無人水面艇航向航速協同控制方法

曹詩杰，曾凡明，陳于濤

海軍工程大學動力工程學院，湖北武漢 430033

無人水面艇航向航速協同控制方法

曹詩杰，曾凡明，陳于濤

海軍工程大學動力工程學院，湖北武漢 430033

針對無人水面艇（USV）在未知干擾環境下的自主運動控制問題，研究基于模糊自適應算法的USV航向、航速協同控制方法。設計以航向角偏差量和直線距離偏差量為輸入量，以及以舵角偏轉控制量和油門開度控制量為輸出量的模糊控制算法，并通過以航向角偏差率為輸入量及以控制周期為輸出量的自適應控制，使系統響應外部環境的變化。以抵達目標點的時間和舵角變化次數的加權最小值作為優化目標函數，分析論域、控制周期等參數對控制效果的影響。優化分析的結果表明：此方法在不同海面風、浪、流隨機干擾的條件下，均能使無人艇抵達目標點，實現點對點的自主航行。

無人水面艇；模糊算法；自適應控制；協同優化

0 引 言

無人水面艇（USV）是一種無人操作的水面艦艇，屬于無人智能動力平臺的研究領域。自主運動控制是USV區別于有人操縱船舶的核心技術之一。在自主運動的控制問題中，實用有效的航向、航速控制算法是USV平臺在各種不確定水面環境中完成復雜航行任務的關鍵［1］。

目前USV航向、航速的控制方法主要包括以下2個方面。

1）將航向保持作為自動控制目標，使船舶能夠自動跟隨給定的航向，但是航向給定不在自主控制的范圍內。相應的控制算法主要包括：基于精確運動模型的PID控制、Lyapunov控制、Back?stepping控制等常規控制算法［2］，基于在線辨識模型參數的變結構控制等自適應控制算法，基于模糊規則的模糊控制算法等［3］。

2）在航向保持的基礎上，將航向給定納入自主控制的范圍，由艇載計算機通過控制算法自主得出航向給定值，進行閉環控制，但航速給定不包括在自主控制的范圍內［4］。

以上控制方法存在的問題是：在控制算法方面，基于精確數學模型的常規控制算法中，船體運動模型較難精確確定，而且在不確定和強非線性的水面環境中，線性時不變的運動模型參數難以實時和準確地描述船體運動狀態的變化；在自適應控制算法中，自適應函數和精確干擾模型較難確定；在模糊控制算法中，算法結構、輸入輸出變量的模糊域、模糊規則的確定需要豐富的工程實踐經驗；在控制策略方面，航向、航速的協同控制程度較弱，主要考慮航向對運動控制結果的貢獻，僅將航向納入自主控制算法的范圍，而較少考慮航速對運動控制的快速性、魯棒性和自主性的影響。

本文將針對現有技術的不足，研究一種基于模糊自適應算法的USV航向、航速協同控制方法，避免常規方法中的船體運動建模問題，改進模糊控制的策略和算法，融入自適應因素，提高控制方法在不確定水面環境中的適應性和魯棒性。

1 航向、航速協同控制方法

1.1 試驗研究平臺

本文所搭建的USV試驗研究平臺如圖1所示，表1為艇體主尺度。平臺上所使用的航向、航速協同控制系統軟、硬件包括：

1）艇載嵌入式計算機，用于綜合處理數據信號和控制信號；

2）傳感器模塊，用于測量船體的位置、速度信息以及航向、航姿信息；

3）動力驅動模塊，通過數/模轉換輸出電壓信號，驅動航向、航速控制的執行機構；

4）自適應模糊控制器軟件，用于將輸入的數據通過模糊解算，得到輸出的控制量的軟件。

1.2 航向、航速協同控制模型

圖1 USV試驗研究平臺Fig.1 Experimental research platform of unmanned surface vehicle

表1 USV艇體主尺度Tab.1 Main scale of the USV's hull

在現有的船舶運動控制研究中，一般研究船舶航向與航速控制的解耦問題，這在一定程度上解決了不匹配、不確定性的干擾。但要想得到更好的控制效果，就需要航向、航速協同控制，這將綜合組成一個多輸入多輸出（MIMO）系統［5-6］。圖2為本文的控制系統結構圖。

圖2 控制系統結構圖Fig.2 The structure figure of the control system

如圖2所示，其控制原理是將USV與目標點比對得到的航向角偏差量P和直線距離偏差量D作為系統輸入量，取代常規的模糊控制中航向角偏差量和航向角偏差率。因為本系統采用尋目標點的方法進行自主航行，在靠近目標點的過程中，距離偏差影響的控制效果更為明顯［7-8］。系統的輸出量設計為舵角偏轉控制量U和油門開度控制量V這2個角度量，分別對應于對USV航向和航速的控制。

圖3為本文所設計的USV航向、航速協同控制模型，同時也是試驗平臺軟件的設計框架。具體控制方法分為2個子線程，分別對應模糊控制和自適應控制方法。

圖3 航向、航速協同控制模型Fig.3 The model of the direction and speed cooperative control method

模糊控制線程中，對P和D進行模糊自適應控制算法的解算，由P和D在模糊集合中的隸屬度計算，并輸出U和V。

自適應控制線程中，計算單位時間航向角偏差率Pt=P/t，將航向角偏差率劃分為3檔，對高航向角偏差率使用較短的控制周期，反之，使用較長的控制周期，實現自適應調節模糊控制器參數，響應外部環境變化。

1.3 模糊自適應算法

本文所采用的模糊自適應算法是基于仿真實驗和專家經驗，擬定各函數參數和模糊規則［9-11］，并通過獲取外界的環境變化采用應對機制進行一定的自適應調整。

首先，通過數據前處理得到算法的輸入量。由傳感器獲取的位置及角度信息及初始設定可得到經度方向上的距離偏差量X（以東為正方向），緯度方向上的距離偏差量Y（以北為正方向），航向角θ（以真北方向為參考），由下式得到P和D：

將得到的P和D分別引入各自的隸屬度函數進行模糊化處理，同樣輸出的U和V也分別由對應各自的模糊集合和隸屬度函數表征。定義Aj為一個模糊集合

式中：A代表模糊量集合，以下由P，D，U，V具體指代，標識號j的不同值對應于不同的模糊分區；模糊集合的自變量是x，x的變化范圍R為x的論域，代表其取值范圍。本文中，對于P和U，j=-2，-1，0，1，2分別代表NB（負向大偏差/左舵大偏轉），NS（負向小偏差/左舵小偏轉），ZE（零偏差/零舵角），PS（正向小偏差/右舵小偏轉），PB（正向大偏差/右舵大偏轉），同樣，對于D和V，j=0，1，2分別代表Z（零偏差/零油門），S（小偏差/小油門），B（大偏差/大油門）。對應不同的模糊集合，自變量有各自的高斯隸屬度函數，其表達式為

式中：x0決定了函數的中心位置；σ決定了函數的陡度。高斯函數法隸屬度函數相對普通三角隸屬度函數而言較為復雜，但是它能夠很好地抵抗外界的不確定性干擾，同時，類似正態曲線的形式更符合未知環境這一隨機概率事件［12-13］。輸入輸出量各自的隸屬度函數曲線簇如圖4所示。

圖4 輸入輸出量隸屬度函數曲線簇Fig.4 Curves collection of membership function of the inputs and outputs

輸入量P和D模糊化后，將分別由對應的模糊規則推理出輸出量U和V，表2和表3為推理過程的規則表。

表2 舵角偏轉控制量U模糊推理規則Tab.2 The fuzzy reasoning rule of deflection control of rudder angle U

表3 油門開度控制量V模糊推理規則Tab.3 The fuzzy reasoning rule of opening control of throttle V

模糊推理過程采用Mamdani規則，例如，為實現由輸入量x∈P，y∈D得到輸出量z∈U的推理過程，2條模糊控制規則語言為：

R1：IfxisP1 andyisD1 thenzisU1；

R2：IfxisP2 andyisD2 thenzisU2。

推理運算如下：

式中：符號∧指笛卡爾積，即進行取小運算的交集。中間變量ω為x和y在各自模糊集合中隸屬度的最大值的取小結果。由此得到ω截取的輸出量隸屬度函數曲線的并集。最后對輸出量清晰化，即曲線所圍面積的形心坐標

在進入下一控制循環之前，引入自適應的方法調節自身參數可以提高算法的魯棒性，加快對控制效果的收斂。本文中采用對控制周期進行自適應調節。計算Pt=P/t，將其按高低劃分檔位，代表控制環境的惡劣程度。在航向角偏差率較高時，視為復雜控制環境，采用高控制頻率；在航向角偏差率較低時，視為平靜控制環境，采用低控制頻率；其余視為常規控制環境，采用經濟巡航控制頻率［14］。這樣能夠在海況復雜時提高控制效果，抗干擾能力強，在平靜環境下增強計算精度和穩定性，延長使用時間。

本文所研究的控制算法與現有技術相比其優點在于：

1）采用模糊控制算法可以改善USV控制方法在不確定水面條件下的適應度，避免常規方法中船體運動的建模問題。

2）以經典模糊控制為基礎，研究改進的2輸入2輸出USV模糊控制算法，增加距離模糊域函數作為算法輸入，并將航向和航速都納入自主控制范圍，進行協同控制，提高USV運動控制的收斂速度，增強控制的魯棒性。

3）采用航向角偏差率作為自變量，自動調節控制周期參數，使控制算法能夠根據控制效果的變化，自適應地調整控制參數，進一步增強自主控制系統的智能性。

2 控制參數優化

在模糊自適應控制算法中，控制參數包括輸入輸出量論域、控制周期和模糊推理規則等，其中輸入量論域和控制周期是影響控制效果的關鍵參數，可以進行量化分析尋優。

USV完成任務的過程中，抵達目標點時間和舵角變化的次數是任務完成的2個重要指標，將其加權作為目標函數，如下式所示

式中：t（x）為USV抵達目標的時間函數；s（x）為變舵次數函數，x為控制器參數；α，β分別為2個參數的權重，可以根據任務需求進行調整。以目標函數最小值為目標，即針對提高航行效率和減輕機構勞損進行參數尋優。

2.1 輸入量論域優化分析

圖5為輸入量論域變化的USV航跡圖，目標距離USV初始位置50 m，USV初始航向角90°，圖中虛線圈為到達目標的范圍圓，半徑為5 m，設定USV到達圓中即視為到達目標。圖中從左至右的航跡為輸入量論域由小至大變化的結果。由于輸入量論域中舵角偏差量隸屬度函數的零偏差范圍對控制效果的影響最為顯著，零偏差的范圍可視為對“正對目標”這個模糊概念定義的嚴格程度。

圖5 輸入量論域變化的USV航跡圖Fig.5 The track figure of USV when the input's domain changes

圖6和圖7分別為抵達時間及變舵次數與輸入量論域的關系，對仿真結果進行擬合，得到t（x）和s（x）的解析式。從圖中可看出，抵達時間t與輸入量論域正相關，變舵次數s與輸入量論域負相關。將2個解析式代入式（8）中，f（x）取最小值時x的值即為輸入量論域的最優解。

2.2 控制周期優化分析

圖8為控制周期變化的USV航跡圖，USV初始航向角為90°。圖中從下至上的航跡為控制周期由小至大變化的結果。控制周期可視為“反應時間”這一模糊概念，可以從圖中直觀地發現，控制周期越長，USV朝目標點變化航向的響應越遲緩。

圖6 輸入量論域與抵達時間關系圖Fig.6 The relationship between the arrival time and the input's domain

圖7 輸入量論域變化與變舵次數關系圖Fig.7 The relationship between the change frequency of rudder and the input's domain

圖8 控制周期變化的USV航跡圖Fig.8 The track figure of USV when the control cycle changes

圖9和圖10分別為抵達時間及變舵次數與控制周期的關系，對仿真結果進行擬合，得到t（x）和s（x）的解析式，從圖中關系曲線可知，抵達時間t與控制周期正相關，變舵次數s與控制周期負相關。但是在離散t（x）曲線中，曲線在高控制周期的波折較大，說明控制周期長則容錯率較低，隨機性加大，對環境魯棒性不好，此時應該減少α的值，降低此指標的權重。同樣將2個解析式代入式（8）中，f（x）取最小值時x的值即為控制周期的最優解。

圖9 控制周期變化與抵達時間關系圖Fig.9 The relationship between the arrival time and the control cycle

圖10 控制周期變化與變舵次數關系圖Fig.10 The relationship between the change frequency of rudder and the control cycle

控制參數優化分析的結果表明：

1）控制模型的性能參數是t和s，優化參數是輸入量論域和控制周期，其中，t與輸入量論域正相關，s與輸入量論域負相關，t與控制周期正相關，s與控制周期負相關。

2）在關系曲線波動大，擬合曲線精度不高的情況下，應適當降低該關系函數的權重。

3）單一優化變量時，目標函數f（x）有界且收斂，能夠求得最小值，說明優化方法普適于所有控制參數。由此可見，以上的優化方法能夠切實有效地尋找到最優控制器參數。

2.3 優化效果分析

圖11為USV在最優控制器參數的條件下，處于幾種隨機干擾情況的仿真結果航跡圖。設定初始航向角為90°。

圖11 不同隨機干擾下的USV航跡圖Fig.11 The track figures of USV under different random disturbances

考慮到USV工作環境的風、浪、流對控制效果的影響，仿真時用以下狀態對航行時船舶受到的擾動進行模擬［15］：

1）平靜水面，無擾動情況下的控制效果，結果如曲線1所示。

2）風或流對船舶的恒值擾動：ω=5°，結果如曲線2所示。

3）風、浪、流綜合均勻隨機干擾：ω=(4.5H1+ 3.5H2)°。H1和H2是2個相互獨立的服從［0，1］均勻分布的偽隨機變量，結果如曲線3所示。

4）風、浪、流綜合正態分布隨機干擾：ω=(4.5H3+3.5H4)°。H3和H4是2個相互獨立的服從標準正態分布N（0，1）的偽隨機變量，結果如曲線4所示。

由仿真結果可知，在隨機擾動下，模糊自適應控制器能對系統輸出進行有效的控制，實現了尋目標點自主航行，且USV在不同擾動下的抵達時間相對于平靜航行增幅在10%以內。可以認為，該控制器能夠有效適應外界環境，抗干擾強，穩定性好。

3 結 語

本文研究了一種USV航向、航速協同控制方法，利用模糊控制算法的優點，使用多輸入多輸出的控制結構，對航向、航速進行了協同控制。并且加入自適應控制環節，使系統能夠對未知變化環境進行自主調節。通過試驗平臺的控制系統進行仿真及優化分析，得出了一套行之有效的優化方案，并對優化效果進行了抗干擾分析，為進一步的試驗研究工作提供了理論基礎。

［1］ YAN R J，PANG S，SUN H B，et al.Development and missions of unmanned surface vehicle［J］.Journal of Marine Science and Application，2010，9（4）：451-457.

［2］ DO K D.PAN J.Global robust adaptive path following of underactuated ships［J］.Automatica，2006，42（10）：1713-1722.

［3］ 陳銘.高速無人艇模型及航速/航向解耦控制研究［D］.哈爾濱：哈爾濱工程大學，2011.

［4］ 陳鷥鷺，程海邊.基于模糊神經網絡控制的水面無人艇建模與仿真［J］.艦船科學技術，2010，32（11）：134-136. CHEN Silu，CHENG Haibian.Modeling and simula?tion based on fuzzy neural network for unmanned sur?face vehicle［J］.Ship Science and Technology，2010，32（11）：134-136.

［5］ CACCIA M，BONO R，BRUZZONE G，et al.Design and exploitation of an autonomous surface vessel for the study of sea-air interactions［C］//Proceedings of the 2005 IEEE International Conference on Robotics and Automation.Barcelona，Spain，2005：3582-3587.

