CN111506090A - 一种水下机器人深度区间控制方法和系统 - Google Patents

一种水下机器人深度区间控制方法和系统 Download PDF

Info

Publication number
CN111506090A
CN111506090A CN202010310143.8A CN202010310143A CN111506090A CN 111506090 A CN111506090 A CN 111506090A CN 202010310143 A CN202010310143 A CN 202010310143A CN 111506090 A CN111506090 A CN 111506090A
Authority
CN
China
Prior art keywords
rudder
matrix
depth
rudder angle
angle
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.)
Pending
Application number
CN202010310143.8A
Other languages
English (en)
Inventor
赵金
王旭东
耿涛
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN202010310143.8A priority Critical patent/CN111506090A/zh
Publication of CN111506090A publication Critical patent/CN111506090A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/04—Control of altitude or depth
    • G05D1/048—Control of altitude or depth specially adapted for water vehicles

Abstract

本发明公开了一种舵角舵速约束下的水下机器人深度区间控制方法和系统，属于机器人控制领域。本发明的控制方法包括：计算多步预测状态矩阵；计算多步输入矩阵；更新反馈校正矩阵并计算多步预测状态；根据当前艏舵和艉舵角度计算舵角舵速约束下的舵角增量输出向量；取舵角增量输出向量的第一行作为当前时刻舵角增量输出。本发明提出的舵角舵速约束下的深度区间控制算法和系统有利于减少舵机机械结构的磨损，减少航行过程中的功耗和噪音，适用于舵角舵速约束下的水下机器人深度区间控制。

