CN116360260A - 基于触发制导和自更新阈值的asv预设性能控制方法 - Google Patents
基于触发制导和自更新阈值的asv预设性能控制方法 Download PDFInfo
- Publication number
- CN116360260A CN116360260A CN202310287839.7A CN202310287839A CN116360260A CN 116360260 A CN116360260 A CN 116360260A CN 202310287839 A CN202310287839 A CN 202310287839A CN 116360260 A CN116360260 A CN 116360260A
- Authority
- CN
- China
- Prior art keywords
- asv
- representing
- freedom
- degree
- trigger
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013461 design Methods 0.000 claims abstract description 32
- 238000013178 mathematical model Methods 0.000 claims abstract description 10
- 230000007246 mechanism Effects 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 15
- 238000013016 damping Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 10
- 210000005036 nerve Anatomy 0.000 claims description 9
- 230000001537 neural effect Effects 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000004007 neuromodulation Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 14
- 230000005540 biological transmission Effects 0.000 abstract description 8
- 238000003968 anodic stripping voltammetry Methods 0.000 description 152
- 238000004422 calculation algorithm Methods 0.000 description 41
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 101150049022 Spon1 gene Proteins 0.000 description 2
- 102100036428 Spondin-1 Human genes 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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
本发明公开了一种基于触发制导和自更新阈值的ASV预设性能控制方法,包括:S1:建立3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型;S2:获取ASV的制导律;S3:获取基于有限边界触发圆的制导律;S4:获取ASV的虚拟控制律;S5:获取虚拟控制律的动态面信号:S6:获取动态事件触发机制;S7:获取ASV主机转速命令和ASV舵角命令;S8:获取ASV预设性能控制器的设计参数,以对ASV进行控制。本发明通过构建基于有限边界触发圆的制导律,降低了参考信号的传输频率,降低制导系统的通信负载。通过虚拟控制律的动态面信号,解决了触发阈值需要人为设计的问题,提高了ASV的控制精度。
Description
技术领域
本发明涉及船舶自主航行应用领域,尤其涉及一种基于触发制导和自更新阈值的ASV预设性能控制方法。
背景技术
对于ASV路径跟踪任务,制导算法和控制算法是其实现自主航行的关键部分。在现有制导技术中,制导算法主要有基于前向视距法、虚拟引导法、人工势场法等。这些制导技术都需要实时计算参考信号,并且参考信号会实时同步传输到控制系统中,先进的控制算法驱动ASV向着参考位置航行。为了降低控制命令连续传输造成通信负载过大问题,事件触发技术在ASV的路径跟踪控制领域得到了广泛的应用,其在通信负载方面具有良好的效果。这些事件触发技术主要包括静态事件触发、动态事件触发两种方式。然而,现有的ASV路径跟踪控制算法中,ASV的制导信号需要连续解算并实时传输到控制系统,这会造成制导系统中产生大量的通信负载;并且现有的静态/动态事件触发技术中触发阈值仍然需要人为设计参数,这对船舶操作员来说是一项十分困难的工作。此外事件触发技术会在一定程度上降低ASV的控制精度,如何在通信负载和控制精度之间折中计算仍然是一个开放性问题。
发明内容
本发明提供一种基于触发制导和自更新阈值的ASV预设性能控制方法,以克服上述技术问题。
