CN113031632B - 一种适用于潜航器水面回收的控制系统及其控制方法 - Google Patents

一种适用于潜航器水面回收的控制系统及其控制方法 Download PDF

Info

Publication number
CN113031632B
CN113031632B CN202110278154.7A CN202110278154A CN113031632B CN 113031632 B CN113031632 B CN 113031632B CN 202110278154 A CN202110278154 A CN 202110278154A CN 113031632 B CN113031632 B CN 113031632B
Authority
CN
China
Prior art keywords
underwater vehicle
control system
recovery
instruction
unmanned ship
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.)
Active
Application number
CN202110278154.7A
Other languages
English (en)
Other versions
CN113031632A (zh
Inventor
王曰英
陈汇资
吴乃龙
周卫祥
成敏
杜鑫
付俊
解相朋
姜斌
罗均
汪小帆
杨希祥
严怀成
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.)
University of Shanghai for Science and Technology
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110278154.7A priority Critical patent/CN113031632B/zh
Publication of CN113031632A publication Critical patent/CN113031632A/zh
Application granted granted Critical
Publication of CN113031632B publication Critical patent/CN113031632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明公开了一种适用于潜航器水面回收的控制系统及其控制方法，属于无人艇技术领域。潜航器水面回收的控制系统包括双体无人艇中控系统、双体无人艇运动控制系统、激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统、潜航器运动控制系统。本发明在双体无人艇运动控制系统中设计有基于深度学习的无人艇位姿预测模型，实现了无人艇位姿数据的预报，提高了无人艇定位的精度和潜航器回收平台的稳定性。同时，在潜航器运动控制系统中设计有自适应滑模容错跟踪控制器，使潜航器在执行回收任务过程中具有更高的可靠性和稳定性。本发明设计的潜航器水面回收控制系统能够有效的提高潜航器回收效率和成功率，节省了回收成本，具有一定的实用价值。

Description

一种适用于潜航器水面回收的控制系统及其控制方法
技术领域
本发明涉及无人艇技术领域，具体涉及一种适用于潜航器水面回收的控制系统及其控制方法。
背景技术
潜航器凭借其卓越的水下科考能力，被广泛应用于水文地理勘察等领域。并且，伴随着潜航器控制技术的发展，潜航器的回收技术近年来也引起了大量学者的关注。然而，当前潜航器回收技术往往离不开工作人员参与，而且过度的依赖于复杂设计的回收机构，这不仅增加了系统的复杂度，其回收效率也比较低。而且，潜航器除了面对复杂海洋环境和苛刻的通信环境外，还可能遭遇驱动器故障等其它不利因素，这都将增加潜航器回收失败的概率。因此，需要设计一种容错能力较强的鲁棒性控制系统，来保障潜航器可以有效的处理驱动器故障、克服时变的外界干扰和系统不确定性，以提高潜航器的可靠性和稳定性，确保可以顺利、高效的实现预定的潜航器回收任务。
发明内容
针对现有技术中存在的问题和不足，本发明的目的在于提供一种适用于潜航器水面回收的控制系统及其控制方法。
为实现发明的目的，本发明采用如下技术方案：
第一方面，本发明提供了一种适用于潜航器水面回收的控制系统，包括双体无人艇中控系统、双体无人艇运动控制系统、激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统、潜航器运动控制系统；所述双体无人艇中控系统分别与双体无人艇运动控制系统、激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统连接；所述潜航器运动控制系统分别与激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统连接；所述激光检测与视觉识别模块与潜航器回收系统连接；所述双体无人艇中控系统用于接收用户所发送的回收指令，生成潜航器回收指令和海面目标检测和识别指令，并将潜航器回收指令传输至潜航器中控系统，将海面目标检测和识别指令传输至激光检测与视觉识别模块；所述潜航器中控系统用于接收来自双体无人艇中控系统的潜航器回收指令，生成潜航器上浮指令，并将潜航器上浮指令传输至潜航器运动控制系统；所述潜航器运动控制系统根据接收到的潜航器上浮指令，控制潜航器上浮；所述激光检测与视觉识别模块用于检测水面目标，并将目标检测结果反馈给双体无人艇中控系统；所述双体无人艇中控系统用于接收到激光检测与视觉识别模块反馈的目标检测结果，如果反馈的结果是检测到水面目标，则所述双体无人艇中控系统向双体无人艇运动控制系统发送动力定位指令，如果反馈的结果是未检测到水面目标，则所述双体无人艇中控系统向潜航器中控系统发送的潜航器回收指令；所述双人无人艇运动控制系统根据接收到的动力定位指令，完成双体无人艇的动力定位，并将完成动力定位指令反馈给双体无人艇中控系统；所述双体无人艇中控系统根据双人无人艇运动控制系统反馈的完成动力定位指令，向潜航器回收系统发送回收装置下放指令；所述潜航器回收系统根据接收到的回收装置下放指令将回收装置下放到回收准备点位置，并将回收准备点位置、回收装置开口端中心轴线信息反馈给双体无人艇中控系统；所述双体无人艇中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输给潜航器中控系统，潜航器中控系统再将回收准备点位置、回收装置开口端中心轴线信息和前进指令传输给潜航器运动控制系统；所述潜航器运动控制系统根据回收准备点位置、回收装置开口端中心轴线信息和前进指令规划潜航器与回收准备点位置间的期望路径，控制潜航器进入回收装置；所述激光检测与视觉识别模块对回收装置内部进行目标识别，并将目标识别结果反馈给双体无人艇中控系统，如果识别到目标，则潜航器回收系统按预定指令继续完成潜航器的回收工作，如果未能识别到目标，则激光检测与视觉识别模块将其结果反馈给双体无人艇中控系统，双体无人艇中控系统再次向潜航器中控系统发送回收指令，使潜航器重新回到回收准备点位置，继续执行回收任务，直至完成潜航器的回收。
根据上述的控制系统，优选地，所述潜航器运动控制系统包括路径规划模块、积分器、自适应滑模容错跟踪控制器、驱动器、潜航器；所述积分器分别与路径规划模块、自适应滑模容错跟踪控制器连接；所述潜航器分别与积分器、驱动器连接。
根据上述的控制系统，优选地，所述路径规划模块中运行有Lifelong PlanningA*算法，根据目标点的位姿数据为潜航器规划出期望路径，所述路径规划模块的输入为回收准备点位置、回收装置开口端中心轴线信息，路径规划模块的输出为潜航器的期望位姿数据，并将期望位姿数据传递给积分器。
根据上述的控制系统，优选地，所述积分器用于减小潜航器的稳态跟踪误差，所述积分器的输入为潜航器的实际位姿数据与期望位姿数据之间的跟踪误差，积分器的输出为积分后的跟踪误差。
根据上述的控制系统，优选地，所述自适应滑模容错跟踪控制器的输入潜航器的实际位姿数据与期望位姿数据之间的跟踪误差及积分后的跟踪误差，自适应滑模容错跟踪控制器的输出为控制指令。
根据上述的控制系统，优选地，所述驱动器的输入为控制指令，驱动器根据控制指令修正潜航器实际位姿与期望位姿之间的跟踪误差，调节潜航器在纵向、横向、升沉、艏向、俯仰的运动。
根据上述的控制系统，优选地，所述自适应滑模容错跟踪控制器由自适应滑模容错控制律、T–S模糊逻辑系统、权值更新律组成；所述T–S模糊逻辑系统分别与自适应滑模容错控制律、权值更新律相连；所述权值更新律的输入为跟踪误差，通过李雅普诺夫稳定理论，获得新的权值，所述权值更新律的输出为实时优化后权值的导数；所述T–S模糊逻辑系统的输入为实时优化后权值的导数，所述T–S模糊逻辑系统的输出为模型不确定性和外界干扰的估计值；所述自适应滑模容错控制律的输入为积分后的跟踪误差和模型不确定性与外界干扰的估计值，所述自适应滑模容错控制律的输出为带有鲁棒性的主动容错控制律。
根据上述的控制系统，优选地，所述自适应滑模容错跟踪控制器的设计包括以下步骤：
(1)构建潜航器动力学模型：
首先，构建潜航器动力学模型，确定被控对象的数学模型，为自适应滑模容错跟踪控制器的设计奠定基础，所述潜航器动力学模型如式(Ⅰ)所示：
Figure BDA0002975957630000031
式中，U＝[u,v,r,p,w]T表示潜航器的速度矢量，其中，u,v,r,p,w分别为潜航器在纵向、横向、艏向、俯仰、升沉方向上的速度；
Figure BDA0002975957630000032
表示潜航器的附加质量矩阵，且
Figure BDA0002975957630000033
Figure BDA0002975957630000034
Figure BDA0002975957630000035
其中，m表示潜航器的质量，xg表示潜航器的重心；
Figure BDA0002975957630000036
表示潜航器的线性阻尼矩阵；
Figure BDA0002975957630000041
表示潜航器的非线性阻尼矩阵；
Figure BDA0002975957630000042
表示柯氏力矩阵； Xu,X|u|u,Xuuu,
Figure BDA0002975957630000043
Yv,Yp,Y|v|v,Yr,
Figure BDA0002975957630000044
Y|r|r,Y|r|v,Y|v|r,
Figure BDA0002975957630000045
Nv,
Figure BDA0002975957630000046
N|v|v,Nr,
Figure BDA0002975957630000047
N|r|r,N|v|r, N|r|v,
Figure BDA0002975957630000048
Kp,
Figure BDA0002975957630000049
Kw,
Figure BDA00029759576300000410
K|p|p,
Figure BDA00029759576300000411
Zw,
Figure BDA00029759576300000412
Z|w|w表示水动力系数，且为正常数，由实船水动力实验获取；d表示由海流引起的环境干扰；
Figure BDA00029759576300000413
表示将速度信息转化为位置信息的转换矩阵；y＝[y1,y2,y3,y4,y5]T表示潜航器输出的位置信息，其中， y1为潜航器输出的纵向位置信息，y2为潜航器输出的横向位置信息，y3为潜航器输出的艏摇位置信息，y4为潜航器输出的俯仰位置信息，y5为潜航器输出的升沉位置信息，T表示对矩阵进行转置；
Figure BDA00029759576300000414
表示带有驱动器故障的控制输入，其中，
Figure BDA00029759576300000415
为带有驱动器故障的纵向驱动力，
Figure BDA00029759576300000416
为带有驱动器故障的横向驱动力，
Figure BDA00029759576300000417
为带有驱动器故障的艏向驱动力，
Figure BDA00029759576300000418
为带有驱动器故障的俯仰方向驱动力，
Figure BDA00029759576300000419
为带有驱动器故障的升沉方向驱动力，且
Figure BDA00029759576300000420
其中，ρ表示失效因子，τ为控制器控制指令，
Figure BDA00029759576300000421
代表未知的故障且
Figure BDA00029759576300000422
Figure BDA00029759576300000423
为正常数；
(2)构建T-S模糊逻辑系统：
其次，为提高潜航器的轨迹跟踪精度，本发明设计T-S模糊逻辑系统来补偿模型不确定性、时变浮力和干扰，进而使潜航器的模型尽可能地接近真实状况，为自适应滑模容错跟踪控制器的设计创造条件，所述T-S模糊逻辑系统的设计公式如式(Ⅱ)所示：
Figure BDA00029759576300000424
式中，
Figure BDA0002975957630000051
为优化的权值矢量，
Figure BDA0002975957630000052
代表实时权值，n是权值的数量；
Figure BDA0002975957630000053
为高斯核函数，其中，σq＝[σq1,…,σqn]T(q＝1，2，…n)表示核函数中心，δq＝[δ1,…,δn]表示高斯核函数的带宽；ε表示模糊逻辑系统逼近误差；
Figure BDA0002975957630000054
是潜航器不确定和外界干扰f的估计值，其中，f＝-M-1D·U-M-1[-(C(U)+Dn(U))·U-g(U)+d]；T表示矩阵转置；
(3)设计非线性滑模面：
再次，为了保证潜航器位置和角度误差的快速收敛，使潜航器能够完成高精度轨迹跟踪任务，本发明设计了非线性滑模面，为船鲁棒性控制器指明了方向，所述非线性滑模面的设计如式(Ⅲ)所示：
Figure BDA0002975957630000055
式中，c1、c2、β是正常数且0<β＜1；
Figure BDA0002975957630000056
Ue＝U-Ud，Ud＝A-Tyd，yd为期望的输出矢量；
(4)设计自适应滑模容错控制律：
此外，以非线性滑模面为基础，根据鲁棒性滑膜面S的导数方程、潜航器动力学模型的式(Ⅰ)和T-S模糊逻辑系统的式(Ⅱ)的结果以及耦合模型不确定性和外界干扰、驱动器故障等耦合后的幅值上界来设计自适应滑模容错控制律，所述自适应滑模容错控制律如式(Ⅳ)所示：
Figure BDA0002975957630000057
(5)权值更新律：为了获得更加准确和高效的轨迹跟踪效果，本发明基于跟踪误差，设计了权值更新律，通过李雅普诺夫稳定理论，获得新的权值，并将其传输至T–S模糊逻辑系统，使T–S模糊逻辑系统输出更加接近实际的潜航器中的不确定性和所受干扰，并将该输出传递至自适应滑模容错控制律中，所述权值更新律如式(Ⅴ)所示：
Figure BDA0002975957630000058
式中，γ表示正常数自适应增益，
Figure BDA0002975957630000059
为正常数。
根据上述的控制系统，优选地，所述双体无人艇运动控制系统包括参考信号模块、艇控制器、艇驱动器、双体无人艇、基于深度学习的无人艇位姿预测模型、无人艇历史位姿数据库、理想运动学模型、理想动力学模型；所述艇控制器分别与参考信号模块、艇驱动器、双体无人艇相连；所述艇驱动器分别与理想动力学模型、双体无人艇相连；所述基于深度学习的无人艇位姿预测模型分别与理想运动学模型、无人艇历史位姿数据库、双体无人艇相连。
根据上述的控制系统，优选地，所述参考信号模块的输入为期望位置和期望航向，参考信号模块输出为期望的速度矢量；所述速度矢量为纵向速度、横向速度和艏摇角速度。
根据上述的控制系统，优选地，所述艇控制器的输入为实时速度矢量与期望的速度矢量之差，输出为反馈控制指令。
根据上述的控制系统，优选地，所述基于深度学习的无人艇位姿预测模型的输入来自双体无人艇历史位姿数据库的历史位姿数据、双体无人艇的实时位姿数据，基于深度学习的无人艇位姿预测模型的输出为未来时刻双体无人艇的位姿数据；所述位姿数据包括纵荡位移、横荡位移、艏摇角度、横摇角度数据。
根据上述的控制系统，优选地，所述理想运动学模型是将未来时刻双体无人艇的位姿数据转化为未来时刻双体无人艇的速度和角速度数据；所述理想动力学模型则是将未来时刻双体无人艇的速度和角速度数据转化为前馈控制指令；所述艇驱动的输入为理想动力学模型输出的前馈控制指令、艇控制器输出的反馈控制指令，并将前馈控制指令和反馈控制指令相耦合，艇驱动器的输出为推进力和力矩，驱动双体无人艇的定向移动。
根据上述的控制系统，优选地，所述基于深度学习的无人艇位姿预测模型由耦合卷积神经网络、注意力机制模块、长短期记忆网络和全连接层组成；所述注意力机制模块分别与耦合卷积神经网络和长短期记忆网络相连；所述全连接层与长短期记忆网络相连。
根据上述的控制系统，优选地，所述耦合卷积神经网络用来提取双体无人艇的实时位姿数据和历史位姿数据的特征信息，同时剔除冗余信息；所述特征信息为空间相关信息以及局部时序信息；所述实时位姿数据包括无人艇的实时纵荡位移数据、实时横荡位移数据、实时艏摇角度数据、实时横摇角度数据；所述历史位姿数据包括历史纵荡位移数据、历史横荡位移数据、历史艏摇角度数据、历史横摇角度数据。
根据上述的控制系统，优选地，所述注意力机制模块用于对耦合卷积神经网络所提取的特征信息进行加权处理，关注特定的通道和空间，提取出时间序列的显著细粒度特征。
根据上述的控制系统，优选地，所述长短期记忆网络用来提取时间序列的显著细粒度特征的长期时间序列特征，从而对无人艇的运动进行建模。
根据上述的控制系统，优选地，全连接层用来解码长短期记忆网络的输出，并计算出未来时刻双体无人艇的位姿数据。
根据上述的控制系统，优选地，所述潜航器回收系统包括设置在无人艇上的卷扬机、回收装置、缆绳，回收装置通过缆绳与卷扬机连接。
根据上述的控制系统，优选地，所述回收装置包括滚筒式舱体，所述滚筒式舱体的一端是封闭结构，滚筒式舱体另一端是开口结构；所述滚筒式舱体的开口端设有凹槽，凹槽内设有弹簧，弹簧一端与滚筒式舱体内壁连接，弹簧另一端设有反锁结构；所述滚筒式舱体的侧壁上设有排水槽；所述滚筒式舱体内壁上设有均匀布设的气囊，所述气囊上设有进气管道，所述气囊通过进气管与气泵连接，所述气泵设置在滚筒式舱体的封闭端内壁上；所述气泵上设有感应器；其中，所述感应器用于测量潜航器是否完全进入回收装置；所述气泵用于接收感应器的信号，并通过进气管道将空气充入气囊中；所述气囊主要用于防止潜航器在回收装置内碰撞，保护潜航器安全。
第二方面，本发明提供了一种上述适用于潜航器水面回收的控制系统的控制方法，包括以下步骤：
步骤1，双体无人艇中控系统接收用户发送的回收指令，生成潜航器回收指令和海面目标检测和识别指令，并将潜航器回收指令传输至潜航器中控系统，将海面目标检测和识别指令传输至激光检测与视觉识别模块；
步骤2，潜航器中控系统根据接收到的潜航器回收指令，生成潜航器上浮指令，并将潜航器上浮指令传输至潜航器运动控制系统；潜航器运动控制系统根据接收到的潜航器上浮指令，控制潜航器上浮；
步骤3，激光检测与视觉识别模块根据海面目标检测和识别指令进行水面目标检测，并将目标检测结果反馈给双体无人艇中控系统，如果反馈的结果是未检测到水面目标，则双体无人艇中控系统向潜航器中控系统发送的潜航器回收指令，重复上述步骤2；如果反馈的结果是检测到水面目标，则所述双体无人艇中控系统向双体无人艇运动控制系统发送动力定位指令；
步骤4，双人无人艇运动控制系统根据接收到的动力定位指令，完成双体无人艇的动力定位，并将完成动力定位指令反馈给双体无人艇中控系统；所述双体无人艇中控系统根据双人无人艇运动控制系统反馈的完成动力定位指令，向潜航器回收系统发送回收装置下放指令；
步骤5，潜航器回收系统根据接收到的回收装置下放指令将回收装置下放到回收准备点位置，生成回收准备点位置、回收装置开口端中心轴线信息，并将回收准备点位置、回收装置开口端中心轴线信息反馈给双体无人艇中控系统；
步骤6，双体无人艇中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输给潜航器中控系统，潜航器中控系统再将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输至潜航器运动控制系统；潜航器运动控制系统根据回收准备点位置、回收装置开口端中心轴线信息、回收指令规划出潜航器与回收准备点位置间的期望路径，控制潜航器到达回收准备点，并控制潜航器进入回收装置；
步骤7，双体无人艇通过激光检测与视觉识别模块对回收装置内的状况进行识别，如果未识别到潜航器，则向双体无人艇中控发送未识别到指令，双体无人艇中控系统根据未识别到指令，生成再次回收指令，并将再次回收指令传输给潜航器中控系统，然后继续执行步骤 6；如果识别到潜航器，则生成识别到指令，并将识别到指令传输至潜航器回收系统，潜航器回收系统根据识别到指令生成回收装置上升指令，使回收装置离开水面并持续上升，完成潜航器的回收。
根据上述的控制方法，优选地，步骤6中，所述潜航器运动控制系统包括路径规划模块、自适应滑膜容错跟踪控制器、驱动器；路径规划模块用于完成潜航器与回收准备点位置间的路径规划，潜航器在自适应滑膜容错跟踪控制器和驱动器的联合作用下到达回收准备点，并进入回收装置。
与现有技术相比，本发明取得的积极有益效果为：
1)本发明适用于潜航器水面回收的控制系统设计有潜航器运动控制系统，潜航器运动控制系统设有路径规划模块、积分器、自适应滑膜容错跟踪控制器、驱动器；路径规划模块能够根据目标点位置利用Lifelong Planning A*算法为潜航器规划出期望路径，并将潜航器的期望位姿数据传递给积分器，积分器对潜航器的实际位姿数据和期望位姿数据之间的跟踪误差作出积分处理，减小潜航器的稳态跟踪误差，自适应滑模容错跟踪控制器对跟踪误差、积分后的跟踪误差进行处理分析，得到控制指令，并将控制指令传输至驱动器，驱动器根据控制指令修正潜航器实际位姿与期望位姿之间的跟踪误差，控制潜航器在纵向、横向、升沉、艏向的运动，极大地提高了潜航器航行的精准控制，保证了潜航器在外界环境干扰信息作用下的航向、航迹稳定。
2)本发明设计的自适应滑膜容错跟踪控制器，能够有效的抑制非线性、不确定性和外界环境干扰的影响，解决潜航器驱动器潜在的故障问题，提高了潜航器在回收过程中的可靠性和稳定性，使潜航器能够顺利的完成预定的运动任务。
3)本发明通过构建双体无人艇运动控制系统中的基于深度学习的无人艇位姿预测模型，利用无人艇的历史位姿数据和实时的位姿数据，能够预测出未来时刻无人艇的位姿数据，为无人艇在复杂海洋环境下的定位提供了先验知识；而且，通过理想运动学模型和理想动力学模型将未来时刻无人艇的位姿数据转化为前馈控制指令，并将前馈控制指令与艇控制器生成的反馈控制指令进行结合，使无人艇能够提前进行动作、抵消潜在的干扰，实现事前控制，有效地解决了无人艇艇体和驱动器所存在时延的问题，保证无人艇在外界环境干扰下能够实现高精度的动力定位，提高了潜航器回收平台的稳定性。
4)本发明所设计的基于深度学习的无人艇位姿预测模型，融合了耦合卷积神经网络、注意力机制模块和长短期记忆网络各自的优点，能够有效地解决无人艇在非平稳运行时期(数据呈现异常变化的区间)预测数据误差较大的问题；通过引入注意力机制模块，突出关注无人艇在非平稳运行时期的数据，提高了无人艇在非平稳运行时期的预测数据与真实值的吻合度，为后续无人艇的控制奠定了基础。
5)本发明用于潜航器水面回收的控制系统设计合理，能够确保潜航器在外界环境复杂情况下的高效回收，而且潜航器回收的控制过程无人为干预，完全自主，可以满足潜航器在海面上的无人化高精度回收需求。
附图说明
图1本发明一种适用于潜航器水面回收的控制系统的示意图；
图2本发明潜航器运动控制系统的控制结构示意图；
图3本发明双体无人艇运动控制系统的控制结构示意图；
图4为本发明基于深度学习的无人艇位姿预测模型的逻辑流程图；
图5为本发明回收装置结构剖面图，图中：1为滚筒式舱体，2为排水槽，3为反锁机构， 4为弹簧，5为气囊，6为进气管道，7为气泵，8为感应器，9为凹槽。
具体实施方式
以下通过具体的实施例对本发明作进一步详细说明，但并不限制本发明的范围。
实施例1：
一种适用于潜航器水面回收的控制系统，包括双体无人艇中控系统、双体无人艇运动控制系统、激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统、潜航器运动控制系统；各系统之间的控制关系如图1所示，所述双体无人艇中控系统分别与双体无人艇运动控制系统、激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统连接；所述潜航器运动控制系统分别与激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统连接；所述激光检测与视觉识别模块与潜航器回收系统连接；所述双体无人艇中控系统用于接收用户所发送的回收指令，生成潜航器回收指令和海面目标检测和识别指令，并将潜航器回收指令传输至潜航器中控系统，将海面目标检测和识别指令传输至激光检测与视觉识别模块；所述潜航器中控系统用于接收来自双体无人艇中控系统的潜航器回收指令，生成潜航器上浮指令，并将潜航器上浮指令传输至潜航器运动控制系统；所述潜航器运动控制系统根据接收到的潜航器上浮指令，控制潜航器上浮；所述激光检测与视觉识别模块用于检测水面目标，并将目标检测结果反馈给双体无人艇中控系统；所述双体无人艇中控系统用于接收到激光检测与视觉识别模块反馈的目标检测结果，如果反馈的结果是检测到水面目标，则所述双体无人艇中控系统向双体无人艇运动控制系统发送动力定位指令，如果反馈的结果是未检测到水面目标，则所述双体无人艇中控系统向潜航器中控系统发送的潜航器回收指令；所述双人无人艇运动控制系统根据接收到的动力定位指令，完成双体无人艇的动力定位，并将完成动力定位指令反馈给双体无人艇中控系统；所述双体无人艇中控系统根据双人无人艇运动控制系统反馈的完成动力定位指令，向潜航器回收系统发送回收装置下放指令；所述潜航器回收系统根据接收到的回收装置下放指令将回收装置下放到回收准备点位置，并将回收准备点位置、回收装置开口端中心轴线信息反馈给双体无人艇中控系统；所述双体无人艇中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输给潜航器中控系统，潜航器中控系统再将回收准备点位置、回收装置开口端中心轴线信息和前进指令传输给潜航器运动控制系统；所述潜航器运动控制系统根据回收准备点位置、回收装置开口端中心轴线信息和前进指令规划潜航器与回收准备点位置间的期望路径，控制潜航器进入回收装置；所述激光检测与视觉识别模块对回收装置内部进行目标识别，并将目标识别结果反馈给双体无人艇中控系统，如果识别到目标，则潜航器回收系统按预定指令继续完成潜航器的回收工作，如果未能识别到目标，则激光检测与视觉识别模块将其结果反馈给双体无人艇中控系统，双体无人艇中控系统再次向潜航器中控系统发送回收指令，使潜航器重新回到回收准备点位置，继续执行回收任务，直至完成潜航器的回收。
潜航器运动控制系统包括路径规划模块、积分器、自适应滑模容错跟踪控制器、驱动器、潜航器；各部分之间的控制关系如图2所示，所述积分器分别与路径规划模块、自适应滑模容错跟踪控制器连接；所述潜航器分别与积分器、驱动器连接。
路径规划模块中运行有Lifelong Planning A*算法，根据目标点的位姿数据为潜航器规划出期望路径，所述路径规划模块的输入为回收准备点位置、回收装置开口端中心轴线信息，路径规划模块的输出为潜航器的期望位姿数据，并将期望位姿数据传递给积分器。
积分器用于减小潜航器的稳态跟踪误差，所述积分器的输入为潜航器的实际位姿数据与期望位姿数据之间的跟踪误差，积分器的输出为积分后的跟踪误差。
自适应滑模容错跟踪控制器的输入为潜航器的实际位姿数据与期望位姿数据之间的跟踪误差及积分后的跟踪误差，自适应滑模容错跟踪控制器的输出为控制指令。
驱动器的输入为控制指令，驱动器根据控制指令修正潜航器实际位姿与期望位姿之间的跟踪误差，调节潜航器在纵向、横向、升沉、艏向、俯仰的运动。
自适应滑模容错跟踪控制器由自适应滑模容错控制律、T–S模糊逻辑系统、权值更新律组成；所述T–S模糊逻辑系统分别与自适应滑模容错控制律、权值更新律相连；所述权值更新律的输入为跟踪误差，通过李雅普诺夫稳定理论，获得新的权值，权值更新律的输出为实时优化后权值的导数；所述T–S模糊逻辑系统的输入为实时优化后权值的导数，所述T–S模糊逻辑系统的输出为模型不确定性和外界干扰的估计值；所述自适应滑模容错控制律的输入为积分后的跟踪误差和模型不确定性与外界干扰的估计值，自适应滑模容错控制律的输出为带有鲁棒性的主动容错控制律。
其中，自适应滑模容错跟踪控制器的设计包括以下步骤：
(1)构建潜航器动力学模型：
首先，构建潜航器动力学模型，确定被控对象的数学模型，为自适应滑模容错跟踪控制器的设计奠定基础，所述潜航器动力学模型如式(Ⅰ)所示：
Figure BDA0002975957630000111
式中，U＝[u,v,r,p,w]T表示潜航器的速度矢量，其中，u,v,r,p,w分别为潜航器在纵向、横向、艏向、俯仰、升沉方向上的速度；
Figure BDA0002975957630000112
表示潜航器的附加质量矩阵，且
Figure BDA0002975957630000113
Figure BDA0002975957630000114
Figure BDA0002975957630000115
其中，m表示潜航器的质量，xg表示潜航器的重心；
Figure BDA0002975957630000116
表示潜航器的线性阻尼矩阵；
Figure BDA0002975957630000121
表示潜航器的非线性阻尼矩阵；
Figure BDA0002975957630000122
表示柯氏力矩阵； Xu,X|u|u,Xuuu,
Figure BDA0002975957630000123
Yv,Yp,Y|v|v,Yr,
Figure BDA0002975957630000124
Y|r|r,Y|r|v,Y|v|r,
Figure BDA0002975957630000125
Nv,
Figure BDA0002975957630000126
N|v|v,Nr,
Figure BDA0002975957630000127
N|r|r,N|v|r, N|r|v,
Figure BDA0002975957630000128
Kp,
Figure BDA0002975957630000129
Kw,
Figure BDA00029759576300001210
K|p|p,
Figure BDA00029759576300001211
Zw,
Figure BDA00029759576300001224
Z|w|w表示水动力系数，且为正常数，由实船水动力实验获取；d表示由海流引起的环境干扰；
Figure BDA00029759576300001212
表示将速度信息转化为位置信息的转换矩阵；y＝[y1,y2,y3,y4,y5]T表示潜航器输出的位置信息，其中， y1为潜航器输出的纵向位置信息，y2为潜航器输出的横向位置信息，y3为潜航器输出的艏摇位置信息，y4为潜航器输出的俯仰位置信息，y5为潜航器输出的升沉位置信息，T表示对矩阵进行转置；
Figure BDA00029759576300001213
表示带有驱动器故障的控制输入，其中，
Figure BDA00029759576300001214
为带有驱动器故障的纵向驱动力，
Figure BDA00029759576300001215
为带有驱动器故障的横向驱动力，
Figure BDA00029759576300001216
为带有驱动器故障的艏向驱动力，
Figure BDA00029759576300001217
为带有驱动器故障的俯仰方向驱动力，
Figure BDA00029759576300001218
为带有驱动器故障的升沉方向驱动力，且
Figure BDA00029759576300001219
其中，ρ表示失效因子，τ为控制器控制指令，
Figure BDA00029759576300001220
代表未知的故障且
Figure BDA00029759576300001221
Figure BDA00029759576300001222
为正常数；
(2)构建T-S模糊逻辑系统：
其次，为提高潜航器的轨迹跟踪精度，本发明设计T-S模糊逻辑系统来补偿模型不确定性、时变浮力和干扰，进而使潜航器的模型尽可能地接近真实状况，为自适应滑模容错跟踪控制器的设计创造条件，所述T-S模糊逻辑系统的设计公式如式(Ⅱ)所示：
Figure BDA00029759576300001223
式中，
Figure BDA0002975957630000131
为优化的权值矢量，
Figure BDA0002975957630000132
代表实时权值，n是权值的数量；
Figure BDA0002975957630000133
为高斯核函数，其中，σq＝[σq1,…,σqn]T(q＝1，2，…n)表示核函数中心，δq＝[δ1,…,δn]表示高斯核函数的带宽；ε表示模糊逻辑系统逼近误差；
Figure BDA0002975957630000134
是潜航器不确定和外界干扰f的估计值，其中，f＝-M-1D·U-M-1[-(C(U)+Dn(U))·U-g(U)+d]；T表示矩阵转置；
(3)设计非线性滑模面：
再次，为了保证潜航器位置和角度误差的快速收敛，使潜航器能够完成高精度轨迹跟踪任务，本发明设计了非线性滑模面，为船鲁棒性控制器指明了方向，所述非线性滑模面的设计如式(Ⅲ)所示：
Figure BDA0002975957630000135
式中，c1、c2、β是正常数且0<β＜1；
Figure BDA0002975957630000136
Ue＝U-Ud，Ud＝A-Tyd，yd为期望的输出矢量；
(4)设计自适应滑模容错控制律：
此外，以非线性滑模面为基础，根据鲁棒性滑膜面S的导数方程、潜航器动力学模型的式(Ⅰ)和T-S模糊逻辑系统的式(Ⅱ)的结果以及耦合模型不确定性和外界干扰、驱动器故障等耦合后的幅值上界来设计自适应滑模容错控制律，所述自适应滑模容错控制律如式(Ⅳ)所示：
Figure BDA0002975957630000137
(5)权值更新律：
为了获得更加准确和高效的轨迹跟踪效果，本发明基于跟踪误差，设计了权值更新律，通过李雅普诺夫稳定理论，获得新的权值，并将其传输至T–S模糊逻辑系统，使T–S模糊逻辑系统输出更加接近实际的潜航器中的不确定性和所受干扰，并将该输出传递至自适应滑模容错控制律中，所述权值更新律如式(Ⅴ)所示：
Figure BDA0002975957630000138
式中，γ表示正常数自适应增益，
Figure BDA0002975957630000139
为正常数。
双体无人艇运动控制系统包括参考信号模块、艇控制器、艇驱动器、双体无人艇、基于深度学习的无人艇位姿预测模型、无人艇历史位姿数据库、理想运动学模型、理想动力学模型；各组成部分之间的关系如图3所示，所述艇控制器分别与参考信号模块、艇驱动器、双体无人艇相连；所述艇驱动器分别与理想动力学模型、双体无人艇相连；所述基于深度学习的无人艇位姿预测模型分别与理想运动学模型、无人艇历史位姿数据库、双体无人艇相连。
参考信号模块的输入为期望位置和期望航向，参考信号模块输出为期望的速度矢量；所述速度矢量为纵向速度、横向速度和艏摇角速度。
艇控制器的输入为实时速度矢量与期望的速度矢量之差，输出为反馈控制指令。
基于深度学习的无人艇位姿预测模型的输入来自双体无人艇历史位姿数据库的历史位姿数据、双体无人艇的实时位姿数据，基于深度学习的无人艇位姿预测模型的输出为未来时刻双体无人艇的位姿数据；所述位姿数据包括纵荡位移、横荡位移、艏摇角度、横摇角度数据。
理想运动学模型是将未来时刻双体无人艇的位姿数据转化为未来时刻双体无人艇的速度和角速度数据；所述理想动力学模型则是将未来时刻双体无人艇的速度和角速度数据转化为前馈控制指令；所述艇驱动的输入为理想动力学模型输出的前馈控制指令、艇控制器输出的反馈控制指令，并将前馈控制指令和反馈控制指令相耦合，艇驱动器的输出为推进力和力矩，驱动双体无人艇的定向移动。
基于深度学习的无人艇位姿预测模型由耦合卷积神经网络、注意力机制模块、长短期记忆网络和全连接层组成；其中，各部分之间的逻辑流程如图4所示，所述注意力机制模块分别与耦合卷积神经网络和长短期记忆网络相连；所述全连接层与长短期记忆网络相连。
耦合卷积神经网络用来提取双体无人艇的实时位姿数据和历史位姿数据的特征信息，同时剔除冗余信息；所述特征信息为空间相关信息以及局部时序信息；所述实时位姿数据包括无人艇的实时纵荡位移数据、实时横荡位移数据、实时艏摇角度数据、实时横摇角度数据；所述历史位姿数据包括历史纵荡位移数据、历史横荡位移数据、历史艏摇角度数据、历史横摇角度数据。
注意力机制模块用于对耦合卷积神经网络所提取的特征信息进行加权处理，关注特定的通道和空间，提取出时间序列的显著细粒度特征。
长短期记忆网络用来提取时间序列的显著细粒度特征的长期时间序列特征，从而对无人艇的运动进行建模。
全连接层用来解码长短期记忆网络的输出，并计算出未来时刻双体无人艇的位姿数据。
潜航器回收系统包括设置在无人艇上的卷扬机、回收装置、缆绳，回收装置通过缆绳与卷扬机连接。
回收装置包括滚筒式舱体1，所述滚筒式舱体1的一端是封闭结构，滚筒式舱体1另一端是开口结构；所述滚筒式舱体1的开口端设有凹槽9，凹槽9内设有弹簧4，弹簧4一端与滚筒式舱体1内壁连接，弹簧4另一端设有反锁结构3；所述滚筒式舱体1的侧壁上设有排水槽2；所述滚筒式舱体1内壁上设有均匀布设的气囊5，所述气囊5上设有进气管道6，所述气囊5通过进气管6与气泵7连接，所述气泵7设置在滚筒式舱体1的封闭端内壁上；所述气泵7上设有感应器8；其中，所述感应器8用于测量潜航器是否完全进入回收装置；所述气泵7用于接收感应器8的信号，并通过进气管道6将空气充入气囊5中；所述气囊5主要用于防止潜航器在回收装置内碰撞，保护潜航器安全。
潜航器进入回收装置的过程为：潜航器通过挤压反锁结构3，使弹簧4收缩，反锁结构3 进入凹槽9内，当潜航器完全进入到舱体内部时，弹簧4回弹，使反锁结构3从凹槽9内弹出，实现反锁功能。
实施例2：
一种实施例1所述适用于潜航器水面回收的控制系统的控制方法，包括以下步骤：
步骤1，双体无人艇中控系统接收用户发送的回收指令，生成潜航器回收指令和海面目标检测和识别指令，并将潜航器回收指令传输至潜航器中控系统，将海面目标检测和识别指令传输至激光检测与视觉识别模块；
步骤2，潜航器中控系统根据接收到的潜航器回收指令，生成潜航器上浮指令，并将潜航器上浮指令传输至潜航器运动控制系统；潜航器运动控制系统根据接收到的潜航器上浮指令，控制潜航器上浮；
步骤3，激光检测与视觉识别模块根据海面目标检测和识别指令进行水面目标检测，并将目标检测结果反馈给双体无人艇中控系统，如果反馈的结果是未检测到水面目标，则双体无人艇中控系统向潜航器中控系统发送的潜航器回收指令，重复上述步骤2；如果反馈的结果是检测到水面目标，则所述双体无人艇中控系统向双体无人艇运动控制系统发送动力定位指令；
步骤4，双人无人艇运动控制系统根据接收到的动力定位指令，完成双体无人艇的动力定位，并将完成动力定位指令反馈给双体无人艇中控系统；所述双体无人艇中控系统根据双人无人艇运动控制系统反馈的完成动力定位指令，向潜航器回收系统发送回收装置下放指令；
步骤5，潜航器回收系统根据接收到的回收装置下放指令将回收装置下放到回收准备点位置，生成回收准备点位置、回收装置开口端中心轴线信息，并将回收准备点位置、回收装置开口端中心轴线信息反馈给双体无人艇中控系统；双体无人艇中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输给潜航器中控系统；
步骤6，潜航器中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输至潜航器运动控制系统；潜航器运动控制系统根据回收准备点位置、回收装置开口端中心轴线信息、回收指令规划出潜航器与回收准备点位置间的期望路径，控制潜航器到达回收准备点，并控制潜航器进入回收装置；
步骤7，双体无人艇通过激光检测与视觉识别模块对回收装置内的状况进行识别，如果未识别到潜航器，则向双体无人艇中控发送未识别到指令，双体无人艇中控系统根据未识别到指令，生成再次回收指令，并将再次回收指令传输给潜航器中控系统，然后执行继续步骤 6；如果识别到潜航器，则生成识别到指令，并将识别到指令传输至潜航器回收系统，潜航器回收系统根据识别到指令生成回收装置上升指令，使回收装置离开水面并持续上升，完成潜航器的回收。

Claims (7)

1.一种适用于潜航器水面回收的控制系统，其特征在于，包括双体无人艇中控系统、双体无人艇运动控制系统、激光检测与视觉识别模块、潜航器回收系统、潜航器中控系统、潜航器运动控制系统；所述双体无人艇中控系统用于接收用户所发送的回收指令，生成潜航器回收指令和海面目标检测和识别指令，并将潜航器回收指令传输至潜航器中控系统，将海面目标检测和识别指令传输至激光检测与视觉识别模块；所述潜航器中控系统用于接收来自双体无人艇中控系统的潜航器回收指令，生成潜航器上浮指令，并将潜航器上浮指令传输至潜航器运动控制系统；所述潜航器运动控制系统根据接收到的潜航器上浮指令，控制潜航器上浮；所述激光检测与视觉识别模块用于检测水面目标，并将目标检测结果反馈给双体无人艇中控系统；所述双体无人艇中控系统用于接收到激光检测与视觉识别模块反馈的目标检测结果，如果反馈的结果是检测到水面目标，则所述双体无人艇中控系统向双体无人艇运动控制系统发送动力定位指令，如果反馈的结果是未检测到水面目标，则所述双体无人艇中控系统向潜航器中控系统发送的潜航器回收指令；所述双体无人艇运动控制系统根据接收到的动力定位指令，完成双体无人艇的动力定位，并将完成动力定位指令反馈给双体无人艇中控系统；所述双体无人艇中控系统根据双体无人艇运动控制系统反馈的完成动力定位指令，向潜航器回收系统发送回收装置下放指令；所述潜航器回收系统根据接收到的回收装置下放指令将回收装置下放到回收准备点位置，并将回收准备点位置、回收装置开口端中心轴线信息反馈给双体无人艇中控系统；所述双体无人艇中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输给潜航器中控系统，潜航器中控系统再将回收准备点位置、回收装置开口端中心轴线信息和前进指令传输给潜航器运动控制系统；所述潜航器运动控制系统根据回收准备点位置、回收装置开口端中心轴线信息和前进指令规划潜航器与回收准备点位置间的期望路径，控制潜航器进入回收装置；所述激光检测与视觉识别模块对回收装置内部进行目标识别，并将目标识别结果反馈给双体无人艇中控系统，如果识别到目标，则潜航器回收系统按预定指令继续完成潜航器的回收工作，如果未能识别到目标，则激光检测与视觉识别模块将未能识别到目标的结果反馈给双体无人艇中控系统，双体无人艇中控系统再次向潜航器中控系统发送回收指令，使潜航器重新回到回收准备点位置，继续执行回收任务，直至完成潜航器的回收；
所述潜航器运动控制系统包括路径规划模块、积分器、自适应滑模容错跟踪控制器、驱动器、潜航器；所述路径规划模块中运行有Lifelong Planning A*算法，根据目标点的位姿数据为潜航器规划出期望路径，所述路径规划模块的输入为回收准备点位置、回收装置开口端中心轴线信息，路径规划模块的输出为潜航器的期望位姿数据；所述积分器的输入为潜航器的实际位姿数据与期望位姿数据之间的跟踪误差，积分器的输出为积分后的跟踪误差；所述自适应滑模容错跟踪控制器的输入为潜航器的实际位姿数据与期望位姿数据之间的跟踪误差及积分后的跟踪误差，自适应滑模容错跟踪控制器的输出为控制指令；所述驱动器的输入为控制指令，驱动器根据控制指令修正潜航器实际位姿与期望位姿之间的跟踪误差，调节潜航器在纵向、横向、升沉、艏向、俯仰的运动；
所述自适应滑模容错跟踪控制器由自适应滑模容错控制律、T–S模糊逻辑系统、权值更新律组成；所述权值更新律的输入为跟踪误差，所述权值更新律的输出为实时优化后权值的导数；所述T–S模糊逻辑系统的输入为实时优化后权值的导数，所述T–S模糊逻辑系统的输出为模型不确定性和外界干扰的估计值；所述自适应滑模容错控制律的输入为积分后的跟踪误差和模型不确定性与外界干扰的估计值，所述自适应滑模容错控制律的输出为带有鲁棒性的主动容错控制律。
2.根据权利要求1所述的控制系统，其特征在于，所述自适应滑模容错跟踪控制器的设计包括以下步骤：
(1)构建潜航器动力学模型：
构建潜航器动力学模型，所述潜航器动力学模型公式如式(Ⅰ)所示：
Figure FDA0003678768910000021
式中，U＝[u,v,r,p,w]T表示潜航器的速度矢量，其中，u,v,r,p,w分别为潜航器在纵向、横向、艏向、俯仰、升沉方向上的速度；
Figure FDA0003678768910000022
表示潜航器的附加质量矩阵，且
Figure FDA0003678768910000023
Figure FDA0003678768910000024
Figure FDA0003678768910000025
其中，m表示潜航器的质量，xg表示潜航器的重心；
Figure FDA0003678768910000031
表示潜航器的线性阻尼矩阵；
Figure FDA0003678768910000032
表示潜航器的非线性阻尼矩阵；
Figure FDA0003678768910000033
表示柯氏力矩阵，Xu,X|u|u,Xuuu,
Figure FDA0003678768910000034
Yv,Yp,Y|v|v,Yr,
Figure FDA0003678768910000035
Y|r|r,Y|r|v,Y|v|r,
Figure FDA0003678768910000036
Nv,
Figure FDA0003678768910000037
N|v|v,Nr,
Figure FDA0003678768910000038
N|r|r,N|v|r,N|r|v,
Figure FDA0003678768910000039
Kp,
Figure FDA00036787689100000310
Kw,
Figure FDA00036787689100000311
K|p|p,
Figure FDA00036787689100000312
Zw,
Figure FDA00036787689100000313
Z|w|w均表示水动力系数，且均为正常数；d表示由海流引起的环境干扰；
Figure FDA00036787689100000314
表示将速度信息转化为位置信息的转换矩阵；y＝[y1,y2,y3,y4,y5]T表示潜航器输出的位置信息，其中，y1为潜航器输出的纵向位置信息，y2为潜航器输出的横向位置信息，y3为潜航器输出的艏摇位置信息，y4为潜航器输出的俯仰位置信息，y5为潜航器输出的升沉位置信息，T表示对矩阵进行转置；
Figure FDA00036787689100000315
表示带有驱动器故障的控制输入，其中，
Figure FDA00036787689100000316
为带有驱动器故障的纵向驱动力，
Figure FDA00036787689100000317
为带有驱动器故障的横向驱动力，
Figure FDA00036787689100000318
为带有驱动器故障的艏向驱动力，
Figure FDA00036787689100000319
为带有驱动器故障的俯仰方向驱动力，
Figure FDA00036787689100000320
为带有驱动器故障的升沉方向驱动力，且
Figure FDA00036787689100000321
其中，ρ表示失效因子，τ为控制器控制指令，
Figure FDA00036787689100000322
代表未知的故障且
Figure FDA00036787689100000323
Figure FDA00036787689100000324
为正常数；
(2)构建T-S模糊逻辑系统：
构建T-S模糊逻辑系统来补偿潜航器动力学模型的不确定性、时变浮力和外界干扰，所述T-S模糊逻辑系统的公式如式(Ⅱ)所示：
Figure FDA0003678768910000041
式中，
Figure FDA0003678768910000042
为优化的权值矢量，
Figure FDA0003678768910000043
代表实时权值，n是权值的数量；
Figure FDA0003678768910000044
为高斯核函数，其中，σq＝[σq1,…,σqn]T(q＝1，2，…n)表示核函数中心，δq＝[δ1,…,δn]表示高斯核函数的带宽；ε表示模糊逻辑系统逼近误差；
Figure FDA0003678768910000045
是潜航器不确定和外界干扰f的估计值，其中，f＝-M-1D·U-M-1[-(C(U)+Dn(U))·U-g(U)+d]；T表示矩阵转置；
(3)设计非线性滑模面：
设计非线性滑模面，所述非线性滑模面的公式如式(Ⅲ)所示：
Figure FDA0003678768910000046
式中，c1、c2、β是正常数且0<β＜1；
Figure FDA0003678768910000047
Ue＝U-Ud，Ud＝A-Tyd，yd为期望的输出矢量；
(4)设计自适应滑模容错控制律：
以非线性滑模面为基础，根据鲁棒性滑膜面S的导数方程、潜航器动力学模型的式(Ⅰ)、T-S模糊逻辑系统的式(Ⅱ)的结果以及耦合模型不确定性和外界干扰、驱动器故障等耦合后的幅值上界来设计自适应滑模容错控制律，所述自适应滑模容错控制律如式(Ⅳ)所示：
Figure FDA0003678768910000048
(5)权值更新律：
设计权值更新律，所述权值更新律如式(Ⅴ)所示：
Figure FDA0003678768910000049
式中，γ表示正常数自适应增益，
Figure FDA00036787689100000410
为正常数。
3.根据权利要求1所述的控制系统，其特征在于，所述双体无人艇运动控制系统包括参考信号模块、艇控制器、艇驱动器、双体无人艇、基于深度学习的无人艇位姿预测模型、无人艇历史位姿数据库、理想运动学模型、理想动力学模型；所述参考信号模块的输入为双体无人艇的期望位置和期望航向，所述参考信号模块输出为双体无人艇期望的速度矢量；所述艇控制器的输入为双体无人艇的实时速度矢量与期望的速度矢量之差，所述艇控制器输出为反馈控制指令；所述基于深度学习的无人艇位姿预测模型的输入为来自双体无人艇历史位姿数据库的历史位姿数据、双体无人艇的实时位姿数据，所述基于深度学习的无人艇位姿预测模型的输出为未来时刻双体无人艇的位姿数据；所述理想运动学模型是将未来时刻双体无人艇的位姿数据转化为未来时刻双体无人艇的速度和角速度数据；所述理想动力学模型则是将未来时刻双体无人艇的速度和角速度数据转化为前馈控制指令；所述艇驱动器的输入为理想动力学模型输出的前馈控制指令、艇控制器输出的反馈控制指令，所述艇驱动器的输出为推进力和力矩。
4.根据权利要求3所述的控制系统，其特征在于，所述基于深度学习的无人艇位姿预测模型由耦合卷积神经网络、注意力机制模块、长短期记忆网络和全连接层组成；所述耦合卷积神经网络用来提取双体无人艇的实时位姿数据和历史位姿数据的特征信息；所述注意力机制模块用于对耦合卷积神经网络所提取的特征信息进行加权处理，提取出时间序列的显著细粒度特征；所述长短期记忆网络用来提取时间序列的显著细粒度特征的长期时间序列特征；全连接层用来解码长短期记忆网络的输出，计算并输出未来时刻双体无人艇的位姿数据。
5.根据权利要求1所述的控制系统，其特征在于，所述潜航器回收系统包括设置在无人艇上的卷扬机、回收装置、缆绳，回收装置通过缆绳与卷扬机连接。
6.根据权利要求1所述的控制系统，其特征在于，所述回收装置包括滚筒式舱体，所述滚筒式舱体的一端是封闭结构，滚筒式舱体另一端是开口结构；所述滚筒式舱体的开口端设有凹槽，凹槽内设有弹簧，弹簧一端与滚筒式舱体内壁连接，弹簧另一端设有反锁结构；所述滚筒式舱体的侧壁上设有排水槽；所述滚筒式舱体内壁上设有均匀布设的气囊，所述气囊上设有进气管道，所述气囊通过进气管与气泵连接，所述气泵设置在滚筒式舱体的封闭端内壁上；所述气泵上设有感应器。
7.一种权利要求1～6任一所述控制系统的控制方法，其特征在于，包括以下步骤：
步骤1，双体无人艇中控系统接收用户发送的回收指令，生成潜航器回收指令和海面目标检测和识别指令，并将潜航器回收指令传输至潜航器中控系统，将海面目标检测和识别指令传输至激光检测与视觉识别模块；
步骤2，潜航器中控系统根据接收到的潜航器回收指令，生成潜航器上浮指令，并将潜航器上浮指令传输至潜航器运动控制系统；潜航器运动控制系统根据接收到的潜航器上浮指令，控制潜航器上浮；
步骤3，激光检测与视觉识别模块根据海面目标检测和识别指令进行水面目标检测，并将目标检测结果反馈给双体无人艇中控系统，如果反馈的结果是未检测到水面目标，则双体无人艇中控系统向潜航器中控系统发送的潜航器回收指令，重复上述步骤2；如果反馈的结果是检测到水面目标，则所述双体无人艇中控系统向双体无人艇运动控制系统发送动力定位指令；
步骤4，双体无人艇运动控制系统根据接收到的动力定位指令，完成双体无人艇的动力定位，并将完成动力定位指令反馈给双体无人艇中控系统；所述双体无人艇中控系统根据双体无人艇运动控制系统反馈的完成动力定位指令，向潜航器回收系统发送回收装置下放指令；
步骤5，潜航器回收系统根据接收到的回收装置下放指令将回收装置下放到回收准备点位置，生成回收准备点位置、回收装置开口端中心轴线信息，并将回收准备点位置、回收装置开口端中心轴线信息反馈给双体无人艇中控系统；
步骤6，双体无人艇中控系统将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输给潜航器中控系统，潜航器中控系统再将回收准备点位置、回收装置开口端中心轴线信息、前进指令传输至潜航器运动控制系统；潜航器运动控制系统根据回收准备点位置、回收装置开口端中心轴线信息、回收指令规划出潜航器与回收准备点位置间的期望路径，控制潜航器到达回收准备点，并控制潜航器进入回收装置；
步骤7，双体无人艇通过激光检测与视觉识别模块对回收装置内的状况进行识别，如果未识别到潜航器，则向双体无人艇中控发送未识别到指令，双体无人艇中控系统根据未识别到指令，生成再次回收指令，并将再次回收指令传输给潜航器中控系统，然后执行继续步骤6；如果识别到潜航器，则生成识别到指令，并将识别到指令传输至潜航器回收系统，潜航器回收系统根据识别到指令生成回收装置上升指令，使回收装置离开水面并持续上升，完成潜航器的回收。
CN202110278154.7A 2021-03-15 2021-03-15 一种适用于潜航器水面回收的控制系统及其控制方法 Active CN113031632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110278154.7A CN113031632B (zh) 2021-03-15 2021-03-15 一种适用于潜航器水面回收的控制系统及其控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110278154.7A CN113031632B (zh) 2021-03-15 2021-03-15 一种适用于潜航器水面回收的控制系统及其控制方法

Publications (2)

Publication Number Publication Date
CN113031632A CN113031632A (zh) 2021-06-25
CN113031632B true CN113031632B (zh) 2022-09-20

Family

ID=76470599

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110278154.7A Active CN113031632B (zh) 2021-03-15 2021-03-15 一种适用于潜航器水面回收的控制系统及其控制方法

Country Status (1)

Country Link
CN (1) CN113031632B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205707188U (zh) * 2016-06-17 2016-11-23 上海遨拓深水装备技术开发有限公司 一种半潜式无人艇

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN208993903U (zh) * 2018-10-12 2019-06-18 上海工业自动化仪表研究院有限公司 全海深无人潜水器的自主回收装置
CN110610134B (zh) * 2019-08-13 2022-12-20 上海大学 一种无人艇自主对接方法
CN110879535B (zh) * 2019-12-26 2022-09-30 大连海事大学 一种t-s模糊umv的滑模容错控制方法
CN112591053B (zh) * 2020-12-23 2022-04-01 鹏城实验室 自主式水下航行器的回收方法及自主式水下航行器
CN112947504B (zh) * 2021-03-15 2022-09-16 王曰英 一种无人潜航器自主回收控制系统及其控制方法
CN112991400B (zh) * 2021-04-07 2022-02-01 广东工业大学 一种无人艇的多传感器辅助定位方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205707188U (zh) * 2016-06-17 2016-11-23 上海遨拓深水装备技术开发有限公司 一种半潜式无人艇

Also Published As

Publication number Publication date
CN113031632A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN109238291B (zh) 一种水面无人船导引缆回收自主水下航行器的规划方法
CN109976349B (zh) 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
CN109765929B (zh) 一种基于改进rnn的uuv实时避障规划方法
Bui et al. A ship berthing system design with four tug boats
CN109583144B (zh) 一种无人海洋航行器的动力学优化控制器结构及设计方法
CN102385316A (zh) 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法
CN112947504B (zh) 一种无人潜航器自主回收控制系统及其控制方法
CN111026135B (zh) 一种无人艇高性能航行前馈控制系统及其控制方法
CN112068440B (zh) 基于模型预测控制的auv回收对接动力定位控制方法
Du et al. Cooperative multi-agent control for autonomous ship towing under environmental disturbances
CN113219978B (zh) 一种基于零阶保持器的船舶路径跟踪事件触发控制方法
Shen et al. Model predictive control for an AUV with dynamic path planning
Sans-Muntadas et al. Learning an AUV docking maneuver with a convolutional neural network
Zhang et al. Improved integral LOS guidance and path-following control for an unmanned robot sailboat via the robust neural damping technique
Wang et al. A hybrid heading control scheme for a biomimetic underwater vehicle
Yue et al. Online adaptive parameter identification of an unmanned surface vehicle without persistency of excitation
Zhang et al. Tracking fault-tolerant control based on model predictive control for human occupied vehicle in three-dimensional underwater workspace
Li et al. Event-triggered robust adaptive control for path following of the URS in presence of the marine practice
CN114967714A (zh) 一种自主式水下机器人抗扰运动控制方法及系统
Du et al. Research on UUV recovery active disturbance rejection control based on LMNN compensation
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
CN113031632B (zh) 一种适用于潜航器水面回收的控制系统及其控制方法
CN116047886B (zh) 一种基于神经网络的管道潜航机器人控制方法及系统
Daxiong et al. A tracking control method of ASV following AUV
Moe et al. Path following of underactuated marine underwater vehicles in the presence of unknown ocean currents

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
TR01 Transfer of patent right

Effective date of registration: 20230515

Address after: 200433 No. 99, upper road, Shanghai, Baoshan District

Patentee after: Shanghai University

Address before: 200444 No. 99, upper road, Shanghai, Baoshan District

Patentee before: Wang Yueying

TR01 Transfer of patent right