CN112327892B - 一种auv误差受限的抗扰控制方法 - Google Patents

Abstract

本发明涉及一种AUV误差受限的抗扰控制方法，基于AUV在执行水下定点任务所存在的问题，如水下机械臂耦合干扰与AUV系统自身的结构性不确定性和海流干扰等因素所引起的非结构性不确定性的影响，设计了一种AUV误差受限的抗扰控制方法，可以在补偿水下机械臂耦合干扰，抵抗AUV结构和非结构性不确定性的同时，使得AUV在三维空间的轨迹和姿态跟踪误差可以按照设定的性能在有限时间内收敛于期望轨迹，满足水下定点作业的要求。本发明将AUV和水下机械臂的控制器进行有机整合，整体控制性能好，为AUV水下定点作业的抗扰动提供重要帮助，具有重要工程价值和实际意义。

Description

一种AUV误差受限的抗扰控制方法

技术领域

本发明涉及一种AUV误差受限的抗扰控制方法，属于水下AUV运载水下机械臂定点作业技术领域。

背景技术

AUV发展的关键技术包括提高续航能力技术、水下高速通信技术、精确导航定位技术、高级自主决策技术和运动控制技术等。在诸多关键技术中，运动控制技术尤为重要，只有具备了精准度高，鲁棒性强的运动控制方法AUV才能在远洋、深海、恶劣的海况环境下自主地完成任务。水下自主机器人难以控制的主要原因有：机器人高度的非线性、时变的动态特性，水动力系数的不确定性，各自由度运动间的耦合性，存在未知水流的扰动等。

欠驱动AUV无法进行完成悬停状态下的水下定点作业，因此，在对UVMS的运动过程进行规划时，不仅要考虑AUV携带机械臂从当前运动到目标定点处进行作业，而且，在AUV在离目标物的距离尚有余量时，水下机械臂的末端执行器的必须运动到UVMS任务规划层所指定的位置且保持不变，剩余距离由AUV携带机械臂运动到目标定点处完成作业任务。在整个水下定点作业的运动过程当中，UVMS因为AUV本体和水下机械臂存在着动力学耦合，水下机械臂的运动状态会对AUV的位置和姿态产生影响，影响系统整体的作业精度,UVMS运动控制系统的精确性、快速性和鲁棒性是其是否能够完成水下定点作业的关键。

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AUV误差受限的抗扰控制方法，可以针对海流干扰，海底环境复杂，AUV自身结构不确定性等问题对AUV的姿态与位置进行控制，补偿水下机械臂的耦合干扰，抵抗AUV结构和非结构性不确定性，使得AUV在三维空间的姿态与轨迹跟踪误差可以按照设定的性能在有限时间内收敛于期望轨迹。

为解决上述技术问题，本发明的一种AUV误差受限的抗扰控制方法，包括以下步骤：

步骤1：对AUV的模型进行简化得到AUV五自由度的运动学与动力学模型；

步骤2：建立基于视线法和设定性能函数的三维空间误差动力学模型，再通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰，并通过直接补偿的方法抵消水下机械臂对于AUV本体的影响；

步骤3：根据AUV的误差动力学模型设计AUV抗扰控制器，通过神经网络控制补偿AUV的结构性的不确定性，通过自适应控制补偿AUV的非结构性的不确定性和水下机械臂的估算误差，通过误差增益控制项减少三维空间轨迹和姿态跟踪过程中的误差；

步骤4：完成水下定点作业过程中的AUV的运动控制任务。

本发明还包括：

1.步骤1中AUV五自由度的运动学模型具体为：

其中，[x y z]^T和[φ θ ψ]^T是AUV在惯性坐标系下的位置和姿态信息，[u v w]^T是AUV载体坐标系原点线速度在x_b、y_b和z_b轴上投影，[p q r]^T是x_b、y_b和z_b轴上是AUV载体坐标系原点的角速度在x_b、y_b和z_b轴上投影；