为了实现上述目的,本发明的技术方案是:
一种基于触发制导和自更新阈值的ASV预设性能控制方法,包括如下步骤:
S1:建立3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型;
S2:根据所述3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型,获取ASV的制导律;
S3:根据所述ASV的制导律,获取基于有限边界触发圆的制导律;
S4:根据所述基于有限边界触发圆的制导律,获取ASV的虚拟控制律;
S5:根据所述ASV的虚拟控制律,获取虚拟控制律的动态面信号:
S6:根据虚拟控制律的动态面信号,获取动态事件触发机制;
S7:根据动态事件触发机制,获取ASV主机转速命令和ASV舵角命令;
S8:根据ASV主机转速命令和ASV舵角命令,获取ASV预设性能控制器的设计参数,以对ASV进行控制。
进一步的,所述3自由度ASV的非线性数学模型建立如下:
其中,x表示ASV的位置横坐标,y表示ASV的位置纵坐标,ψ表示ASV的艏向角;η=[u,v,r]T,u表示ASV的前进速度,v表示ASV的横漂速度,r表示ASV的艏摇速度;mu表示ASV在前进方向上的水动力附加质量,mv表示ASV在横漂方向上的水动力附加质量,mr表示ASV在艏摇方向上的水动力附加质量;fu(η)表示ASV在前进自由度上的非线性项,fv(η)表示ASV在横漂自由度上的非线性项,fr(η)表示ASV在艏摇自由度上的非线性项;dw(η)=[dwu,dwv,dwr]T,dwu表示ASV在前进自由度上受到的外界海洋环境的干扰力和力矩,dwv表示ASV在横漂自由度上受到的外界海洋环境的干扰力和力矩,dwr表示ASV在艏摇自由度上受到的外界海洋环境的干扰力和力矩;Gn表示ASV的主机增益函数,Gδ表示ASV的舵机增益函数;αn是与主机转速相关的控制输入,αδ表示与舵角相关的控制输入。
进一步的,所述ASV的虚拟参考路径模型建立如下:
式中,xd表示VS的位置横坐标,yd表示VS的位置纵坐标,ψd表示VS的艏向角,ud表示VS的期望速度,rd表示VS的期望艏摇角速度。
进一步的,所述S2中,ASV的制导律获取如下:
其中,ψr表示ASV的制导律;xe表示横坐标误差,ye表示纵坐标误差。
进一步的,所述S3中,获取基于有限边界触发圆的制导律如下:
进一步的,所述S4中,ASV的虚拟控制律获取如下:
定义ASV位置误差的预设区间和ASV艏向误差的预设区间:
式中,∈z1表示前进自由度预设下边界的设置参数,∈z2表示前进自由度预设上边界的设置参数,∈ψ1表示艏摇自由度预设下边界的设置参数,∈ψ2表示艏摇自由度预设上边界的设置参数,ρz表示前进自由度上的预设函数,ρψ表示艏摇自由度上的预设函数,ψe表示ASV的艏向误差;
式中,c表示正的预设时间参数,H表示正的预设函数收敛参数;ρ0表示ρz的初始值,ρc表示ρz的稳定值;
根据前进自由度上的移位函数ξz和艏摇自由度上的移位函数ξψ,ASV位置误差和ASV艏向误差可以被写为
其中,
式中,Ts表示移位时间;tend表示移位函数作用时间的结束时刻;
对经过移位函数处理之后的ASV位置误差和经过移位函数处理之后的ASV艏向误差求导,可得
式中,zΔ表示人为定义的中间变量;
式中,kz为前进自由度上虚拟控制律的正的设计参数,kψ为艏摇自由度上虚拟控制律的正的设计参数;αu表示前进自由度上的虚拟控制律;αr表示艏摇自由度上的虚拟控制律。
进一步的,所述S5中,虚拟控制律的动态面信号方法如下:
式中,ζu为前进自由度上大于零的时间常数,ζr为艏摇自由度上大于零的时间常数;o表示拉普拉斯算子;表示αu的动态面信号,/>表示αr的动态面信号,并且可以得到其中,qu表示前进自由度上动态面信号和虚拟控制律之间的差值,qr表示艏摇自由度上动态面信号和虚拟控制律之间的差值,即/> 表示/>的初始值;/>表示/>的初始值;αu(0)表示αu的初始值;αr(0)表示αr的初始值。
进一步的,所述S6中,获取动态事件触发机制方法如下:
定义误差动态ue=u-αu,re=r-αr,并对其求导,
式中:ue表示前进速度和前进自由度上虚拟控制律的差值;re表示艏摇角速度和艏摇自由度上虚拟控制律的差值;mu表示前进自由度上ASV的附加质量;mr表示艏摇自由度上ASV的附加质量;表示qu的导数;/>表示qr的导数;
针对式(12)中fu(η),fr(η),dwu,dwr,采用鲁棒神经阻尼技术进行鲁棒化处理;
式中,Au表示前进自由度上神经网络权重,Ar表示横摇自由度上神经网络权重,S(s)表示高斯函数,εu(s)表示前进自由度上神经网络对非线性项和外部环境干扰的逼近误差,εr(s)表示艏摇自由度上神经网络对非线性项和外部环境干扰的逼近误差,bu表示Au的范数值,br表示Ar的范数值,wu表示Au的归一化值,wr表示Ar的归一化值,s表示输入向量的集合,s=[u,v,r,dwu,dwv,dwr];
式中,θu表示前进自由度上鲁棒神经未知上界,θr表示艏摇自由度上鲁棒神经未知上界,即θu=max{||Au||F,εu(η)},θr=max{||Ar||F,εr(η)},表示前进自由度上鲁棒神经阻尼项,/>表示艏摇自由度上鲁棒神经阻尼项,即/>εu(η)表示神经网络在前进自由度上的逼近误差;εr(η)表示神经网络在艏摇自由度上的逼近误差;||·||表示向量的范数值;||·||F表示向量的F范数值;如下:
式中,αkn表示ASV主机转速命令的触发命令;αn表示ASV主机转速命令;tkn表示主机信道上的触发时间;tn表示主机信道上的运行时间;tkδ表示舵机信道上的触发时间;tδ表示舵机信道上的运行时间;αkδ表示舵角命令的触发命令;αδ表示ASV舵角命令;表示主机信道上控制信号触发阈值参数;/>表示舵机信道上控制信号触发下界参数;en=αkn-αn,eδ=αkδ-αδ,/>主机信道上控制信号触发自更新阈值参数,/>舵机信道上控制信号触发自更新阈值参数。
进一步的,所述S7中,获取ASV主机转速命令和ASV舵角命令如下:
式中,λn1表示前进自由度上触发上边界参数;λn2表示前进自由度上触发下边界参数,λδ1表示艏摇自由度上触发上边界参数,λδ2表示艏摇自由度上触发下边界参数。
进一步的,所述S8中,获取ASV预设性能控制器的设计参数如下:
于是获得αkn,αkδ的ASV预设性能控制器如下:
式中,ku表示前进自由度上正的控制器设计参数,kr表示艏摇自由度上正的控制器设计参数,σn1表示前进自由度上正的增益自适应设计参数,σδ1表示艏摇自由度上正的增益自适应设计参数,σn2表示前进自由度上正的增益自适应防漂移参数,σδ2表示艏摇自由度上正的增益自适应防漂移参数;kun表示前进自由度上鲁棒神经阻尼系数,krn表示艏摇自由度上鲁棒神经阻尼系数;τn表示ASV在前进自由度上的中间控制输入变量,即ASV推力;τδ表示ASV在艏摇自由度上的中间控制输入变量,即ASV转船力矩。
有益效果:本发明的一种基于触发制导和自更新阈值的ASV预设性能控制方法通过构建基于有限边界触发圆的制导律,降低了参考信号的传输频率,从而降低制导系统的通信负载。通过虚拟控制律的动态面信号,解决了时间触发技术中的触发阈值需要人为设计的问题,提高了ASV的控制精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的ASV预设性能控制方法流程图;
图2为本发明的实施例中三种算法的轨迹曲线示意图;
图3a为本发明的实施例中三种算法的主机信道上控制命令n的时变曲线示意图;
图3b为本发明的实施例中三种算法的舵机信道上控制命令δ的时变曲线示意图;
图4为本发明的实施例中三种算法的制导信号曲线图;
图5a为本发明的实施例中本发明算法和RDETM算法的主机信道上控制命令触发间隔图;
图5b为本发明的实施例中本发明算法和RDETM算法的舵机信道上控制命令触发间隔图;
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供了一种基于触发制导和自更新阈值的ASV预设性能控制方法,如图1,包括如下步骤:
S1:建立3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型;
优选地,所述3自由度ASV的非线性数学模型建立如下:
其中,x表示ASV的位置横坐标,y表示ASV的位置纵坐标,ψ表示ASV的艏向角;η=[u,v,r]T,u表示ASV的前进速度,v表示ASV的横漂速度,r表示ASV的艏摇速度;mu表示ASV在前进方向上的水动力附加质量,mv表示ASV在横漂方向上的水动力附加质量,mr表示ASV在艏摇方向上的水动力附加质量;fu(η)表示ASV在前进自由度上的非线性项,fv(η)表示ASV在横漂自由度上的非线性项,fr(η)表示ASV在艏摇自由度上的非线性项;dw(η)=[dwu,dwv,dwr]T,dwu表示ASV在前进自由度上受到的外界海洋环境的干扰力和力矩,dwv表示ASV在横漂自由度上受到的外界海洋环境的干扰力和力矩,dwr表示ASV在艏摇自由度上受到的外界海洋环境的干扰力和力矩;Gn表示ASV的主机增益函数,Gδ表示ASV的舵机增益函数;αn是与主机转速相关的控制输入,αδ表示与舵角相关的控制输入;
优选地,所述ASV的虚拟参考路径模型建立如下:
在航海实践中,常用航路点来确定预定航线,如W1(x1,y1),W2(x2,y2),…Wi(xi,yi),与可以人工操纵的船舶相比,ASV应基于连续路径航行。为此,虚拟参考路径由VS可以根据航路点信息生成。
式中,xd表示VS的位置横坐标,yd表示VS的位置纵坐标,ψd表示VS的艏向角,ud表示VS的期望速度,rd表示VS的期望艏摇角速度,其中,在参考路径的直线段时,rd=0,ψd=arctan((yi-yi-1)/(xi-xi-1)),其中,yi表示第i个航路点的横坐标;xi表示第i个航路点的纵坐标;i表示第i个航路点;在参考路径的圆弧段时,rd=ud/Rt,Rt表示转向半径;值得说明的是,在转向点附近设置转向半径是一种避免发生转向超调的有效方法。
S2:根据所述3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型,获取ASV的制导律;
优选地,根据ASV与VS的位置关系,获取ASV的制导律为:
其中,ψr表示ASV的制导律;xe表示横坐标误差,ye表示纵坐标误差,其中,xe=x-xd,ye=y-yd;
具体的,虽然ASV的制导律能够实现路径跟踪任务,但一个必要的问题是ψr是实时更新的,这消耗了大量的通道资源。因此,本发明进一步提出了基于有限边界触发圆的制导律。
S3:根据所述ASV的制导律,获取基于有限边界触发圆的制导律;
S4:根据所述基于有限边界触发圆的制导律,获取ASV的虚拟控制律;
