CN112859891A - 一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 - Google Patents
一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 Download PDFInfo
- Publication number
- CN112859891A CN112859891A CN202110127704.5A CN202110127704A CN112859891A CN 112859891 A CN112859891 A CN 112859891A CN 202110127704 A CN202110127704 A CN 202110127704A CN 112859891 A CN112859891 A CN 112859891A
- Authority
- CN
- China
- Prior art keywords
- auv
- sliding mode
- coordinate system
- particle swarm
- particle
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 239000000126 substance Substances 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000013459 approach Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 5
- 238000013461 design Methods 0.000 abstract description 4
- 230000004044 response Effects 0.000 abstract description 4
- 238000003908 quality control method Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011835 investigation 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
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提出一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法,利用粒子群算法优化设计切换函数和趋近律参数,加快系统到达滑动平面的速度,使整个动态响应过程中都具有强鲁棒性和良好的性能,解决传统自适应滑模控制中存在的品质控制和高频颤动之间的矛盾,实现AUV的精确控制。
Description
技术领域
本发明涉及自主水下航行器控制领域,具体地说是一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法。
背景技术
近几十年来,自主式水下机器人(AUV)受到了广泛的关注,并取得了许多相关成果。自主式水下机器人(AUV)是一种自带能源,依靠其自治能力来管理和控制自身以完成预定任务的水下航行器,可用于海洋科学调查、港口安防监测、水下搜救、海军应用部署等领域。运动控制技术是水下机器人的关键技术之一,良好的运动控制技术是水下机器人完成特定任务的前提和保障。随着水下机器人应用范围的扩大,对其自主性、运动控制的精度和稳定性的要求也随之逐步增加,因此如何提高水下机器人的控制性能是当今研究的一个重要课题。
目前主要采用的AUV运动控制技术有:PID控制、模糊控制、滑模变结构控制等,传统的PID控制算法是目前应用最广泛的控制算法,但是存在响应慢、易超调、抗干扰能力差等缺点。模糊控制的众多的模糊变量以及隶属度函数的选择需要有已被实践验证的效果较好的专家经验知识来指导设计,导致对于一种新设计的控制律根本没有经验可以利用。而滑模变结构控制设计方法简单,控制算法易实现,但是系统状态会产生高频颤动现象,影响系统的稳态精度,甚至使系统不稳定。
发明内容
本发明针对AUV航向角控制需求,提出一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法,利用粒子群算法优化设计切换函数和趋近律参数,加快系统到达滑动平面的速度,使整个动态响应过程中都具有强鲁棒性和良好的性能,解决传统自适应滑模控制中存在的品质控制和高频颤动之间的矛盾,实现AUV的精确控制。
本发明的技术方案为:
所述一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法,包括以下步骤:
步骤1:建立AUV的航向运动模型为
其中,ψ为AUV的航向角,r为偏航角速度,IZ为载体坐标系下的沿z轴方向上的转动惯量;λ66为载体坐标系中沿z轴方向旋转运动产生的附加质量;λ62为载体坐标系中沿y轴方向平移运动产生的附加质量,m为水下航行器的质量,xG为重心在载体坐标系中x轴上的横坐标,u和v分别为水下航行器在载体坐标系下的纵向速度和侧向速度,为合速度;β为侧滑角,描述的是合速度v0与载体坐标系中x轴与z轴所在平面之间的夹角,τr为航向输入力矩,d(t)为有界的未知外界扰动,且满足|d(t)|≤d,其中d为外界扰动的上界;为载体坐标系下偏航力矩对角速度r的旋转导数、为载体系中偏航力矩因素对侧滑角β的位置导数,ρ为海水的密度,L为水下航行器在载体坐标系中沿x轴方向的长度,S为水下航行器沿x轴方向的最大横截面面积;x和y分别表示在固定坐标系中AUV的横坐标和纵坐标;
步骤2:将步骤1运动模型中的动力学方程改写为:
步骤3:设计基于自适应滑模控制的AUV航向控制律为:
其中,为指数趋近律,滑模面函数为式中eψ=ψ-ψd为航向角误差,为航向角误差的一阶导数;系数k、η和c为通过粒子群算法整定的参数,且三个参数均为正常数;为h的估计值;为c3的估计值;根据航向控制律解算得到的航向输入力矩τr,实现对AUV的航向角控制。
进一步的,步骤3中通过粒子群算法对系数k、η和c进行整定时,选择动态惯性权重为
其中t为当前迭代次数,G为设定的最大迭代次数,并得到粒子速度更新公式和位置更新公式分别为
Vij(t+1)=ω(t)×Vij(t)+a1×rand()×(pbeastij(t)-Xij(t))+a2×rand()×(gbestij(t)-Xij(t))
Xij(t+1)=Xij(t)+Vij(t+1)
其中i代表第i个粒子,j=1,2,3代表粒子的第j维,Xi(t)=[Xi1(t),Xi2(t),Xi3(t)]为粒子i在第t代的位置,Vi(t)=[Vi1(t),Vi2(t),Vi3(t)]为粒子i在第t代的速度;a1、a2为加速度常数;pbeastij(t)为第t代的第i个粒子的个体极值,gbestij(t)第t代的全局极值。
有益效果
本发明提出的一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法,利用粒子群算法优化设计切换函数和趋近律参数,寻找控制算法中最优的参数值,加快系统到达滑动平面的速度,使整个动态响应过程中都具有强鲁棒性和良好的性能,解决传统自适应滑模控制中存在的品质控制和高频颤动之间的矛盾,实现AUV的精确控制。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1:PSO优化自适应滑模控制参数流程图;
图2:AUV航向控制示意图;
图3:(a)是自适应滑模控制航向角仿真图;(b)放大图;
图4:(a)是粒子群优化的自适应滑模控制航向角仿真图;(b)放大图;
图5:粒子群算法适应度迭代曲线图。
具体实施方式
本发明基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法流程图如图1所示。
利用该算法实现AUV航向角控制的具体步骤如下:
(1)首先,AUV水平面模型的方程可以描述为:
其中,ψ为航向角,r为偏航角速度,IZ为载体坐标系下的沿z轴方向上的转动惯量;λ66为载体坐标系中沿z轴方向旋转运动产生的附加质量;λ62为载体坐标系中沿y轴方向平移运动产生的附加质量,m为水下航行器的质量,xG为重心在载体坐标系中x轴上的横坐标,u和v分别为水下航行器在载体坐标系下的纵向速度和侧向速度,为合速度;β为侧滑角,描述的是合速度v0与载体坐标系中x轴与z轴所在平面之间的夹角,τr为输入力矩,d(t)假设为有界的未知外界扰动,且满足|d(t)|≤d,其中d为外界扰动的上界;为载体坐标系下偏航力矩对角速度r的旋转导数、为载体系中偏航力矩因素对侧滑角β的位置导数,ρ为海水的密度,L为水下航行器在载体坐标系中沿x轴方向的长度,S为水下航行器沿x轴方向的最大横截面面积;x和y分别表示在固定坐标系中的横坐标和纵坐标。
(2)考虑到水下航行器中的水动力系数是随着航行过程不断变化的,所以将动力学方程(1)重写为:
(3)设计自适应滑模控制的控制律为:
其中,为指数趋近律,滑模面函数为式中eψ=ψ-ψd为航向角误差,为航向角误差的一阶导数。其中的系数k、η和c为通过粒子群算法整定的参数,且三个参数均为正常数;为h的估计值;为c3的估计值,通过其估计值来在线估计模型的不确定参数。
下面采用粒子群算法对所设计的控制器的参数进行优化,设粒子群总个体为30,需整定的参数为3个(系数k、η和c),所以粒子的维度为3维,设定的迭代次数为40代。
(1)计算每个体的适应值,从而选择出个体的局部最优位置向量和种群的全局最优位置向量。考虑到在整个控制过程中,航向角误差与控制输入会出现某一时刻突然出现大幅抖动的情况,这种情况直接影响着控制器的性能,所以选择整个仿真时间段内的误差与控制输入的总和作为粒子群算法的适应度函数:
(2)进一步的,为了加快粒子群算法的收敛速度和避免陷入局部最优,选择动态惯性权重为:
其中,t为当前迭代次数,G为最大迭代次数。所以,速度更新公式和位置更新公式分别为:
Vij(t+1)=ω(t)×Vij(t)+a1×rand()×(pbeastij(t)-Xij(t))+a2×rand()×(gbestij(t)-Xij(t)) (7)
Xij(t+1)=Xij(t)+Vij(t+1) (8)
其中,i=1,2,…,30代表第i个粒子,j=1,2,3代表粒子的第j维,
Xi(t)=[Xi1(t),Xi2(t),Xi3(t)]为粒子i在第t代的位置,Vi(t)=[Vi1(t),Vi2(t),Vi3(t)]为粒子i在第t代的速度;a1、a2为加速度常数,通常设为0~2之间的值;pbeastij(t)为第t代的第i个粒子的个体极值,gbestij(t)第t代的全局极值。
下面给出本发明控制律的分析和验证过程:
(1)建立水下航行器动力学模型为:
(2)选择滑模面函数为:
(3)选择指数趋近律为:
其中,k>0,η>0。
(4)设计出航向角的控制律为:
(5)选取自适应律为:
其中,参数k1,k2为自适应律参数。
(6)选择Lyapunov函数为:
本实施例中,设定期望航向角为ψd=10sin(0.5t),分别采用自适应滑模控制和粒子群优化的自适应滑模控制进行仿真。由仿真结果图3和图4可知,经过粒子群优化的自适应滑模控制能够更快的收敛到期望的航向角,控制效果相较于自适应滑模控制更好,可以达到更精确的控制效果。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法,其特征在于:包括以下步骤:
步骤1:建立AUV的航向运动模型为
其中,ψ为AUV的航向角,r为偏航角速度,IZ为载体坐标系下的沿z轴方向上的转动惯量;λ66为载体坐标系中沿z轴方向旋转运动产生的附加质量;λ62为载体坐标系中沿y轴方向平移运动产生的附加质量,m为水下航行器的质量,xG为重心在载体坐标系中x轴上的横坐标,u和v分别为水下航行器在载体坐标系下的纵向速度和侧向速度,为合速度;β为侧滑角,描述的是合速度v0与载体坐标系中x轴与z轴所在平面之间的夹角,τr为航向输入力矩,d(t)为有界的未知外界扰动,且满足|d(t)|≤d,其中d为外界扰动的上界;为载体坐标系下偏航力矩对角速度r的旋转导数、为载体系中偏航力矩因素对侧滑角β的位置导数,ρ为海水的密度,L为水下航行器在载体坐标系中沿x轴方向的长度,S为水下航行器沿x轴方向的最大横截面面积;x和y分别表示在固定坐标系中AUV的横坐标和纵坐标;
步骤2:将步骤1运动模型中的动力学方程改写为:
步骤3:设计基于自适应滑模控制的AUV航向控制律为:
3.根据权利要求2所述一种基于粒子群算法优化自适应滑模控制参数的AUV航向角控制方法,其特征在于:步骤3中通过粒子群算法对系数k、η和c进行整定时,选择动态惯性权重为
其中t为当前迭代次数,G为设定的最大迭代次数,并得到粒子速度更新公式和位置更新公式分别为
Vij(t+1)=ω(t)×Vij(t)+a1×rand()×(pbeastij(t)-Xij(t))+a2×rand()×(gbestij(t)-Xij(t))
Xij(t+1)=Xij(t)+Vij(t+1)
其中i代表第i个粒子,j=1,2,3代表粒子的第j维,Xi(t)=[Xi1(t),Xi2(t),Xi3(t)]为粒子i在第t代的位置,Vi(t)=[Vi1(t),Vi2(t),Vi3(t)]为粒子i在第t代的速度;a1、a2为加速度常数;pbeastij(t)为第t代的第i个粒子的个体极值,gbestij(t)第t代的全局极值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127704.5A CN112859891B (zh) | 2021-01-29 | 2021-01-29 | 一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127704.5A CN112859891B (zh) | 2021-01-29 | 2021-01-29 | 一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112859891A true CN112859891A (zh) | 2021-05-28 |
CN112859891B CN112859891B (zh) | 2023-03-03 |
Family
ID=75986924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127704.5A Active CN112859891B (zh) | 2021-01-29 | 2021-01-29 | 一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859891B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116225145A (zh) * | 2023-03-30 | 2023-06-06 | 陕西理工大学 | 光伏系统最大功率点的复合追踪方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104678768A (zh) * | 2015-01-30 | 2015-06-03 | 哈尔滨工程大学 | 基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法 |
CN104793625A (zh) * | 2015-04-17 | 2015-07-22 | 西北工业大学 | 一种自主水下航行器动态抗饱和俯仰角控制方法 |
US20160355247A1 (en) * | 2014-02-19 | 2016-12-08 | Cgg Services Sa | Method and autonomous underwater vehicle able to maintain a planned arrangement |
CN109901622A (zh) * | 2019-04-08 | 2019-06-18 | 哈尔滨工程大学 | 一种基于机理模型的自主水下机器人预测s面控制方法 |
CN111381600A (zh) * | 2018-12-28 | 2020-07-07 | 陕西师范大学 | 一种基于粒子群算法的uuv路径规划方法 |
CN112230545A (zh) * | 2020-10-13 | 2021-01-15 | 西北工业大学 | 一种基于ppga自适应优化pid参数的auv航向角控制方法 |
-
2021
- 2021-01-29 CN CN202110127704.5A patent/CN112859891B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160355247A1 (en) * | 2014-02-19 | 2016-12-08 | Cgg Services Sa | Method and autonomous underwater vehicle able to maintain a planned arrangement |
CN104678768A (zh) * | 2015-01-30 | 2015-06-03 | 哈尔滨工程大学 | 基于粒子群优化单稳态自适应随机共振的自主式水下机器人信号处理方法 |
CN104793625A (zh) * | 2015-04-17 | 2015-07-22 | 西北工业大学 | 一种自主水下航行器动态抗饱和俯仰角控制方法 |
CN111381600A (zh) * | 2018-12-28 | 2020-07-07 | 陕西师范大学 | 一种基于粒子群算法的uuv路径规划方法 |
CN109901622A (zh) * | 2019-04-08 | 2019-06-18 | 哈尔滨工程大学 | 一种基于机理模型的自主水下机器人预测s面控制方法 |
CN112230545A (zh) * | 2020-10-13 | 2021-01-15 | 西北工业大学 | 一种基于ppga自适应优化pid参数的auv航向角控制方法 |
Non-Patent Citations (2)
Title |
---|
杨俊成等: "改进粒子群算法在USV航向稳定性控制中的研究", 《舰船科学技术》 * |
陈志梅;孟文俊;张井岗;曾建潮;: "基于改进粒子群算法的滑模控制方案" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116225145A (zh) * | 2023-03-30 | 2023-06-06 | 陕西理工大学 | 光伏系统最大功率点的复合追踪方法 |
CN116225145B (zh) * | 2023-03-30 | 2023-12-29 | 陕西理工大学 | 光伏系统最大功率点的复合追踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112859891B (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ali et al. | Finite-time extended state observer based nonsingular fast terminal sliding mode control of autonomous underwater vehicles | |
Zhang et al. | Robust model predictive control for path-following of underactuated surface vessels with roll constraints | |
Volyanskyy et al. | A New Neuroadaptive Control Architecture for Nonlinear Uncertain Dynamical Systems: Beyond $\sigma $-and $ e $-Modifications | |
CN111176306B (zh) | 一种水下航行器变增益自抗扰纵向控制方法 | |
Shen et al. | Dynamic surface control for tracking of unmanned surface vessel with prescribed performance and asymmetric time-varying full state constraints | |
An et al. | Robust fixed-time tracking control for underactuated AUVs based on fixed-time disturbance observer | |
CN114442640B (zh) | 一种水面无人艇轨迹跟踪控制方法 | |
Zhang et al. | Anti-disturbance control for dynamic positioning system of ships with disturbances | |
Wang et al. | Tracking control with input saturation and full-state constraints for surface vessels | |
Dai et al. | Finite-time trajectory tracking for marine vessel by nonsingular backstepping controller with unknown external disturbance | |
CN112859891B (zh) | 一种基于粒子群算法优化自适应滑模控制参数的auv航向角控制方法 | |
CN117452827B (zh) | 一种欠驱动无人艇轨迹跟踪控制方法 | |
Jing et al. | Self-tuning adaptive active disturbance rejection pitch control of a manta-ray-like underwater glider | |
Tang et al. | Robust fixed-time trajectory tracking control of the dynamic positioning ship with actuator saturation | |
Chen et al. | Robust trajectory tracking control of underactuated underwater vehicle subject to uncertainties | |
Toha et al. | Dynamic nonlinear inverse-model based control of a twin rotor system using adaptive neuro-fuzzy inference system | |
CN113110512A (zh) | 一种减弱未知干扰与抖振影响的可底栖式auv自适应轨迹跟踪控制方法 | |
Li et al. | Adaptive predefined-time optimal tracking control for underactuated autonomous underwater vehicles | |
CN116224798A (zh) | 一种基于事件触发的自主水下航行器轨迹跟踪控制方法 | |
Zhang et al. | Depth control of AUV using sliding mode active disturbance rejection control | |
CN110703792B (zh) | 基于增强学习的水下机器人姿态控制方法 | |
Zhang et al. | Fuzzy adaptive sliding mode controller for path following of an autonomous underwater vehicle | |
Li et al. | A novel decentralised adaptive NN tracking control for double inverted pendulums | |
Gong et al. | Three-dimensional optimal trajectory tracking control of underactuated AUVs with uncertain dynamics and input saturation | |
Su et al. | Segmented hybrid event‐triggered control for underactuated autonomous underwater vehicles with an asymmetrical prescribed performance constraint |
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 |