CN116974278A - 基于改进los的滑模无人船路径跟踪控制系统及方法 - Google Patents
基于改进los的滑模无人船路径跟踪控制系统及方法 Download PDFInfo
- Publication number
- CN116974278A CN116974278A CN202310792051.1A CN202310792051A CN116974278A CN 116974278 A CN116974278 A CN 116974278A CN 202310792051 A CN202310792051 A CN 202310792051A CN 116974278 A CN116974278 A CN 116974278A
- Authority
- CN
- China
- Prior art keywords
- ship
- control
- unmanned ship
- disturbance
- path
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013461 design Methods 0.000 claims description 58
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000011217 control strategy Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及一种基于改进LOS的滑模无人船路径跟踪控制系统及方法。针对存在未知外部环境时变扰动的欠驱船舶路径跟踪控制问题,在制导部分提出一种基于可变转向半径和可变切换点圆半径参数的制导方法,获得期望航向角;在控制部分采用自适应动态面滑模控制器,根据输入期望航向角和期望速度,输出纵向控制力和艏摇控制力矩,并将其输出至推进模块从而实现对期望轨迹的跟踪,同时设计非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,提高控制精度。
Description
技术领域
本发明属于无人船路径跟踪控制领域,具体涉及一种基于改进LOS的滑模无人船路径跟踪控制系统及方法。
背景技术
随着科技的不断进步和应用领域的不断扩展,无人船的应用范围也越来越广泛,包括海洋勘探、海洋环境监测、海上救援、港口巡逻、水下考古、水产养殖等领域。近年来,随着人工智能、机器视觉、自主导航等技术的快速发展,无人船的性能和应用领域得到了进一步拓展和提升。同时,无人船的成本也逐渐降低,使得其在商业领域的应用越来越广泛。预计未来,无人船将成为海洋领域的重要工具,为人类探索和保护海洋资源提供更多的可能性。其中,无人船的路径跟踪成为这些功能实现的基础,也是无人船相关问题研究的重中之重。目前无人船路径跟踪控制通常分为两种结构:①分离控制方案,将控制器分为外环制导和内环控制;②综合控制方案,即将制导与控制综合在一起。其中分离式控制方案优点在于航迹和航向保持功能的相对分离,便于控制模式切换及软硬件设计过程中模块化设计。无人艇路径跟踪控制分离控制方案中,外环制导律主要有LOS制导算法。在内环控制中,通常为航向控制与航速控制,其中航向航速控制方法主要有内模控制、模型参考自适应动态面滑模控制、滑模控制、动态面控制等基于动力学模型的控制方法,以及模糊神经网络PID、改进细菌觅食算法等基于数据的控制方法。
目前的LOS通常以路径给出的点直接作为期望点,当船舶离下一个航路点较远且存在海风、海浪、海流等干扰时会导致较大的航迹误差。同时切换点半径通常会根据经验取一个固定值R,这样会导致在实际应用中经常出现航迹转向阶段航向角波动大、航向角曲线不平缓的现象,转向阶段航迹跟踪的动态品质欠佳。
发明内容
本发明的目的在于解决目前基于LOS制导律在航迹转向阶段航向角波动大、航向角曲线不平缓的现象,提供一种基于改进LOS的滑模无人船路径跟踪控制系统及方法,针对存在未知外部环境常值扰动的船舶路径跟踪控制问题,基于改进的LOS计算期望艏相ψd,采用自适应律对扰动和观测扰动误差的界进行估计,补偿扰动观测误差提高控制精度且结合动态面技术解决微分爆炸的问题,同时设计非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,以实现更高精度的路径跟踪。
为实现上述目的,本发明的技术方案是:一种基于改进LOS的滑模无人船路径跟踪控制系统,包括:
船自身信息获取模块,用于实时获取无人船的航行姿态,包括陀螺仪获取加速度、航向角、横摇、纵摇数据,GPS获取船的实时位置;
船周围信息获取模块,实时获取障碍物位置和垃圾位置,包括鱼眼摄像头获得标定垃圾位置及鱼眼摄像头所在位置;
电源及其管理模块,用于为系统提供电能使其保持运行同时监视电量使用和剩余情况以保证船能够顺利返航,包括电池组、电池监视器和电源使用分析单元;
数传图传模块,用于采集无人船航行过程中的航行数据和图像信息并通过无线网络与显示台通讯;
主控模块,用于将无人船的实时运行信息与待执行信息对比,得到无人船的控制策略,将其发送给推进系统模块;
推进系统模块,用于执行无人船的控制策略使得船能够跟踪上期望路径,包括螺旋桨和艏侧推。
在本发明一实施例中,垃圾识别及垃圾位置标定模型基于深度学习训练获得的,具体步骤如下:
步骤1、基于鱼眼摄像头获取图像为原始数据,提取有效帧并标定标签;
步骤2、利用yolov5_v7.0训练并获得模型,在训练过程中产生新数据基于训练的模型进行标签标定丰富数据,而后验证测试集,获取最优训练结果,最后固定权值和阈值,获得模型。
在本发明一实施例中,垃圾位置标定是以船所在位置作为原点,以船头方向为x轴以右舷为y轴,x轴顺时间旋转为正,标记垃圾相对于船的距离与角度,具体步骤如下:
步骤1、基于鱼眼摄像机获取图像;
步骤2、经过畸变校正、2D俯视图拼接;
步骤3、基于垃圾识别及垃圾位置标定模型标定垃圾位置;
步骤4、基于相机标定实现位置坐标匹配;
步骤5、计算二维坐标,获得相对于船的位置;
步骤6、输出至主控模块。
在本发明一实施例中,无人船的控制策略包括制导部分、控制部分,在制导部分提出一种基于可变转向半径和可变切换点圆半径参数的制导方法,获得期望航向角ψd;在控制部分采用自适应动态面滑模控制器,根据输入期望航向角和期望速度,输出纵向控制力τu和艏摇控制力矩τr,并将其输出至推进模块从而实现对期望轨迹的跟踪。
本发明还提供了一种基于改进LOS的滑模无人船路径跟踪控制方法,包括如下步骤:
步骤1、在无人船初次到新的环境中,需要巡回一周,获取水域地图并标记垃圾倾倒点位置;
步骤2、设置无人船工作模式为自主巡航;获取水域地图,标记船所在位置,设置巡航点,生成巡航路径,将其发送给主控模块;
步骤3、启动无人船的自主巡航;无人船开始按照路径巡航;
步骤4、监控无人船航行状态数据;
步骤5、判断是否有电量过低警告,是则返回原点,否则继续判断;
步骤6、判断垃圾存储仓是否占满,是则返回垃圾存放点,否继续判断;
步骤7、判断是否有垃圾存在警告,是则将垃圾所在位置设置为下一期望路径点,否则继续判断;
步骤8、判断是否已经到达终点,是则结束,否则继续巡航。
在本发明一实施例中,无人船的路径巡航包括制导部分、控制部分,在制导部分提出一种基于可变转向半径和可变切换点圆半径参数的制导方法,获得期望航向角ψd;在控制部分采用自适应动态面滑模控制器,根据输入期望航向角和期望速度,输出纵向控制力τu和艏摇控制力矩τr,并将其输出至推进模块从而实现对期望轨迹的跟踪。
在本发明一实施例中,制导部分具体实现如下:
在制导部分,以无人船中心为圆心,半径R0做圆与路径相较于两点,LOS位置取靠近路径点的交点(xlos,ylos),计算LOS坐标
(x(t),y(t))为船的实际位置,(xk-1,yk-1)为上个期望路径点,(xk,yk)为当前期望路径点。
横向误差ye(t)计算为
ye(t)=-sinψd(x(t)-xf(t))+cosψd(y(t)-yf(t)) (2)
(xf(t),yf(t))为船舶实际位置距离参考路径最近的点,ψd为当前跟踪路径的切向角。
R0为转向半径:
Rmin为固定参考转向半径;
路径跟踪点切换规则,当无人船跟踪当前期望路径点Pk(xk,yk),一旦无人船满足
则立即跟踪下一个期望路径点,将R称为切换点圆半径;使用二分法计算切换点圆半径,设计目标函数为
f=∫|ye(t)|dt (5)
当无人船切换跟踪路径点时开始积累横向误差,当横向误差稳定时则停止累积;设计约束条件为
|f-|∫ye(t)dt||<ε (6)
ε为误差容许值;根据经验估计R的范围[Rmin,Rmax],每进行1次期望路径点切换就计算一次目标函数值,假设当前是进行第j次切换,并设定Rj的初始值R1