为确保ASV能够在预设误差区间内沿着参考航向航行,综合运用事件触发技术、预设性能技术、动态面技术、鲁棒神经阻尼技术设计了ASV路径跟踪控制器,主要分为以下两步。
优选地,所述ASV的虚拟控制律获取如下:
为了确保ASV的位置误差和艏向误差最终稳定在预设区间内,定义ASV位置误差的预设区间和ASV艏向误差的预设区间:
式中,∈z1表示前进自由度预设下边界的设置参数,∈z2表示前进自由度预设上边界的设置参数,∈ψ1表示艏摇自由度预设下边界的设置参数,∈ψ2表示艏摇自由度预设上边界的设置参数,其中∈z1,∈z2,∈ψ1,∈ψ2均为正的预设边界参数,ρz表示前进自由度上的预设函数,ρψ表示艏摇自由度上的预设函数,ψe表示ASV的艏向误差;
式中,c表示正的预设时间参数,H表示正的预设函数收敛参数;ρ0表示ρz的初始值,ρc表示ρz的稳定值;
根据前进自由度上的移位函数ξz和艏摇自由度上的移位函数ξψ,ASV位置误差和ASV艏向误差可以被写为
其中,
式中,Ts表示移位时间;tend表示移位函数作用时间的结束时刻;
对经过移位函数处理之后的ASV位置误差和经过移位函数处理之后的ASV艏向误差求导,可得
式中,zΔ表示人为定义的中间变量,用以简化公式;
式中,kz为前进自由度上虚拟控制律的正的设计参数,kψ为艏摇自由度上虚拟控制律的正的设计参数;αu表示前进自由度上的虚拟控制律;αr表示艏摇自由度上的虚拟控制律;
S5:根据所述ASV的虚拟控制律,获取虚拟控制律的动态面信号:
在后续的控制器设计中需要用到虚拟控制器的导数值,但是从公式(10)中,可以看到,如果对其求导,会占用大量的计算资源且不易直接获得其导数值。因此,引入动态面技术,如式(11)。
式中,ζu为前进自由度上大于零的时间常数,ζr为艏摇自由度上大于零的时间常数;o表示拉普拉斯算子;表示αu的动态面信号,/>表示αr的动态面信号,并且可以得到其中,qu表示前进自由度上动态面信号和虚拟控制律之间的差值,qr表示艏摇自由度上动态面信号和虚拟控制律之间的差值,即/> 表示/>的初始值;/>表示/>的初始值;αu(0)表示αu的初始值;αr(0)表示αr的初始值;
S6:根据虚拟控制律的动态面信号,获取动态事件触发机制;
定义误差动态ue=u-αu,re=r-αr,并对其求导,
式中:ue表示前进速度和前进自由度上虚拟控制律的差值;re表示艏摇角速度和艏摇自由度上虚拟控制律的差值;mu表示前进自由度上ASV的附加质量;mr表示艏摇自由度上ASV的附加质量;表示qu的导数;/>表示qr的导数;
针对式(12)中fu(η),fr(η),dwu,dwr,采用鲁棒神经阻尼技术进行鲁棒化处理,如式(13)所示。
式中,Au表示前进自由度上神经网络权重,Ar表示横摇自由度上神经网络权重,S(s)表示高斯函数,εu(s)表示前进自由度上神经网络对非线性项和外部环境干扰的逼近误差,εr(s)表示艏摇自由度上神经网络对非线性项和外部环境干扰的逼近误差,bu表示Au的范数值,br表示Ar的范数值,wu表示Au的归一化值,wr表示Ar的归一化值,s表示输入向量的集合,s=[u,v,r,dwu,dwv,dwr]。为了移除s中的未知项,再次使用向量η=[u,v,r],因此可以得到,
式中,θu表示前进自由度上鲁棒神经未知上界,θr表示艏摇自由度上鲁棒神经未知上界,即θu=max{||Au||F,εu(η)},θr=max{||Ar||F,εr(η)},表示前进自由度上鲁棒神经阻尼项,/>表示艏摇自由度上鲁棒神经阻尼项,即/>εu(η)表示神经网络在前进自由度上的逼近误差;εr(η)表示神经网络在艏摇自由度上的逼近误差;||·||表示向量的范数值;||·||F表示向量的F范数值;
为了减少控制器到执行器之间的控制命令传输频率,提出了一种结合输出误差和双曲正切函数的新型的动态事件触发机制,即
式中,αkn表示ASV主机转速命令的触发命令;αn表示ASV主机转速命令;tkn表示主机信道上的触发时间;tn表示主机信道上的运行时间;tkδ表示舵机信道上的触发时间;tδ表示舵机信道上的运行时间;αkδ表示舵角命令的触发命令;αδ表示ASV舵角命令;表示主机信道上控制信号触发阈值参数;/>表示舵机信道上控制信号触发下界参数;en=αkn-αn,eδ=αkδ-αδ,/>主机信道上控制信号触发自更新阈值参数,/>舵机信道上控制信号触发自更新阈值参数。
S7:根据动态事件触发机制,获取ASV主机转速命令和ASV舵角命令;
式中,λn1表示前进自由度上触发上边界参数。λn2表示前进自由度上触发下边界参数,λδ1表示艏摇自由度上触发上边界参数,λδ2表示艏摇自由度上触发下边界参数。
S8:根据ASV主机转速命令和ASV舵角命令,获取ASV预设性能控制器,以对ASV进行控制。
将式(13)、(16)代入式(12),可以得到式(17)。
公式(17)中控制输入的增益系数是由执行器增益函数耦合事件触发参数,在工程实际中是不易直接获得的,因此需要对其不确定信息进行自适应处理,即,引入了变量和作为/>和/>的估计值。进一步定义中间控制输入变量τn,τδ,最终,我们针对αkn,αkδ设计ASV预设性能控制器,如式(18)、(19)。
式中,ku表示前进自由度上正的控制器设计参数,kr表示艏摇自由度上正的控制器设计参数,σn1表示前进自由度上正的增益自适应设计参数,σδ1表示艏摇自由度上正的增益自适应设计参数,σn2表示前进自由度上正的增益自适应防漂移参数,σδ2表示艏摇自由度上正的增益自适应防漂移参数。kun表示前进自由度上鲁棒神经阻尼系数,krn表示艏摇自由度上鲁棒神经阻尼系数。τn表示ASV在前进自由度上的中间控制输入变量,即ASV推力;τδ表示ASV在艏摇自由度上的中间控制输入变量,即ASV转船力矩。
为验证本发明的优越性和有效性,本发明算法与现有技术[1]中的虚拟制导算法(将其标注为“VSGP”算法)和现有技术[2]中的降阶动态事件触发算法(将其标注为“RDETM”算法)进行对比。因此,本发明选取一艘船长为38m的ASV作为控制对象,在工业计算机(Inter Core i7-6800 HQ CPU@2.40GHz,RAM:4.00GB)上进行了数值仿真。航路点路径由4个航路点组成,即W1(0,0),W2(500,400),W3(0,800),W4(500,1200),单位为米。期望的ASV航速ud=3.5m/s。
三种算法的主要对比如图2-图6所示。图2描述了本发明算法、VSGP算法和RDETM算法的轨迹。从图中可以看出,三种算法都能将横向偏差控制在1m以内。但本发明算法的控制精度低于其他算法。从图3a和3b可以看出,三种控制算法的控制输入都在合理范围内,而本发明算法的控制输入更加平滑,特别是舵角命令曲线。如图4和图5a和图5b所示,与RDETM算法相比,由于本发明算法的自更新阈值规则和有限边界触发圆的制导律的结合,因此舵角的数据传输量大大降。图6a和图6b为自更新阈值规则在本发明算法和RDETM算法下的变化曲线。应该说明的是,阈值参数是基于输出误差而不是人工设置的,这符合工程实际,对改进控制算法的简洁性具有重要意义。
为了直观地显示对比效果,我们以数据传输负载(Data transmission load,DTL)来衡量指标来说明本发明策略的优点和局限性。表1为制导模块信道、控制模块信道的DTL对比结果。可以看出,在达到稳定阶段(即22s-502:73s)后,由于基于有限边界制导律的优点,制导信号的更新次数为0次,本发明算法的舵角命令更新次数为155次。
结合现有技术、制导律构建、控制器设计和数值仿真对比,本发明在ASV路径跟踪方面具有以下2点有益效果:
1)结合现有的虚拟制导算法,提出了一种基于有限边界触发圆的制导原理,利用位置阈值规则减少制导系统与控制系统之间的通信资源;同时会减少舵机信道舵角命令数据传输频率。
2)本发明设计了一种新的基于输出误差的自更新阈值规则,该规则确保了控制器到执行器的通信信道中能够节省更多的通信资源。此外,为保证通信负载和跟踪精度之间的量化约束,提出了基于移动函数的ASV路径跟踪预设性能控制方法。
3)通过数值仿真对比,验证了本发明的方法能够同时降低制导模块和控制模块的通信负载,当系统达到稳定状态时,制导信号更新次数为0,这极大的避免了ASV在执行路径跟踪任务时的通信冗余问题。对加快ASV在海事工程领域的应用具有重要促进作用。
即本发明提出了一种基于触发制导和自更新阈值规则的ASV预设性能控制方法。该算法主要有2个方面的特点:
针对制导信号实时更新容易造成制导系统中通信冗余问题,构建了一种基于有限边界圆的触发制导律,在该制导算法中,基于航路点的参考路径由虚拟船型(VirtualShip,VS)实时规划得出,同时在VS上设置有限边界触发圆。根据ASV与VS的相对关系构建制导律,当ASV与VS的直线距离小于有限边界触发圆半径时,制导信号执行VS的艏向信号。所提制导算法能够降低参考信号的传输频率,从而降低制导系统的通信负载。
针对事件触发技术会降低ASV控制精度且阈值参数需要人为设置的问题,本发明利用状态输出误差和双曲正切函数设计了一种自更新阈值规则,提出了预设性能耦合事件触发技术的ASV路径跟踪控制方法,与现有技术相比,所提控制算法中不需要人为设置阈值参数,在预设性能技术中引入移位函数,实现了ASV在预设位置误差和艏向误差内的低通信负载航行任务需求。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于触发制导和自更新阈值的ASV预设性能控制方法,其特征在于,包括如下步骤:
S1:建立3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型;
S2:根据所述3自由度ASV的非线性数学模型和ASV的虚拟参考路径模型,获取ASV的制导律;
S3:根据所述ASV的制导律,获取基于有限边界触发圆的制导律;
S4:根据所述基于有限边界触发圆的制导律,获取ASV的虚拟控制律;
S5:根据所述ASV的虚拟控制律,获取虚拟控制律的动态面信号:
S6:根据虚拟控制律的动态面信号,获取动态事件触发机制;
S7:根据动态事件触发机制,获取ASV主机转速命令和ASV舵角命令;
S8:根据ASV主机转速命令和ASV舵角命令,获取ASV预设性能控制器的设计参数,以对ASV进行控制。
2.根据权利要求1所述的一种基于触发制导和自更新阈值的ASV预设性能控制方法,其特征在于,所述3自由度ASV的非线性数学模型建立如下:
其中,x表示ASV的位置横坐标,y表示ASV的位置纵坐标,ψ表示ASV的艏向角;η=[u,v,r]T,u表示ASV的前进速度,v表示ASV的横漂速度,r表示ASV的艏摇速度;mu表示ASV在前进方向上的水动力附加质量,mv表示ASV在横漂方向上的水动力附加质量,mr表示ASV在艏摇方向上的水动力附加质量;fu(η)表示ASV在前进自由度上的非线性项,fv(η)表示ASV在横漂自由度上的非线性项,fr(η)表示ASV在艏摇自由度上的非线性项;dw(η)=[dwu,dwv,dwr]T,dwu表示ASV在前进自由度上受到的外界海洋环境的干扰力和力矩,dwv表示ASV在横漂自由度上受到的外界海洋环境的干扰力和力矩,dwr表示ASV在艏摇自由度上受到的外界海洋环境的干扰力和力矩;Gn表示ASV的主机增益函数,Gδ表示ASV的舵机增益函数;αn是与主机转速相关的控制输入,αδ表示与舵角相关的控制输入。
6.根据权利要求1所述的一种基于触发制导和自更新阈值的ASV预设性能控制方法,其特征在于,所述S4中,ASV的虚拟控制律获取如下:
定义ASV位置误差的预设区间和ASV艏向误差的预设区间:
式中,∈z1表示前进自由度预设下边界的设置参数,∈z2表示前进自由度预设上边界的设置参数,∈ψ1表示艏摇自由度预设下边界的设置参数,∈ψ2表示艏摇自由度预设上边界的设置参数,ρz表示前进自由度上的预设函数,ρψ表示艏摇自由度上的预设函数,ψe表示ASV的艏向误差;
式中,c表示正的预设时间参数,H表示正的预设函数收敛参数;ρ0表示ρz的初始值,ρc表示ρz的稳定值;
根据前进自由度上的移位函数ξz和艏摇自由度上的移位函数ξψ,ASV位置误差和ASV艏向误差可以被写为
其中,
式中,Ts表示移位时间;tend表示移位函数作用时间的结束时刻;
对经过移位函数处理之后的ASV位置误差和经过移位函数处理之后的ASV艏向误差求导,可得
式中,zΔ表示人为定义的中间变量;
式中,kz为前进自由度上虚拟控制律的正的设计参数,kψ为艏摇自由度上虚拟控制律的正的设计参数;αu表示前进自由度上的虚拟控制律;αr表示艏摇自由度上的虚拟控制律。
8.根据权利要求1所述的一种基于触发制导和自更新阈值的ASV预设性能控制方法,其特征在于,所述S6中,获取动态事件触发机制方法如下:
定义误差动态ue=u-αu,re=r-αr,并对其求导,
式中:ue表示前进速度和前进自由度上虚拟控制律的差值;re表示艏摇角速度和艏摇自由度上虚拟控制律的差值;mu表示前进自由度上ASV的附加质量;mr表示艏摇自由度上ASV的附加质量;表示qu的导数;/>表示qr的导数;
针对式(12)中fu(η),fr(η),dwu,dwr,采用鲁棒神经阻尼技术进行鲁棒化处理;
式中,Au表示前进自由度上神经网络权重,Ar表示横摇自由度上神经网络权重,S(s)表示高斯函数,εu(s)表示前进自由度上神经网络对非线性项和外部环境干扰的逼近误差,εr(s)表示艏摇自由度上神经网络对非线性项和外部环境干扰的逼近误差,bu表示Au的范数值,br表示Ar的范数值,wu表示Au的归一化值,wr表示Ar的归一化值,s表示输入向量的集合,s=[u,v,r,dwu,dwv,dwr];
式中,θu表示前进自由度上鲁棒神经未知上界,θr表示艏摇自由度上鲁棒神经未知上界,即θu=max{||Au||F,εu(η)},θr=max{||Ar||F,εr(η)},表示前进自由度上鲁棒神经阻尼项,/>表示艏摇自由度上鲁棒神经阻尼项,即/>εu(η)表示神经网络在前进自由度上的逼近误差;εr(η)表示神经网络在艏摇自由度上的逼近误差;||·||表示向量的范数值;||·||F表示向量的F范数值;如下:
10.根据权利要求1所述的一种基于触发制导和自更新阈值的ASV预设性能控制方法,其特征在于,所述S8中,获取ASV预设性能控制器的设计参数如下:
于是获得αkn,αkδ的ASV预设性能控制器如下:
式中,ku表示前进自由度上正的控制器设计参数,kr表示艏摇自由度上正的控制器设计参数,σn1表示前进自由度上正的增益自适应设计参数,σδ1表示艏摇自由度上正的增益自适应设计参数,σn2表示前进自由度上正的增益自适应防漂移参数,σδ2表示艏摇自由度上正的增益自适应防漂移参数;kun表示前进自由度上鲁棒神经阻尼系数,krn表示艏摇自由度上鲁棒神经阻尼系数;τn表示ASV在前进自由度上的中间控制输入变量,即ASV推力;τδ表示ASV在艏摇自由度上的中间控制输入变量,即ASV转船力矩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310287839.7A CN116360260B (zh) | 2023-03-22 | 2023-03-22 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310287839.7A CN116360260B (zh) | 2023-03-22 | 2023-03-22 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116360260A true CN116360260A (zh) | 2023-06-30 |
CN116360260B CN116360260B (zh) | 2023-10-20 |
Family
ID=86913682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310287839.7A Active CN116360260B (zh) | 2023-03-22 | 2023-03-22 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116360260B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193344A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117270391A (zh) * | 2023-09-25 | 2023-12-22 | 大连海事大学 | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5725401A (en) * | 1997-04-10 | 1998-03-10 | Smith; Nolan A. | Troll motor tilt trigger |
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 |
CN109581876A (zh) * | 2019-01-08 | 2019-04-05 | 大连海事大学 | 一种无人船的事件触发状态观测器结构及其设计方法 |
CN113093537A (zh) * | 2021-03-24 | 2021-07-09 | 大连理工大学 | 一种基于在线异步前件重构的事件触发观测器设计方法 |
CN113178098A (zh) * | 2021-05-20 | 2021-07-27 | 大连海事大学 | 一种无人船事件触发分层协同控制系统 |
CN113485121A (zh) * | 2021-08-03 | 2021-10-08 | 大连海事大学 | 一种分布式多船协同动力定位控制方法 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
CN115113524A (zh) * | 2022-06-02 | 2022-09-27 | 大连海事大学 | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 |
-
2023
- 2023-03-22 CN CN202310287839.7A patent/CN116360260B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5725401A (en) * | 1997-04-10 | 1998-03-10 | Smith; Nolan A. | Troll motor tilt trigger |
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 |
CN109581876A (zh) * | 2019-01-08 | 2019-04-05 | 大连海事大学 | 一种无人船的事件触发状态观测器结构及其设计方法 |
CN113093537A (zh) * | 2021-03-24 | 2021-07-09 | 大连理工大学 | 一种基于在线异步前件重构的事件触发观测器设计方法 |
CN113178098A (zh) * | 2021-05-20 | 2021-07-27 | 大连海事大学 | 一种无人船事件触发分层协同控制系统 |
CN113485121A (zh) * | 2021-08-03 | 2021-10-08 | 大连海事大学 | 一种分布式多船协同动力定位控制方法 |
CN114488803A (zh) * | 2022-01-19 | 2022-05-13 | 大连海事大学 | 基于事件触发的无人船/机鲁棒自适应神经协同控制方法 |
CN115113524A (zh) * | 2022-06-02 | 2022-09-27 | 大连海事大学 | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 |
Non-Patent Citations (4)
Title |
---|
GUOQING ZHANG ETAL.: "Dynamic Event-Triggered Path-Following Control of Underactuated Surface Vehicle With the Experiment Verification", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》, pages 10415 - 10425 * |
TAO JIANG, YAN YAN, SHUANGHE YU: "Adaptive Event-triggered Sliding Mode Control of Autonomous Surface Vehicles with Prescribed Tracking Performance", 《PROCEEDINGS OF THE 41ST CHINESE CONTROL CONFERENCE》, pages 468 - 473 * |
XIAOYONG SHANG ETAL.: "High-precision Path-following Control for Underactuated Vessels via the Improved Dynamic Virtual Ship Guidance", 《2022 IEEE INTERNATIONAL CONFERENCE ON UNMANNED SYSTEMS (ICUS)》, pages 1203 - 1208 * |
李纪强等: "基于混合阈值事件触发机制的船舶自适应神经滑模控制", 《控制理论与应用》, pages 1 - 7 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193344A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117193344B (zh) * | 2023-09-21 | 2024-03-15 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117270391A (zh) * | 2023-09-25 | 2023-12-22 | 大连海事大学 | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
CN117270391B (zh) * | 2023-09-25 | 2024-04-30 | 大连海事大学 | 一种面向网箱巡检的转筒帆助航船自适应触发控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116360260B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116360260B (zh) | 基于触发制导和自更新阈值的asv预设性能控制方法 | |
CN109189071B (zh) | 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 | |
CN109283842B (zh) | 一种无人艇航迹跟踪智能学习控制方法 | |
CN110618686B (zh) | 一种基于显式模型预测控制的无人船航迹控制方法 | |
CN110716566B (zh) | 一种欠驱动无人艇的有限时间轨迹跟踪控制方法 | |
CN113835423A (zh) | 基于b样条曲线的路径规划方法、运动控制方法及系统 | |
CN112346465A (zh) | 基于ialos导引律的欠驱无人船自适应模糊控制方法 | |
Yang et al. | An improved stanley guidance law for large curvature path following of unmanned surface vehicle | |
CN115113524B (zh) | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 | |
CN111487966A (zh) | 一种基于航路点的水面无人艇自适应路径跟踪控制方法 | |
CN111308890B (zh) | 一种带有指定性能的无人船数据驱动强化学习控制方法 | |
Wang et al. | Extended state observer-based fixed-time trajectory tracking control of autonomous surface vessels with uncertainties and output constraints | |
CN113485377A (zh) | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 | |
CN108319140A (zh) | 一种重定义输出式无模型自适应航向控制方法及系统 | |
CN110244556B (zh) | 基于期望航向修正的欠驱动船舶航向控制方法 | |
CN110134012A (zh) | 一种用于不确定系统的船舶路径跟踪控制方法 | |
Li et al. | Prescribed performance path following control of USVs via an output-based threshold rule | |
CN113110504A (zh) | 一种基于强化学习和视线法的无人艇路径跟踪方法 | |
Liu et al. | A hierarchical disturbance rejection depth tracking control of underactuated AUV with experimental verification | |
CN115167481A (zh) | 一种欠驱动无人艇预设性能路径跟踪控制方法及系统 | |
CN113110511A (zh) | 一种基于广义模糊双曲模型的智能船舶航向控制方法 | |
CN115014355A (zh) | 一种双体无人船的定点返航调控方法及装置 | |
Tang et al. | Robust fixed-time trajectory tracking control of the dynamic positioning ship with actuator saturation | |
Shao et al. | Sideslip angle observation-based LOS and adaptive finite-time path following control for sailboat | |
CN116859933A (zh) | 新型的超大型欠驱动船舶路径跟踪预测los制导方法 |
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 |