figure BDA0002339036100000071
式中，
Figure BDA00023390361000000713
v(t)和r(t)分别表示船体坐标系下UMV的前向速度、横向速度和艏摇角速度；
Figure BDA0002339036100000072
(xp(t)yp(t))和ψ(t)分别表示大地坐标系下UMV的位置和艏向；M为惯性矩阵，包括附加质量；N为向心力与科氏力矩阵；G为阻尼力矩阵；E为推进器分配矩阵；h(t,x,u)为推进器非线性不确定项，满足||h(t,x,u)||≤rN||u(t)||+ξ(t)，其中rN＜rM＜1，且ξ(t)为一个已知的有界函数；
Figure BDA0002339036100000073
为推进器推力；d(t)表示海洋扰动；转换矩阵
Figure BDA0002339036100000074
S12、建立统一且一般的推进器故障模型，其表达式为：
uF(t)＝αu(t)+βus(t)
式中，α表示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
Figure BDA0002339036100000075
对于
Figure BDA0002339036100000076
和j＝1,…,n存在关系式
Figure BDA0002339036100000077
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；
Figure BDA0002339036100000078
当
Figure BDA0002339036100000079
时，推进器发生中断故障；当
Figure BDA00023390361000000710
时，推进器发生失效故障；当
Figure BDA00023390361000000711
时，推进器发生时变的卡死故障；
S13、定义
Figure BDA00023390361000000714
和前提变量θ1＝sin(ψ(t))、θ2＝cos(ψ(t))，假设偏航角
Figure BDA00023390361000000712
选择T-S模糊条件，将上述UMV的非线性系统模型转化为T-S模糊UMV时变时延系统模型，具体为：
Figure BDA0002339036100000081
式中，ρi(θ(t))为隶属度函数，
Figure BDA0002339036100000082
且hi(θ(t))＝μi1(θ1(t))μi2(θ2(t))；
Figure BDA0002339036100000083
Figure BDA0002339036100000084
Figure BDA0002339036100000085
其中，
Figure BDA0002339036100000086
Figure BDA0002339036100000087
A2i和Ci为已知的矩阵。
其中，选择的T-S模糊条件为：
Plant Rules i：IF
θ1(t)＝μi1&θ2(t)＝μi2
THEN
Figure BDA0002339036100000088
式中，μi1和μi2为模糊集合；x(t)∈R6为系统状态；z(t)为被调输出；τ(t)为时变时延，且满足τ(t)≤τ0和
Figure BDA0002339036100000089
φ(t)为初始连续函数。
S2、基于上述的T-S模糊UMV时变时延系统模型，设计滑模面；
所述滑模面具体为：
Figure BDA0002339036100000091
式中，Bv满足矩阵的满秩分解B＝BvN；P为待设计的参数矩阵，满足矩阵不等式如下：
Figure BDA0002339036100000092
具体实施时，定义状态转移矩阵与相应的变换矢量分别为
Figure BDA0002339036100000093
和
Figure BDA0002339036100000094
进而可以得到如下所示的系统：
Figure BDA0002339036100000095
式中，
Figure BDA0002339036100000096
Figure BDA0002339036100000097
Figure BDA0002339036100000098
Figure BDA0002339036100000099
根据等效滑模控制方法，可以得到等效控制率为：
Figure BDA00023390361000000910
式中，(Nα)+代表Nα的Moore-Penrose逆。
令
Figure BDA00023390361000000911
并用ueq(t)代替u(t)，可以得到降阶T-S模糊UMV时变时延系统如下所示：
Figure BDA00023390361000000912
根据H∞控制理论，并应用投影引理和Schur补引理，上述的矩阵不等式可以使降阶T-S模糊UMV时变时延系统实现大范围渐近稳定。
S3、基于上述步骤S2设计的滑模面，设计自适应切换滑模容错控制器，具体如下：
Figure BDA0002339036100000101
式中，δ(t)为切换函数，其表达式为
Figure BDA0002339036100000102
其中
Figure BDA0002339036100000103
j*代表第j列，j·代表第j行，
Figure BDA0002339036100000104
为αj的估计值；K＝XP-1，其中X和P是由步骤S2的矩阵不等式得到的；