当j≥2时,按照如下规则更新Rmin,Rmax和Rj;当满足约束条件(6)时,
否则,
在本发明一实施例中,控制部分具体实现如下:
控制器设计,采用自适应动态面滑模控制方法设计纵向控制力τu和艏摇控制力矩τr,自适应方法逼近外界时变扰动与干扰估计的差值和动态面技术避免对所涉及的虚拟控制律进行高阶求导产生计算复杂问题,非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,使得无人船有效完成沿着期望路径上期望速度的跟踪控制;选取Fossen模型
η=[x,y,ψ]T为船舶在惯性坐标系中的前进位移、横漂位移和航向角的状态向量;υ=[u,v,r]T为附体坐标系下船舶的速度向量;τ=[τu,0,τr]T为欠驱动船舶的控制力和力矩;d=[du,dv,dr]T表示在附体坐标系下的位置外界时变干扰,其是由于海洋环境中风、浪和海流产生的外界干扰;M为无人船的惯性矩阵,C(υ)为科氏向心力矩阵,D为阻尼参数矩阵和J(ψ)为惯性坐标系与附体坐标系的转换矩阵,分别为
其中m11,m22和m33表示无人船的惯性质量;d11,d22和d33记作无人船的水动力导数。
为方便控制器设计改写为
定义误差变量
ψd为期望艏相角,αr为r的虚拟控制律,ud为期望纵向速度。
构造Lyapunov函数,
则
设计虚拟控制律
k1是设计的正常数。
引入动态面控制思想,采用一阶低通滤波器,使rd∈R作为虚拟控制量αr的一阶低通滤波器输出,其数学表达式为
重新定义re,
re=r-rd (17)
设计艏摇控制律,定义滑模面
λr为设计的正常数。
对一阶滑模面sr关于时间求导可得
设计艏摇控制律
为下文所设计的观测器所得到的dr的估计值,k1为设计的正常数,l1(sr)为采用非线性增益所设计的函数,其表达式a为设计的正常数,为外界干扰dr与其估计值差值的估计值,φ(sr)=tanh(sr/εr),εr为设计的正常数。
设计带有σ—修正项的参数自适应律估计外界干扰dr与其估计值差值,参数自适应律设计为
γ1,σ1为设计的正常数,为的先验估计值。
同理,设计纵向控制律,定义滑模面
λu为设计的正常数。
对一阶滑模面su关于时间求导可得
设计艏摇控制律
为下文所设计的观测器所得到的du的估计值,k2为设计的正常数,l2(su)为采用非线性增益所设计的函数,其表达式a为设计的正常数,为外界干扰du与其估计值差值的估计值,φ(su)=tanh(su/εu),εu为设计的正常数。
设计带有σ—修正项的参数自适应律估计外界干扰du与其估计值差值,参数自适应律设计为
γ2,σ2为设计的正常数,为的先验估计值。
非线性扰动观测器设计,首先设计线性扰动观测器,根据扰动的实际值与扰动观测器的估计输出值之间的差值,对扰动观测器输出进行修正,使得所设计扰动观测器能估计实际扰动,设计方程如下
为观测器输出的扰动估计值组成的向量,K0∈R3为设计的整定参数对角阵。
为消除项,进一步定义非线性扰动观测器的设计。定义非线性扰动观测器中间辅助状态向量β。
综上,设计的非线性扰动观测器为
相较于现有技术,本发明具有以下有益效果:
本发明在制导部分提出了一种基于可变转向半径和可变切换点圆半径参数的制导方法,获得了期望航向角ψd;在控制部分采用自适应动态面滑模控制器,根据输入期望航向角和期望速度,输出纵向控制力τu和艏摇控制力矩τr,并将其输出至推进模块从而实现对期望轨迹的跟踪,同时设计非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,提高控制精度。
将其应用在湖面垃圾清理场景中;
本发明相较于传统的LOS制导和滑模控制方法,减缓了路径跟踪转向阶段航向角波动大、航向角曲线不平缓的现象,同时也使得无人船在偏离期望路径的时候可以更快速的收敛到期望路径上,改变船舶切换期望路径点标准,提前为转向做准备,有效减小超调,减少振荡次数;在控制部分采用自适应动态面滑模控制器,根据输入期望航向角和期望速度,输出纵向控制力τu和艏摇控制力矩τr,并将其输出至推进模块从而实现对期望轨迹的跟踪,同时设计非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,提高控制精度,使得无人船有效地完成沿着期望路径跟踪上期望速度的控制目标。其仿真结果图如图8所示。
附图说明
图1为无人船系统结构框图。
图2为无人船自主巡航流程图。
图3为深度学习模型训练框图。
图4为垃圾位置标定流程图。
图5为基于改进LOS的滑模控制结构图。
图6为LOS算法示意图。
图7为主控系统通信框图。
图8为直线仿真结果图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明提供了一种基于改进LOS的滑模无人船路径跟踪控制方法及系统,并将其应用在湖面垃圾清理,无需工作人员打捞式清理,降低了人力成本也降低了风险。
本发明实施例提供的系统,如图1所示,包括:
船自身信息获取模块,用于实时获取无人船的航行姿态,包括陀螺仪获取加速度、航向角、横摇、纵摇数据,GPS用于获取船的实时位置;
船周围信息获取模块,实时获取障碍物位置和垃圾位置,包括鱼眼摄像头用于获得标定垃圾及其获得其所在位置;
电源及其管理模块,用于为系统提供电能使其保持运行同时监视电量使用和剩余情况以保证船能够顺利返航,包括电池组、电池监视器和电源使用分析单元;
数传图传模块,用于采集无人船航行过程中的航行数据和图像信息并通过无线网络与显示台通讯;
主控模块,用于将无人船的实时运行信息与待执行信息对比,得到无人船的控制策略,将其发送给推进系统模块;
推进系统模块,用于执行主控命令使得船能够跟踪上期望路径,包括螺旋桨和艏侧推。
本发明实施例提供的方法的控制流程参照图2步骤如下:
步骤1、在船初次到新的环境中,需要巡回一周,获取水域地图并标记垃圾倾倒点位置;
步骤2、设置无人船工作模式为自主巡航;获取水域地图,标记船所在位置,设置巡航点,生成巡航路径,将其发送给控制器;
步骤3、启动无人船的自主巡航;无人船开始按照路径巡航;
步骤4、监控无人船航行状态数据;
步骤5、判断是否有电量过低警告,是则返回原点,否则继续判断;
步骤6、判断垃圾存储仓是否占满,是则返回垃圾存放点,否继续判断;
步骤7、判断是否有垃圾存在警告,是则将垃圾所在位置设置为下一期望路径点,否则继续判断;
步骤8、判断是否已经到达终点,是则结束,否则继续巡航。
本发明中垃圾识别及位置标定模型是基于深度学习训练获得的,其训练框图参考图3步骤如下:
步骤1、基于鱼眼摄像头获取图像为原始数据,提取有效帧并标定标签;
步骤2、利用yolov5_v7.0训练获得模型,在训练过程中产生新数据基于训练的模型进行标定标签丰富了数据,验证测试集,获取最优训练结果,固定权值和阈值,获得模型。
本发明垃圾位置标定是以船所在位置作为原点,以船头方向为x轴以右舷为y轴,x轴顺时间旋转为正,标记垃圾相对于船的距离与角度。基于图像标定垃圾位置的具体流程参考图4步骤如下:
步骤1、基于鱼眼摄像机获取图像;
步骤2、经过畸变校正、2D俯视图拼接;
步骤3、基于垃圾识别定位模型标定垃圾位置;
步骤4、基于相机标定实现位置坐标匹配;
步骤5、计算二维坐标,获得相对于船的位置;
步骤6、输出至控制模块。
本发明针对一个螺旋桨和一个艏侧推的欠驱的纯电力推进无人船系统,针对无人船收到参数已知和常值环境干扰问题,提供了一种基于改进LOS的滑模路径跟踪控制方法。如图5所示为基于改进LOS的滑模控制结构图,期望路径和船的实际位置作为改进LOS的输入,从而获得期望航向角ψd,将其与实际航向角ψ作差同时和期望速度作为控制器的输入,即可获得艏摇控制律τr和纵向控制律τu,从而对船进行控制实现路径跟踪。
以下为本发明具体实施实例。
1、算法实现部分:
1.1制导部分
在制导部分,以无人船中心为圆心,半径R0做圆与路径相较于两点,LOS位置取靠近路径点的交点(xlos,ylos),计算LOS坐标
(x(t),y(t))为船的实际位置,(xk-1,yk-1)为上个期望路径点,(xk,yk)为当前期望路径点。
横向误差ye(t)计算为
ye(t)=-sinψd(x(t)-xf(t))+cosψd(y(t)-yf(t)) (2)
(xf(t),yf(t))为船舶实际位置距离参考路径最近的点,ψd为当前跟踪路径的切向角。
R0为转向半径:
Rmin为固定参考转向半径。
路径跟踪点切换规则,当无人船跟踪当前期望路径点Pk(xk,yk),一旦无人船满足
则立即跟踪下一个期望路径点,将R称为切换点圆半径;使用二分法计算切换点圆半径,设计目标函数为
f=∫|ye(t)|dt (5)
当无人船切换跟踪路径点时开始积累横向误差,当横向误差稳定时则停止累积;设计约束条件为
|f-|∫ye(t)dt||<ε (6)
ε为误差容许值;根据经验估计R的范围[Rmin,Rmax],每进行1次期望路径点切换就计算一次目标函数值,假设当前是进行第j次切换,并设定Rj的初始值R1
当j≥2时,按照如下规则更新Rmin,Rmax和Rj;当满足约束条件(6)时,
否则,
1.2控制部分
控制器设计,采用自适应动态面滑模控制方法设计纵向控制力τu和艏摇控制力矩τr,自适应方法逼近外界时变扰动与干扰估计的差值和动态面技术避免对所涉及的虚拟控制律进行高阶求导产生计算复杂问题,非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,使得无人船有效完成沿着期望路径上期望速度的跟踪控制;选取Fossen模型
η=[x,y,ψ]T为船舶在惯性坐标系中的前进位移、横漂位移和航向角的状态向量;υ=[u,v,r]T为附体坐标系下船舶的速度向量;τ=[τu,0,τr]T为欠驱动船舶的控制力和力矩;d=[du,dv,dr]T表示在附体坐标系下的位置外界时变干扰,其是由于海洋环境中风、浪和海流产生的外界干扰;M为无人船的惯性矩阵,C(υ)为科氏向心力矩阵,D为阻尼参数矩阵和J(ψ)为惯性坐标系与附体坐标系的转换矩阵,分别为
其中m11,m22和m33表示无人船的惯性质量;d11,d22和d33记作无人船的水动力导数。
为方便控制器设计改写为
定义误差变量
ψd为期望艏相角,αr为r的虚拟控制律,ud为期望纵向速度。
构造Lyapunov函数,
则
设计虚拟控制律
k1是设计的正常数。
引入动态面控制思想,采用一阶低通滤波器,使rd∈R作为虚拟控制量αr的一阶低通滤波器输出,其数学表达式为
重新定义re,
re=r-rd (17)
设计艏摇控制律,定义滑模面
λr为设计的正常数。
对一阶滑模面sr关于时间求导可得
设计艏摇控制律
为下文所设计的观测器所得到的dr的估计值,k1为设计的正常数,l1(sr)为采用非线性增益所设计的函数,其表达式a为设计的正常数,为外界干扰dr与其估计值差值的估计值,φ(sr)=tanh(sr/εr),εr为设计的正常数。
设计带有σ—修正项的参数自适应律估计外界干扰dr与其估计值差值,参数自适应律设计为
γ1,σ1为设计的正常数,为的先验估计值。
同理,设计纵向控制律,定义滑模面
λu为设计的正常数。
对一阶滑模面su关于时间求导可得
设计艏摇控制律
为下文所设计的观测器所得到的du的估计值,k2为设计的正常数,l2(su)为采用非线性增益所设计的函数,其表达式a为设计的正常数,为外界干扰du与其估计值差值的估计值,φ(su)=tanh(su/εu),εu为设计的正常数。
设计带有σ—修正项的参数自适应律估计外界干扰du与其估计值差值,参数自适应律设计为
γ2,σ2为设计的正常数,为的先验估计值。
非线性扰动观测器设计,首先设计线性扰动观测器,根据扰动的实际值与扰动观测器的估计输出值之间的差值,对扰动观测器输出进行修正,使得所设计扰动观测器能估计实际扰动,设计方程如下
为观测器输出的扰动估计值组成的向量,K0∈R3为设计的整定参数对角阵。
为消除项,进一步定义非线性扰动观测器的设计。定义非线性扰动观测器中间辅助状态向量β。
综上,设计的非线性扰动观测器为
2、控制系统搭建与实现部分
在算法实现部分设计出来基于改进LOS的滑模路径跟踪控制器,在实际运行过程中需要控制模块和其余模块进行通信,各个模块与控制模块之间的通信是基于TCP/IP协议实现的,故各个模块部分建立一个TCPsever端,控制系统作为client端,以便于主控进行信息交流。如图7为主控系统通讯框图,当无人船启动自主巡航时,控制模块开始给各个模块发送请求,返回得来的数据进行解包之后,开始一次对是否有电量过低警告,是否有垃圾桶已满警告和是否有垃圾存在警告进行判断,如图2所示,再进行相应操作。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (7)
1.一种基于改进LOS的滑模无人船路径跟踪控制系统,其特征在于,包括:
船自身信息获取模块,用于实时获取无人船的航行姿态,包括陀螺仪获取加速度、航向角、横摇、纵摇数据,GPS获取船的实时位置;
船周围信息获取模块,实时获取障碍物位置和垃圾位置,包括鱼眼摄像头获得标定垃圾位置及鱼眼摄像头所在位置;
电源及其管理模块,用于为系统提供电能使其保持运行同时监视电量使用和剩余情况以保证船能够顺利返航,包括电池组、电池监视器和电源使用分析单元;
数传图传模块,用于采集无人船航行过程中的航行数据和图像信息并通过无线网络与显示台通讯;
主控模块,用于将无人船的实时运行信息与待执行信息对比,得到无人船的控制策略,将其发送给推进系统模块;
推进系统模块,用于执行无人船的控制策略使得船能够跟踪上期望路径,包括螺旋桨和艏侧推。
2.根据权利要求1所述的基于改进LOS的滑模无人船路径跟踪控制系统,其特征在于,垃圾识别及垃圾位置标定模型基于深度学习训练获得的,具体步骤如下:
步骤1、基于鱼眼摄像头获取图像为原始数据,提取有效帧并标定标签;
步骤2、利用yolov5_v7.0训练并获得模型,在训练过程中产生新数据基于训练的模型进行标签标定丰富数据,而后验证测试集,获取最优训练结果,最后固定权值和阈值,获得模型。
3.根据权利要求1所述的基于改进LOS的滑模无人船路径跟踪控制系统,其特征在于,垃圾位置标定是以船所在位置作为原点,以船头方向为x轴以右舷为y轴,x轴顺时间旋转为正,标记垃圾相对于船的距离与角度,具体步骤如下:
步骤1、基于鱼眼摄像机获取图像;
步骤2、经过畸变校正、2D俯视图拼接;
步骤3、基于垃圾识别及垃圾位置标定模型标定垃圾位置;
步骤4、基于相机标定实现位置坐标匹配;
步骤5、计算二维坐标,获得相对于船的位置;
步骤6、输出至主控模块。
4.根据权利要求1所述的基于改进LOS的滑模无人船路径跟踪控制系统,其特征在于,无人船的控制策略包括制导部分、控制部分,在制导部分提出一种基于可变转向半径和可变切换点圆半径参数的制导方法,获得期望航向角ψd;在控制部分采用自适应动态面滑模控制器,根据输入期望航向角和期望速度,输出纵向控制力τu和艏摇控制力矩τr,并将其输出至推进模块从而实现对期望轨迹的跟踪,同时设计非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,提高控制精度。
5.一种基于改进LOS的滑模无人船路径跟踪控制方法,其特征在于,包括如下步骤:
步骤1、在无人船初次到新的环境中,需要巡回一周,获取水域地图并标记垃圾倾倒点位置;
步骤2、设置无人船工作模式为自主巡航;获取水域地图,标记船所在位置,设置巡航点,生成巡航路径,将其发送给主控模块;
步骤3、启动无人船的自主巡航;无人船开始按照路径巡航;
步骤4、监控无人船航行状态数据;
步骤5、判断是否有电量过低警告,是则返回原点,否则继续判断;
步骤6、判断垃圾存储仓是否占满,是则返回垃圾存放点,否继续判断;
步骤7、判断是否有垃圾存在警告,是则将垃圾所在位置设置为下一期望路径点,否则继续判断;
步骤8、判断是否已经到达终点,是则结束,否则继续巡航。
6.根据权利要求4所述的基于改进LOS的滑模无人船路径跟踪控制方法,其特征在于,制导部分具体实现如下:
在制导部分,以无人船中心为圆心,半径R0做圆与路径相较于两点,LOS位置取靠近路径点的交点(xlos,ylos),计算LOS坐标
(x(t),y(t))为船的实际位置,(xk-1,yk-1)为上个期望路径点,(xk,yk)为当前期望路径点;
横向误差ye(t)计算为
ye(t)=-sinψd(x(t)-xf(t))+cosψd(y(t)-yf(t)) (2)
(xf(t),yf(t))为船舶实际位置距离参考路径最近的点,ψd为当前跟踪路径的切向角;
R0为转向半径:
Rmin为固定参考转向半径;
路径跟踪点切换规则,当无人船跟踪当前期望路径点Pk(xk,yk),一旦无人船满足
则立即跟踪下一个期望路径点,将R称为切换点圆半径;使用二分法计算切换点圆半径,设计目标函数为
f=∫|ye(t)|dt (5)
当无人船切换跟踪路径点时开始积累横向误差,当横向误差稳定时则停止累积;设计约束条件为
|f-|∫ye(t)dt||<ε (6)
ε为误差容许值;根据经验估计R的范围[Rmin,Rmax],每进行1次期望路径点切换就计算一次目标函数值,假设当前是进行第j次切换,并设定Rj的初始值为R1
当j≥2时,按照如下规则更新Rmin,Rmax和Rj;当满足约束条件(6)时,
否则,
7.根据权利要求4所述的基于改进LOS的滑模无人船路径跟踪控制方法,其特征在于,控制部分具体实现如下:
控制器设计,采用自适应动态面滑模控制方法设计纵向控制力τu和艏摇控制力矩τr,自适应方法逼近外界时变扰动与干扰估计的差值和动态面技术避免对所涉及的虚拟控制律进行高阶求导产生计算复杂问题,非线性干扰观测器对外部环境扰动进行估计并补偿于控制器,使得无人船有效完成沿着期望路径上期望速度的跟踪控制;选取Fossen模型
η=[x,y,ψ]T为船舶在惯性坐标系中的前进位移、横漂位移和航向角的状态向量;υ=[u,v,r]T为附体坐标系下船舶的速度向量;τ=[τu,0,τr]T为欠驱动船舶的控制力和力矩;d=[du,dv,dr]T表示在附体坐标系下的位置外界时变干扰,其是由于海洋环境中风、浪和海流产生的外界干扰;M为无人船的惯性矩阵,C(υ)为科氏向心力矩阵,D为阻尼参数矩阵和J(ψ)为惯性坐标系与附体坐标系的转换矩阵,分别为
其中m11,m22和m33表示无人船的惯性质量;d11,d22和d33记作无人船的水动力导数;
为方便控制器设计改写为
定义误差变量
ψd为期望艏相角,αr为r的虚拟控制律,ud为期望纵向速度;
构造Lyapunov函数,
则
设计虚拟控制律
k1是设计的正常数;
引入动态面控制思想,采用一阶低通滤波器,使rd∈R作为虚拟控制量αr的一阶低通滤波器输出,其数学表达式为
重新定义re,
re=r-rd
(17)
设计艏摇控制律,定义滑模面
λr为设计的正常数;
对一阶滑模面sr关于时间求导可得
设计艏摇控制律
k1为设计的正常数,l1(sr)为采用非线性增益所设计的函数,其表达式a为设计的正常数,为外界干扰dr与其估计值差值的估计值,φ(sr)=tanh(sr/εr),εr为设计的正常数;
设计带有σ—修正项的参数自适应律估计外界干扰dr与其估计值差值,参数自适应律设计为
γ1,σ1为设计的正常数,为的先验估计值;
同理,设计纵向控制律,定义滑模面
λu为设计的正常数;
对一阶滑模面su关于时间求导可得
设计艏摇控制律
k2为设计的正常数,l2(su)为采用非线性增益所设计的函数,其表达式a为设计的正常数,为外界干扰du与其估计值差值的估计值,φ(su)=tanh(su/εu),εu为设计的正常数;
设计带有σ—修正项的参数自适应律估计外界干扰du与其估计值差值,参数自适应律设计为
γ2,σ2为设计的正常数,为的先验估计值;
非线性扰动观测器设计,首先设计线性扰动观测器,根据扰动的实际值与扰动观测器的估计输出值之间的差值,对扰动观测器输出进行修正,使得所设计扰动观测器能估计实际扰动,设计方程如下
为观测器输出的扰动估计值组成的向量,K0∈R3为设计的整定参数对角阵;
为消除项,进一步定义非线性扰动观测器的设计;定义非线性扰动观测器中间辅助状态向量β;
综上,设计的非线性扰动观测器为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310792051.1A CN116974278A (zh) | 2023-06-30 | 2023-06-30 | 基于改进los的滑模无人船路径跟踪控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310792051.1A CN116974278A (zh) | 2023-06-30 | 2023-06-30 | 基于改进los的滑模无人船路径跟踪控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116974278A true CN116974278A (zh) | 2023-10-31 |
Family
ID=88475912
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310792051.1A Pending CN116974278A (zh) | 2023-06-30 | 2023-06-30 | 基于改进los的滑模无人船路径跟踪控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116974278A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406757A (zh) * | 2023-12-12 | 2024-01-16 | 西北工业大学宁波研究院 | 一种基于三维全局视觉的水下自主航行方法 |
-
2023
- 2023-06-30 CN CN202310792051.1A patent/CN116974278A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117406757A (zh) * | 2023-12-12 | 2024-01-16 | 西北工业大学宁波研究院 | 一种基于三维全局视觉的水下自主航行方法 |
CN117406757B (zh) * | 2023-12-12 | 2024-04-19 | 西北工业大学宁波研究院 | 一种基于三维全局视觉的水下自主航行方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107168312B (zh) | 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法 | |
CN112130566B (zh) | 一种基于模糊逻辑和滑模控制策略的无人艇、无人机混合编队控制方法及其控制系统 | |
Skjetne et al. | Modeling, identification, and adaptive maneuvering of Cybership II: A complete design with experiments | |
Breivik et al. | Ship formation control: A guided leader-follower approach | |
Abreu et al. | The MEDUSA class of autonomous marine vehicles and their role in EU projects | |
CN113419428B (zh) | 基于3d映射制导的机/船协同路径跟踪控制器设计方法 | |
CN104820430B (zh) | 一种基于偶极势场的auv回坞导引系统及导引方法 | |
CN111880573B (zh) | 一种基于视觉惯导融合的四旋翼自主导航方法 | |
CN109050835B (zh) | 全驱动自主水下机器人结构及回收三维路径跟踪方法 | |
CN109116856A (zh) | 一种基于扰动观测器的欠驱动船舶路径跟踪控制方法 | |
CN114879671B (zh) | 一种基于强化学习mpc的无人艇轨迹跟踪控制方法 | |
CN109976164A (zh) | 一种多旋翼无人机能量优化视觉覆盖轨迹规划方法 | |
CN112650257B (zh) | 一种无人艇区域保持控制方法及装置 | |
CN116974278A (zh) | 基于改进los的滑模无人船路径跟踪控制系统及方法 | |
CN111123923A (zh) | 一种无人船舶局部路径动态优化方法 | |
CN114967714A (zh) | 一种自主式水下机器人抗扰运动控制方法及系统 | |
CN114564015B (zh) | 一种拒止环境下的欠驱动无人艇分布式编队控制方法 | |
CN115291621A (zh) | 一种水空多旋翼无人机跨介质控制系统及方法 | |
CN117111614A (zh) | 一种基于改进人工势场法的船舶编队避碰避障与跟踪控制方法 | |
CN113960994A (zh) | 一种多无人艇协同航行的s面自适应控制算法 | |
Xie et al. | Three-dimensional mobile docking control method of an underactuated autonomous underwater vehicle | |
CN113296505B (zh) | 一种基于速变los的无人船多模式路径跟踪控制方法 | |
CN114791735A (zh) | 无人船纠偏方法及系统 | |
CN106767778A (zh) | 一种气垫船船位推算控制方法 | |
Juan et al. | Multi-AUV fixed-point and positioning control based on virtual leader |
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 |