CN114371701B - 无人艇航向控制方法、控制器、自动舵以及无人艇 - Google Patents
无人艇航向控制方法、控制器、自动舵以及无人艇 Download PDFInfo
- Publication number
- CN114371701B CN114371701B CN202111549519.1A CN202111549519A CN114371701B CN 114371701 B CN114371701 B CN 114371701B CN 202111549519 A CN202111549519 A CN 202111549519A CN 114371701 B CN114371701 B CN 114371701B
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- unmanned ship
- controller
- control
- heading
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 230000008859 change Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000013139 quantization Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000005070 sampling Methods 0.000 claims description 16
- 238000013178 mathematical model Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to 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)
- Feedback Control In General (AREA)
Abstract
本发明提供无人艇航向控制方法、控制器、自动舵以及无人艇,实现对无人艇航向PD控制系统的在线调整优化,使控制系统具备自适应能力。方法包括:步骤1.构建适用于无人艇高速航行的二阶非线性响应模型;步骤2.搭建航向控制系统仿真平台,并调试出控制参数;步骤3.将PD控制器优化为模糊自适应PD控制器;步骤4.根据实际无人艇航向控制系统应用范围和控制精度要求,设计适用于无人艇航向控制的模糊控制器输入、输出以及相应的模糊论域及量化因子;步骤5.对无人艇的航向偏差和偏差变化率以及控制参数优化量进行模糊化处理,设计模糊控制器的输入输出模糊化变量的三角型隶属度函数;步骤6.设计无人艇航向控制过程的模糊优化方法。
Description
技术领域
本发明属于海洋航行器自动化工程和无人艇自动舵领域,具体涉及无人艇航向控制 方法、控制器、自动舵以及无人艇。
技术背景
水面无人艇(Unmanned Surface Vessel,USV),简称无人艇,是一种智能化无人海洋 航行器,是近年来世界各国在无人海洋航行器领域研究的热点;在军事应用、商业开发、科学考察等方面,无人艇具有广阔的应用前景和巨大的商业价值。
无人艇在执行任务过程中要达到目标航行点以及躲避障碍物等,均需依赖较好的航 向自动操纵能力。操纵响应能力越好,无人艇的航行避障及其他功能才能更好的应用。无人艇的航向控制系统,是一类典型二阶非线性系统,在高速航行过程中,风浪流等复 杂海洋环境干扰影响也将比中低速航行时大大增强,要保证其航向自动控制的稳定性和 精确性,这对航向自动控制系统的可靠性和自适应性要求很高。
PD航向自动控制方法是无人艇航向控制领域重要的方法之一,但其存在以下几方面的不足:
(1)PD自动控制系统对于控制线性系统有很好的效果,但是对于一些非线性程度高和滞后性较大的系统的控制效果较差。
(2)PD航向控制方法在控制非线性系统以及有外界干扰情况下,由于控制参数不能在线调整修正,无自适应能力无法达到想要的控制效果。
(3)PD控制参数之间往往无规律可循、常用的在线参数辨识方法难度较高、效果较差。
发明内容
本发明是为了解决上述问题而进行的,目的在于提供无人艇航向控制方法、控制器、 自动舵以及无人艇,可以实现对无人艇航向PD控制系统的在线调整优化,使控制系统具 备自适应能力,且对于非线性程度高、有外界环境干扰的系统的控制性能具有更好的稳定性和鲁棒性,提高航向控制的精确性和可靠性。