AUV的动力学模型具体为：

其中，M_D与M_P分别为有驱动和无驱动条件下AUV本体的惯性矩阵，包括刚体质量矩阵和附加质量矩阵；D_D(υ)与D_P(υ)分别为有驱动和无驱动条件下AUV本体的阻尼阵；C_D(υ)与C_P(υ)分别为有驱动和无驱动条件下AUV本体的哥氏力阵和向心力阵；τ是AUV由推进器推力、舵角输入共同构成的向量形式，G_D(θ)是AUV所受重力和浮力矩阵组成的恢复力矩阵，F_D(v_D)与F_P(v_P)分别为有驱动和无驱动条件下AUV动力学方程的未建模动态和高阶非线性项，τ_w1和τ_w2为海流引起的有界干扰信号，τ_m1与τ_m2为机械臂对AUV本体的干扰，v_D＝[u q r]^T为驱动方向上的速度向量，v_P＝[v w]为无驱动方向上的速度向量。

2.步骤2中通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰具体为：

其中，

3.步骤3中AUV抗扰控制器具体为：

其中，

和/>

为正定对角增益矩阵，τ_nc是神经网络控制项，用于补偿转换后的AUV误差动力学方程的结构性不确定项，τ_ac是自适应控制项，用于补偿转换后的AUV误差动力学方程中的由海流干扰引起的不确定性项，/>

为机械臂耦合干扰的前馈补偿项。

本发明的有益效果：本发明是是一种当AUV控制器在有限时间内跟踪UVMS任务规划层给出的期望轨迹时的一种抗干扰避免碰撞的控制系统。针对在水下机械臂耦合干扰影响下的AUV三维空间的运动控制问题，提出了一种AUV误差受限抗扰控制方法，对AUV的三维空间中的位置和姿态进行控制。基于视线法和设定性能函数得到AUV的误差动力学方程，基于此方程设计AUV抗扰控制器，并通过Newton-Eular方程法估算法机械臂对于AUV本体的耦合干扰并进行实时补偿，采用神经网络控制补偿AUV系统的结构性不确定性，自适应控制补偿神经网络估计误差，非结构性不确定性和机械臂耦合干扰的补偿误差。具有较好的抑制能力，可以确保水下定点作业过程中AUV的位置和姿态控制，达到良好的作业效果。

(1)本发明提供了一种误差受限抗扰控制方法，基于视线法和设定函数建立了三维空间的AUV误差动力学方程，并基于此方程设计了AUV抗扰控制器。该控制器采用牛顿-欧拉法实现了对水下机械臂对于AUV本体的耦合干扰的实时估计与补偿。

(2)本发明通过神经网络控制方法减少AUV结构性不确定对其运动带来的影响，通过自适应控制方法抵消AUV非结构性不确定性和水下机械臂的补偿误差的影响，具有较好的抗扰能力和鲁棒性能。并通过水下机械臂静止状态下的仿真实验验证了该控制器可以有效实现欠驱动AUV在设定性能下的三维空间中的轨迹跟踪，并且对水下机械臂耦合干扰，结构性不确定和海流干扰等其他非结构性的不确定性具有较强的抑制能力。

(3)本发明提出的抗扰控制方法，可以在机械臂耦合干扰、外加海流干扰，未建模动态存在的情况下，设定性能参数，调整控制参数，不仅可以使其稳定跟踪误差，还可以满足其跟踪误差的设定性能。其稳定性得到验证，控制效果良好，解决了AUV本体和水下机械臂因为存在动力学耦合，导致水下机械臂的运动状态会对AUV的位置和姿态产生影响，从而影响系统整体的作业效率与作业效果的问题。

(4)本发明将AUV与水下机械臂有机融合，整个水下定点作业过程中，AUV的三维空间轨迹仍按设定性能以较高精度趋近于期望轨迹，AUV抗扰控制器可以较好抑制水下机械臂的耦合干扰、AUV的结构性不确定性与非结构性不确定性的影响，具有较强的鲁棒性。

因为与AUV的运动学耦合，水下机械臂末端执行器的跟踪误差有所增大，但跟踪精度仍可以达到2.5cm左右，可以满足某些水下定点作业的需求，例如，海底热液和冷泉处的生物取样。