Figure BDA0002339036100000105
是μ0的估计值，且满足
Figure BDA0002339036100000106
其中NαNT≥μNNT；sign(·)为符号函数；
Figure BDA0002339036100000107
其中λ1和λ2分别表示NNT的最小和最大特征值；
Figure BDA0002339036100000108
和
Figure BDA0002339036100000109
分别卡死故障的上界
Figure BDA00023390361000001010
和故障信息βj的估计值；ε为一个小常数；
针对T-S模糊UMV时变时延系统模型，设计的自适应律如下：
Figure BDA00023390361000001011
Figure BDA00023390361000001012
Figure BDA00023390361000001013
Figure BDA00023390361000001014
式中，γ、γ1j、γ2j和γ3j为自适应增益；λ1＝λmin(NNT)；||σ(t)||和||Nj||分别为滑模面和输入矩阵B的满秩分解矩阵Nj的范数。
自适应误差系统如下：
Figure BDA00023390361000001015
Figure BDA00023390361000001016
Figure BDA00023390361000001017
Figure BDA00023390361000001018
式中，μ0、
Figure BDA00023390361000001019
βj和αj表示未知的正常数；
Figure BDA00023390361000001020
和
Figure BDA00023390361000001025
分别表示μ0(t)、
Figure BDA00023390361000001022
βj(t)和αj(t)的真实值。
设计李雅普诺夫函数，具体为：
Figure BDA00023390361000001023
式中，
Figure BDA00023390361000001024
经过验证，上述设计的李雅普诺夫函数满足稳定条件，能使T-S模糊UMV时变时延系统达到稳定，实现了存在推进器故障、状态时变时延和海洋扰动的情况下，对UMV的动力定位。
S4、对采用T-S模糊UMV的滑模容错控制方案的T-S模糊UMV时变时延系统模型、滑模面以及自适应切换滑模容错控制器进行仿真验证研究，验证有效性。具体的，以仿真实验案例来说明设计的T-S模糊UMV的滑模容错控制方案的有效性。
仿真试验时，某浮生动力定位船舶的缩尺度模型参数如下所示：
Figure BDA0002339036100000111
Figure BDA0002339036100000112
Figure BDA0002339036100000113
Figure BDA0002339036100000114
海洋扰动d(t)＝[d1(t) d2(t) d3(t)]T设置为：
Figure BDA0002339036100000115
式中，M1(s)和M2(s)为整形滤波器；W1(t)和W3(t)分别为噪声能量为2.69和1.56的有界白噪声，且
Figure BDA0002339036100000116
自适应切换滑模容错控制器的参数为：
Figure BDA0002339036100000117
ξ(t)设置为0.01+0.01sint；自适应增益分别为γ＝0.1、γ1j＝1、γ2j＝0.001、γ3j＝0.1；各参数的初始值分别为：
Figure BDA0002339036100000121
x(0)＝[-0.1 -0.01 -0.05 0.11 -0.07 0.07]T；
Figure BDA0002339036100000122
Figure BDA0002339036100000123
设定推进器故障为左舷主推进器发生失效50％的故障；船尾槽道推进器I发生时变卡死故障，且卡死信号值为0.5sin(2t)；船首全回转推进器发生中断故障；此外，推进器故障发生的时间是从15s开始的。
采用基于T-S模糊UMV时变时延系统模型的自适应切换滑模容错控制器进行仿真，仿真结果如图2-9所示，具体分析如下：
图2为本发明实施例提供的T-S模糊UMV时变时延系统状态响应曲线图，从图2中可以看出，在UMV系统存在推进器故障、状态时变时延和海洋扰动的情况下，系统的状态响应曲线是渐进稳定的。
图3为本发明实施例提供的推进器控制输出曲线图，从图3中可以看出，当发生推进器故障之后，推进器控制输出曲线发生了比较明显的抖振，但逐渐趋于稳定。
图4为本发明实施例提供的滑模面响应曲线图，从图4中可以看出，滑模面响应曲线在推进器故障发生后变化不是很明显，比较稳定。
图5为本发明实施例提供的切换信号响应曲线图，从图5中可以看出，切换信号在0与1之间进行切换。
图6、图7、图8和图9分别为本发明实施例提供的自适应参数αj、βj、
Figure BDA0002339036100000124
和μ0的估计值变化曲线图，从图6-图9中可以看出，这些估计值最后都收敛成为确定的值。
通过仿真实验可以看出，本发明的控制器可以在推进器可能发生故障，状态存在时变时延的情况下，实现UMV的动力定位，且其控制效果良好。
最后应说明的是：以上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实施例技术方案的范围。