本发明为了实现上述目的,采用了以下方案:
<方法>
本发明提供一种无人艇航向控制方法,其特征在于,包括以下步骤:
步骤1.基于船舶二阶线性响应数学模型,构建适用于无人艇高速航行的二阶非线性响应模型;
步骤2.基于二阶非线性响应模型搭建航向控制系统仿真平台,并调试出控制参数;
无人艇艏向角采用如下公式求解:
其中:
式中,k1、k2、k3、k4是不同取样点处艏向角的斜率;为艏向角,r为艏向角速度, f为艏向角微分方程,/>为当前时刻艏向角,/>为前一时刻艏向角,t为系统采 样时间,h为采样间隔,n为采样次数,t0为初始采样时刻,/>为初始艏向角;
根据无人艇操纵响应的二阶非线性数学模型得到无人艇艏向角速度二阶导微分公 式如下:
将无人艇艏向角速度二阶导积分得到艏向角速度一阶导/>进而对一阶导积分得到艏向角速度r,然后积分艏向角速度得到艏向角/>
至此无人艇PD控制系统搭建完毕,调试出一组让系统收敛的控制参数:KP0、
Kd0并记录;
步骤3.将PD控制器优化为模糊自适应PD控制器:
式中,KP和Kd分别是自适应PD控制器的比例项和微分项参数,KP0和Kd0分别是原本PD控制系统整定的初始的比例项和微分项参数,ΔKP和ΔKd分别是模糊控制器的两个 输出;
步骤4.根据实际无人艇航向控制系统应用范围和控制精度要求,设计适用于无人艇航向控制的模糊控制器输入、输出以及相应的模糊论域及量化因子;
设计两个两输入单输出二维模糊控制器用于优化PD控制参数,设计模糊控制器的输入和输出量分别为无人艇艏向角偏差及其偏差变化率:ec=de/dt,对应 的模糊控制器的输出为ΔKp和ΔKd;设计模糊控制器的输入e和ec的基本论域为[-18,18] 和[-1,1];对应的输入e和ec模糊论域分别确定为[-6,6]、[-1,1],相应的量化因子分别为1/3和1,同时设计模糊控制器的输出ΔKP和ΔKd的模糊论域分别为[-1,1]和[-3,3];
步骤5.对无人艇的航向偏差和偏差变化率以及控制参数优化量进行模糊化处理,设计模糊控制器的输入输出模糊化变量的三角型隶属度函数;
步骤6.设计无人艇航向控制过程的模糊优化方法:
表1ΔKP模糊优化方法表
表2ΔKd模糊优化方法表
按照以上步骤1~6进行控制方法模糊优化,控制无人艇航向。
优选地,本发明所提供的无人艇航向控制方法,还可以具有这样的特征:在步骤1中,系统运动响应模型采用无人艇二阶非线性操纵模型,实现高速航行过程中的无人艇 操纵性分析:
式中,δ为舵角,r为艏向角角速度,参数α为非线性项修正系数,T1,T2,T3均为时间参 数,与无人艇的应舵性以及航向稳定性有关,T1和T2越小表示无人艇响应越快跟从性越好,T3参数项用于加大初始回转的角加速度;K为舵角增益系数,是从δ到r为的静态 增。
优选地,本发明所提供的无人艇航向控制方法,还可以具有这样的特征:在步骤5中,设计输入输出的模糊论域的模糊子集个数都为7,并选取输入输出的模糊变量和模 糊子集为{负大(NB),负中(NM),负小(NS),零(0),正小(PS),正中(PM), 正大(PB)};将上述模糊控制器连续的控制输入输出量化至量化域,输入e和ec分别 量化至{-6,-4,-2,0,2,4,6}和{-1,-2/3,-1/3,0,1/3,2/3,1},输出ΔKP和ΔKd分别量化至{-1,-2/3,-1/3,0,1/3,2/3,1}和{-3,-2,-1,0,1,2,3},基于上述数 据设计输入输出模糊子集的隶属度函数为三角型隶属度函数。
<控制器>
进一步,本发明还提供一种无人艇控制器,采用上文<方法>中所描述的方法控制无 人艇航向。
<自动舵>
进一步,本发明还提供一种自动舵,该自动舵具有上文<控制器>中所描述的无人艇 控制器。
<无人艇>
更进一步,本发明还提供一种无人艇,具有上文<自动舵>中所描述的自动舵。
发明的作用与效果
针对传统PD航向控制方法的控制参数不能在线调整、无自适应能力,对于非线性程度高、滞后性强以及有外界干扰工况下的控制效果较差的问题,本发明提出了无人艇 航向控制方法、模糊PD控制器、自动舵以及无人艇,在模糊控制器的具体设计过程中: 首先对实际论域进行限幅处理,让控制更加精确,其次隶属函数选取三角型减少控制器 的运算量提高效率,最后根据实际数据和长期的试验研究总结提出了全新的控制方法, 该方法具有较好的自适应能力、较强的抗干扰能力,并可以有效增强系统控制的稳定性 和可靠性,进一步提高效率和精确性;基于这些改进设计模糊控制器对PD控制参数进 行在线调整优化,切实减少了控制器的运算量,提高了控制精度、稳定性和鲁棒性,实 现了对工况复杂、非线性程度高的无人艇航向的精确、高效、稳定、可靠控制。