附图说明

图1是运动控制流程图；

图2是UVMS系统的整体示意图；

图3是AUV三维空间轨迹跟踪框图；

图4是AUV抗扰动控制器框图；

图5是水下机械臂任务空间的控制框图；

图6是水下机械臂关节空间的控制框图；

图7是AUV在三维空间的距离跟踪误差；

图8是AUV在三维空间的姿态跟踪误差；

图9是水下机械臂的任务空间轨迹。

具体实施方式

下面结合附图对本发明具体实施方式做进一步说明。

本发明针对AUV在执行水下定点任务所存在的问题，如水下机械臂耦合干扰与AUV系统自身的结构性不确定性和海流干扰等因素所引起的非结构性不确定性的影响，设计了一种AUV误差受限的抗扰控制方法，可以在补偿水下机械臂耦合干扰，抵抗AUV结构和非结构性不确定性的同时，使得AUV在三维空间的轨迹和姿态跟踪误差可以按照设定的性能在有限时间内收敛于期望轨迹，满足水下定点作业的要求。本发明将AUV和水下机械臂的控制器进行有机整合，整体控制性能好，为AUV水下定点作业的抗扰动提供重要帮助，具有重要工程价值和实际意义。

考虑到欠驱动AUV无法实现悬停状态下的定点作业、减少整个系统能量消耗和提高系统整体的控制效率，UVMS系统的任务规划层应分三个阶段对水下机械臂运动轨迹进行规划：AUV从当前位置运动到定点位置的初期阶段，水下机械臂的各个关节保持静止状态；在接近水下定点目标的阶段，水下机械臂按照UVMS任务规划层规划好的轨迹进行展开，在距离目标定点还有一段既定的缓冲距离，水下机械臂末端执行器到达既定的位置并保持不变；最后阶段AUV按照任务规划层给出的期望轨迹，调节自身的位置和姿态，携带机械臂运动到定点位置协助其末端完成作业任务。

水下机械臂系统的控制目标为在有限时间内末端执行器跟踪上期望轨迹且对水下环境具有较强的鲁棒性。水下机械臂的任务空间控制主要针对水下定点作业过程中其末端执行器的闭环控制任务，要求其末端可以在设定时间内快速到达期望位置。基于其水下作业的任务需求，采用一种自适应迭代滑模控制方法来实现水下机械臂任务空间轨迹的跟踪控制，通过引入初始状态的修正因子来克服初始重置误差带来的影响

本发明技术方案如下：

步骤1：通过对AUV的模型的简化，得到五自由度的AUV运动学与动力学模型。

步骤2：建立基于视线法和设定性能的三维空间的误差动力学模型，再通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰。

步骤3：基于步骤2设计AUV抗扰控制器，通过直接补偿的方法抵消水下机械臂对于AUV本体的影响，通过神经网络控制补偿AUV的结构性的不确定性，通过自适应控制补偿AUV的非结构性的不确定性和水下机械臂的估算误差，通过误差增益控制项减少三维空间轨迹和姿态跟踪过程中的误差，完成水下定点作业过程中的AUV的运动控制任务。

步骤4：采用一种自适应迭代滑模控制方法来实现水下机械臂任务空间轨迹的跟踪控制，再结合AUV运动学模型、动力学模型以及AUV抗扰控制算法可以建立控制系统模型，并基于该模型进行仿真，验证了该控制方法具有较好的抑制能力，可以确保水下定点作业过程中AUV的位置和姿态控制。

结合图1，本发明的方法包括如下步骤：

步骤1：通过对AUV的模型的简化，得到五自由度的AUV运动学与动力学模型。

步骤2：建立基于视线法和设定性能的三维空间的误差动力学模型，再通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰。

步骤3：基于步骤2设计AUV抗扰控制器，通过直接补偿的方法抵消水下机械臂对于AUV本体的影响，通过神经网络控制补偿AUV的结构性的不确定性，通过自适应控制补偿AUV的非结构性的不确定性和水下机械臂的估算误差，通过误差增益控制项减少三维空间轨迹和姿态跟踪过程中的误差，完成水下定点作业过程中的AUV的运动控制任务。

步骤4：采用一种自适应迭代滑模控制方法来实现水下机械臂任务空间轨迹的跟踪控制，再结合AUV运动学模型、动力学模型以及AUV抗扰控制算法可以建立控制系统模型，并基于该模型进行仿真，验证了该控制方法具有较好的抑制能力，可以确保水下定点作业过程中AUV的位置和姿态控制。

实施2：如附图2所示，UVMS系统主要由AUV和水下机械臂两个部分组成：

AUV本体：AUV整体呈鱼雷形，可以有效减少其水中运动的阻力，采用推进器和十字舵的共同作用去控制AUV的位置和姿态，因为系统控制变量的个数为3，但是其运动的自由度为6，所以该AUV为欠驱动系统。

水下机械臂：UVMS系统选用带有末端执行器的四自由度机械臂作为作业工具，水下机械臂由腰部和腕部的回转关节、大臂和小臂的摆动关节四个部分组成，通过四个关节的组合旋转运动，可以完成水下机械臂末端执行器的位置与姿态的控制。

由AUV本体与水下机械臂所组成的UVMS系统是本发明所针对的对象。

下面通过对AUV的模型的简化，得到步骤1中五自由度的AUV运动学与动力学模型。

AUV相关参数说明如下：

其中，[X Y Z]^T为AUV在x_b、y_b和z_b轴上所受到的力，[K M N]^T是AUV在各轴上所受到的力矩，[u v w]^T是AUV载体坐标系原点线速度在x_b、y_b和z_b轴上投影，为[p q r]^T是x_b、y_b和z_b轴上是AUV载体坐标系原点的角速度在x_b、y_b和z_b轴上投影。[x y z]^T和[φ θ ψ]^T是AUV在惯性坐标系下的位置和姿态信息。

忽略横摇对AUV运动的影响，对AUV的数学模型进行简化，AUV五自由度的运动学可以写为：

根据有驱动和无驱动的方向，当欠驱动AUV的位姿信息可以传感器实时测得并进行反馈时，可以AUV的动力学方程分为两个部分：

其中，M_D与M_P分别为有驱动和无驱动条件下，AUV本体的惯性矩阵，包括刚体质量矩阵和附加质量矩阵；同理D_D(υ)与D_P(υ)分别为有驱动和无驱动条件下，AUV本体的阻尼阵；C_D(υ)与C_P(υ)分别为有驱动和无驱动条件下，AUV本体的哥氏力阵和向心力阵；τ是AUV由推进器推力、舵角输入共同构成的向量形式。G_D(θ)是AUV所受重力和浮力矩阵组成的恢复力矩阵，F_D(v_D)与F_P(v_P)分别为有驱动和无驱动条件下，AUV动力学方程的未建模动态和高阶非线性项，τ_w1和τ_w2为海流引起的有界干扰信号，τ_m1与τ_m2为机械臂对AUV本体的干扰，v_D＝[u qr]^T为驱动方向上的速度向量，v_P＝[v w]为无驱动方向上的速度向量。

实施3：跟据步骤2，建立基于视线法和设定性能的三维空间的误差动力学模型，再通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰。

AUV相关参数说明如下：

如附图3所示，AUV跟踪的位置误差(x_e、y_e和z_e)与AUV基于虚拟向导的跟踪误差(ρ_e、γ和φ)存在如下的几何关系：

x_e＝ρ_ecosφcosγ

y_e＝ρ_ecosφsinγ

z_e＝ρ_esinφ

为了方便设计，实际AUV和虚拟向导在惯性坐标下的距离和姿态误差可以转换到AUV的载体坐标系上：

对其进行求导：

为了方便表示，定义α₁，α₂和α₃：

在AUV的动力学模型存在机械臂耦合干扰，AUV结构性不确定性和海流干扰等非结构性不确定性的情况下，使得AUV的三维空间的轨迹跟踪误差收敛到原点，且满足预先设定动态性能。根据视线法，定义基于虚拟向导的跟踪误差如下式所示：

/>

对式(10)、式(11)和式(12)进行求导，将式(4)、式(5)、式(6)、式(7)、式(8)和式(9)代入可得到跟踪误差如下：

为使跟踪误差按照设定的动态和静态性能收敛，对跟踪误差进行设定：

a₁ξ₁(t)＜ρ_e(t)＜b₁ξ₂(t) (16)

-a₂ξ₂(t)＜φ(t)＜b₂ξ₂(t) (17)

-a₃ξ₃(t)＜γ(t)＜b₃ξ₃(t) (18)其中，b₁＞a₁，a₂，b₂，a₃和b₃为正常数，ξ_i(t)(i＝1,2,3)函数设计为如下形式：

ξ_i(t)＝(ξ_i0-ξ_i∞)e^-λit+ξ_i∞ (19)

函数ξ_i(t)为单调递减函数，ξ_i0为ξ_i(t)的初始状态，ξ_i∞为任意小的常数且为ξ_i(t)的极限，λ_i与跟踪误差的逼近速率相关，ξ_i0＞ξ_i∞＞0，ξ_i∞＞0。