Description

一种水下机器人深度区间控制方法和系统
技术领域
本发明属于机器人控制领域，更具体地，涉及一种水下机器人深度区间控制方法和系统。
背景技术
水下机器人可以执行各种复杂的水下任务，目前水下机器人主要应用于海洋环境检测、地球化学数据采集、海底资源探测、未知区域侦察等方面。受工作环境和自身结构所限，水下机器人在水下工作的时候很难补充能量，因此在进行水下机器人姿态控制的时候，能量消耗也是设计控制器需要考虑的部分。水下机器人在水下航行的过程中容易受到洋流等外界干扰，海水的密度会受到温度、深度、区域的影响，因此需要深度控制器来保证水下机器人在海洋的正常航行，现有技术多是针对深度定值控制这一问题，实际在航行过程中针对洋流、海水密度变化等外界干扰频繁打舵保持深度，不仅会加速舵机的磨损，还会增加打舵带来的功耗，不利于延长水下工作时间和保持隐蔽性。伴随着打舵和变深机动的流体分离，将在舵面的主体和附体表面产生压力脉动，诱发更为显著的水动力噪声。
区间控制不同于定值控制之处在于，区间控制的目的是将被控对象控制在一个给定的区间内而不是控制在一个给定的值。对于航行在海洋中的水下机器人来说，当有扰动存在的时候，若通过将水下机器人的深度控制在一个给定的区间内，就能一定程度上降低航行时的功耗和噪声。因此，亟需一种水下机器人深度区间控制方法和系统以减少打舵的幅度和频率。
发明内容
针对现有技术的缺陷，本发明的目的在于提供一种水下机器人深度区间控制方法和系统，旨在减少水下机器人航行过程舵机机械结构的磨损以及水下机器人航行过程中的功耗和噪音。
为实现上述目的，本发明一方面提供了一种水下机器人深度区间控制方法，包括以下步骤：
根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H；
根据当前k时刻的深度ζk、纵倾角θk、艏舵舵角
Figure BDA0002456779970000021
和艉舵舵角
Figure BDA0002456779970000022
通过观测器获取当前k时刻状态变量估计值zk，并更新反馈校正矩阵D；
由当前k时刻状态变量估计值zk，通过所述多步预测状态矩阵P、多步预测输入矩阵H和更新后的反馈校正矩阵D获取多步预测状态变量
Figure BDA0002456779970000023
构建包含优化参考轨迹α、舵角增量输出向量Δδ和所述多步预测状态变量
Figure BDA0002456779970000024
的代价函数，结合舵角约束条件、舵速约束条件和区间约束条件，求解约束条件下的二次规划，从而获得舵角舵速约束下的舵角增量输出向量Δδ。
进一步地，根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H具体包括：
a)在当前时刻航速U0处对深度状态空间方程进行线性化，得到深度控制线性化状态空间方程
Figure BDA0002456779970000025
其中
X＝[w q θ ζ]T，
Figure BDA0002456779970000026
Figure BDA0002456779970000031
Figure BDA0002456779970000032
式中a11，a12，a13，a21，a22，a23，b11，b12，b21，b22均为已知水动力相关系数，w是水下机器人的垂向速度，q是水下机器人的纵倾角速度，θ是纵倾角，ζ是深度，δb是艏舵舵角，δs是艉舵舵角；
b)离散化所述深度控制线性化状态空间方程中的Ac和Bc得到对应的离散化矩阵Ad和Bd，其中
Figure BDA0002456779970000033
T是控制周期；
c)根据所述离散化矩阵得到增广式矩阵A和B，其中
Figure BDA0002456779970000034
Figure BDA0002456779970000035
d)获取多步预测状态矩阵
Figure BDA0002456779970000036
和多步输入矩阵
Figure BDA0002456779970000037
Figure BDA0002456779970000038
其中ny是预测步长，多步输入矩阵H的列数为控制步长nu。
进一步地，所述更新反馈校正矩阵D包括：
1)在当前k时刻计算深度和纵倾角预测值
Figure BDA0002456779970000039
2)获取深度和纵倾角的实际值与预测值的误差
Figure BDA00024567799700000310
3)根据所述误差更新反馈校正矩阵
Figure BDA00024567799700000311
进一步地，所述多步预测状态变量
z＝Pzk+HΔδ+D，
其中
Figure BDA0002456779970000041
进一步地，所述代价函数
Figure BDA0002456779970000042
其中
Figure BDA0002456779970000043
代表二范数，权重矩阵为Q；
Figure BDA0002456779970000044
代表二范数，权重矩阵为R；M为维数匹配矩阵。
艏舵舵速约束为
Figure BDA0002456779970000045
Figure BDA0002456779970000046
和Δδb分别为艏舵舵速的上下限约束，矩阵
Figure BDA0002456779970000047
是维数等于控制步长nu的单位矩阵；
艉舵舵速约束为
Figure BDA0002456779970000048
其中
Figure BDA0002456779970000049
阳Δδs 分别为艏舵舵速的上下限约束。
进一步地，所述舵角约束条件包括艏舵舵角约束和艉舵舵角约束；
艏舵舵角约束为
Figure BDA00024567799700000410
其中
Figure BDA00024567799700000411
阳δb 分别为艏舵舵角的上下限约束，矩阵
Figure BDA00024567799700000412
是维数等于控制步长nu的方阵，
Figure BDA0002456779970000051
矩阵中的元素I为单位矩阵；
艉舵舵角约束为
Figure BDA0002456779970000052
其中
Figure BDA0002456779970000053
和δs 分别为艉舵舵角的上下限约束。
进一步地，所述区间约束条件为
Figure BDA0002456779970000054
其中矩阵
Figure BDA0002456779970000055
是维数等于nm的单位矩阵，nm是优化参考轨迹α的步长，
Figure BDA0002456779970000056
和α分别为优化参考轨迹的上下界。
本发明另一方面还提供了一种水下机器人深度区间控制系统，包括
获取模块，用于根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H；以及根据当前k时刻的深度ζk、纵倾角θk、艏舵舵角
Figure BDA0002456779970000057
和艉舵舵角
Figure BDA0002456779970000058
通过观测器获取当前k时刻状态变量估计值zk，并更新反馈校正矩阵D；
多步预测模块，用于由当前k时刻状态变量估计值zk，通过所述多步预测状态矩阵P、多步预测输入矩阵H和更新后的反馈校正矩阵D获取多步预测状态变量
Figure BDA0002456779970000059
二次规划模块，用于构建包含优化参考轨迹α、舵角增量输出向量Δδ和所述多步预测状态变量
Figure BDA00024567799700000510
的代价函数，结合舵角约束条件、舵速约束条件和区间约束条件，求解约束条件下的二次规划，从而获得舵角舵速约束下的舵角增量输出向量Δδ。
本发明的再一方面提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述的水下机器人深度区间控制方法。
通过本发明所构思的以上技术方案，与现有技术相比，能够取得以下有益效果：
(1)本发明提供的水下机器人深度区间控制方法和系统通过将水下机器人的深度控制在一个给定的区间内，一定程度上减少了舵机机械结构的磨损，降低了航行时的功耗和噪声；
(2)本发明提供的水下机器人深度区间控制方法和系统，在设计控制器的时候需要根据任务需求和机械结构考虑舵角和舵速的约束情况，提高了深度控制的稳定性。
附图说明
图1是本发明实施例算法流程示意图；
图2(a)是本发明实施例6Kn航速恒定扰动下纵倾和深度曲线图，图2(b)是6Kn航速恒定扰动下艏舵和艉舵曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例提供了一种舵角舵速约束下的水下机器人深度区间控制方法，包括以下步骤：
S1.根据当前航速U0确定时变状态矩阵Ac和时变输入矩阵Bc，进一步计算多步预测状态矩阵P和多步预测输入矩阵H；
S2.根据传感器读取的当前时刻的深度ζk和纵倾角θk，当前时刻艏舵和艉舵舵角
Figure BDA0002456779970000061
和
Figure BDA0002456779970000062
通过观测器估算当前k时刻状态变量估计值zk。
S3.更新反馈校正矩阵D并根据当前时刻估算的状态变量计算多步预测状态变量；
S4.根据当前艏舵和艉舵的舵角计算舵角舵速约束下的舵角增量输出向量Δδ；
S5.取舵角增量输出向量Δδ的第一行作为当前时刻艏舵舵角增量输出，去舵角增量输出向量Δδ的第二行作为当前时刻艉舵舵角增量输出。
下面对具体操作进行详细阐述：
所述步骤S1具体包括
S1.1根据当前时刻航速U0，在当前航速U0处线性化深度状态空间方程得到深度控制线性化状态空间方程
Figure BDA0002456779970000071
其中X＝[w q θ ζ]T，时变状态矩阵
Figure BDA0002456779970000072
时变输入矩阵
Figure BDA0002456779970000073
Figure BDA0002456779970000074
式中aii，bii均为已知水动力相关系数，
Figure BDA0002456779970000075
S1.2离散化深度控制线性化状态空间方程中的Ac和Bc得到对应的离散化矩阵Ad和Bd。其中
Figure BDA0002456779970000076
其中T是控制周期，本发明算法中设为2s。
S1.3根据离散化矩阵得到增广式矩阵A和B，其中
Figure BDA0002456779970000077
Figure BDA0002456779970000078
S1.4计算多步预测状态矩阵
Figure BDA0002456779970000079
其中ny是预测步长。
S1.5计算多步输入矩阵
Figure BDA00024567799700000710
其中多步输入矩阵H的列数为控制步长nu。
所述步骤S2具体包括：
S2通过传感器得到当前k时刻的深度ζk，纵倾角θk，艏舵舵角
Figure BDA0002456779970000081
和艉舵舵角
Figure BDA0002456779970000082
通过公式
Figure BDA0002456779970000083
得到当前时刻状态变量估计值，其中L是观测器增益矩阵，为一个常值矩阵。C为一个常值矩阵，且
Figure BDA0002456779970000084
初始时刻的状态变量z0＝[0 0 0 ζ0]T即初始时刻垂向速度为0，纵倾角速度为0，纵倾角度为0，深度为ζ0m。
所述步骤S3具体包括：
S3.1在当前k时刻计算深度和纵倾角预测值
Figure BDA0002456779970000085
Figure BDA0002456779970000086
S3.2深度和纵倾角预测值与实际值的误差
Figure BDA0002456779970000087
S3.3更新反馈校正矩阵
Figure BDA0002456779970000088
S3.4计算预测步长为ny，控制步长为nu的多步预测状态变量z＝Pzk+HΔδ+D，其中
Figure BDA0002456779970000089
所述步骤S4具体包括
S4.1构建代价函数
Figure BDA00024567799700000810
Figure BDA00024567799700000811
代表二范数，权重矩阵为Q。
Figure BDA00024567799700000812
代表二范数，权重矩阵为R。矩阵P为步骤S1中的多步预测状态矩阵，矩阵H为步骤S1中多步输入矩阵，D为步骤S3中反馈校正矩阵。维数匹配矩阵M的作用是使得矩阵M和优化参考轨迹α的乘积的维度和预测步长匹配。
S4.2将S4.1中的代价函数I展开可得到
J＝(Mα)TQ(Mα)-(Mα)TQ(Pzk)-(Mα)TQ(HΔδ)-(Mα)TQD-(Pzk)TQ(Mα)+(Pzk)TQ(Pzk)+(Pzk)TQ(HΔδ)+(Pzk)TQD-(HΔδ)TQ(Mα)+(HΔδ)TQ(Pzk)+(HΔδ)TQ(HΔδ)+(HΔδ)TQD-DTQ(Mα)+DTQ(Pzk)+DTQ(HΔδ)+DTQD+ΔδTRΔδ
S4.3代价函数J中的常数项对于求解没有影响，将代价函数J中的常数去掉得到新的代价函数
Figure BDA0002456779970000091
其中矩阵
Figure BDA0002456779970000092
Figure BDA0002456779970000093
矩阵
Figure BDA0002456779970000094
S4.4受机械机构和物理能量输出的约束，水下机器人的舵角不是无限大，转舵的速度也有上限，因此在设计控制器的时候需要根据任务需求和机械结构考虑舵角和舵速的约束情况，否则设计出来的控制器可能会导致深度控制的不稳定。
考虑舵角舵速的约束和区间约束，将约束写成矩阵不等式形式，其中艏舵舵速约束可以写为
Figure BDA0002456779970000095
Figure BDA0002456779970000096
和Δδb 分别为艏舵舵速的上下限约束，矩阵
Figure BDA0002456779970000097
是维数等于控制步长nu的单位矩阵。
艏舵舵角约束可以写为
Figure BDA0002456779970000098
其中
Figure BDA0002456779970000099
和δb 分别为艏舵舵角的上下限约束，矩阵
Figure BDA00024567799700000910
是维数等于控制步长nu的方阵，
Figure BDA0002456779970000101
矩阵中的元素I为单位矩阵。
艉舵舵速约束可以写为
Figure BDA0002456779970000102
Figure BDA0002456779970000103
和Δδs 分别为艏舵舵速的上下限约束。
艉舵舵角约束可以写为
Figure BDA0002456779970000104
其中
Figure BDA0002456779970000105
和δs 分别为艉舵舵角的上下限约束。
优化参考轨迹α的上下界约束即为区间边界，将优化参考轨迹的约束写成矩阵不等式的形式为
Figure BDA0002456779970000106
其中矩阵
Figure BDA0002456779970000107
是维数等于nm的单位矩阵，nm是优化参考轨迹α的步长，
Figure BDA0002456779970000108
和α分别为优化参考轨迹的上下界。
上述约束可以统一写为矩阵不等式形式
Figure BDA0002456779970000109
其中
Figure BDA00024567799700001010
Figure BDA00024567799700001011
S4.5结合S4.3中的代价函数J1和S4.4中的矩阵不等式约束，舵角舵速约束下的深度区间控制问题至此变成一个带约束的二次规划问题：
Figure BDA00024567799700001012
Figure BDA0002456779970000111
使用成熟的二次规划求解工具即可求解得到解向量