附图说明
图1为本发明实施例所涉及的PD航向控制原理图;
图2为本发明实施例所涉及的模糊PD自动控制原理图;
图3为本发明实施例所涉及的模糊PD控制器设计原理图;
图4为本发明实施例所涉及的输入偏差e隶属函数分布图;
图5为本发明实施例所涉及的输入偏差变化率ec隶属函数分布图;
图6为本发明实施例所涉及的输出ΔKP隶属函数分布图;
图7为本发明实施例所涉及的输出ΔKd隶属函数分布图;
图8本发明实施例所涉及的两种控制系统的无人艇艏向角对比图;
图9本发明实施例所涉及的两种控制系统的无人艇舵角对比图;
图10本发明实施例所涉及的模糊PD控制参数变化图。
具体实施方式
以下结合附图对本发明涉及的无人艇航向控制方法、控制器、自动舵以及无人艇的 具体实施方案进行详细地说明。
<实施例>
本实施例所提供的无人艇航向控制方法包括以下步骤:
步骤1:基于船舶二阶线性响应数学模型构建适用于无人艇高速航行的二阶非线性 响应模型。
考虑到积分项对系统可能产生的控制效果滞后及执行器饱和等影响,本发明选取位 置式PD控制,即比例、微分控制:
u(k)=Kpe(k)+Kd[e(k)-e(k-1)]
具体工作原理如图1所示,控制器输入为 是无人艇当前艏向角,/>是无人艇目标艏向角;输出u为无人艇舵角δ;k为系统采样次数,Kp、Kd分别是比例、 积分项参数。通过控制器输出舵角对无人艇打舵、更新偏差e,反馈给控制器输入,直 到误差e=0结束控制。
系统运动响应模型采用无人艇二阶非线性操纵模型,考虑到无人艇在高速环境中操 纵,加入非线性项αr3修正,以实现高速航行过程中的无人艇操纵性分析:
式中,δ为舵角;r为艏向角角速度;参数α为非线性项修正系数,可通过螺旋或逆螺旋实验结果予以确定;T1,T2,T3均为时间参数,由对应很小的r的各种线性水动力导数加 以计算,与无人艇的应舵性以及航向稳定性有关,一般T1和T2越小、T3越大表示无人艇 响应越快跟从性越好,不同在于T1和T2是使瞬变使运动快速衰减至稳定回转,T3参数项 主要为了加大初始回转的角加速度;K为舵角增益系数,是从δ到r为的静态增,称为 回转性指数,也由相关水动力导数计算得来。T1,T2,T3和K的具体数值求法可参考相关 船舶操纵书籍。
本实施例中构建的模型具体参数如下表3:
表3运动模型参数
步骤2:基于二阶非线性响应模型搭建航向控制系统仿真平台,并调试出控制参数。
上述无人艇二阶非线性响应模型给出舵角与艏向角、艏向角速度一阶导和艏向角速 度二阶导之间的非线性关系,为得到无人艇艏向角需要对艏向角速度进行积分;积分艏向角速度之前先对其一阶导积分;在积分艏向角速度一阶导之前先对其二阶导积分得到一阶导。在仿真平台中,数值求解采用如下方法,以艏向角计算为例:
其中:
式中,k1、k2、k3、k4是不同取样点处艏向角的斜率;为艏向角,r为艏向角速度, f为艏向角微分方程,/>为当前时刻艏向角,/>为前一时刻艏向角,t为系统采 样时间,h为采样间隔,n为采样次数,t0为初始采样时刻,/>为初始艏向角。
根据无人艇操纵响应的二阶非线性数学模型得到无人艇艏向角速度二阶导微分表 达式如下:
将上述积分对象:将无人艇艏向角速度二阶导用龙格库塔积分得到艏向角速度一阶导/>进而对一阶导积分得到艏向角速度r,然后积分艏向角速度得到艏向角 />
至此无人艇PD控制系统搭建完毕,调试出一组可以让系统收敛、超调量为4.8°、收敛时间为85s的控制参数:KP0=1、Kd0=5并做记录,为后续工作奠定基 础。
步骤3:设计基于新型模糊控制方法的模糊控制器以优化无人艇航向自适应PD控制原理框架,来实现航向控制系统的控制参数随外界环境变化的自适应调整。
PD航向控制系统由于参数是整定的面对外界环境复杂多变和控制对象非线性较强 的情况下控制效果较差,为了得到更好的控制效果需要对参数进行不断的调整。但这些参数往往是变化无常的没有固定的数学模型和规律可循。本发明通过引入新型优化模糊控制方法,利用模糊控制器对控制参数进行在线优化,以提供一种实用、简单的调整方 法,具体工作原理如图2。在位置式PD控制基础上在控制系统中采用一种新的模糊控 制方法设计模糊控制器以实现对原本PD控制器整定的PD控制参数进行在线优化调整, 将PD控制器优化为模糊自适应PD控制器:
式中,KP和Kd分别是自适应PD控制器的比例项和微分项参数,KP0和Kd0分别是原本PD控制系统整定的初始的比例项和微分项参数,ΔKP和ΔKd分别是模糊控制器的两个 输出,即比例、积分控制参数的变化量。
无人艇模糊PD控制器设计原理如图3所示,具体为以下步骤3-6。
步骤4:根据实际无人艇航向控制系统应用范围和控制精度要求,设计适用于无人艇航向控制的模糊控制器输入、输出以及相应的模糊论域及量化因子。
设计两个两输入单输出二维模糊控制器用于优化PD控制参数,设计模糊控制器的输入和输出量分别为无人艇艏向角偏差及其偏差变化率:ec=de/dt,对应 的模糊控制器的输出为ΔKp和ΔKd;设计模糊控制器的输入e和ec的基本论域为[-18,18] 和[-1,1],即偏差大于18时就取偏差为18、偏差小于-18就取偏差为-18;对应的输入e 和ec模糊论域分别确定为[-6,6]、[-1,1],相应的量化因子分别为1/3和1,同时设计模糊 控制器的输出ΔKP和ΔKd的模糊论域分别为[-1,1]和[-3,3]。
步骤5:对无人艇的航向偏差和偏差变化率以及控制参数优化量进行模糊化处理,设计模糊控制器的输入输出模糊化变量的三角型隶属度函数。
设计输入输出的模糊论域的模糊子集个数都为7,并选取输入输出的模糊变量和模 糊子集为{负大(NB),负中(NM),负小(NS),零(0),正小(PS),正中(PM), 正大(PB)};将上述模糊控制器连续的控制输入输出量化至量化域,输入e和ec分别 量化至{-6,-4,-2,0,2,4,6}和{-1,-2/3,-1/3,0,1/3,2/3,1},输出ΔKP和ΔKd分别量化至{-1,-2/3,-1/3,0,1/3,2/3,1}和{-3,-2,-1,0,1,2,3},基于上述数 据设计输入输出模糊子集的隶属度函数为三角型隶属度函数,模糊控制器输入e的隶属 度函数图像如图4所示,输入ec的隶属度函数图像如图5所示,模糊控制器输出ΔKP的隶属度函数图像如图6所示,输出ΔKd的隶属度函数图像如图7所示。
步骤6:设计无人艇航向控制过程的模糊优化方法:
根据调试经验总结无人艇航向控制偏差和偏差变化率的变化与控制参数变化对应 的关系,并基于该关系设计无人艇航向控制过程的模糊优化方法。
根据大量的无人艇航向控制试验研究数据和实际航向控制精度,对于两输入单输出 模糊控制器,每个模糊控制器都可以设计如上文表1和2所示的7×7=49条模糊优化方法。
具体控制方法可以采用以下形式表达:
(01)If(e=NB)and(ec=NB)then(ΔKp=PB)(ΔKd=NB)
(02)If(e=NB)and(ec=NM)then(ΔKp=PB)(ΔKd=NB)
(03)If(e=NB)and(ec=NS)then(ΔKp=PB)(ΔKd=NB)
(04)If(e=NB)and(ec=0)then(ΔKp=PB)(ΔKd=NB)
(05)If(e=NB)and(ec=PS)then(ΔKp=PB)(ΔKd=NB)
(06)If(e=NB)and(ec=PM)then(ΔKp=PB)(ΔKd=NB)
(07)If(e=NB)and(ec=PB)then(ΔKp=PM)(ΔKd=NM)
(08)If(e=NM)and(ec=NB)then(ΔKp=PB)(ΔKd=NB)
(09)If(e=NM)and(ec=NM)then(ΔKp=PB)(ΔKd=NB)
(10)If(e=NM)and(ec=NS)then(ΔKp=PB)(ΔKd=NM)
(11)If(e=NM)and(ec=0)then(ΔKp=PB)(ΔKd=NS)
(12)If(e=NM)and(ec=PS)then(ΔKp=PM)(ΔKd=NS)
(13)If(e=NM)and(ec=PM)then(ΔKp=PM)(ΔKd=NS)
(14)If(e=NM)and(ec=PB)then(ΔKp=PM)(ΔKd=0)
(15)If(e=NS)and(ec=NB)then(ΔKp=PS)(ΔKd=0)
(16)If(e=NS)and(ec=NM)then(ΔKp=0)(ΔKd=0)
(17)If(e=NS)and(ec=NS)then(ΔKp=NS)(ΔKd=PS)
(18)If(e=NS)and(ec=0)then(ΔKp=NS)(ΔKd=PM)
(19)If(e=NS)and(ec=PS)then(ΔKp=NS)(ΔKd=PM)
(20)If(e=NS)and(ec=PM)then(ΔKp=NS)(ΔKd=PM)
(21)If(e=NS)and(ec=PB)then(ΔKp=NS)(ΔKd=PM)
(22)If(e=0)and(ec=NB)then(ΔKp=NB)(ΔKd=PB)
(23)If(e=0)and(ec=NM)then(ΔKp=NM)(ΔKd=PM)
(24)If(e=0)and(ec=NS)then(ΔKp=NM)(ΔKd=PM)
(25)If(e=0)and(ec=0)then(ΔKp=NS)(ΔKd=PM)
(26)If(e=0)and(ec=PS)then(ΔKp=NS)(ΔKd=PS)
(27)If(e=0)and(ec=PM)then(ΔKp=0)(ΔKd=PS)
(28)If(e=0)and(ec=PB)then(ΔKp=0)(ΔKd=0)
(29)If(e=PS)and(ec=NB)then(ΔKp=NS)(ΔKd=PM)
(30)If(e=PS)and(ec=NM)then(ΔKp=NS)(ΔKd=PM)
(31)If(e=PS)and(ec=NS)then(ΔKp=NS)(ΔKd=PM)
(32)If(e=PS)and(ec=0)then(ΔKp=NS)(ΔKd=PM)
(33)If(e=PS)and(ec=PS)then(ΔKp=NS)(ΔKd=PS)
(34)If(e=PS)and(ec=PM)then(ΔKp=0)(ΔKd=0)
(35)If(e=PS)and(ec=PB)then(ΔKp=PS)(ΔKd=0)
(36)If(e=PM)and(ec=NB)then(ΔKp=PB)(ΔKd=0)
(37)If(e=PM)and(ec=NM)then(ΔKp=PB)(ΔKd=0)
(38)If(e=PM)and(ec=NS)then(ΔKp=PB)(ΔKd=NS)
(39)If(e=PM)and(ec=0)then(ΔKp=PB)(ΔKd=NS)
(40)If(e=PM)and(ec=PS)then(ΔKp=PM)(ΔKd=NM)
(41)If(e=PM)and(ec=PM)then(ΔKp=PM)(ΔKd=NB)
(42)If(e=PM)and(ec=PB)then(ΔKp=PM)(ΔKd=NB)
(43)If(e=PB)and(ec=NB)then(ΔKp=PM)(ΔKd=NM)
(44)If(e=PB)and(ec=NM)then(ΔKp=PB)(ΔKd=NB)
(45)If(e=PB)and(ec=NS)then(ΔKp=PB)(ΔKd=NB)
(46)If(e=PB)and(ec=0)then(ΔKp=PB)(ΔKd=NB)
(47)If(e=PB)and(ec=PS)then(ΔKp=PB)(ΔKd=NB)
(48)If(e=PB)and(ec=PM)then(ΔKp=PB)(ΔKd=NB)
(49)If(e=PB)and(ec=PB)then(ΔKp=PB)(ΔKd=NB)
进一步,将上述方法用于无人艇控制器,就可以自动控制无人艇航向。
在以上内容的基础上,进一步确定解模糊化方法得到相应的模糊控制器输出比例因 子:本实施例中,采用Mamdeni模糊推理方法,对应的模糊子集的模糊交为取小、模糊 或为取大、模糊推理为取小、模糊聚类输出为取大,经过模糊推理机得到输出模糊子集, 经过反模糊化变成清晰量,本实施例选取解模糊化方法为面积重心法,得到精确量以后, 其取值范围是由模糊输出论域的模糊子集确定,通过比例因子进行变换,输出ΔKP和 ΔKd的比例因子分别为0.55和6.2。
至此,本实施例中包含模糊子集隶属函数分布、新型模糊优化方法、模糊推理方法和解模糊化的无人艇模糊自适应PD控制器设计完毕,为后续模糊优化作用下的新型自 动舵和无人艇的建立打下了基础。
将采用现有技术控制方法(PD控制)与采用本发明改进控制方法(模糊自适应PD控制)的无人艇航向控制效果的仿真结果进行对比,结果如图8~10所示。两种无人艇 航向控制方法下的航向控制性能的各项指标对比归纳为下表4:
表4两种控制方法下的无人艇航向控制系统性能对比
从表4中的数据可以分析得出:对于超调,PD控制系统的超调达到了4.8°,模糊 自适应PD控制方法的超调几乎为零;对于响应速度,虽然达到目标期望值的时间差不 多,但是自适应控制系统前期的响应速度有较为明显的增加。对于系统达到稳定状态的 速度,模糊PD控制系统的稳定时间为25s,经典控制系统需要的时间长达110s,本发 明改进控制方法的稳定性明显高于传统控制方法。自适应PD控制效果的改变正是由于 模糊控制器对初始整定的控制参数进行了在线调整,体现了本发明改进控制方法的自适 应性,与预期想达到的控制效果相符。
以上实施例仅仅是对本发明技术方案所做的举例说明。本发明所涉及的无人艇航向 控制方法、控制器、自动舵以及无人艇并不仅仅限定于在以上实施例中所描述的内容,而是以权利要求所限定的范围为准。本发明所属领域技术人员在该实施例的基础上所做的任何修改或补充或等效替换,都在本发明的权利要求所要求保护的范围内。
Claims (5)
1.无人艇航向控制方法,其特征在于,包括以下步骤:
步骤1.基于船舶二阶线性响应数学模型构建适用于无人艇高速航行的二阶非线性响应模型,实现高速航行过程中的无人艇操纵性分析:
式中,δ为舵角,r为艏向角角速度,参数α为非线性项修正系数,T1,T2,T3均为时间参数,与无人艇的应舵性以及航向稳定性有关,T1和T2越小表示无人艇响应越快跟从性越好,T3参数项用于加大初始回转的角加速度;K为舵角增益系数;
步骤2.基于二阶非线性响应模型搭建航向控制系统仿真平台,并调试出控制参数;
无人艇艏向角采用如下公式求解:
其中:
式中,k1、k2、k3、k4是不同取样点处艏向角的斜率;为艏向角,r为艏向角速度,f为艏向角微分方程,/>为当前时刻艏向角,/>为前一时刻艏向角,t为系统采样时间,h为采样间隔,n为采样次数,t0为初始采样时刻,/>为初始艏向角;
根据无人艇操纵响应的二阶非线性数学模型得到无人艇艏向角速度二阶导微分公式如下:
将无人艇艏向角速度二阶导积分得到艏向角速度一阶导/>进而对一阶导积分得到艏向角速度r,然后积分艏向角速度得到艏向角/>
至此无人艇PD控制系统搭建完毕,调试出一组让系统收敛的控制参数:KP0、Kd0并做记录;
步骤3.将PD控制器优化为模糊自适应PD控制器:
式中,KP和Kd分别是自适应PD控制器的比例项和微分项参数,KP0和Kd0分别是原本PD控制系统整定的初始的比例项和微分项参数,ΔKP和ΔKd分别是模糊控制器的两个输出;
步骤4.根据实际无人艇航向控制系统应用范围和控制精度要求,设计适用于无人艇航向控制的模糊控制器输入、输出以及相应的模糊论域及量化因子;
设计两个两输入单输出二维模糊控制器用于优化PD控制参数,设计模糊控制器的输入和输出量分别为无人艇艏向角偏差及其偏差变化率:ec=de/dt,对应的模糊控制器的输出为ΔKp和ΔKd;设计模糊控制器的输入e和ec的基本论域为[-18,18]和[-1,1];对应的输入e和ec模糊论域分别确定为[-6,6]、[-1,1],相应的量化因子分别为1/3和1,同时设计模糊控制器的输出ΔKP和ΔKd的模糊论域分别为[-1,1]和[-3,3];
步骤5.对无人艇的航向偏差和偏差变化率以及控制参数优化量进行模糊化处理,设计模糊控制器的输入输出模糊化变量的三角型隶属度函数;
步骤6.设计无人艇航向控制过程的模糊优化方法:
表1ΔKP模糊优化方法表
表2ΔKd模糊优化方法表
NB表示负大,NM表示负中,NS表示负小,0表示零,PS表示正小,PM表示正中,PB表示正大;
按照以上步骤1~6进行控制方法模糊优化,控制无人艇航向。
2.根据权利要求1所述的无人艇航向控制方法,其特征在于:
其中,在步骤5中,设计输入输出的模糊论域的模糊子集个数都为7,并选取输入输出的模糊变量和模糊子集为{负大(NB),负中(NM),负小(NS),零(0),正小(PS),正中(PM),正大(PB)};将上述模糊控制器连续的控制输入输出量化至量化域,输入e和ec分别量化至{-6,-4,-2,0,2,4,6}和{-1,-2/3,-1/3,0,1/3,2/3,1},输出ΔKP和ΔKd分别量化至{-1,-2/3,-1/3,0,1/3,2/3,1}和{-3,-2,-1,0,1,2,3},模糊子集的隶属度函数为三角型隶属度函数。
3.采用权利要求1至2中任意一项所述的无人艇航向控制方法来控制无人艇航向的无人艇控制器。
4.具有权利要求3所述的无人艇控制器的自动舵。
5.具有权利要求4所述的自动舵的无人艇。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111549519.1A CN114371701B (zh) | 2021-12-17 | 2021-12-17 | 无人艇航向控制方法、控制器、自动舵以及无人艇 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111549519.1A CN114371701B (zh) | 2021-12-17 | 2021-12-17 | 无人艇航向控制方法、控制器、自动舵以及无人艇 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114371701A CN114371701A (zh) | 2022-04-19 |
CN114371701B true CN114371701B (zh) | 2024-03-12 |
Family
ID=81140076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111549519.1A Active CN114371701B (zh) | 2021-12-17 | 2021-12-17 | 无人艇航向控制方法、控制器、自动舵以及无人艇 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114371701B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105775092A (zh) * | 2016-01-25 | 2016-07-20 | 武汉尼维智能科技有限公司 | 一种水面无人艇航向控制系统及方法 |
CN105785999A (zh) * | 2016-04-27 | 2016-07-20 | 大连海事大学 | 无人艇航向运动控制方法 |
CN110673598A (zh) * | 2019-09-29 | 2020-01-10 | 哈尔滨工程大学 | 一种水面无人艇智能路径跟踪控制方法 |
CN112434428A (zh) * | 2020-11-26 | 2021-03-02 | 天津大学 | 一种规则波中船舶横甩非线性动力学分析方法 |
-
2021
- 2021-12-17 CN CN202111549519.1A patent/CN114371701B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105775092A (zh) * | 2016-01-25 | 2016-07-20 | 武汉尼维智能科技有限公司 | 一种水面无人艇航向控制系统及方法 |
CN105785999A (zh) * | 2016-04-27 | 2016-07-20 | 大连海事大学 | 无人艇航向运动控制方法 |
CN110673598A (zh) * | 2019-09-29 | 2020-01-10 | 哈尔滨工程大学 | 一种水面无人艇智能路径跟踪控制方法 |
CN112434428A (zh) * | 2020-11-26 | 2021-03-02 | 天津大学 | 一种规则波中船舶横甩非线性动力学分析方法 |
Non-Patent Citations (5)
Title |
---|
Heading Control of Unmanned Marine Vehicles Based on an Improved Robust Adaptive Fuzzy Neural Network Control Algorithm;Zaopeng Dong 等;IEEE Access;20190106;第7卷;9704 - 9713 * |
Straight path following of unmanned surface vehicle under flow disturbance;Jing Zhu 等;OCEANS 2016 - Shanghai;20160609;1-7 * |
基于PSO的无人艇操纵响应模型参数辨识结果优化;褚式新 等;武汉理工大学学报(交通科学与工程版);20201015;第44卷(第5期);865-869 * |
基于改进WLSSVM的无人艇操纵性参数辨识;张海胜 等;水下无人系统学报;20231015;第31卷(第5期);687-695 * |
船舶航向PID型模糊控制器研究;张为民 等;中国造船;20120320;第53卷(第1期);45-52 * |
Also Published As
Publication number | Publication date |
---|---|
CN114371701A (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110673598B (zh) | 一种水面无人艇智能路径跟踪控制方法 | |
CN109885077B (zh) | 一种四旋翼飞行器姿态控制方法及控制器 | |
CN111273544B (zh) | 基于预测rbf前馈补偿型模糊pid的雷达俯仰运动控制方法 | |
CN103558854A (zh) | 一种风帆助航船舶航向控制方法及系统 | |
CN113110511B (zh) | 一种基于广义模糊双曲模型的智能船舶航向控制方法 | |
Xia et al. | Adaptive energy-efficient tracking control of a X rudder AUV with actuator dynamics and rolling restriction | |
CN106681345A (zh) | 基于人群搜索算法的无人机自抗扰控制方法 | |
CN106527462A (zh) | 无人机控制装置 | |
CN111781835A (zh) | 一种镇定二阶惯性加纯滞后系统的线性自抗扰控制器设计方法 | |
Li et al. | Improved active disturbance rejection heading control for unmanned wave glider | |
CN109856965B (zh) | 一种波浪滑翔器航向跟踪控制方法 | |
CN117452827B (zh) | 一种欠驱动无人艇轨迹跟踪控制方法 | |
CN109828463A (zh) | 一种海流干扰自适应波浪滑翔器艏向控制方法 | |
Liu et al. | Design of an interval type-2 fuzzy neural network sliding mode robust controller for higher stability of magnetic spacecraft attitude control | |
Yu et al. | Adaptive path following control for wave gliders in ocean currents and waves | |
CN114371701B (zh) | 无人艇航向控制方法、控制器、自动舵以及无人艇 | |
Zhang et al. | Ship heading control based on fuzzy PID control | |
Ma et al. | RBF-network-based predictive ship course control | |
Yu et al. | Automatic ship handling of the maritime search mission using a self-tuning fuzzy gain scheduling PD controller | |
Liu et al. | Single-neuron adaptive pitch-depth control for a lift principle AUV with experimental verification | |
CN117784619B (zh) | 一种基于零和微分博弈的欠驱动无人艇容错控制方法 | |
Li et al. | Robust model predictive ship heading control with event-triggered strategy | |
CN115167484B (zh) | 基于神经网络的自主水下航行器模型预测路径跟踪方法 | |
Xie et al. | A Study on Heading Control of Unmanned Sailboats | |
Hu et al. | DESIGN OF UNMANNED SHIP HEADING CONTROLLER BASED ON FCMAC-PID. |
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 |