Claims (6)

1.一种T-S模糊UMV的滑模容错控制方法，其特征在于，包括如下步骤：
S1、基于T-S模糊模型方法，建立T-S模糊UMV时变时延系统模型；
S2、基于上述的T-S模糊UMV时变时延系统模型，设计滑模面；
S3、基于步骤S2设计的滑模面，设计自适应切换滑模容错控制器。
2.根据权利要求1所述的T-S模糊UMV的滑模容错控制方法，其特征在于，所述步骤S1具体为：
S11、建立UMV的非线性系统模型，其表达式为：
Figure FDA0002339036090000011
式中，
Figure FDA0002339036090000012
Figure FDA0002339036090000013
v(t)和r(t)分别表示船体坐标系下UMV的前向速度、横向速度和艏摇角速度；
Figure FDA0002339036090000014
(xp(t) yp(t))和ψ(t)分别表示大地坐标系下UMV的位置和艏向；M为惯性矩阵，包括附加质量；N为向心力与科氏力矩阵；G为阻尼力矩阵；E为推进器分配矩阵；h(t,x,u)为推进器非线性不确定项，满足||h(t,x,u)||≤rN||u(t)||+ξ(t)，其中rN＜rM＜1，且ξ(t)为一个已知的有界函数；
Figure FDA0002339036090000015
为推进器推力；d(t)表示海洋扰动；转换矩阵
Figure FDA0002339036090000016
S12、建立统一且一般的推进器故障模型，其表达式为：
uF(t)＝αu(t)+βus(t)
式中，α表示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
Figure FDA0002339036090000017
对于
Figure FDA0002339036090000018
和j＝1,…,n存在关系式
Figure FDA0002339036090000019
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一个零矩阵；
Figure FDA00023390360900000110
当
Figure FDA00023390360900000111
时，推进器发生中断故障；当
Figure FDA00023390360900000112
时，推进器发生失效故障；当
Figure FDA00023390360900000113
Figure FDA00023390360900000114
时，推进器发生时变的卡死故障；
S13、定义
Figure FDA00023390360900000115
和前提变量θ1＝sin(ψ(t))、θ2＝cos(ψ(t))，假设偏航角
Figure FDA0002339036090000021
选择T-S模糊条件，将上述UMV的非线性系统模型转化为T-S模糊UMV时变时延系统模型，具体为：
Figure FDA0002339036090000022
式中，ρi(θ(t))为隶属度函数，
Figure FDA0002339036090000023
且hi(θ(t))＝μi1(θ1(t))μi2(θ2(t))；
Figure FDA0002339036090000024
Figure FDA0002339036090000025
Figure FDA0002339036090000026
其中，
Figure FDA0002339036090000027
Figure FDA0002339036090000028
A2i和Ci为已知的矩阵。
3.根据权利要求2所述的T-S模糊UMV的滑模容错控制方法，其特征在于，所述步骤S13中选择的T-S模糊条件为：
Plant Rules i：IF
θ1(t)＝μi1&θ2(t)＝μi2
THEN
Figure FDA0002339036090000029
式中，μi1和μi2为模糊集合；x(t)∈R6为系统状态；z(t)为被调输出；τ(t)为时变时延，且满足τ(t)≤τ0和
Figure FDA0002339036090000031
φ(t)为初始连续函数。
4.根据权利要求1所述的T-S模糊UMV的滑模容错控制方法，其特征在于，所述滑模面具体为：
Figure FDA0002339036090000032
式中，Bv满足矩阵的满秩分解B＝BvN；P为待设计的参数矩阵，满足矩阵不等式如下：
Figure FDA0002339036090000033
5.根据权利要求1所述的T-S模糊UMV的滑模容错控制方法，其特征在于，所述步骤S3具体为：
基于步骤S2设计的滑模面，设计自适应切换滑模容错控制器，具体如下：
Figure FDA0002339036090000034
式中，δ(t)为切换函数，其表达式为
Figure FDA0002339036090000035
其中
Figure FDA0002339036090000036
j*代表第j列，j·代表第j行，
Figure FDA0002339036090000037
为αj的估计值；K＝XP-1，其中X和P是由步骤S2的矩阵不等式得到的；
Figure FDA0002339036090000038
为μ0的估计值，且μ0满足
Figure FDA0002339036090000039
其中NαNT≥μNNT；sign(·)为符号函数；
Figure FDA00023390360900000310
其中λ1和λ2分别表示NNT的最小和最大特征值；
Figure FDA00023390360900000311
和
Figure FDA00023390360900000312
分别卡死故障的上界
Figure FDA00023390360900000313
和故障信息βj的估计值；ε为一个小常数；
针对T-S模糊UMV时变时延系统模型，设计的自适应律如下：
Figure FDA00023390360900000314
Figure FDA00023390360900000315
Figure FDA00023390360900000316
Figure FDA00023390360900000317
式中，γ、γ1j、γ2j和γ3j为自适应增益；λ1＝λmin(NNT)；||σ(t)||和||Nj||分别为滑模面和输入矩阵B的满秩分解矩阵Nj的范数；
自适应误差系统如下：
Figure FDA0002339036090000041
Figure FDA0002339036090000042
Figure FDA0002339036090000043
Figure FDA0002339036090000044
式中，μ0、
Figure FDA0002339036090000045
βj和αj表示未知的正常数；
Figure FDA0002339036090000046
和
Figure FDA0002339036090000047
分别表示μ0(t)、
Figure FDA0002339036090000048
βj(t)和αj(t)的真实值。
6.根据权利要求1-5任一项所述的T-S模糊UMV的滑模容错控制方法，其特征在于，所述步骤S3之后还包括：
S4、对采用T-S模糊UMV的滑模容错控制方案的T-S模糊UMV时变时延系统模型、滑模面以及自适应切换滑模容错控制器进行仿真验证研究，验证有效性。
CN201911368384.1A 2019-12-26 2019-12-26 一种t-s模糊umv的滑模容错控制方法 Active CN110879535B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911368384.1A CN110879535B (zh) 2019-12-26 2019-12-26 一种t-s模糊umv的滑模容错控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911368384.1A CN110879535B (zh) 2019-12-26 2019-12-26 一种t-s模糊umv的滑模容错控制方法

Publications (2)

Publication Number Publication Date
CN110879535A true CN110879535A (zh) 2020-03-13
CN110879535B CN110879535B (zh) 2022-09-30

Family

ID=69731275

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911368384.1A Active CN110879535B (zh) 2019-12-26 2019-12-26 一种t-s模糊umv的滑模容错控制方法

Country Status (1)

Country Link
CN (1) CN110879535B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN112591038A (zh) * 2020-12-15 2021-04-02 哈尔滨工程大学 一种模型参数不确定下动力定位船非线性状态估计方法
CN113031632A (zh) * 2021-03-15 2021-06-25 王曰英 一种适用于潜航器水面回收的控制系统及其控制方法
CN113820954A (zh) * 2021-09-28 2021-12-21 大连海事大学 一种广义噪声下复杂非线性系统的容错控制方法
CN116088309A (zh) * 2023-01-03 2023-05-09 哈尔滨理工大学 一种基于故障辨识的水面船复合学习容错控制方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399493A (zh) * 2013-08-07 2013-11-20 长春工业大学 可重构机械臂传感器故障实时诊断和容错系统及其方法
CN104102225A (zh) * 2014-06-27 2014-10-15 金陵科技学院 基于执行器动态的无人飞行器姿态分散式容错控制方法
CN104965414A (zh) * 2015-06-30 2015-10-07 天津大学 针对四旋翼无人机执行器部分失效的容错控制方法
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
CN106774373A (zh) * 2017-01-12 2017-05-31 哈尔滨工业大学 一种四旋翼无人机有限时间姿态跟踪控制方法
CN108681246A (zh) * 2018-05-14 2018-10-19 大连海事大学 一种基于执行器故障的无人水面船航迹跟踪方法
CN109521676A (zh) * 2018-12-24 2019-03-26 哈尔滨理工大学 一种概率分布时滞系统的自适应滑模容错控制方法
CN110262557A (zh) * 2019-07-16 2019-09-20 南京航空航天大学 基于滑模控制技术的四旋翼编队有限时间容错控制方法
CN110333661A (zh) * 2019-08-06 2019-10-15 大连海事大学 一种考虑量化和状态时滞的umv自适应滑模容错控制方法
CN110361975A (zh) * 2019-08-06 2019-10-22 大连海事大学 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
CN110566403A (zh) * 2019-08-08 2019-12-13 天津科技大学 一种风力发电t-s模糊鲁棒调度容错控制方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103399493A (zh) * 2013-08-07 2013-11-20 长春工业大学 可重构机械臂传感器故障实时诊断和容错系统及其方法
CN104102225A (zh) * 2014-06-27 2014-10-15 金陵科技学院 基于执行器动态的无人飞行器姿态分散式容错控制方法
CN104965414A (zh) * 2015-06-30 2015-10-07 天津大学 针对四旋翼无人机执行器部分失效的容错控制方法
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
CN106774373A (zh) * 2017-01-12 2017-05-31 哈尔滨工业大学 一种四旋翼无人机有限时间姿态跟踪控制方法
CN108681246A (zh) * 2018-05-14 2018-10-19 大连海事大学 一种基于执行器故障的无人水面船航迹跟踪方法
CN109521676A (zh) * 2018-12-24 2019-03-26 哈尔滨理工大学 一种概率分布时滞系统的自适应滑模容错控制方法
CN110262557A (zh) * 2019-07-16 2019-09-20 南京航空航天大学 基于滑模控制技术的四旋翼编队有限时间容错控制方法
CN110333661A (zh) * 2019-08-06 2019-10-15 大连海事大学 一种考虑量化和状态时滞的umv自适应滑模容错控制方法
CN110361975A (zh) * 2019-08-06 2019-10-22 大连海事大学 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
CN110566403A (zh) * 2019-08-08 2019-12-13 天津科技大学 一种风力发电t-s模糊鲁棒调度容错控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LI-YING HAO.ETC: "《Integral sliding mode fault-tolerant control against actuator nonsymmetric deadzone and unmatched disturbances》", 《THE 26TH CHINESE CONTROL AND DECISION CONFERENCE（2014CCDC）》 *
张凯等: "《基于逼近的动态面二阶滑模的船舶航向跟踪控制》", 《舰船科学技术》 *
郝立颖: "《 基于滑模技术的不确定线性系统的容错控制方法研究》", 《万方学位论文》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN112506192B (zh) * 2020-11-25 2022-07-15 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
CN112591038A (zh) * 2020-12-15 2021-04-02 哈尔滨工程大学 一种模型参数不确定下动力定位船非线性状态估计方法
CN113031632A (zh) * 2021-03-15 2021-06-25 王曰英 一种适用于潜航器水面回收的控制系统及其控制方法
CN113820954A (zh) * 2021-09-28 2021-12-21 大连海事大学 一种广义噪声下复杂非线性系统的容错控制方法
CN113820954B (zh) * 2021-09-28 2024-02-13 大连海事大学 一种广义噪声下复杂非线性系统的容错控制方法
CN116088309A (zh) * 2023-01-03 2023-05-09 哈尔滨理工大学 一种基于故障辨识的水面船复合学习容错控制方法
CN116088309B (zh) * 2023-01-03 2023-07-21 哈尔滨理工大学 一种基于故障辨识的水面船复合学习容错控制方法

Also Published As

Publication number Publication date
CN110879535B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
CN110879535B (zh) 一种t-s模糊umv的滑模容错控制方法
Chen et al. Actuator fault‐tolerant control of ocean surface vessels with input saturation
Chen et al. Robust adaptive neural network control for a class of uncertain MIMO nonlinear systems with input nonlinearities
CN108375907B (zh) 基于神经网络的高超声速飞行器自适应补偿控制方法
Liu et al. Design and experimental validation of an adaptive sliding mode observer-based fault-tolerant control for underwater vehicles
Yucelen et al. Derivative-free model reference adaptive control
Xu et al. Fault tolerant control for a class of nonlinear systems with application to near space vehicle
Lavretsky et al. Predictor-based model reference adaptive control
Park et al. Robust fault–tolerant tracking with predefined performance for underactuated surface vessels
Tohidi et al. Adaptive control allocation for constrained systems
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
Bu et al. Guaranteeing preselected tracking quality for air-breathing hypersonic non-affine models with an unknown control direction via concise neural control
CN111650832B (zh) 一种水下多足步行机器人机械足姿态跟踪控制方法
CN107703742A (zh) 一种柔性航天器传感器故障调节方法
Gao et al. Fault-tolerant control for a near space vehicle with a stuck actuator fault based on a Takagi-Sugeno fuzzy model
Wang et al. Bounded neural adaptive formation control of multiple underactuated AUVs under uncertain dynamics
Argha et al. Novel frameworks for the design of fault‐tolerant control using optimal sliding‐mode control
Argha et al. Static output feedback fault tolerant control using control allocation scheme
Gopmandal et al. LQ optimal robust multivariable PID control for dynamic positioning of ships with norm-bounded parametric uncertainties
Song et al. Event-triggered fuzzy finite-time reliable control for dynamic positioning of nonlinear unmanned marine vehicles
Hosseinnajad et al. Novel barrier Lyapunov function-based backstepping fault tolerant control system for an ROV with thruster constraints
CN110687798B (zh) 一种基于滑模量化输出反馈的自适应容错控制方法
CN115793460A (zh) 一种带有推进器饱和的无人船量化滑模容错控制方法
Haseltalab et al. Adaptive control for a class of partially unknown non-affine systems: Applied to autonomous surface vessels
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

Legal Events

Date Code Title Description
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