［6］ CACCIA M，BONO R，BRUZZONE G，et al.An au?tonomous craft for the study of sea-air interactions［J］. IEEE Robotics and Automation Magazine，2005，12（3）：95-105.

［7］ 徐博，奔粵陽.自主水下航行器建模、控制設計與仿真［M］.北京：國防工業出版社，2013：117-138.

［8］ 伍文暉.水面無人艇試驗平臺設計［D］.大連：大連海事大學，2013.

［9］ LIAO Y L，WAN L，ZHUANG J Y.Backstepping dy?namical sliding mode control method for the path fol?lowing of the underactuated surface vessel［C］//Interna?tional Conference on Advanced in Control Engineering and Information Science.Amsterdam，2011.

［10］ CHWA D.Global tracking control of underactuated ships with input and velocity constraints using dynam?ic surface control method［J］.IEEE Transactions on ControlSystems Technology， 2011， 19（6） ：1357-1370.

［11］ DONG W.Cooperative control of underactuated sur?face vessels［J］.IET Control Theory and Applica?tions，2010，4（9）：1569-1580.

［12］ B?RHAUG E，PAVLOV A，PANTELEY E，et al. Straight line path following for formations of underac?tuated marine surface vessels［J］.IEEE Transactions on Control Systems Technology，2011，19（3）：493-506.

［13］ CONSOLINI L，TOSQUES M.A minimum phase out?put in the exact tracking problem for the nonminimum phase underactuated surface ship［J］.IEEE Transac?tionson Automatic Control，2012，57（12）：3174-3180.

［14］ JIA H M，ZHANG L J，BIAN X Q，et al.A nonlinear bottom-following controller for underactuated autono?mous underwater vehicles［J］.Journal of Central South University，2012，19（5）：1240-1248.

［15］ 孫巧梅.無人艇建模及邏輯網絡自適應控制方法的研究［D］.大連：大連海事大學，2013.

［責任編輯：胡文莉］

The course and speed cooperative control method for unmanned surface vehicles

CAO Shijie，ZENG Fanming，CHEN Yutao
College of Power Engineering，Naval University of Engineering，Wuhan 430033，China

In order to solve the problem of autonomous dynamic control for unmanned surface vehicles (USV)under unknown conditions,a course and speed cooperative control method based on the adaptive fuzzy algorithm is studied in this paper.The fuzzy control algorithm is designed as to the inputs are the devi?ation of course and position,and the outputs are the rudder angle and throttle.The self-adaptive control method is applied,of which the input is the deviation rate of course and the output is the control cycle,to make the system effectively response to external changes.The objective function of the optimization is the weighted minimum of the arrival time and the changing frequency of rudder.The specific effects of the pa?rameters,like domains and the control cycle,are analyzed.The results of optimization analysis show that the method enables the USV to successfully reach the target point in random disturbance conditions with different wind,current and wave,and to achieve the point to point autonomous voyage.

Unmanned Surface Vehicle（USV）；fuzzy algorithm；self-adaptive control；cooperative opti?mization

U664.82

A

10.3969/j.issn.1673-3185.2015.06.011

http://www.cnki.net/kcms/detail/42.1755.TJ.20151110.1025.018.html期刊網址：www.ship-research.com

曹詩杰，曾凡明，陳于濤.無人水面艇航向航速協同控制方法［J］.中國艦船研究，2015，10（6）：74-80. CAO Shijie，ZENG Fanming，CHEN Yutao.The course and speed cooperative control method for unmanned surface vehicles［J］.Chinese Journal of Ship Research，2015，10（6）：74-80.

2015-05-05 < class="emphasis_bold"> 網絡出版時間：

時間：2015-11-10 10:25

中國博士后科學基金資助項目（201150M1547）；湖北省自然科學基金資助項目（2013CFB440）

曹詩杰，男，1991年生，碩士生。研究方向：艦船動力裝置總體設計、分析與優化。E-mail：975526435@qq.com曾凡明（通信作者），男，1962年生，博士，教授，博士生導師。研究方向：艦船動力裝置總體設計、分析與優化