CN118092482A - 面向水下航行器深度跟踪的自适应stsmc递阶控制方法 - Google Patents
面向水下航行器深度跟踪的自适应stsmc递阶控制方法 Download PDFInfo
- Publication number
- CN118092482A CN118092482A CN202410314880.3A CN202410314880A CN118092482A CN 118092482 A CN118092482 A CN 118092482A CN 202410314880 A CN202410314880 A CN 202410314880A CN 118092482 A CN118092482 A CN 118092482A
- Authority
- CN
- China
- Prior art keywords
- rudder angle
- angle
- adaptive
- underwater vehicle
- saturation
- 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 55
- 230000003044 adaptive effect Effects 0.000 title claims description 65
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 description 13
- 230000001052 transient effect Effects 0.000 description 12
- 238000013461 design Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000010485 coping Effects 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请属于水下机器人控制领域,具体公开了一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法,方法包括:采用自适应视线角制导算法实时估计水下航行器的攻角,以求得期望纵倾角;采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;采用带有自适应饱和补偿的STSMC控制器,并结合滑模面误差、期望纵倾角、未知干扰观测值得到水下航行器的期望控制舵角;自适应饱和补偿为根据舵角饱和偏差对舵角进行补偿,舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻实际输出舵角确定。通过本申请,设计了一种与动力学控制层相关的自适应饱和补偿器,该补偿器能够较好解决舵角饱和的问题,提升了水下航行器的控制性能与稳定性。
Description
技术领域
本申请属于水下机器人控制领域,更具体地,涉及一种面向水下航行器深度跟踪的自适应超螺旋滑模STSMC递阶控制方法。
背景技术
目前,随着海洋资源开发需求的日益增长,自主水下航行器在海底建图、海底油气管道巡检、水下捕捞与搜救等任务中发挥着举足轻重的作用。这些应用不仅拓展了我们对海洋的认知边界,更推动了相关技术的创新与发展。然而,要想充分发挥水下航行器的潜力,实现高精度深度跟踪控制成为了一项亟待解决的关键技术挑战。首先,由于水下航行器动力学具有强耦合性和高度非线性,传统的控制方法往往难以应对其复杂的运动特性。其次,水下环境复杂多变,各种外部干扰如水流、波浪、温度及盐度变化等都会对水下航行器的深度跟踪性能产生影响。再次,在实际应用中,往往难以准确获取水下航行器的水动力参数,这将导致实际控制效果与预期存在较大偏差,从而降低了水下航行器的深度跟踪性能。
发明内容
针对现有技术的缺陷,本申请的目的在于提供一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法,旨在解决现有水下航行器深度跟踪性能不佳的问题。
为实现上述目的,第一方面,本申请提供了一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法,包括:
采用自适应视线角制导算法实时估计水下航行器的攻角,以求得水下航行器的期望纵倾角;
采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;
采用带有自适应饱和补偿的STSMC控制器,并结合所述滑模面误差、所述期望纵倾角、所述未知干扰观测值得到水下航行器的期望控制舵角;所述自适应饱和补偿为根据舵角的饱和偏差对舵角进行补偿,所述舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻的实际输出舵角确定。
可以理解的是,本申请首先在运动学控制层引入了自适应视线角制导算法,可实时估计攻角,有效削弱未知扰动对制导精度的影响;其次,在状态观测层提出了一种基于滑模面误差的非线性干扰观测器,以提高对复杂时变干扰的观测精度及收敛速率;最后,在动力学控制层提出了一种带有自适应饱和补偿器的STSMC,以增强水下航行器面对瞬态干扰时的鲁棒性,并削弱控制输入饱和截断带来的潜在不稳定性。
需要说明的是,为削弱系统在应对极端偏差时因控制舵角输入饱和约束而产生的不利影响,本申请设计了一种与动力学控制层相关的舵角自适应饱和补偿器,该补偿器能够较好的解决舵角饱和问题,提升水下航行器深度跟踪的性能。
在一种可能的实现方式中,所述非线性干扰观测器包括以下公式:
其中,表示所述观测器观测的未知干扰,Lθ表示非线性干扰观测器的参数,αθ表示非线性干扰观测器的辅助变量,/>表示αθ的一阶微分,θs表示滑模面误差,Aθm及Bθs表示与水下航行器相关的参数,θd表示期望纵倾角,/>表示期望纵倾角的二阶微分,λs表示滑模面增益系数,/>表示纵倾角跟踪误差的一阶微分。
在一种可能的实现方式中,所述滑模面误差θs为:
在一种可能的实现方式中,所述期望控制舵角δs为:
其中,kα及kγ为STSMC的参数,sign(·)表示符号函数,τ表示时间,表示kγsign(θs)在[0,t]时间区间内的积分,θe表示纵倾角跟踪误差,由期望纵倾角与实时纵倾角之间的误差确定,δc表示根据舵角的饱和偏差确定的补偿舵角。
在一种可能的实现方式中,所述补偿舵角δc为:
Δδ=δu-δs(k-1)
其中,Kc表示自适应饱和补偿参数,为自适应变量,/>为自适应变量/>的自适应律,/>表示自适应律参数,Δδ表示舵角饱和偏差;δu表示上一时刻升降舵实际输出的舵角,表示升降舵能够输出的舵角边界,δs(k-1)表示上一时刻得到的期望控制舵角。
在一种可能的实现方式中,所述自适应视线角制导算法包括以下公式:
其中,θd表示期望纵倾角,arctan(·)表示反正切函数,ze表示深度跟踪误差,由水下航行器的期望深度和实际深度之间的误差确定,DL、κ表示自适应视线角制导律参数,表示估计的水下航行器攻角,/>表示/>的一阶微分,U表示水下航行器在深度面的合速度。
第二方面,本申请提供了一种面向水下航行器深度跟踪的自适应STSMC递阶控制系统,包括:
期望纵倾角确定单元,用于采用自适应视线角制导算法实时估计水下航行器的攻角,以求得水下航行器的期望纵倾角;
未知干扰观测单元,用于采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;
控制舵角计算单元,用于采用带有自适应饱和补偿的STSMC控制器,并结合所述滑模面误差、所述期望纵倾角、所述未知干扰得到水下航行器的期望控制舵角;所述自适应饱和补偿为根据舵角的饱和偏差对舵角进行补偿,所述舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻的实际输出舵角确定。
在一种可能的实现方式中,所述控制舵角计算单元计算的期望控制舵角δs为:
其中,kα及kγ为STSMC的参数,θs表示滑模面误差,sign(·)表示符号函数,τ表示时间,表示kγsign(θs)在[0,t]时间区间内的积分,Aθm及Bθs表示水下航行器相关的参数,/>表示观测的未知干扰,θd表示期望纵倾角,/>表示期望纵倾角的二阶微分,λs表示滑模面增益系数,θe表示纵倾角跟踪误差,/>表示纵倾角跟踪误差的一阶微分,δc表示根据舵角的饱和偏差确定的补偿舵角。
在一种可能的实现方式中,所述控制舵角计算单元采用的补偿舵角δc为:
Δδ=δu-δs(k-1)
其中,Kc表示自适应饱和补偿参数,为自适应变量,/>为自适应变量/>的自适应律,/>表示自适应律参数,Δδ表示舵角饱和偏差;δu表示上一时刻升降舵实际输出的舵角,表示升降舵能够输出的舵角边界,δs(k-1)表示上一时刻得到的期望控制舵角。
第三方面,本申请提供一种电子设备,包括:至少一个存储器,用于存储程序;至少一个处理器,用于执行存储器存储的程序,当存储器存储的程序被执行时,处理器用于执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
第四方面,本申请提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在处理器上运行时,使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
第五方面,本申请提供一种计算机程序产品,当计算机程序产品在处理器上运行时,使得处理器执行第一方面或第一方面的任一种可能的实现方式所描述的方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
总体而言,通过本申请所构思的以上技术方案与现有技术相比,具有以下有益效果:
本申请提供一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法,针对环境复杂性、建模不准确性及感知不确定性等挑战,为欠驱动自主水下航行器系统设计了基于分布式处理的三层递阶控制方法。该方法通过各层间的信息交互与共享,增强了异常状态抵抗能力,提升了系统灵活性和控制性能。为有效减少复杂时变扰动引发的控制振荡与发散现象,并显著削弱瞬态干扰造成的瞬态偏差,本申请设计了一种基于STSMC的有限时间控制器,降低了系统对精确水下航行器水动力参数的依赖,显著减少了舵角执行器在工作过程中可能出现的抖振效应。同时,为实时观测系统的不确定性及应对时变扰动,本申请构造了基于滑模面误差的非线性干扰观测器,旨在有效应对强烈的瞬态干扰,提升了水下航行器的控制性能与稳定性。
本申请提供一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法,为削弱系统在应对极端偏差时因控制输入饱和约束而产生的不利影响,设计了一种与动力学控制层相关的自适应饱和补偿器,该补偿器能够较好的解决舵角饱和问题,且不需要复杂的切换策略,也不存在奇异性问题。
附图说明
图1为本申请实施例提供的面向水下航行器深度跟踪的自适应STSMC递阶控制方法流程图;
图2为本申请实施例提供的水下航行器系统示意图;
图3为本申请实施例提供的面向水下航行器深度跟踪的自适应STSMC递阶控制流程示意图;
图4为本申请实施例提供的水下航行器深度跟踪试验验证场景示意图;
图5为本申请实施例提供的基于自适应制导律及非线性扰动观测器的攻角及干扰观测曲线图;
图6为本申请实施例提供的水下航行器升降舵舵角曲线图;
图7为本申请实施例提供的水下航行器深度跟踪控制曲线图;
图8为本申请实施例提供的水下航行器纵倾角跟踪控制曲线图;
图9为本申请实施例提供的面向水下航行器深度跟踪的自适应STSMC递阶控制系统架构图;
图10为本申请实施例提供的电子系统的架构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请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申请,并不用于限定本申请。
本文中术语“和/或”,是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本文中符号“/”表示关联对象是或者的关系,例如A/B表示A或者B。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
首先,针对水下航行器动力学耦合特性,需要设计更为先进的纵倾通道制导率,以处理水下航行器纵倾角与深度误差的耦合效应。其次,针对复杂时变干扰,需要利用现代控制理论和方法,如滑模控制、自适应控制、鲁棒控制等,来设计更为有效的控制器,以更好地处理水下航行器的非线性特性和外部干扰,提高深度跟踪的精度和稳定性。最后,针对系统水动力参数摄动,需要设计高性能的状态观测器,以补偿模型不确定性造成的控制效果偏差。
本申请的目的在于,在系统模型不确定性、复杂时变及瞬态干扰下,首先,设计一种控制方法,实现水下航行器的深度面自适应平滑跟踪控制;其次,水下航行器的模型不确定性及所受到的未知外界扰动应得到估计和补偿,控制系统应具有鲁棒性,且需要削弱舵角抖振效应以保护舵机。再次,舵角饱和约束可能造成的控制截断现象,需要削弱该因素对水下航行器稳定性的影响。最后,所提出的控制方法应能通过合理的实验进行实际验证,确保其适用于水下航行器真实作业场景。
图1为本申请实施例提供的面向水下航行器深度跟踪的自适应STSMC递阶控制方法的流程图;如图1所示,包括以下步骤:
S101,采用自适应视线角制导算法实时估计水下航行器的攻角,以求得水下航行器的期望纵倾角;
S102,采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;
S103,采用带有自适应饱和补偿的超螺旋滑模STSMC控制器,并结合所述滑模面误差、所述期望纵倾角、所述未知干扰观测值得到水下航行器的期望控制舵角;所述自适应饱和补偿为根据舵角的饱和偏差对舵角进行补偿,所述舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻的实际输出舵角确定。
图2为本申请实施例提供的水下航行器系统示意图;如图2所示,本实施例中使用的水下航行器系统基本参数可以如表1所示。
表1水下航行器系统基本参数
图3为本申请实施例提供的面向水下航行器深度跟踪的自适应STSMC递阶控制流程示意图;图3中,zd为期望深度、z为实时深度、U为实时速度、θ为实时纵倾角、q为实时纵倾角速度。其中,将期望深度zd通过跟踪微分器平滑处理后和实时深度z作差可以得到深度误差ze。
具体地,本申请设计了一种面向水下航行器的三层递阶鲁棒控制方法:首先,在运动学控制层引入了自适应视线角制导算法,可实时估计攻角,并有效削弱未知扰动对制导精度的影响;其次,在状态观测层提出了一种基于滑模面误差的非线性干扰观测器,以提高对复杂时变干扰的观测精度及收敛速率;最后,在动力学控制层提出了一种带有自适应饱和补偿器的超螺旋滑模控制器,以增强水下航行器面对瞬态干扰时的鲁棒性,并削弱控制输入饱和截断带来的潜在不稳定性,所述控制器为:
其中,δs表示控制器输出的水下航行器期望舵角,为当前时刻k计算得到的期望舵角δs(k)的简写,kα>0及kγ>0为控制器待设计参数,θs表示所设计的纵倾角误差滑模面,sign(·)表示符号函数,τ表示时间,表示kγsign(θs)在[0,t]时间区间内的积分,Aθm及Bθs表示与水下航行器模型相关的参数,/>表示非线性干扰观测器对未知干扰的观测值,/>表示由自适应视线角制导律计算的水下航行器期望纵倾角,λs表示滑模面参数,/>表示水下航行器纵倾角跟踪误差,δc表示自适应饱和补偿器输出的补偿舵角。
示例的,所述自适应视线角制导算法为:
其中θd表示自适应视线角制导算法计算的水下航行器期望纵倾角,arctan(·)代表反正切函数,ze代表水下航行器深度跟踪误差,DL、κ表示待设计视线角制导算法参数,表示估计的水下航行器攻角,/>表示水下航行器攻角估计自适应律,U表示水下航行器在深度面的合速度。
所述基于滑模面误差的非线性干扰观测器为:
其中,表示非线性干扰观测器对未知干扰的观测结果,Lθ表示待设计的观测器参数,αθ表示干扰观测器的辅助变量,/>表示该辅助变量的自适应律。
所述自适应饱和补偿器为:
其中δc为自适应饱和补偿器输出的补偿舵角,Kc表示待设计的自适应饱和补偿器参数,为自适应饱和补偿器辅助自适应变量。
所述自适应饱和补偿器辅助自适应变量的自适应率为:
其中表示待设计自适应律参数,Δδ表示舵角饱和偏差。
所述舵角饱和偏差为:
Δδ=δu-δs(k-1)
其中,δu表示实际输出的舵角:
其中表示舵角输出上界,δs(k-1)表示上一时刻k-1得到的期望控制舵角。
可以理解的是,本申请涉及的所有计算过程中所需的参数可以由本领域技术人员凭经验或者实验仿真确定,以能够获得最佳的控制效果为准;本申请对具体的参数数值不做任何限定。其中,控制效果指深度跟踪、纵倾角跟踪等效果,即实时深度与期望深度的跟踪效果和实时纵倾角与期望纵倾角之间的跟踪效果。
在一个具体的实施例中,本实施例采用水池试验的方式验证本申请所提出方法的有效性与先进性。该水池试验场景如图4所示,水下航行器执行深度跟踪控制试验。为验证本申请所提出方法的有效性和先进性,使用一种基于自适应视线角制导律的比例积分微分控制器(ALOS-PID)进行了对比试验。为模拟水下航行器受到的复杂干扰,首先,水下航行器控制系统输出的控制信号中被人为叠加了一种正弦扰动信号;其次,在航行过程中,使用水下航行器密封舱内的吸排水系统进行吸水,模拟瞬态干扰。图5的两条曲线分别显示了自适应视线角制导律观测的水下航行器攻角及非线性干扰观测器估计的外部干扰,体现了模拟复杂干扰算法的有效性;以能够辅助后续有效对本申请方案的验证。
试验结果如下所示:图6显示了两种控制算法的升降舵舵角曲线,本申请所提出方法虽然有轻微的抖振,但较传统滑模算法有极大改善,并且该轻微抖振为系统提供了额外的鲁棒性,使系统能够克服瞬态干扰,具体结合下述图7和图8所示。
图7显示了两种控制方法在复杂干扰下的深度跟踪控制性能。从曲线可以明显看出,ALOS-PID难以抵抗吸排水系统造成的瞬态干扰,最大深度偏差达到0.82m,而本申请所提出的控制器在瞬态干扰的影响下最大深度偏差仅为0.13m。当恢复稳态后,ALOS-PID的平均稳态误差为0.128m,而本申请所提出方法的平均稳态误差为0.012m。图8显示了两种控制方法对期望纵倾的跟踪性能,结合图8可知,本申请所提出方法具有较高的跟踪精度。
综上所述,可见,图6中ALOS-PID控制算法中升降舵舵角发生饱和,即舵角达到上边界或下边界保持不变的区间内:在图7中ALOS-PID控制算法下的深度随之产生巨大的偏差,且图8中ALOS-PID控制算法下的期望纵倾角误差急剧增加。而本申请提供的控制算法,在图6中通过升降舵舵角的轻微抖振为系统提供了额外的鲁棒性,使得图7和图8中对应的深度偏差和期望纵倾角误差相比ALOS-PID控制算法大幅降低,使得系统的性能和稳态大大提升。
因此,可以理解的是,在瞬态干扰影响下,ALOS-PID算法的舵角存在持续性饱和现象,损失了舵效,使控制精度下降;而本申请所提出算法在饱和补偿器的作用下,消除了舵角的持续饱和现象,并进一步提升了深度跟踪控制性能。
本申请公开了一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法。首先,针对欠驱动自主水下航行器,设计了一种基于运动控制层、状态观测层、动力控制层的三层递阶控制系统,提升了系统的控制性能。其次,为提高制导精度和稳定性,提出了一种自适应视线角制导律以实时估计攻角,有效削弱未知扰动对制导精度的影响。再次,针对扰动不确定性,本申请提出了一种基于STSMC的有限时间控制律,并结合基于滑模面误差的非线性干扰观测器,提升了系统的鲁棒性,能有效应对瞬态冲击干扰。此外,该方法降低了对模型精度的敏感性,并有效缓解了舵角的抖振现象。最后,提出了一种自适应饱和补偿器,以克服控制输入饱和约束带来的性能下降问题。
图9为本申请实施例提供的面向水下航行器深度跟踪的自适应STSMC递阶控制系统的结构图;如图9所示,包括:
期望纵倾角确定单元910,用于采用自适应视线角制导算法实时估计水下航行器的攻角,以求得水下航行器的期望纵倾角;
未知干扰观测单元920,用于采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;
控制舵角计算单元930,用于采用带有自适应饱和补偿的超螺旋滑模STSMC控制器,并结合所述滑模面误差、所述期望纵倾角、所述未知干扰观测值得到水下航行器的期望控制舵角;所述自适应饱和补偿为根据舵角的饱和偏差对舵角进行补偿,所述舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻的实际输出舵角确定。
在一种可能的实现方式中,所述控制舵角计算单元930计算的期望控制舵角δs为:
其中,kα及kγ为STSMC的参数,θs表示滑模面误差,sign(·)表示符号函数,τ表示时间,表示kγsign(θs)在[0,t]时间区间内的积分,Aθm及Bθs表示水下航行器相关的参数,/>表示观测的未知干扰,θd表示期望纵倾角,/>表示期望纵倾角的二阶微分,λs表示滑模面增益系数,θe表示纵倾角跟踪误差,/>表示纵倾角跟踪误差的一阶微分,δc表示根据舵角的饱和偏差确定的补偿舵角。
在一种可能的实现方式中,所述控制舵角计算单元930采用的补偿舵角δc为:
Δδ=δu-δs(k-1)
其中,Kc表示自适应饱和补偿参数,为自适应变量,/>为自适应变量/>的自适应律,/>表示自适应律参数,Δδ表示舵角饱和偏差;δu表示上一时刻升降舵实际输出的舵角,表示升降舵能够输出的舵角边界,δs(k-1)表示上一时刻得到的期望控制舵角。
应当理解的是,上述系统用于执行上述实施例中的方法,系统中相应的程序单元,其实现原理和技术效果与上述方法中的描述类似,该系统的工作过程可参考上述方法中的对应过程,此处不再赘述。
基于上述实施例中的方法,本申请实施例提供了一种电子设备,如图10所示,该电子设备:处理器1010、通信接口1020、存储器1030和通信总线1040,其中,处理器1010,通信接口1020,存储器1030通过通信总线1040完成相互间的通信。处理器1010可以调用存储器1030中的逻辑指令,以执行执行上述实施例中的方法。
此外,上述的存储器1030中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
基于上述实施例中的方法,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,当计算机程序在处理器上运行时,使得处理器执行上述实施例中的方法。
基于上述实施例中的方法,本申请实施例提供了一种计算机程序产品,当计算机程序产品在处理器上运行时,使得处理器执行上述实施例中的方法。
可以理解的是,本申请实施例中的处理器可以是中央处理单元(centralprocessing unit,CPU),还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件,硬件部件或者其任意组合。通用处理器可以是微处理器,也可以是任何常规的处理器。
本申请实施例中的方法步骤可以通过硬件的方式来实现,也可以由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成,软件模块可以被存放于随机存取存储器(random access memory,RAM)、闪存、只读存储器(read-only memory,ROM)、可编程只读存储器(programmable rom,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。
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。所述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申请实施例所述的流程或功能。所述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。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述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。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
可以理解的是,在本申请实施例中涉及的各种数字编号仅为描述方便进行的区分,并不用来限制本申请的实施例的范围。
本领域的技术人员容易理解,以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种面向水下航行器深度跟踪的自适应STSMC递阶控制方法,其特征在于,包括:
采用自适应视线角制导算法实时估计水下航行器的攻角,以求得水下航行器的期望纵倾角;
采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;
采用带有自适应饱和补偿的超螺旋滑模STSMC控制器,并结合所述滑模面误差、所述期望纵倾角、所述未知干扰观测值得到水下航行器的期望控制舵角;所述自适应饱和补偿为根据舵角的饱和偏差对舵角进行补偿,所述舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻的实际输出舵角确定。
2.根据权利要求1所述的方法,其特征在于,所述非线性干扰观测器包括以下公式:
其中,表示所述观测器观测的未知干扰,Lθ表示非线性干扰观测器的参数,αθ表示非线性干扰观测器的辅助变量,/>表示αθ的一阶微分,θs表示滑模面误差,Aθm及Bθs表示与水下航行器相关的参数,θd表示期望纵倾角,/>表示期望纵倾角的二阶微分,λs表示滑模面增益系数,θe表示纵倾角跟踪误差,/>表示纵倾角跟踪误差的一阶微分。
3.根据权利要求1所述的方法,其特征在于,所述期望控制舵角δs为:
其中,kα及kγ为STSMC的参数,θs表示滑模面误差,sign(·)表示符号函数,τ表示时间,表示kγsign(θs)在[0,t]时间区间内的积分,Aθm及Bθs表示水下航行器相关的参数,/>表示观测的未知干扰,θd表示期望纵倾角,/>表示期望纵倾角的二阶微分,λs表示滑模面增益系数,θe表示纵倾角跟踪误差,/>表示纵倾角跟踪误差的一阶微分,δc表示根据舵角的饱和偏差确定的补偿舵角。
4.根据权利要求2或3所述的方法,其特征在于,所述滑模面误差θs为:
5.根据权利要求3所述的方法,其特征在于,所述补偿舵角δc为:
δc=Kcθ
Δδ=δu-δs(k-1)
其中,Kc表示自适应饱和补偿参数,θ为自适应变量,为自适应变量θ的自适应律,Kθ表示自适应律参数,Δδ表示舵角饱和偏差;δu表示上一时刻升降舵实际输出的舵角,/>表示升降舵能够输出的舵角边界,δs(k-1)表示上一时刻得到的期望控制舵角。
6.根据权利要求1所述的方法,其特征在于,所述自适应视线角制导算法包括以下公式:
其中,θd表示期望纵倾角,arctan(·)表示反正切函数,ze表示深度跟踪误差,DL、κ表示自适应视线角制导律参数,表示估计的水下航行器攻角,/>表示/>的一阶微分,U表示水下航行器在深度面的合速度。
7.一种面向水下航行器深度跟踪的自适应STSMC递阶控制系统,其特征在于,包括:
期望纵倾角确定单元,用于采用自适应视线角制导算法实时估计水下航行器的攻角,以求得水下航行器的期望纵倾角;
未知干扰观测单元,用于采用基于滑模面误差的非线性干扰观测器观测水下航行器的未知干扰;
控制舵角计算单元,用于采用带有自适应饱和补偿的超螺旋滑模STSMC控制器,并结合所述滑模面误差、所述期望纵倾角、所述未知干扰观测值得到水下航行器的期望控制舵角;所述自适应饱和补偿为根据舵角的饱和偏差对舵角进行补偿,所述舵角的饱和偏差通过上一时刻计算得到的期望控制舵角与上一时刻的实际输出舵角确定。
8.根据权利要求7所述的系统,其特征在于,所述控制舵角计算单元计算的期望控制舵角δs为:
其中,kα及kγ为STSMC的参数,θs表示滑模面误差,sign(·)表示符号函数,τ表示时间,表示kγsign(θs)在[0,t]时间区间内的积分,Aθm及Bθs表示水下航行器相关的参数,/>表示观测的未知干扰,θd表示期望纵倾角,/>表示期望纵倾角的二阶微分,λs表示滑模面增益系数,θe表示纵倾角跟踪误差,/>表示纵倾角跟踪误差的一阶微分,δc表示根据舵角的饱和偏差确定的补偿舵角。
9.根据权利要求8所述的系统,其特征在于,所述控制舵角计算单元采用的补偿舵角δc为:
δc=Kcθ
Δδ=δu-δs(k-1)
其中,Kc表示自适应饱和补偿参数,θ为自适应变量,为自适应变量θ的自适应律,Kθ表示自适应律参数,Δδ表示舵角饱和偏差;δu表示上一时刻升降舵实际输出的舵角,/>表示升降舵能够输出的舵角边界,δs(k-1)表示上一时刻得到的期望控制舵角。
10.一种电子设备,其特征在于,包括:
至少一个存储器,用于存储计算机程序;
至少一个处理器,用于执行所述存储器存储的程序,当所述存储器存储的程序被执行时,所述处理器用于执行如权利要求1-6任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314880.3A CN118092482A (zh) | 2024-03-19 | 2024-03-19 | 面向水下航行器深度跟踪的自适应stsmc递阶控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410314880.3A CN118092482A (zh) | 2024-03-19 | 2024-03-19 | 面向水下航行器深度跟踪的自适应stsmc递阶控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118092482A true CN118092482A (zh) | 2024-05-28 |
Family
ID=91154670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410314880.3A Pending CN118092482A (zh) | 2024-03-19 | 2024-03-19 | 面向水下航行器深度跟踪的自适应stsmc递阶控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118092482A (zh) |
-
2024
- 2024-03-19 CN CN202410314880.3A patent/CN118092482A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103207568B (zh) | 一种抗舵机饱和的船舶航向自适应控制方法 | |
CN108983615B (zh) | 基于反双曲正弦吸引律的离散双周期重复控制器 | |
CN108681246A (zh) | 一种基于执行器故障的无人水面船航迹跟踪方法 | |
Xia et al. | Fuzzy neural network-based robust adaptive control for dynamic positioning of underwater vehicles with input dead-zone | |
CN107807069B (zh) | 一种海面溢油的自适应跟踪控制方法及其系统 | |
CN116449687B (zh) | 一种基于改进型海上救援飞翼扰动观测pid控制方法 | |
CN111546346A (zh) | 一种柔性关节扰动观测方法、力矩控制方法和设备 | |
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 | |
CN113467231A (zh) | 基于侧滑补偿ilos制导律的无人艇路径跟踪方法 | |
Chu et al. | Improved super-twisting sliding mode control for ship heading with sideslip angle compensation | |
CN115309058B (zh) | 一种动力定位船的有限时间复合学习控制方法 | |
An et al. | Adaptive backstepping sliding mode tracking control for autonomous underwater vehicles with input quantization | |
Miao et al. | DOPH∞-based path-following control for underactuated marine vehicles with multiple disturbances and constraints | |
CN118092482A (zh) | 面向水下航行器深度跟踪的自适应stsmc递阶控制方法 | |
Ming et al. | Velocity Control Based on Active Disturbance Rejection for Air‐Breathing Supersonic Vehicles | |
CN116449695A (zh) | 基于事件驱动的全驱船舶预定性能跟踪控制方法及系统 | |
CN111856941B (zh) | 一种基于主动抗扰的自适应终端动态滑模控制方法 | |
CN116300421A (zh) | 基于线性时变系统输入输出数据的自适应参数估计方法、系统 | |
CN116184997A (zh) | 一种用于三自由度水面无人艇跟踪控制方法 | |
Yang et al. | Design of Particle Swarm Optimization Adaptive Sliding Mode Controller Based on an Extended State Observer for the Longitudinal Motion of a Supercavitating Vehicle with Input Saturation | |
Yu et al. | Robust trajectory tracking control of underactuated unmanned surface vehicles with exponential stability: theory and experimental validation | |
CN116841205B (zh) | 手艇耦合系统轨迹跟踪有限时间预设性能控制方法及系统 | |
Dong et al. | Real-time velocity optimization for energy-efficient control of connected and automated vehicles | |
CN117784622B (zh) | 一种基于二阶观测器的电液伺服系统全局滑模控制方法 | |
Yao et al. | Efficient multivariable generalized predictive control for autonomous underwater vehicle in vertical plane |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |