CN112965370A - 一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法 - Google Patents
一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法 Download PDFInfo
- Publication number
- CN112965370A CN112965370A CN202110127705.XA CN202110127705A CN112965370A CN 112965370 A CN112965370 A CN 112965370A CN 202110127705 A CN202110127705 A CN 202110127705A CN 112965370 A CN112965370 A CN 112965370A
- Authority
- CN
- China
- Prior art keywords
- auv
- underwater vehicle
- controller
- firefly algorithm
- method based
- 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
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
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
本发明提出一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法,包括滑模控制和改进萤火虫算法对参数寻优;将待整定参数作为萤火虫在解空间中的位置,构成种群中的个体位置信息,将每个个体代入控制器中,对自主水下航行器的轨迹跟踪进行控制,通过萤火虫寻优,使得适应度函数最小,提高了控制器的控制精度与实用性,满足AUV在实际使用过程中根据需要在线进行参数重构的要求。本发明不需要再依靠人工经验调整参数,使用智能算法自适应整定参数,提高了控制器的有效性与实用性,满足AUV在实际使用过程中根据需要在线进行参数重构的要求。
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改进萤火虫算法优化的水下航行器轨迹跟踪控制方法。
背景技术
随着海洋开发的不断深入,自主水下航行器(AUV)以其体积小,运动灵活,能够自主作业的优点而备受青睐,其已经成为海洋开发的重要工具。自主水下航行器(AUV)完成各种复杂任务的一个基础就是对给定的轨迹的精确跟踪。AUV作为具有高度非线性,多自由度,同时各自由度之间相互耦合等特点,AUV数学模型及其工作环境难以准确的描述,导致一般的基于模型的经典控制方法应用于AUV轨迹跟踪控制时很难取得理想的控制效果。
对于解决模型不精确的控制问题,有学者提出了滑模控制设计轨迹跟踪控制器,对于使用该方法设计的控制器,在滑模函数与控制器上有许多需要手动调整的参数,这些参数对系统性能与控制器效果好坏有着至关重要的影响。传统方案中主要依靠人工经验或者经验公式进行调参,工作量繁琐,而且只能离线进行,只适用于单一模型,如果AUV在实际使用过程中,进行载荷投放或者出现故障等改变AUV本体模型的情况后,原先参数往往不再适用,而传统方案无法满足AUV本体模型改变后在线进行参数重构的需求。
发明内容
为解决存在的问题,本发明对调参方式进行改进,提出一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法,不需要再依靠人工经验调整参数,使用智能算法自适应整定参数,提高了控制器的有效性与实用性,满足AUV在实际使用过程中根据需要在线进行参数重构的要求。
本发明的技术方案为:
所述一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法,包括以下步骤:
步骤1:建立AUV水平面动力学和运动学模型为:
其中,x,y为AUV在地面固定坐标系的位置,ψ,r分别为AUV的航向角和航向角速度,u,v分别为AUV纵向速度和横向速度,m11、m22和m33为AUV的广义质量,和m为航行器质量;Xu、Yv和Nr为水动力阻尼系数;Xu|u|、Yv|v|和Nr|r|为二次水动力系数;τu为纵向推力,τr为水平面偏航力矩;
其中,F1和F3为不确定项,表示不确定项的估计值;为设计的自适应律,eu、er、eψ和ex为期望轨迹对应的u、r、ψ、x和AUV当前实际的u、r、ψ、x差值;eα=ur-ud,eα表示AUV在实际运行时,在载体坐标系x轴上速度分量ur和期望的在x轴方向上AUV速度ud之差,ud根据期望轨迹信息得到;er=r-rd,er表示AUV在实际运行时的角速度r和由期望轨迹得到的角速度rd之差,vp是根据期望轨迹得到的AUV期望速度;S1和S2为设计的滑模函数, 是不确定项的实际值和估计值偏差;其中c1、a1、b1、c2、a2和b2为控制器参数;
步骤3:根据AUV当前状态,利用改进萤火虫算法对控制器参数c1、a1、b1、c2、a2和b2进行自适应优化,实现对AUV的轨迹跟踪控制,其中每一只萤火虫所处的位置信息代表待优化的控制器参数c1、a1、b1、c2、a2和b2。
进一步的,所述改进萤火虫算法中,采用的适应度函数为:
其中ey为期望轨迹对应的y和AUV当前实际的y的差值。
进一步的,所述改进萤火虫算法中,位置更新形式为:
进一步的,按照下式对α进行改进,其中N为最大迭代次数:
αt+1=αt exp(-(1/4)(t/N)),t=1,2,…,N。
有益效果
本发明使用改进萤火虫算法优化水下航行器轨迹跟踪滑模控制器参数方法中包括滑模控制和改进萤火虫算法对参数寻优。将待整定参数作为萤火虫在解空间中的位置,构成种群中的个体位置信息。将每个个体代入控制器中,对自主水下航行器的轨迹跟踪进行控制,通过萤火虫寻优,使得适应度函数最小,提高了控制器的控制精度与实用性,满足AUV在实际使用过程中根据需要在线进行参数重构的要求。
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是本发明的控制系统结构图;
图2是本发明的流程图;
图3是萤火虫算法优化滑模控制器参数后的AUV轨迹跟踪仿真图。
具体实施方式
本发明的目的在于提供一种能够对AUV轨迹跟踪控制器参数自适应整定的自主水下航行器的轨迹跟踪控制方法。
本发明是这样实现的:
(1)建立AUV水平面动力学和运动学模型;
(2)针对轨迹跟踪任务,设计控制律;
(3)利用智能算法自适应整定控制器参数。
所述步骤(1)中AUV的水平面运动学和动力学模型如下:
其中,x,y为AUV在地面固定坐标系中的位置,可以通过卫星定位导航系统或水下航行器自身惯导系统获得。ψ,r分别为AUV的航向角和航向角速度,角度信息可以根据罗经获得。u,v分别为AUV纵向速度和横向速度,可以通过卫星定位导航系统或多普勒原理测得。m11、m22和m33为AUV的广义质量,和m为航行器质量;Xu、Yv和Nr为水动力阻尼系数;Xu|u|、Yv|v|和Nr|r|为二次水动力系数,这些数据,能够根据AUV水中实验测得。τu为纵向推力,τr为水平面偏航力矩,这部分为控制器的输入信息。
步骤(2)的控制律及其参数说明如下:
AUV大多为欠驱动的(控制输入个数少于自由度个数),本发明应用的对象不论是欠驱动还是全驱动均可,这里给出的控制器为欠驱动AUV下设计的控制律,欠驱动AUV只在纵向和横向上提供力与力矩,控制输入少于AUV水平面上的三自由度。在纵向和横向上(x,y方向)设计的推力控制律舵力控制律为:
其中,F1和F3为不确定项,表示不确定项的估计值,考虑步骤(1)通过实验对AUV水动力系数测试时,因为人为因素或是客观误差会导致系统存在不确定性,为此设计不确定项自适应律用以抵抗不确定项的影响。为设计的自适应律,eu、er、eψ和ex为期望轨迹对应的u、r、ψ、x和AUV当前实际的u、r、ψ、x差值(跟踪误差)。eα=ur-ud,eα表示AUV在实际运行时,在载体坐标系x轴上速度分量ur和期望的在x轴方向上AUV速度ud之差,ud根据期望轨迹信息得到(位置信息求导即为速度信息);er=r-rd,er表示AUV在实际运行时的角速度r和由期望轨迹得到的角速度rd之差,vp是根据期望轨迹得到的AUV期望速度;S1和S2为设计的滑模函数, 是不确定项的实际值和估计值偏差。c1、a1、b1、c2、a2和b2为待优化的控制器参数。
步骤(3)利用智能算法对控制器参数进行自适应整定,具体而言是使用改进萤火虫算法对控制器参数进行整定,整定步骤(2)涉及的控制器参数过程如下:
对于步骤(2)设计的控制器,需要调整的参数有c1、a1、b1、c2、a2和b2。
首先,需要设定改进萤火虫算法的基本参数,包括解空间维度d,萤火虫种群的萤火虫个数n、最大迭代次数N、萤火虫搜索范围和吸引度信息β等。
其次,为了AUV当前位置与期望轨迹一致,同时还要保证航向角与期望航行相同,设计适应度函数为:
其中,ey为期望轨迹对应的y和AUV当前实际的y差值。
适应度函数用于评判控制器的性能,J值越小说明控制器的性能越好。每一只萤火虫的位置信息作为控制器待优化参数的值,通过在Simulink搭建的AUV运动学和动力学计算出当前萤火虫对应的适应度函数值,用它计算当前萤火虫的亮度值。种群中所有萤火虫计算完毕后,萤火虫种群中每一只萤火虫会更新各自己的位置信息。
位置更新形式如下:
其中,表示第j只萤火虫的位置信息,rij为两只萤火虫的笛卡尔距离,βij(rij)为两只萤火虫之间的吸引度;这里我们定义吸引度为这里取r=0时的萤火虫吸引度信息β0=0.2,γ为光吸收系数,设为0.1到10之间的任意常数;是由高斯分布、均匀分布或者其他分布得到的随机数向量其中,α∈[0,1],为了提高萤火虫算法整定控制器参数的能力,同时避免萤火虫寻优时陷入局部最优,按照下式对α进行改进,N为最大迭代次数:
αt+1=αtexp(-(1/4)(t/N)),t=1,2,…,N
最后,萤火虫种群会重复将位置信息代入Simulink模块计算性能指标,并以此作为位置更新依据。此时需进行收敛性判断,若种群代次数达到设定的最大迭代步数,则取当前种群中适应度值最小的个体作为最优解,停止迭代,输出全局最优解及其对应的位置信息,位置信息即为待整定控制器参数。
下面给出本方法控制律设计及其稳定性分析如下:
AUV的轨迹跟踪中,既要保证航行器的速度向量和参考轨迹的切线方向一致,又要保证向量大小也一致。设[xd,yd,ψd]T为固定坐标系下AUV的期望状态量,[x,y,ψ]T是AUV固定坐标系下的实际状态量。EI=[x-xd,y-yd,ψ-ψd]T记为固定坐标系下AUV误差变量。经过坐标变换,可得到载体坐标系下AUV的位置误差变量为EB=[ex,ey]T。ex=(x-xd)cosψ+(y-yd)sinψ,ey=-(x-xd)sinψ+(y-yd)cosψ,eψ=ψ-ψd。
第一步:AUV轨迹跟踪问题中,为了让AUV的实际位置趋近于期望位置,让期望位置误差趋近于零,构造如下的Lyapunov函数:
对式(1-1)求导可得
同时结合误差跟踪信息有
为了避免初始状态约束引起的奇异值问题,定义如式(1-4)所示的虚拟速度误差变量:
α=vp sineψ (0-4)
对于不可控的非真实变量ud和αd,分别定义对应的误差变量eu和eα:
结合虚拟速度误差变量、虚拟控制变量及其对应的误差变量,带入式(1-3),整理得:
第二步:为了让纵向的速度误差eu趋向于零,设计控制力矩τu让AUV的ur可以跟踪上ud,同时考虑系统不确定性F1,构造如下的Lyapunov函数:
根据AUV水平面动力学方程和式(1-6)得:
设计滑模函数S1:
式(1-11)带入式(1-10)得:
对V2求导有:
选择推进力的控制律为:
设计不确定项自适应律为:
第三步:为了使横向误差eα稳定,即横向速度能够跟踪上期望横向速度,同时考虑系统不确定项F2,设计控制器使eα稳定,由式(1-4)和式(1-5)可知:
针对不确定项F2和不可控变量eα,构造李雅普诺夫函数
结合(1-19)对上式求导:
设计自适应律:
第四步:设计控制器使旋转角速度误差er稳定,即欠驱动AUV的旋转角速度可以跟踪上期望旋转角速度,同时考虑系统不确定性F3,构造李雅普诺夫函数如下:
结合式随体坐标系下的位置误差对er求导可得
设计如下的滑模函数:
对V4求导,得:
选择控制力矩的控制律为:
设计自适应律:
控制器稳定性证明如下:
对于前述的AUV运动学和动力学模型,采用设计的控制器(1-15)和(1-32),AUV的轨迹跟踪误差趋于零,系统是全局渐近稳定的,证明如下:
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 (6)
1.一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法,其特征在于:包括以下步骤:
步骤1:建立AUV水平面动力学和运动学模型为:
其中,x,y为AUV在地面固定坐标系的位置,ψ,r分别为AUV的航向角和航向角速度,u,v分别为AUV纵向速度和横向速度,m11、m22和m33为AUV的广义质量,和m为航行器质量;Xu、Yv和Nr为水动力阻尼系数;Xu|u|、Yv|v|和Nr|r|为二次水动力系数;τu为纵向推力,τr为水平面偏航力矩;
其中,F1和F3为不确定项,表示不确定项的估计值;为设计的自适应律,eu、er、eψ和ex为期望轨迹对应的u、r、ψ、x和AUV当前实际的u、r、ψ、x差值;eα=ur-ud,eα表示AUV在实际运行时,在载体坐标系x轴上速度分量ur和期望的在x轴方向上AUV速度ud之差,ud根据期望轨迹信息得到;er=r-rd,er表示AUV在实际运行时的角速度r和由期望轨迹得到的角速度rd之差,vp是根据期望轨迹得到的AUV期望速度;S1和S2为设计的滑模函数, 是不确定项的实际值和估计值偏差;其中c1、a1、b1、c2、a2和b2为控制器参数;
步骤3:根据AUV当前状态,利用改进萤火虫算法对控制器参数c1、a1、b1、c2、a2和b2进行自适应优化,实现对AUV的轨迹跟踪控制,其中每一只萤火虫所处的位置信息代表待优化的控制器参数c1、a1、b1、c2、a2和b2。
6.根据权利要求4所述一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法,其特征在于:按照下式对α进行改进,其中N为最大迭代次数:
αt+1=αtexp(-(1/4)(t/N)),t=1,2,…,N。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127705.XA CN112965370A (zh) | 2021-01-29 | 2021-01-29 | 一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127705.XA CN112965370A (zh) | 2021-01-29 | 2021-01-29 | 一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112965370A true CN112965370A (zh) | 2021-06-15 |
Family
ID=76273532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127705.XA Pending CN112965370A (zh) | 2021-01-29 | 2021-01-29 | 一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112965370A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116817684A (zh) * | 2023-07-17 | 2023-09-29 | 东方空间技术(山东)有限公司 | 基于萤火虫算法的火箭入轨倾角修正方法、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106227223A (zh) * | 2016-09-27 | 2016-12-14 | 哈尔滨工程大学 | 一种基于动态滑模控制的uuv轨迹跟踪方法 |
CN106444794A (zh) * | 2016-09-20 | 2017-02-22 | 哈尔滨工程大学 | 一种无参数欠驱动uuv垂直面路径跟踪滑模控制方法 |
CN106773713A (zh) * | 2017-01-17 | 2017-05-31 | 北京航空航天大学 | 针对欠驱动海洋航行器的高精度非线性路径跟踪控制方法 |
CN108319138A (zh) * | 2018-01-29 | 2018-07-24 | 哈尔滨工程大学 | 一种欠驱动无人艇的滑模-反步双回路轨迹跟踪控制方法 |
CN108427414A (zh) * | 2018-03-31 | 2018-08-21 | 西北工业大学 | 一种自主水下航行器水平面自适应轨迹跟踪控制方法 |
CN110308735A (zh) * | 2019-03-08 | 2019-10-08 | 哈尔滨工程大学 | 一种针对输入时滞的欠驱动uuv轨迹跟踪滑模控制方法 |
CN112000116A (zh) * | 2020-07-24 | 2020-11-27 | 西北工业大学 | 一种基于改进萤火虫pid方法的自主水下航行器航向角控制方法 |
-
2021
- 2021-01-29 CN CN202110127705.XA patent/CN112965370A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106444794A (zh) * | 2016-09-20 | 2017-02-22 | 哈尔滨工程大学 | 一种无参数欠驱动uuv垂直面路径跟踪滑模控制方法 |
CN106227223A (zh) * | 2016-09-27 | 2016-12-14 | 哈尔滨工程大学 | 一种基于动态滑模控制的uuv轨迹跟踪方法 |
CN106773713A (zh) * | 2017-01-17 | 2017-05-31 | 北京航空航天大学 | 针对欠驱动海洋航行器的高精度非线性路径跟踪控制方法 |
CN108319138A (zh) * | 2018-01-29 | 2018-07-24 | 哈尔滨工程大学 | 一种欠驱动无人艇的滑模-反步双回路轨迹跟踪控制方法 |
CN108427414A (zh) * | 2018-03-31 | 2018-08-21 | 西北工业大学 | 一种自主水下航行器水平面自适应轨迹跟踪控制方法 |
CN110308735A (zh) * | 2019-03-08 | 2019-10-08 | 哈尔滨工程大学 | 一种针对输入时滞的欠驱动uuv轨迹跟踪滑模控制方法 |
CN112000116A (zh) * | 2020-07-24 | 2020-11-27 | 西北工业大学 | 一种基于改进萤火虫pid方法的自主水下航行器航向角控制方法 |
Non-Patent Citations (1)
Title |
---|
徐健 等: "欠驱动UUV三维轨迹跟踪的反步动态滑模控制", 《华中科技大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116817684A (zh) * | 2023-07-17 | 2023-09-29 | 东方空间技术(山东)有限公司 | 基于萤火虫算法的火箭入轨倾角修正方法、设备及介质 |
CN116817684B (zh) * | 2023-07-17 | 2024-03-26 | 东方空间技术(山东)有限公司 | 基于萤火虫算法的火箭入轨倾角修正方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yan et al. | Model predictive control of autonomous underwater vehicles for trajectory tracking with external disturbances | |
CN108227491B (zh) | 一种基于滑模神经网络的智能车轨迹跟踪控制方法 | |
Cobb et al. | Iterative learning-based path optimization for repetitive path planning, with application to 3-d crosswind flight of airborne wind energy systems | |
CN111650948B (zh) | 一种可底栖式auv的水平面轨迹快速跟踪控制方法 | |
Zhou et al. | Adaptive robust sliding mode control of autonomous underwater glider with input constraints for persistent virtual mooring | |
CN110908281A (zh) | 无人直升机姿态运动有限时间收敛强化学习控制方法 | |
CN105807789B (zh) | 基于t-s模糊观测器补偿的uuv控制方法 | |
Zhang et al. | Approach-angle-based three-dimensional indirect adaptive fuzzy path following of under-actuated AUV with input saturation | |
Lai et al. | Adaptive position/attitude tracking control of aerial robot with unknown inertial matrix based on a new robust neural identifier | |
Mu et al. | Tracking control of podded propulsion unmanned surface vehicle with unknown dynamics and disturbance under input saturation | |
Chen et al. | Driver-behavior-based adaptive steering robust nonlinear control of unmanned driving robotic vehicle with modeling uncertainties and disturbance observer | |
Zhang et al. | A novel event-triggered robust neural formation control for USVs with the optimized leader–follower structure | |
CN114047773A (zh) | 一种基于扩张状态观测器的水下集矿机器人反步滑模自适应姿态控制方法 | |
Li et al. | Multi-UUV formation coordination control based on combination of virtual structure and leader | |
Yao et al. | Model predictive and adaptive neural sliding mode control for three-dimensional path following of autonomous underwater vehicle with input saturation | |
Zhang et al. | A double-loop control framework for AUV trajectory tracking under model parameters uncertainties and time-varying currents | |
CN112965370A (zh) | 一种基于改进萤火虫算法优化的水下航行器轨迹跟踪控制方法 | |
Velagić et al. | Design of LQR controller for 3D trajectory tracking of octocopter unmanned aerial vehicle | |
CN110647161B (zh) | 基于状态预测补偿的欠驱动uuv水平面轨迹跟踪控制方法 | |
CN102139769B (zh) | 基于自组织cmac的挠性卫星快速稳定控制方法 | |
CN116360258A (zh) | 基于固定时间收敛的高超声速变形飞行器抗干扰控制方法 | |
CN116088311A (zh) | 基于自适应神经网络扩张状态观测器的无人直升机二阶不确定滑模控制方法 | |
CN110703792B (zh) | 基于增强学习的水下机器人姿态控制方法 | |
CN112764426A (zh) | 一种四旋翼无人机系统的内模抗扰控制方法 | |
CN112363538A (zh) | 一种速度信息不完备下的auv区域跟踪控制方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210615 |
|
WD01 | Invention patent application deemed withdrawn after publication |