为了实现控制目和确保跟踪误差的设定的动态和静态性能，设计三个严格递增函数

y₂(ε_φ)和y₃(ε_γ)，/>

ε_φ,ε_γ∈L_∞，且满足如下性质：

y₁(0)＝a₁+ε₁,y₂(0)＝0,y₃(0)＝0 (23)

因此，函数

y₂(ε_φ)和y₃(ε_γ)应为：

其中，υ₁＝0.5ln(ε₁/(b₁-a₁-ε₁))，υ₂＝0.5ln(a₁/b₁)和υ₃＝0.5ln(a₃/b₃)，且p_i＞0,i＝1,2,3为常数。

令

φ＝ξ₂y₂(ε_φ)和γ＝ξ₃y₃(ε_γ)，因为ξ₁(t)，ξ₂(t)，ξ₃(t)，/>

y₂(ε_φ)和y₃(ε_γ)为单调递增函数，且ξ₁,ξ₂,ξ₃≠0，所以，

存在，具体形式如下：

为了方便表示，令

ε_φ和ε_γ是ρ_e，φ和γ进行变换后的误差。对上式再进行求导，得到变换误差的动态方程。

定义新的误差向量

将式(13)、式(14)和式(15)代入上式可得：

将上式写成紧凑的形式：

由式(32)可以得到v_D及其

将上式代入到AUV动力学模型中，两边乘以R^-T(κ_e)，得到转换后的误差动力学方程，即建立基于视线法和设定性能的三维空间的误差动力学模型：

/>

其中，

表示由海流干扰引起的不确定性项等/>

机械臂耦合干扰。

水下机械臂在进行运动时，会对AUV本体的姿态产生干扰，使得AUV偏离期望的轨迹，为了抵消水下机械臂对AUV本体位置和姿态的干扰，需要对水下机械臂对于AUV本体进行估计并进行实时补偿。因为本发明的AUV为欠驱动水下机器人，在横摇方向上没有驱动，如果水下机械臂的腰部回转关节在运动时，会对AUV在横摇方向产生干扰，使AUV失去控制，所以，为了保证AUV系统的可控性，保持AUV腰部关节为静止状态，大臂和小臂关节只可以在AUV的纵倾面上运动，此时的水下机械臂可以退化成纵倾面上的二自由度机械臂。

牛顿-欧拉公式是建立在机械臂连杆之间的所有力平衡关系的基础之上，得出的方程组，其结构使得解具有递归形式，前向递归用于连杆速度和加速度传递，后向递归用于力的传递。

对于转动关节存在如下关系：

(1)前向递归

其中，

和/>

是坐标系i的角速度和角加速度，/>

和/>

是坐标系i原点的线速度和线加速度，/>

是连杆i的质心的线速度，/>

和/>

分别表示坐标系i的z轴与在坐标系i下的坐标系i-1的原点到坐标系i的距离，^i-1R_i∈R^3×3和^i-1P_i∈R^3×3分别代表{i}系在{i-1}系下的姿态矩阵和位置向量，左上角的角标i表示以第i连杆为基准建立的坐标系，下文同理。

得到合力与力矩：

(2)后向递归

对于移动关节，有如下关系

(1)前向递归

/>

得到合力与力矩：

(2)后向递归

下面就水下机械臂对AUV本体的耦合扰动作具体的分析，为了方便起见，假设水下机械臂连杆1、2的质量分别是m₁和m₂，质心位于连杆中心位置，令l₁，l₂为两连杆质心到关节轴之间的距离，L₁和L₂为两连杆的长度，连杆1、2的惯性可以表示为

和/>

连杆1、2的重心及其末端的可以表示向量形式/>

和/>

通过编码器测得机械臂两个关节的转角为/>

和/>

向前进行递推，对于连杆1的速度和加速度信息如下：

/>

对于连杆2的速度和加速度信息如下：

向后进行递推，对于连杆2的力和力矩信息如下：

因此可以得到对于连杆1的力和力矩信息如下：

将力和力矩¹f和¹μ₁转换到坐标系0上，有：

其中，s₁，s₂，s₃和s₄分别表示sinq₁，sinq₂，sinq₃和sinq₄，c₁，c₂，c₃和c₄分别表示cosq₁，cosq₂，cosq₃和cosq₄。

综上，可以得到水下机械臂末端不夹持物体和夹持物体对机械臂基座的作用力，为了方便分析水下机械臂对AUV本体的干扰和简化计算，将水下机械臂的基座坐标系放在AUV载体坐标系的正下方，水下机械臂的基座坐标系的原点在AUV载体坐标系下表示为⁰r_B＝[⁰p_Bx ⁰p_By ⁰p_Bz]^T，其中⁰p_Bx＝0和⁰p_By＝0，则水下机械臂对AUV本体的耦合干扰为：

因此，通过牛顿-欧拉法估算出的水下机械臂对AUV本体的耦合干扰的作用为

实施4：AUV抗扰控制器的框图如附图4示。根据AUV在水下定点作业过程中的任务需求，基于实施3由视线法和设定函数建立的三维空间的AUV误差动力学方程以及牛顿-欧拉(Newton-Eular)公式推导得出的水下机械臂对于AUV本体的扰动力矩，在AUV抗扰控制器中直接进行补偿。AUV抗扰控制器由误差控制项，神经网络控制项，自适应控制项和机械臂耦合干扰估计项组成。误差控制项来减少AUV运动过程中的跟踪误差，机械臂耦合干扰估计项实时补偿机械臂对于AUV本体的干扰，神经网络控制项补偿AUV系统的结构性的不确定项，自适应控制项补偿神经网络估计误差、机械臂耦合干扰补偿误差和外部海流干扰引起的非结构性误差。

为了抵消水下机械臂对AUV本体位姿的影响，采用前馈补偿的方式抵消水下机械臂对AUV的干扰，令

在AUV抗扰控制器中直接进行补偿，因为本发明并没有考虑水动力，传感器测量误差及信息传输延迟和欠驱动补偿的不对称性等因素，机械臂耦合干扰估计存在误差，并不能完全消除水下机械臂对AUV的影响，估计误差需要鲁棒控制算法在系统闭环中消除。

基于转换后的AUV误差动力学方程设计抗扰控制器，将实施三得到的式(34)转换为：

定义新的误差变量

其中，

为正对角增益矩阵。

将式(72)代入式(71)，可得一阶的AUV误差动力学方程：

其中，

Θ有界，即|Θ||≤c₅||x_e||+c₆||x_e||²，/>

c₅和c₆为未知正常数。

则得到AUV的抗扰控制器设计为：

其中，

和/>

为正定对角增益矩阵，τ_nc是神经网络控制项，用于补偿转换后的AUV误差动力学方程的结构性不确定项，τ_ac是自适应控制项，用于补偿转换后的AUV误差动力学方程中的由海流干扰引起的不确定性项，/>

为机械臂耦合干扰的前馈补偿项。

该控制器可以有效实现欠驱动AUV在设定性能下的三维空间中的轨迹跟踪，并且对水下机械臂耦合干扰，结构性不确定和海流干扰等其他非结构性的不确定性具有较强的抑制能力。通过有机整合AUV和水下机械臂的控制算法实现了水下定点过程中的AUV可以在设定的时间内完成携带水下机械臂从当前位置到目标位置的运动控制任务，水下机械臂的末端可以快速跟踪上期望轨迹并在仿真设定的时间到达期望位置，且末端的作业精度可以定点作业任务的需求，同时也确保了分离式UVMS运动控制方案在水下定点作业任务中的可行性和有效性。

实施5：如附图5、附图6所示，因水下机械臂通常工作在复杂的水下的环境，机械臂关节存在机械摩擦、外加海流干扰等多种不确定因素，所以传统的切换控制方式，因为不连续的控制会造成严重的滑模抖振。使用边界层的方式来进行抗扰，将切换控制连续化，可以有效降低抖振，但是系统的鲁棒性会受到影响，同时系统由有限时间收敛变为渐进收敛。为了解决这个问题，采用一种自适应边界层的控制方式，根据外界环境的变化，控制器自发调节边界层的参数，可以有效提高水下机械臂对于复杂环境的适应能力和作业的精度。

水下机械臂关节空间控制主要应用在UVMS运动过程中遭遇高危地形(如礁群和峡湾)时的水下机械臂关节的快速调整问题，因此，要求所设计的关节空间控制器可以在有限时间内实现快速收敛，且在复杂的水下环境下具有较强的鲁棒性。采用新型的非奇异快速终端滑模自适应控制方法，可以确保其关节在有限时间内收敛到期望位置，并且通过引入非线性分段函数来设计非奇异快速终端滑模面，来改善其远离滑模面的收敛过慢问题，通过自适应调整边界层，进一步增强在复杂海况下的水下机械臂关节空间控制的鲁棒性和关节空间控制精度的同时，降低滑模抖振。

有效改善了UVMS系统在进行水下定点作业时，AUV和水下机械臂在运动状态下，水下环境无法精确建模和外界扰动给定点作业带来的不良影响；为UVMS系统找到了一种在水下定点作业状况下的控制其姿态和位置的有效方法；确保了UVMS运动控制系统的精确性、快速性和鲁棒性。

如附图7、附图8、附图9所示，图7中位于最上方的虚线曲线是b₁ξ₁，位于最下方的虚线曲线是a₁ξ₁，图8中，上图中位于最上方的虚线曲线是b₂ξ₂，位于最下方的虚线曲线是-a₂ξ₂，下图中位于最上方的虚线曲线是b₃ξ₃，位于最下方的虚线曲线是-a₃ξ₃。跟据仿真结果，本发明整合的UVMS控制器，可以较好满足水下定点作业过程中的AUV和水下机械臂的任务需求，AUV可以在运动过程中有效抵抗水下机械臂的耦合干扰和其他的不确定性，并且以设定的性能跟踪上期望的三维空间轨迹，水下机械臂可以在有限时间内快速跟踪上任务空间的轨迹，UVMS系统的作业精度可以满足水下定点作业的需求。

Claims (1)

1.一种AUV误差受限的抗扰控制方法，其特征在于，包括以下步骤：

步骤1：对AUV的模型进行简化得到AUV五自由度的运动学与动力学模型；

步骤2：建立基于视线法和设定性能函数的三维空间误差动力学模型，再通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰，并通过直接补偿的方法抵消水下机械臂对于AUV本体的影响；

步骤3：根据AUV的误差动力学模型设计AUV抗扰控制器，通过神经网络控制补偿AUV的结构性的不确定性，通过自适应控制补偿AUV的非结构性的不确定性和水下机械臂的估算误差，通过误差增益控制项减少三维空间轨迹和姿态跟踪过程中的误差；

步骤4：完成水下定点作业过程中的AUV的运动控制任务；

步骤1所述AUV五自由度的运动学模型具体为：

其中，[x y z]^T和[φ θ ψ]^T是AUV在惯性坐标系下的位置和姿态信息，[u v w]^T是AUV载体坐标系原点线速度在x_b、y_b和z_b轴上投影，[p q r]^T是x_b、y_b和z_b轴上是AUV载体坐标系原点的角速度在x_b、y_b和z_b轴上投影；

AUV的动力学模型具体为：

其中，M_D与M_P分别为有驱动和无驱动条件下AUV本体的惯性矩阵，包括刚体质量矩阵和附加质量矩阵；D_D(v_D)与D_P(v_D)分别为有驱动和无驱动条件下AUV本体的阻尼阵；C_D(v_D)与C_P(v_D)分别为有驱动和无驱动条件下AUV本体的哥氏力阵和向心力阵；τ是AUV由推进器推力、舵角输入共同构成的向量形式，G_D(θ)是AUV所受重力和浮力矩阵组成的恢复力矩阵，F_D(v_D)与F_P(v_P)分别为有驱动和无驱动条件下AUV动力学方程的未建模动态和高阶非线性项，τ_w1(t)和τ_w2(t)为有驱动方向与无驱动方向下海流引起的有界干扰信号，τ_m1与τ_m2为有驱动与无驱动条件下机械臂对AUV本体的干扰，v_D＝[u q r]^T为驱动方向上的速度向量，v_P＝[v w]为无驱动方向上的速度向量；

步骤2所述通过牛顿-欧拉法估算出水下机械臂对于AUV本体的耦合干扰具体为：

其中，

步骤3所述AUV抗扰控制器具体为：

其中，

和

为正定对角增益矩阵，τ_nc是神经网络控制项，用于补偿转换后的AUV误差动力学方程的结构性不确定项，τ_ac是自适应控制项，用于补偿转换后的AUV误差动力学方程中的由海流干扰引起的不确定性项，

为机械臂耦合干扰的前馈补偿项，

Images