CN113878587B - 水下游动机械臂旋转壳体的能量优化控制方法及装置 - Google Patents
水下游动机械臂旋转壳体的能量优化控制方法及装置 Download PDFInfo
- Publication number
- CN113878587B CN113878587B CN202111327681.9A CN202111327681A CN113878587B CN 113878587 B CN113878587 B CN 113878587B CN 202111327681 A CN202111327681 A CN 202111327681A CN 113878587 B CN113878587 B CN 113878587B
- Authority
- CN
- China
- Prior art keywords
- usm
- thrust
- rotating shell
- generalized
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1602—Programme controls characterised by the control system, structure, architecture
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B63—SHIPS OR OTHER WATERBORNE VESSELS; RELATED EQUIPMENT
- B63C—LAUNCHING, HAULING-OUT, OR DRY-DOCKING OF VESSELS; LIFE-SAVING IN WATER; EQUIPMENT FOR DWELLING OR WORKING UNDER WATER; MEANS FOR SALVAGING OR SEARCHING FOR UNDERWATER OBJECTS
- B63C11/00—Equipment for dwelling or working underwater; Means for searching for underwater objects
- B63C11/52—Tools specially adapted for working underwater, not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Robotics (AREA)
- Ocean & Marine Engineering (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种水下游动机械臂旋转壳体的能量优化控制方法及装置,方法包括:1)设计基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器;2)将动力学控制器在每个控制周期输出的期望广义力和力矩按照顺序存储在数据库中,使用核递归最小二乘进行基于数据库数据的预测;3)以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化;4)使用五次多项式插值法,由SQP优化得到的旋转壳体角度计算得到旋转壳体角速度和角加速度,重新执行步骤1),直至USM完成预设任务为止。装置包括:处理器和存储器。使用本发明中的旋转壳体控制方案,可以起到减少USM运动过程中能量消耗的作用。
Description
技术领域
本发明涉及水下游动机械臂(Underwater Swimming Manipulator,USM)矢量推进模块推力分配技术领域,尤其涉及一种水下游动机械臂旋转壳体的能量优化控制方法及装置,具体是指关于USM旋转壳体的一种优化控制方案,使用提出的控制方案,可以减少USM在运动过程中的能量消耗。
背景技术
水下游动机械臂是一种新型的水下航行器,由连杆和推进器组成,如图1所示。目前使用广泛的水下航行器有遥控航行器(Remotely operated vehicle,ROV)和水下自主航行器(Autonomous underwater vehicle,AUV),USM与ROV/AUV相比,具有细长的体型,改变自身形状的能力,能够在海底沉船等狭窄的环境内进行作业;并且USM整体可看作是一个浮动机械臂,相较于AUV/ROV上安装的机械臂而言具有更强、更灵活的任务执行能力。
水下航行器在水下工作时有电缆供电和电池组供电两种方式,而USM使用电池组供电。当使用电池组供电时,由于USM的内部空间限制,携带的电池容量较小,为实现更长时间的水下驻留作业,需要考虑能量优化问题。
USM的推进系统由尾部固定推进器和两个矢量推进模块组成,矢量推进模块如图2所示。每个矢量推进模块有两个可旋转推进器(如图2中2d)和一个旋转壳体(如图2中2b)组成,推进器推力的方向由推进器旋转角度和旋转壳体旋转角度共同决定。目前AUV/ROV使用的推进器有固定推进器和可旋转推进器两种,没有与USM旋转壳体类似的结构。