Figure BDA0002456779970000112
该解向量包括舵角增量输出向量Δδ和优化参考轨迹α。
所述步骤S5具体包括：
S5.1取解向量
Figure BDA0002456779970000113
的第一行作为k+1时刻的艏舵舵角增量
Figure BDA0002456779970000114
S5.2计算k+1时刻的艏舵舵角输出：
Figure BDA0002456779970000115
S5.3取解向量
Figure BDA0002456779970000116
的第二行作为k+1时刻的艉舵舵角增量
Figure BDA0002456779970000117
S5.4计算k+1时刻的艉舵舵角输出：
Figure BDA0002456779970000118
相对应地，本发明实施例还提供了一种水下机器人深度区间控制系统，包括
获取模块，用于根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H；以及根据当前k时刻的深度ζk、纵倾角θk、艏舵舵角
Figure BDA0002456779970000119
和艉舵舵角
Figure BDA00024567799700001110
通过观测器获取当前k时刻状态变量估计值zk，并更新反馈校正矩阵D；
多步预测模块，用于由当前k时刻状态变量估计值zk，通过所述多步预测状态矩阵P、多步预测输入矩阵H和更新后的反馈校正矩阵D获取多步预测状态变量
Figure BDA00024567799700001111
二次规划模块，用于构建包含优化参考轨迹α、舵角增量输出向量Δδ和所述多步预测状态变量
Figure BDA00024567799700001112
的代价函数，结合舵角约束条件、舵速约束条件和区间约束条件，求解约束条件下的二次规划，从而获得舵角舵速约束下的舵角增量输出向量Δδ。
本发明实施例还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现上述的水下机器人深度区间控制方法。
图2(a)和图2(b)示出了本发明半物理实验相关曲线图，其中图(a)为6Kn航速恒定扰动下纵倾和深度曲线图(虚线内为区间范围)，图2(b)为6Kn航速恒定扰动下艏舵和艉舵曲线图。由图2(a)和图2(b)可以看出，水下机器人从初始深度30m变深至60m过程中，艏舵和艉舵的最大和最小舵角值始终处于舵角约束范围内，动舵过程中舵速也被控制在给定的舵速约束范围内。待水下机器人到达60m的深度区间在深度保持过程中，深度始终在给定区间的范围内变化，艏舵基本不动舵，艉舵动舵幅度也很小。整个变深过程中，最大纵倾角不超过2°，变深过程平稳。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种水下机器人深度区间控制方法，其特征在于，包括以下步骤：
根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H；
根据当前k时刻的深度ζk、纵倾角θk、艏舵舵角
Figure FDA0002456779960000011
和艉舵舵角
Figure FDA0002456779960000012
通过观测器获取当前k时刻状态变量估计值zk，并更新反馈校正矩阵D；
由当前k时刻状态变量估计值zk，通过所述多步预测状态矩阵P、多步预测输入矩阵H和更新后的反馈校正矩阵D获取多步预测状态变量
Figure FDA0002456779960000013
构建包含优化参考轨迹α、舵角增量输出向量Δδ和所述多步预测状态变量
Figure FDA0002456779960000014
的代价函数，结合舵角约束条件、舵速约束条件和区间约束条件，求解约束条件下的二次规划，从而获得舵角舵速约束下的舵角增量输出向量Δδ。
2.如权利要求1所述的水下机器人深度区间控制方法，其特征在于，根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H具体包括：
a)在当前时刻航速U0处对深度状态空间方程进行线性化，得到深度控制线性化状态空间方程
Figure FDA0002456779960000015
其中
X＝[w q θ ζ]T，
Figure FDA0002456779960000016
Figure FDA0002456779960000021
Figure FDA0002456779960000022
式中a11，a12，a13，a21，a22，a23，b11，b12，b21，b22均为已知水动力相关系数，w是水下机器人的垂向速度，q是水下机器人的纵倾角速度，θ是纵倾角，ζ是深度，δb是艏舵舵角，δs是艉舵舵角；
b)离散化所述深度控制线性化状态空间方程中的Ac和Bc得到对应的离散化矩阵Ad和Bd，其中
Figure FDA0002456779960000023
T是控制周期；
c)根据所述离散化矩阵得到增广式矩阵A和B，其中
Figure FDA0002456779960000024
Figure FDA0002456779960000025
d)获取多步预测状态矩阵
Figure FDA0002456779960000026
和多步输入矩阵
Figure FDA0002456779960000027
Figure FDA0002456779960000028
其中ny是预测步长，多步输入矩阵H的列数为控制步长nu。
3.如权利要求2所述的水下机器人深度区间控制方法，其特征在于，所述更新反馈校正矩阵D包括：
1)在当前k时刻计算深度和纵倾角预测值
Figure FDA0002456779960000029
2)获取深度和纵倾角的实际值与预测值的误差
Figure FDA00024567799600000210
3)根据所述误差更新反馈校正矩阵
Figure FDA0002456779960000031
4.如权利要求3所述的水下机器人深度区间控制方法，其特征在于，所述多步预测状态变量
Figure FDA0002456779960000032
其中
Figure FDA0002456779960000033
wk是水下机器人当前k时刻的垂向速度，qk是水下机器人当前k时刻的纵倾角速度，θk是当前k时刻的纵倾角，ζk是当前k时刻的深度，
Figure FDA0002456779960000034
是当前k时刻的艏舵舵角，
Figure FDA0002456779960000035
是当前k时刻的艉舵舵角。
5.如权利要求4所述的水下机器人深度区间控制方法，其特征在于，所述代价函数
Figure FDA0002456779960000036
其中
Figure FDA0002456779960000037
代表二范数，权重矩阵为Q；
Figure FDA0002456779960000038
代表二范数，权重矩阵为R；M为维数匹配矩阵。
6.如权利要求5所述的水下机器人深度区间控制方法，其特征在于，所述舵速约束条件包括艏舵舵速约束和艉舵舵速约束；
艏舵舵速约束为
Figure FDA0002456779960000039
Figure FDA00024567799600000310
和Δδb分别为艏舵舵速的上下限约束，矩阵
Figure FDA00024567799600000311
是维数等于控制步长nu的单位矩阵；
艉舵舵速约束为
Figure FDA0002456779960000041
其中
Figure FDA0002456779960000042
阳Δδs 分别为艏舵舵速的上下限约束。
7.如权利要求5所述的水下机器人深度区间控制方法，其特征在于，所述舵角约束条件包括艏舵舵角约束和艉舵舵角约束；
艏舵舵角约束为
Figure FDA0002456779960000043
其中
Figure FDA0002456779960000044
和δb 分别为艏舵舵角的上下限约束，矩阵
Figure FDA0002456779960000045
是维数等于控制步长nu的方阵，
Figure FDA0002456779960000046
矩阵中的元素I为单位矩阵；
艉舵舵角约束为
Figure FDA0002456779960000047
其中
Figure FDA0002456779960000048
阳δs 分别为艉舵舵角的上下限约束。
8.如权利要求5所述的水下机器人深度区间控制方法，其特征在于，所述区间约束条件为
Figure FDA0002456779960000049
其中矩阵
Figure FDA00024567799600000410
是维数等于nm的单位矩阵，nm是优化参考轨迹α的步长，
Figure FDA00024567799600000411
阳α分别为优化参考轨迹的上下界。
9.一种水下机器人深度区间控制系统，其特征在于，包括
获取模块，用于根据深度控制线性化状态空间方程中的时变状态矩阵Ac和时变输入矩阵Bc，获取多步预测状态矩阵P和多步预测输入矩阵H；以及根据当前k时刻的深度ζk、纵倾角θk、艏舵舵角
Figure FDA0002456779960000051
和艉舵舵角
Figure FDA0002456779960000052
通过观测器获取当前k时刻状态变量估计值zk，并更新反馈校正矩阵D；
多步预测模块，用于由当前k时刻状态变量估计值zk，通过所述多步预测状态矩阵P、多步预测输入矩阵H和更新后的反馈校正矩阵D获取多步预测状态变量
Figure FDA0002456779960000053
二次规划模块，用于构建包含优化参考轨迹α、舵角增量输出向量Δδ和所述多步预测状态变量
Figure FDA0002456779960000054
的代价函数，结合舵角约束条件、舵速约束条件和区间约束条件，求解约束条件下的二次规划，从而获得舵角舵速约束下的舵角增量输出向量Δδ。
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-8任一项所述的水下机器人深度区间控制方法。
CN202010310143.8A 2020-04-18 2020-04-18 一种水下机器人深度区间控制方法和系统 Pending CN111506090A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010310143.8A CN111506090A (zh) 2020-04-18 2020-04-18 一种水下机器人深度区间控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010310143.8A CN111506090A (zh) 2020-04-18 2020-04-18 一种水下机器人深度区间控制方法和系统

Publications (1)

Publication Number Publication Date
CN111506090A true CN111506090A (zh) 2020-08-07

Family

ID=71867493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010310143.8A Pending CN111506090A (zh) 2020-04-18 2020-04-18 一种水下机器人深度区间控制方法和系统

Country Status (1)

Country Link
CN (1) CN111506090A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111427356A (zh) * 2020-04-13 2020-07-17 华中科技大学 一种船舶航向区间控制方法和系统
CN116774715A (zh) * 2023-05-31 2023-09-19 新兴际华(北京)智能装备技术研究院有限公司 水下航行器姿态控制方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105511480A (zh) * 2016-02-25 2016-04-20 哈尔滨工程大学 一种基于人工蜂群优化的模型预测的欠驱动uuv深度控制方法
CN107499476A (zh) * 2017-08-21 2017-12-22 江苏科技大学 水下机器人控制系统及运动控制方法
CN109343350A (zh) * 2018-11-20 2019-02-15 清华大学 一种基于模型预测控制的水下机器人路径跟踪控制方法
CN109976349A (zh) * 2019-04-12 2019-07-05 大连海事大学 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
CN110427040A (zh) * 2019-07-16 2019-11-08 哈尔滨工程大学 一种基于动态面滑模的欠驱动无缆水下机器人深度反步控制方法
CN111427356A (zh) * 2020-04-13 2020-07-17 华中科技大学 一种船舶航向区间控制方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105511480A (zh) * 2016-02-25 2016-04-20 哈尔滨工程大学 一种基于人工蜂群优化的模型预测的欠驱动uuv深度控制方法
CN107499476A (zh) * 2017-08-21 2017-12-22 江苏科技大学 水下机器人控制系统及运动控制方法
CN109343350A (zh) * 2018-11-20 2019-02-15 清华大学 一种基于模型预测控制的水下机器人路径跟踪控制方法
CN109976349A (zh) * 2019-04-12 2019-07-05 大连海事大学 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
CN110427040A (zh) * 2019-07-16 2019-11-08 哈尔滨工程大学 一种基于动态面滑模的欠驱动无缆水下机器人深度反步控制方法
CN111427356A (zh) * 2020-04-13 2020-07-17 华中科技大学 一种船舶航向区间控制方法和系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
GENG TAO, ZHAO JIN: "Generalized Predictive Control with Constraints for Autonomous Underwater Vehicle Depth Control", 《PROCEEDINGS OF 2012 INTERNATIONAL CONFERENCE ON MODELLING, IDENTIFICATION AND CONTROL》 *
LEO V STEENSON: "Experimentally Verified Depth Regulation for AUVs Using Constrained Model Predictive Control", 《PROCEEDINGS OF THE 19TH WORLD CONGRESS THE INTERNATIONAL FEDERATION OF AUTOMATIC CONTROL》 *
XUDONG WANG, TAO GENG: "A zone control method for ship heading under wave disturbance", 《ICIRA 2018:INTELLIGENT ROBOTICS AND APPLICATIONS》 *
戴余良，刘祖源: "潜艇深度和纵倾的灰色系统预测控制", 《舰船科学技术》 *
杜 亮，严卫生，高 剑，陈宇航: "波浪干扰下的AUV 纵向运动建模与模型预测控制", 《系统仿真学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111427356A (zh) * 2020-04-13 2020-07-17 华中科技大学 一种船舶航向区间控制方法和系统
CN116774715A (zh) * 2023-05-31 2023-09-19 新兴际华(北京)智能装备技术研究院有限公司 水下航行器姿态控制方法及装置

Similar Documents

Publication Publication Date Title
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
Fossen et al. Kalman filtering for positioning and heading control of ships and offshore rigs
Skjetne et al. Modeling, identification, and adaptive maneuvering of Cybership II: A complete design with experiments
Skjetne et al. A nonlinear ship manoeuvering model: Identification and adaptive control with experiments for a model ship
Sonnenburg et al. Modeling, identification, and control of an unmanned surface vehicle
CN106950974B (zh) 欠驱动自主水下航行器的对三维路径进行理解及跟踪控制方法
Hong et al. Depth control of an autonomous underwater vehicle, STARFISH
CN108319140B (zh) 一种重定义输出式无模型自适应航向控制方法及系统
Breivik Nonlinear maneuvering control of underactuated ships
CN111506090A (zh) 一种水下机器人深度区间控制方法和系统
CN115113524B (zh) 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法
CN111798702B (zh) 无人艇路径跟踪控制方法、系统、存储介质及终端
CN107544258A (zh) 自主型水下航行器自适应反演控制方法
CN116360260B (zh) 基于触发制导和自更新阈值的asv预设性能控制方法
Liu et al. A hierarchical disturbance rejection depth tracking control of underactuated AUV with experimental verification
CN111427356A (zh) 一种船舶航向区间控制方法和系统
CN110515387A (zh) 一种水面船舶漂角补偿非线性航向控制方法
Tang et al. Robust fixed-time trajectory tracking control of the dynamic positioning ship with actuator saturation
Liu Pre-filtered backstepping control for underactuated ship path following
CN113485389A (zh) 一种基于自适应预测的水下机器人三维轨迹跟踪控制方法
Guo et al. Robust adaptive event-triggered path following control for autonomous surface vehicles in shallow waters
Liu et al. Ship heading control with speed keeping via a nonlinear disturbance observer
CN113741433B (zh) 一种水面无人船的分布式编队方法
CN113359737A (zh) 一种考虑队形伸缩的船舶编队自适应事件触发控制方法
Wang et al. A model-based decoupling method for surge speed and heading control in vessel path following

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200807