CN115236983A - 考虑控制输入死区和饱和特性的uuv非稳定过程控制方法 - Google Patents
考虑控制输入死区和饱和特性的uuv非稳定过程控制方法 Download PDFInfo
- Publication number
- CN115236983A CN115236983A CN202210871478.6A CN202210871478A CN115236983A CN 115236983 A CN115236983 A CN 115236983A CN 202210871478 A CN202210871478 A CN 202210871478A CN 115236983 A CN115236983 A CN 115236983A
- Authority
- CN
- China
- Prior art keywords
- control
- uuv
- dead zone
- saturation
- control input
- 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
本发明涉及一种考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,深度控制目标值与观测器的输出作用后得到变结构控制参数,输出变结构控制u,经过死区补偿器,输出无死区控制指令τ。与现有技术相比优点如下:1、采用变结构控制算法代替传统自抗扰控制理论中的PID算法,有效解决多状态控制切换问题;2、利用基于最小均方误差的自校正算法动态调节变结构控制参数,从而保证UUV在不同速度下的控制性能;3、设计了一种非线性自适应补偿器,改变了原有方法的静态补偿,实现自适应动态补偿控制器死区,确保非理想舵机条件下的姿态稳定控制。
Description
技术领域
本发明属于UUV的控制方法,涉及一种考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,更具体地说是,UUV在启动过程中从悬停状态短时间转换到高速运动的非稳定过程控制的方法。
背景技术
UUV作为一种安全、高效的水下作业平台受到了广泛的关注和应用,如水下打捞,海底环境监测等方面。UUV在工作时常常会遇到从悬停状态短时间转换到高速运动的情况,这一过程涉及到运动状态的快速转换,属于非稳定过程,对控制器的鲁棒性提出了很高的要求。
针对UUV非稳定过程运动控制问题目前现有的方法主要有:1.PID控制;2.滑模控制;3.强化学习控制。PID控制属于线性控制方法,无法适用于非线性控制问题。滑模控制虽然可以切换滑模面实现动态控制,但是滑模面切换时不可避免地会发生抖振,威胁控制器的稳定性。强化学习控制无需精确模型,通过UUV与环境交互获得学习经验,通过不断试错提高控制器的鲁棒性,但是学习的耗时较长,而且对硬件计算能力有很高要求,不适合实际应用。
自抗扰控制对模型不确定性和外界干扰进行估计和补偿,具备出色的鲁棒性。本发明的控制方法正是基于自抗扰控制理论,采用变结构控制算法代替传统自抗扰控制理论中的PID算法,有效解决多状态控制切换问题,并利用基于最小均方误差的自校正算法动态调节变结构控制参数,从而保证在不同速度下的控制性能。此外,考虑到舵机的死区和饱和特性,设计了一种非线性自适应补偿器,确保非理想舵机条件下的姿态稳定控制。
发明内容
要解决的技术问题
为了避免现有技术的不足之处,本发明提出一种考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,旨在解决UUV从悬停状态短时间转换到高速运动状态的非稳定过程控制问题,实现非稳定过程的稳定控制,提高控制系统的鲁棒性。
技术方案
一种考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,其特征在于步骤如下:
步骤1:考虑带有死区非线性和饱和特性的控制输入,并建立UUV的状态空间模型:
其中,x为UUV系统状态,x∈Rn,A为系统系数矩阵,A∈Rn×n,b为控制矩阵,b∈Rn,u∈R为带有死区非线性的控制输入;
步骤2:将控制目标值Zd进行非线性跟踪微分计算,得到控制目标的跟踪信号r1及其微分信号r2;
步骤3:以r1、r2、z1、z2和z3输入基于最小均方误差算法的变结构控制器,计算控制信号得到u:
步骤4:无死区控制指令τ即为最终控制输入:
P是正定矩阵,是如下线性矩阵不等式的解:
xTPAx+xTATPx+xTPbu+(bu)TP<0。
1.根据权利要求1所述考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,其特征在于:所述对控制目标值Zd进行非线性跟踪微分计算:
其中,k是非线性跟踪微分器的调节参数。
所述控制信号u:
u=c1[r2-z2-p1(Z-z1)]+c2[k2(Z-r1)-2kr2-z3-p2(Z-z1)+Kas(u-us)]+ρe(Z-z1)/c2b
其中:z1、z2和z3为抗饱和非线性扩张状态观测器的输出,z1为UUV输出状态变量的估计值、z2为输出状态变量的微分估计值和z3为干扰项估计值:
其中,深度值Z为抗饱和非线性扩张状态观测器的输入值,即UUV的深度值;p1、p2和p3为非线性扩张状态观测器的参数,Kas>0是抗饱和补偿系数。
所述非线性跟踪微分器的调节参数k=0.1。
有益效果
本发明提出的一种考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,深度控制目标值与观测器的输出作用后得到变结构控制参数,输出变结构控制u,经过死区补偿器,输出无死区控制指令τ。通过本发明所构思的以上技术方案与现有技术相比,主要具备以下的技术优点如下:
1、采用变结构控制算法代替传统自抗扰控制理论中的PID算法,有效解决多状态控制切换问题;
2、利用基于最小均方误差的自校正算法动态调节变结构控制参数,从而保证UUV在不同速度下的控制性能;
3、设计了一种非线性自适应补偿器,改变了原有方法的静态补偿,实现自适应动态补偿控制器死区,确保非理想舵机条件下的姿态稳定控制。
附图说明
图1自抗扰变结构控制框图;
图2俯仰角响应曲线;
图3深度响应曲线;
图4横舵操舵响应;
图5纵向速度曲线;
图6UUV轴向速度。
具体实施方式
现结合实施例、附图对本发明作进一步描述:
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不限定用于本发明。
步骤1:建立UUV数学模型,其状态空间形式表示如下:
其中,x为UUV系统状态,x∈Rn,A为系统系数矩阵,A∈Rn×n,b为控制矩阵,b∈Rn,u∈R为带有死区非线性的控制输入,表示如下:
其中,δ∈R且δ>0,δ为死区非线性参数,式(11)实现对参数的估计。τ为无死区时的控制指令,τ∈R。考虑控制输入饱和问题,具有饱和特性的控制输入定义为
其中,us为具有饱和特性的控制输入,u为带有死区非线性的控制输入,u-和u+分别为控制输入的上界和下界。
步骤2:将深度控制目标值Zd=-50m输入非线性跟踪微分器,得到控制目标的跟踪信号r1及其微分信号r2。非线性跟踪微分器的算法为
其中,k是非线性跟踪微分器的调节参数,k=0.1
步骤3:设计变结构控制切换函数为:
s=c1e1+c2e2 (5)
其中,c1和c2是控制系数,e1=r1-z1,e2=r2-z2,s的微分为
基于最小均方误差的自校正算法为
其中,e=r2-z2-p1(Z-z1),ρ为液体密度。
把r1、r2、z1、z2和z3输入基于最小均方误差算法的变结构控制器,计算控制信号u为
u=c1[r2-z2-p1(Z-z1)]+c2[k2(Z-r1)-2kr2-z3-p2(Z-z1)+Kas(u-us)]+ρe(Z-z1)/c2b(8)其中,z1、z2和z3为抗饱和非线性扩张状态观测器的输出,将在步骤5中介绍。
步骤4:设计无死区控制指令τ为如下形式,为最后起作用的控制律
其中,P是正定矩阵,是如下线性矩阵不等式的解。
xTPAx+xTATPx+xTPbu+(bu)TP<0 (11)
步骤5:将深度值Z输入抗饱和非线性扩张状态观测器,得到UUV深度的估计值z1、垂直速度估计值z2和干扰项估计值z3。抗饱和非线性扩张状态观测器算法为
其中,p1、p2和p3为非线性扩张状态观测器的参数,Kas>0是抗饱和补偿系数。
仿真分析
如图2-图6所示,设置了UUV二次启动定深控制,即在垂直方向上,上浮80秒后转入定深控制。由仿真结果可以看出,UUV定深到指定的50米深度航行,并且,UUV速度达到40节左右。
Claims (4)
1.一种考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,其特征在于步骤如下:
步骤1:考虑带有死区非线性和饱和特性的控制输入,并建立UUV的状态空间模型:
其中,x为UUV系统状态,x∈Rn,A为系统系数矩阵,A∈Rn×n,b为控制矩阵,b∈Rn,u∈R为带有死区非线性的控制输入;
步骤2:将控制目标值Zd进行非线性跟踪微分计算,得到控制目标的跟踪信号r1及其微分信号r2;
步骤3:以r1、r2、z1、z2和z3输入基于最小均方误差算法的变结构控制器,计算控制信号得到u:
步骤4:无死区控制指令τ即为最终控制输入:
P是正定矩阵,是如下线性矩阵不等式的解:
xTPAx+xTATPx+xTPbu+(bu)TP<0。
4.根据权利要求1所述考虑控制输入死区和饱和特性的UUV非稳定过程控制方法,其特征在于:所述非线性跟踪微分器的调节参数k=0.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210871478.6A CN115236983A (zh) | 2022-07-23 | 2022-07-23 | 考虑控制输入死区和饱和特性的uuv非稳定过程控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210871478.6A CN115236983A (zh) | 2022-07-23 | 2022-07-23 | 考虑控制输入死区和饱和特性的uuv非稳定过程控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115236983A true CN115236983A (zh) | 2022-10-25 |
Family
ID=83674922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210871478.6A Pending CN115236983A (zh) | 2022-07-23 | 2022-07-23 | 考虑控制输入死区和饱和特性的uuv非稳定过程控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115236983A (zh) |
-
2022
- 2022-07-23 CN CN202210871478.6A patent/CN115236983A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Robust model predictive control for path-following of underactuated surface vessels with roll constraints | |
CN111459051B (zh) | 一种带扰动观测器的离散终端滑模无模型控制方法 | |
CN110347044B (zh) | 一种考虑输出约束的pmsm混沌系统神经网络动态面控制方法 | |
Wang et al. | Observer-based adaptive prescribed performance tracking control for nonlinear systems with unknown control direction and input saturation | |
CN110333657B (zh) | 用于死区非线性不确定系统的自适应动态面跟踪控制方法 | |
Liu et al. | Adaptive fixed-time hierarchical sliding mode control for switched under-actuated systems with dead-zone constraints via event-triggered strategy | |
CN108415249A (zh) | 一种基于低频学习的电液伺服系统自适应鲁棒控制方法 | |
CN110687784A (zh) | 一种针对非线性不确定系统的自适应事件触发控制方法 | |
CN109976150B (zh) | 一类欠驱动多输入多输出系统的集中式自抗扰控制方法 | |
CN109828468B (zh) | 一种针对磁滞非线性机器人系统的控制方法 | |
CN111766775B (zh) | 具有未知饱和pi回滞的非线性系统动态面隐逆控制器 | |
CN113110048B (zh) | 采用hosm观测器的非线性系统输出反馈自适应控制系统和方法 | |
CN113625562B (zh) | 一种基于自适应观测器的非线性系统模糊容错控制方法 | |
CN107577146A (zh) | 基于摩擦整体逼近的伺服系统的神经网络自适应控制方法 | |
CN110362110A (zh) | 一种固定时自适应神经网络无人机航迹角控制方法 | |
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 | |
Liu et al. | Antisaturation fixed-time attitude tracking control based low-computation learning for uncertain quadrotor UAVs with external disturbances | |
CN112068446B (zh) | 一种基于离散时间模糊模型的直流电机系统抗干扰控制方法 | |
CN109687703A (zh) | 基于干扰上界估计的降压型直流变换器固定时间滑模控制方法 | |
CN115236983A (zh) | 考虑控制输入死区和饱和特性的uuv非稳定过程控制方法 | |
Xia et al. | Adaptive neural network control with backstepping for surface ships with input dead-zone | |
CN112731801B (zh) | 一种对称死区非线性的自适应动态面输出反馈控制方法 | |
CN112346342B (zh) | 一种非仿射动力学系统的单网络自适应评价设计方法 | |
CN114488786A (zh) | 一种基于a3c和事件触发的网络化伺服系统控制方法 | |
Yuan et al. | Event-triggered adaptive prescribed performance tracking for nonlinear time-varying systems with unknown control directions |
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 |