目前国内外针对水下航行器能量优化的研究都以固定推进器和可旋转推进器为研究对象,研究方法有粒子群优化、序列二次规划(Sequential quadratic programming,SQP)等优化算法,这些优化算法都是在推力分配阶段进行优化,USM中的旋转壳体是基于USM可变构型的特点设计的一种新的机械结构,需要在运动学阶段给出旋转壳体的角度。
但在实际研究中发现,运动学领域的已有研究中没有能够给出旋转壳体角度的方法。
发明内容
本发明提供了一种水下游动机械臂旋转壳体的能量优化控制方法及装置,本发明设计的USM矢量推进模块是在现有水下航行器推进模块的基础上、结合USM自身特点设计出来的一种新型结构,使用本发明中的旋转壳体控制方案,可以起到减少USM运动过程中能量消耗的作用,详见下文描述:
第一方面,一种水下游动机械臂旋转壳体的能量优化控制方法,所述方法包括:
1)设计基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器;
2)将动力学控制器在每个控制周期输出的期望广义力和力矩按照顺序存储在数据库中,使用核递归最小二乘进行基于数据库数据的预测;
3)以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化;
4)使用五次多项式插值法,由SQP优化得到的旋转壳体角度计算得到旋转壳体角速度和角加速度,重新执行步骤1),直至USM完成预设任务为止。
其中,所述方法根据历史广义力数据库中的数据预测未来一个控制周期的广义力。
在一种实施方式中,所述变结构扩张状态观测器具体为:
其中,z1表示对的估计,即对USM速度向量的估计,z2表示对的估计,表示扩展状态观测器对总扰动的估计结果,eo1、eo2表示估计误差,β1、β2表示误差系数,为扩展状态观测器对USM加速度的估计值,为扩展状态观测器对USM扰动变化速度的估值,表示USM速度;表示使用变结构扩张状态观测器进行估计的状态的真实值,即公式(18)中的Cζ+Dζ+g;ω0表示变结构扩张状态观测器带宽;表示估计误差eo1的导数;M表示USM惯性矩阵;τ表示作用于USM的广义力。
进一步地,所述以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化具体为:
目标函数:
约束条件:
s=τ-Bu
fmin≤f≤fmax
δφ,min≤(φ-φ0)≤δφ,max
其中,f(τ*,φ)的计算过程如下:
f1=uv(1)
其中,B为虚拟推力分配矩阵,s为推力分配后期望广义力与实际广义力误差;fmin为推进器的最小推力;fmax为推进器的最大推力;δφ,min为旋转壳体角度变化量的最小值;δφ,max为旋转壳体角度变化量的最大值;uv为推力分配中间结果;Bv为虚拟推力分配矩阵;λ为阻尼系数;uv(1)为推力分配中间结果的第一个分量;fi为第i个推进器的推力。
第二方面,一种水下游动机械臂旋转壳体的能量优化控制装置,所述装置包括:处器和存储器,所述存储器中存储有程序指令,所述处理器调用存储器中存储的程序指令以使装置执行第一方面中的任一项所述的方法步骤。
第三方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时使所述处理器执行第一方面中的任一项所述的方法步骤。
本发明提供的技术方案的有益效果是:
1、本发明可以在不降低USM轨迹跟踪精度的情况下有效减少USM运动过程中的能量消耗,USM完成给定的运动时需要的总推力是固定的,各个推进器需要产生的推力的大小与推力分配过程有关,通过优化旋转壳体角度,可以以较小的推力实现USM所需的合力,从而起到减少能量消耗的作用;
2、本发明可以延长推进器使用寿命,推进器桨叶的旋转速度越快,产生的推力越大,推进器的磨损也越严重;通过优化旋转壳体角度,减小了推力幅值,进而减少了推进器的磨损,延长了推进器的使用寿命;
3、本发明可以增强USM的灵活性,通过优化旋转壳体角度,可以使USM在其机械结构限制内任意改变形状而不会在推力分配时产生奇异现象,增强了USM改变构型的能力,提高了灵活性。
附图说明
图1为现有技术提供的水下游动机械臂结构的示意图;
图2为现有技术提供的USM矢量推进模块的示意图;
图3为本发明提供的USM控制框图;
图4为本发明提供的给定基座轨迹的示意图;
图5为本发明提供的给定基座姿态的示意图;
图6为本发明提供的给定USM关节轨迹的示意图;
图7为完成相同任务时,使用和不使用本发明方案时USM消耗能量对比图;
图8为一种水下游动机械臂旋转壳体的能量优化控制装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例提供了一种水下游动机械臂旋转壳体的能量优化控制方法,该方法包括以下步骤:
101:建立USM运动学模型和动力学模型;
通过对上述USM运动学模型和动力学模型的构建实现对USM进行控制,后续步骤102-105的实现是以该步骤101中的两个模型为基础进行的,具体建立的步骤为本领域技术人员所公知,本发明实施例对此不做赘述。
102:设计基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器;
该动力学控制器是实现对USM控制的关键。
103:将动力学控制器在每个控制周期输出的期望广义力和力矩按照顺序存储在数据库中,使用核递归最小二乘(Kernel least mean square,KRLS)方法进行基于数据库数据的预测;
104:以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化;
105:使用五次多项式插值法,由SQP优化得到的旋转壳体角度计算得到旋转壳体角速度和角加速度,重新执行步骤102,直至USM完成预设任务为止。
其中,将步骤104和105中得到的旋转壳体角度、旋转壳体角速度和角加速度作为步骤102中构建的动力学控制器的输入,同时将步骤102的输出又通过步骤103影响下一循环中的步骤104和105。即步骤102-105是一个循环执行的过程,步骤105执行完后重新执行步骤102。最终优化控制的结果是步骤104中的角度,但步骤102中的控制器同时需要角速度和角加速度,使用通过步骤105的五次多项式插值得到角速度和角加速度。
综上所述,本发明实施例通过上述步骤101-步骤105实现了减少USM运动过程中能量消耗的作用。
实施例2
下面结合图1-图6、具体的计算公式、实例对实施例1中的方案进行进一步地介绍,详见下文描述:
201:建立USM运动学和动力学模型;
其中,该步骤具体为:
1)定义USM尾部关节为基座,在基座上建立USM载体坐标系;
在世界坐标系下,定义表示USM位置、姿态、构型的完整状态向量为ξ=[η1;η2;q;φ]∈R3+3+9+2,状态向量中η1=[x;y;z]∈R3表示USM基座在世界坐标系中位置;η2=[ρ;θ;ψ]∈R3表示USM基座在世界坐标系中的姿态;q∈R9表示9个关节角度;φ∈R2表示2个旋转壳体角度;x;y;z为USM基座位置在世界坐标系中的坐标;ρ;θ;ψ为USM载体坐标系相对于世界坐标系的姿态。
载体速度与状态向量之间可通过式(1)联系起来:
其中,“0”表示数字0矩阵;I表示单位矩阵。
其中,
其中,Jo,k表示对应的雅可比矩阵。
进一步地,USM的动力学模型为:
其中,M(q,φ)是包括附加质量项的惯性矩阵,C(q,φ,ζ)是科里奥利力-向心力项,D(q,φ,ζ)是水阻力项,是重力和浮力项,d代表环境对USM的作用力。控制输入由τ=Bu给出,其中,B∈R17×16表示推力配置矩阵,u∈R16表示USM的实际输入,ζ为描述USM在载体坐标系下位置、姿态和关节角的向量,为描述USM在载体坐标系下速度、角速度和关节角速度的向量。
202:基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器;
在介绍变结构扩张状态观测器设计前,首先对USM动力学公式进行改写。将式(4)表示的动力学公式改写为:
①变结构扩张状态观测器设计如下:
注:z1表示对的估计,即对USM速度向量的估计,z2表示为的估计,表示变结构扩展状态观测器对总扰动的估计结果,eo1、eo2表示估计误差,β1、β2表示误差系数,具体值为ω0,为变结构扩展状态观测器对USM加速度的估计值,为变结构扩展状态观测器对USM扰动变化速度的估值。即通过设计变结构扩张状态观测器,可以获得状态量Cζ+Dζ+g的更加精确的数值,从而使得下述②中广义超螺旋控制器输出更精确的广义力。
②广义超螺旋动力学控制器设计如下:
令
x1=ξ、x2=J(η2)ζ (10)
其中,η2为USM基座在世界坐标系中的姿态,J(η2)为坐标系转换矩阵。
则:
x1,e=x1-x1,d、x2,e=x2-x2,d (11)
其中,x1,e为USM状态实际值与期望值的误差,x1,d为USM状态的期望值;x2,e为USM速度与期望速度的误差;x2,d为USM期望的速度。
选择滑模面:σ=x1e,+x e2 (12)
趋近率:ug=-k1φ1(σ)+z (13)
其中:
φ1(σ)=μ1|σ|0.5sign(σ)+μ2σ (15)
则广义超螺旋动力学控制器输出为:
其中,J为坐标系转换矩阵,为x1的导数,表示USM在世界坐标系下的速度,为x1,d的导数,表示USM的期望速度,为x2,d的导数,表示USM的期望加速度,为坐标转换矩阵的导数,C为科里奥利力-向心力项,D为水阻力项,g为重力和浮力项。
结合变结构扩张状态观测器结果,动力学控制器的最终输出为:
203:基于KRLS的广义力和力矩的预测;
在USM的每个控制周期内,动力学控制器都会计算得到一个期望广义力和力矩(下文以广义力代替广义力和力矩进行说明,在此不再赘述),每个控制周期得到的广义力会按顺序存储起来得到一个历史广义力数据库。基于历史数据广义力预测是指根据历史广义力数据库中的数据预测未来一个控制周期的广义力。
预测方法为KRLS,选择的核函数为高斯核函数。首先根据数据库中的历史数据更新当前KRLS方法中的权重矩阵,然后将当前控制周期的广义力输入到KRLS中,即可计算得到预测广义力τ*。在进行预测时,由于τ∈R17,需要针对每一个分量进行预测,下面以一个分量的预测为例介绍广义力的预测。
预测过程分为四步,包括:构造输入和输出、初始化KRLS模型、获取新样本、基于KRLS模型和新样本的预测输出。
1)构造输入和输出:使用x表示广义力τ的一个分量,设当前控制周期为k,则训练集为{X,Y|X={xk-29,xk-28,…,xk-10},Y={xk-19,xk-18,…,xk}},其中X∈R20表示输入向量,Y∈R20表示输出向量。
2)初始化KRLS模型:KRLS使用核方法在高维特征空间进行运算,初始化KRLS模型即计算权重矩阵α使得minJ(α)=||Y-Kα||2,式中K为核矩阵。
3)获取新样本:以当前控制周期动力学控制器计算得到的期望广义力作为新样本。
204:基于SQP的旋转壳体角度优化;
其中,旋转壳体优化使用SQP方法,以USM中两个旋转壳体的旋转角度为优化变量使目标函数式(19)最小。
约束条件:
s=τ-Bu (20)
fmin≤f≤fmax (21)
δφ,min≤(φ-φ0)≤δφ,max (22)
式(19)中,f(τ*,φ)的计算过程如下:
f1=uv(1)(24)
其中,B为虚拟推力分配矩阵,s为推力分配后期望广义力与实际广义力误差;fmin为推进器的最小推力;fmax为推进器的最大推力;δφ,min为旋转壳体角度变化量的最小值;δφ,max为旋转壳体角度变化量的最大值;uv为推力分配中间结果;Bv为虚拟推力分配矩阵;λ为阻尼系数;uv(1)为推力分配中间结果的第一个分量;fi为第i个推进器的推力。
通过上述的公式(23)至公式(25)处理,减少了SQP的迭代次数,从而减少了SQP的求解时间。
205:使用五次多项式插值得到旋转壳体的速度和加速度。
其中,上述SQP优化得到的是旋转壳体的期望角速度,在广义超螺旋动力学控制器中,需要使用到旋转壳体的期望角速度和期望角加速度,使用五次多项式进行插值即可得到期望角速度和期望角加速度。
其中,本发明实施例使用五次多项式插值得到的是旋转壳体的角速度和角加速度,即公式(18)中的和的分量。是水下游动机械臂的期望速度,包含17个分量,五次多项式插值得到的旋转壳体期望速度是其中的两个分量,加速度同理。采用连续的角速度和连续的角加速度使得公式(18)的结果也是连续的,更符合机器人系统的实际,因此对机器人的控制效果更精确。
综上所述,本发明实施例通过上述步骤201-205优化了旋转壳体角度,可以使USM在其机械结构限制内任意改变形状而不会在推力分配时产生奇异现象,增强了USM改变构型的能力,提高了灵活性。
实施例3
下面结合图4-图7,以及表1对实施例1和2中的方案进行可行性验证,详见下文描述:
在对比仿真实验中,采用本发明实施例设计的旋转壳体控制方案可随意设置旋转壳体的初始值,采用现有技术的方案则需要保持旋转壳体不动。
为了保证实验结果的公平性,在16组旋转壳体角度的情况下重复对比仿真,16组旋转壳体角度如表1所示。需要解释的是,表1中的旋转壳体角度对采用本发明方案的仿真而言是初始值,在运动过程中,旋转壳体的角度由本发明的方案确定;对于不采用本发明方案的仿真而言,表1中的角度为USM运动过程中保持不变的角度。
表1:USM旋转壳体在仿真中的角度
组别 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
旋转壳体1角度/° | 0 | 0 | 0 | 0 | 45 | 45 | 45 | 45 |
旋转壳体2角度/° | 0 | 45 | 90 | 135 | 0 | 45 | 90 | 135 |
组别 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 |
旋转壳体1角度/° | 90 | 90 | 90 | 90 | 135 | 135 | 135 | 135 |
旋转壳体2角度/° | 0 | 45 | 90 | 135 | 0 | 45 | 90 | 135 |
本发明实施例给定USM关节空间轨迹如图4-6所示,图4为给定基座轨迹的示意图,图5为给定基座姿态的示意图,图6为给定USM关节轨迹的示意图。
本发明实施例的核心目的是通过优化旋转壳体角度,减少USM运动过程中的能量消耗,在此给出能量消耗计算公式。能量消耗E由推进器能力消耗Et和关节、旋转壳体能量消耗EJ两部分组成,其中推进器功率等于推力的1.5次方,关节和旋转壳体的功率等于扭矩与角速度乘积,即:
E=Et+EJ (28)
其中,fi为第i个推进器的推力,NJ,i为第i个关节扭矩,ωJ,i为第i关节的角速度,NR,i为第i个旋转壳体扭矩,ωR,i为第i个选择壳体的角速度。
图7为16组仿真的能量消耗示意图,从图7中可以看出,使用本发明方案的旋转壳体控制方案,能有效的减少USM运动过程中的能量消耗。
实施例4
一种水下游动机械臂旋转壳体的能量优化控制装置,参见图8,该装置包括:处理器1和存储器2,存储器2中存储有程序指令,处理器1调用存储器2中存储的程序指令以使装置执行实施例1中的以下方法步骤:
1)设计基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器;
2)将动力学控制器在每个控制周期输出的期望广义力和力矩按照顺序存储在数据库中,使用核递归最小二乘进行基于数据库数据的预测;
3)以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化;
4)使用五次多项式插值法,由SQP优化得到的旋转壳体角度计算得到旋转壳体角速度和角加速度,重新执行步骤1),直至USM完成预设任务为止。
其中,根据历史广义力数据库中的数据预测未来一个控制周期的广义力。
进一步地,所述以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化具体为:
目标函数:
约束条件:
s=τ-Bu
fmin≤f≤fmax
δφ,min≤(φ-φ0)≤δφ,max
其中,f(τ*,φ)的计算过程如下:
f1=uv(1)
其中,B为虚拟推力分配矩阵,s为推力分配后期望广义力与实际广义力误差;fmin为推进器的最小推力;fmax为推进器的最大推力;δφ,min为旋转壳体角度变化量的最小值;δφ,max为旋转壳体角度变化量的最大值;uv为推力分配中间结果;Bv为虚拟推力分配矩阵;λ为阻尼系数;uv(1)为推力分配中间结果的第一个分量;fi为第i个推进器的推力。
这里需要指出的是,以上实施例中的装置描述是与实施例中的方法描述相对应的,本发明实施例在此不做赘述。
上述的处理器1和存储器2的执行主体可以是计算机、单片机、微控制器等具有计算功能的器件,具体实现时,本发明实施例对执行主体不做限制,根据实际应用中的需要进行选择。
存储器2和处理器1之间通过总线3传输数据信号,本发明实施例对此不做赘述。
实施例5
基于同一发明构思,本发明实施例还提供了一种计算机可读存储介质,存储介质包括存储的程序,在程序运行时控制存储介质所在的设备执行上述实施例中的方法步骤。
该计算机可读存储介质包括但不限于快闪存储器、硬盘、固态硬盘等。
这里需要指出的是,以上实施例中的可读存储介质描述是与实施例中的方法描述相对应的,本发明实施例在此不做赘述。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例的流程或功能。
计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者通过计算机可读存储介质进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质或者半导体介质等。
本发明实施例对各器件的型号除做特殊说明的以外,其他器件的型号不做限制,只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
以上所述仅为本发明的较佳实施例,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、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种水下游动机械臂旋转壳体的能量优化控制方法,其特征在于,所述方法包括:
1)设计基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器;
2)将动力学控制器在每个控制周期输出的期望广义力和力矩按照顺序存储在数据库中,使用核递归最小二乘进行基于数据库数据的预测;
3)以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化;
4)使用五次多项式插值法,由SQP优化得到的旋转壳体角度计算得到旋转壳体角速度和角加速度,重新执行步骤1),直至USM完成预设任务为止;
其中,设计基于广义超螺旋算法和变结构扩张状态观测器的动力学控制器:
将动力学公式改写为:
ζ为描述USM在载体坐标系下位置、姿态和关节角的向量,为描述USM在载体坐标系下速度、角速度和关节角速度的向量;控制输入由τ=Bu给出,B∈R17×16表示推力配置矩阵,u∈R16表示USM的实际输入;d代表环境对USM的作用力;C(q,φ,ζ)是科里奥利力-向心力项,D(q,φ,ζ)是水阻力项,是重力和浮力项;
其中,z1表示对的估计,即对USM速度向量的估计,z2表示对的估计,表示扩展状态观测器对总扰动的估计结果,eo1、eo2表示估计误差,β1、β2表示误差系数,为扩展状态观测器估计值z1的导数,为扩展状态观测器对USM扰动变化速度的估值,表示USM速度;表示使用变结构扩张状态观测器进行估计的状态的真实值;ω0表示变结构扩张状态观测器带宽;表示估计误差eo1的导数;M表示USM惯性矩阵;τ表示作用于USM的广义力;
所述以数据库数据的预测结果为输入,使用SQP对旋转壳体角度进行优化具体为:
目标函数:
约束条件:
s=τ-Bu
fmin≤f≤fmax
δφ,min≤(φ-φ0)≤δφ,max
其中,f(τ*,φ)的计算过程如下:
f1=uv(1)
其中,B为虚拟推力分配矩阵,s为推力分配后期望广义力与实际广义力误差;fmin为推进器的最小推力;fmax为推进器的最大推力;δφ,min为旋转壳体角度变化量的最小值;δφ,max为旋转壳体角度变化量的最大值;uv为推力分配中间结果;Bv为虚拟推力分配矩阵;λ为阻尼系数;uv(1)为推力分配中间结果的第一个分量;fi为第i个推进器的推力。
2.根据权利要求1所述的一种水下游动机械臂旋转壳体的能量优化控制方法,其特征在于,所述方法根据历史广义力数据库中的数据预测未来一个控制周期的广义力。
3.一种水下游动机械臂旋转壳体的能量优化控制装置,其特征在于,所述装置包括:处理器和存储器,所述存储器中存储有程序指令,所述处理器调用存储器中存储的程序指令以使装置执行权利要求1所述的方法步骤。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时使所述处理器执行权利要求1所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111327681.9A CN113878587B (zh) | 2021-11-10 | 2021-11-10 | 水下游动机械臂旋转壳体的能量优化控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111327681.9A CN113878587B (zh) | 2021-11-10 | 2021-11-10 | 水下游动机械臂旋转壳体的能量优化控制方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113878587A CN113878587A (zh) | 2022-01-04 |
CN113878587B true CN113878587B (zh) | 2023-03-17 |
Family
ID=79017676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111327681.9A Active CN113878587B (zh) | 2021-11-10 | 2021-11-10 | 水下游动机械臂旋转壳体的能量优化控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113878587B (zh) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5550758A (en) * | 1994-03-29 | 1996-08-27 | General Electric Company | Augmented reality maintenance system with flight planner |
KR101642494B1 (ko) * | 2014-11-26 | 2016-07-25 | 한국해양과학기술원 | 추진기 배치가 변경 가능한 가변구조 수중로봇 |
CN105643626B (zh) * | 2016-03-08 | 2017-06-20 | 哈尔滨工程大学 | 一种基于双重判据的水下机器人推力优化分配方法 |
CN210061139U (zh) * | 2019-01-16 | 2020-02-14 | 广东海洋大学 | 一种便携式水下机器人 |
CN109822554B (zh) * | 2019-03-20 | 2020-09-18 | 华中科技大学 | 面向水下的双臂协同抓取、抱取及避碰一体化方法及系统 |
CN113043269B (zh) * | 2019-12-27 | 2024-04-05 | 深圳慧智星晨科技有限公司 | 一种基于机器人模型的机器人接触力观测系统 |
CN111891252B (zh) * | 2020-08-06 | 2021-11-05 | 齐鲁工业大学 | 一种四足仿生机器人的身体姿态斜坡自适应控制方法 |
-
2021
- 2021-11-10 CN CN202111327681.9A patent/CN113878587B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113878587A (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aguiar et al. | Trajectory-tracking and path-following of underactuated autonomous vehicles with parametric modeling uncertainty | |
CN107490965B (zh) | 一种空间自由漂浮机械臂的多约束轨迹规划方法 | |
CN109634307B (zh) | 一种无人水下航行器复合航迹跟踪控制方法 | |
Aguiar et al. | Position tracking of underactuated vehicles | |
CN112904728B (zh) | 一种基于改进型趋近律的机械臂滑模控制轨迹跟踪方法 | |
CN112462792B (zh) | 一种基于Actor-Critic算法的水下机器人运动控制方法 | |
Huang et al. | Vehicle-manipulator system dynamic modeling and control for underwater autonomous manipulation | |
CN112965371B (zh) | 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法 | |
CN114115262B (zh) | 基于方位角信息的多auv执行器饱和协同编队控制系统和方法 | |
CN112987567A (zh) | 非线性系统的固定时间自适应神经网络滑模控制方法 | |
Mousavian et al. | Identification-based robust motion control of an AUV: optimized by particle swarm optimization algorithm | |
CN113589831A (zh) | 基于干扰精细估计与神经网络的潜水器控制方法及系统 | |
Borlaug et al. | Tracking control of an articulated intervention AUV in 6DOF using the generalized super-twisting algorithm | |
Chocron et al. | Dynamic reconfiguration of autonomous underwater vehicles propulsion system using genetic optimization | |
Sun et al. | An integrated backstepping and sliding mode tracking control algorithm for unmanned underwater vehicles | |
Liu et al. | Deep reinforcement learning for vectored thruster autonomous underwater vehicle control | |
CN113954077B (zh) | 带有能量优化的水下游动机械臂轨迹跟踪控制方法及装置 | |
CN109709970B (zh) | 一种水下机器人六自由度推力分配优化方法 | |
Geder et al. | Maneuvering performance of a four-fin bio-inspired UUV | |
CN113878587B (zh) | 水下游动机械臂旋转壳体的能量优化控制方法及装置 | |
Tekinalp et al. | A new steering law for redundant control moment gyroscope clusters | |
Wu et al. | Optimal trajectory planning of a flexible dual-arm space robot with vibration reduction | |
Han et al. | Redundancy resolution for underwater vehicle-manipulator systems with minimizing restoring moments | |
Sæbϕ et al. | Robust task-priority impedance control for vehicle-manipulator systems | |
CN115524969A (zh) | 一种提高空间交会对接模型预测控制运算速度的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |