基于改進(jìn)型ADRC算法的無人水面?zhèn)刹焱к壽E跟蹤

王曉慧, 黃 剛, 丁 潔, 岳 光, 潘玉田

基于改進(jìn)型ADRC算法的無人水面?zhèn)刹焱к壽E跟蹤

王曉慧1, 黃 剛1, 丁 潔2, 岳 光3, 4, 潘玉田4

(1. 太原工業(yè)學(xué)院 電子工程系, 山西 太原, 030008; 2. 太原理工大學(xué) 電氣與動(dòng)力工程學(xué)院, 山西 太原, 030024; 3. 太原工業(yè)學(xué)院 自動(dòng)化系, 山西 太原, 030008; 4. 中北大學(xué) 軍民融合協(xié)同創(chuàng)新研究院, 山西 太原, 030051)

針對當(dāng)前無人水面?zhèn)刹焱г诿媾R復(fù)雜水域環(huán)境下出現(xiàn)的反應(yīng)遲鈍、穩(wěn)定性欠佳以及參數(shù)調(diào)節(jié)繁雜等問題, 提出一種基于改進(jìn)型自抗干擾控制(ADRC)算法的無人水面?zhèn)刹焱к壽E跟蹤方法。通過研究其控制系統(tǒng), 構(gòu)建改進(jìn)型ADRC控制器構(gòu)架, 并在ADRC算法中引入遺傳變異結(jié)合粒子群優(yōu)化的策略, 對ADRC控制器各參數(shù)進(jìn)行初值初始化及全局參數(shù)尋優(yōu)。仿真和實(shí)驗(yàn)結(jié)果對比可知, 文中方法與傳統(tǒng)算法相比具有響應(yīng)速度快、超調(diào)量小、誤差低、軌跡跟蹤精確度高等優(yōu)勢, 運(yùn)用該算法的無人水面?zhèn)刹焱г趶?fù)雜水域環(huán)境下的軌跡跟蹤效果良好, 行駛平穩(wěn)。

無人水面?zhèn)刹焱? 自抗干擾控制算法; 軌跡跟蹤; 遺傳算法; 粒子群優(yōu)化

0 引言

近年來, 隨著世界各國對海洋權(quán)益的日益重視, 無人水面?zhèn)刹焱У缺Ｗo(hù)海洋權(quán)益的運(yùn)載平臺(tái)應(yīng)運(yùn)而生[1-2]。無人水面?zhèn)刹焱б孕≥p量、機(jī)動(dòng)靈活、隱蔽性強(qiáng)、費(fèi)效比高、功能多、用途廣、零傷亡等優(yōu)點(diǎn), 廣受各國海軍的青睞, 各軍事強(qiáng)國在此領(lǐng)域已展開深入研究, 擁有眾多產(chǎn)品, 并形成比較成熟的無人水面?zhèn)刹焱w系。國內(nèi)相關(guān)研究起步較晚, 仍處于單個(gè)系統(tǒng)的開發(fā)階段[3], 大多為遠(yuǎn)程簡易控制, 尚未進(jìn)入大規(guī)模應(yīng)用階段。軌跡跟蹤作為無人水面?zhèn)刹焱У年P(guān)鍵技術(shù), 其目的是為了提高航行路徑跟蹤的準(zhǔn)確性和精確性。目前, 比例-積分-微分(proportion integration differentiation, PID)算法已被廣泛應(yīng)用于無人水面?zhèn)刹焱к壽E跟蹤研究[4], 該方法雖然結(jié)構(gòu)簡單、易于操作、成本低, 但是跟蹤效果差、精確度低; 自抗擾控制(active disturbance rejection control, ADRC)算法[5]與PID算法相比, 雖然設(shè)計(jì)簡單、計(jì)算量小、控制精度有所提高, 但是遇到航跡曲率大時(shí), 魯棒性欠佳, 易出現(xiàn)船體抖動(dòng)現(xiàn)象; 也有學(xué)者提出軌跡跟蹤快速終端滑模控制方法[6], 該方法雖然無需精確數(shù)學(xué)模型, 控制精度高, 但算法復(fù)雜, 易出現(xiàn)局部最優(yōu), 硬件要求高, 實(shí)現(xiàn)較為困難[7-8]。

鑒于以上軌跡跟蹤算法的局限性, 文中提出一種基于ADRC算法與機(jī)器視覺相結(jié)合的軌跡跟蹤方法, 針對無人水面?zhèn)刹焱г谒嫖粗蓴_情況下進(jìn)行跟蹤控制器和擴(kuò)張觀測器補(bǔ)償, 采用粒子群算法擴(kuò)大參數(shù)范圍, 減小誤差, 達(dá)到精確的期望運(yùn)行軌跡, 以解決目前無人水面?zhèn)刹焱г谒娓蓴_較多情況下跟蹤誤差大、精度低等問題, 為其水面航跡任務(wù)規(guī)劃多領(lǐng)域應(yīng)用提供參考。

1 軌跡跟蹤伺服控制系統(tǒng)

無人水面?zhèn)刹焱Ь哂凶灾魉婧叫小⒆灾鞅苷霞白灾髦車h(huán)境感知等特性, 可同時(shí)服務(wù)于軍、民領(lǐng)域, 在近海偵察巡防、緊急搜救及鉆井平臺(tái)保護(hù)等方面發(fā)揮著重要作用, 其依靠靜音效果優(yōu)良的直流伺服電機(jī)的伺服控制系統(tǒng)來達(dá)到水面軌跡任務(wù)規(guī)劃行駛。無人水面?zhèn)刹焱к壽E跟蹤控制系統(tǒng)由數(shù)字信號處理(digital signal proce- ssing, DSP)伺服控制器、驅(qū)動(dòng)器、伺服電機(jī)、減速機(jī)構(gòu)、環(huán)境感知模塊以及速度和姿態(tài)反饋模塊組成[9]。控制機(jī)理通過DSP伺服控制器對驅(qū)動(dòng)器進(jìn)行控制; 驅(qū)動(dòng)器驅(qū)動(dòng)伺服電機(jī)及減速模塊來實(shí)現(xiàn)對艇的水面推進(jìn)行駛控制; 速度和姿態(tài)反饋模塊將艇的速度和艇體的姿態(tài)反饋到DSP伺服控制器, 控制器由速度和姿態(tài)偏差進(jìn)行算法運(yùn)算校正, 實(shí)現(xiàn)對艇水面航行軌跡[10]的精確跟蹤控制, 原理如圖1所示。

圖1 軌跡跟蹤伺服控制原理圖

2 軌跡跟蹤伺服控制系統(tǒng)數(shù)學(xué)建模

2.1 運(yùn)動(dòng)模型構(gòu)架及坐標(biāo)轉(zhuǎn)換

采用數(shù)學(xué)模型組(mathematical model group, MMG)的分離類型建模[11]。無人水面?zhèn)刹焱Ш叫袝r(shí)會(huì)受到重力、慣性和黏性水動(dòng)力、水面水風(fēng)以及水浪等多種因素影響, 其運(yùn)動(dòng)模型結(jié)構(gòu)如圖2所示。

圖2 軌跡跟蹤運(yùn)動(dòng)模型圖

在運(yùn)動(dòng)方程建模前, 首先要進(jìn)行坐標(biāo)關(guān)系研究。由于無人水面?zhèn)刹焱г趶?fù)雜未知水面上運(yùn)動(dòng), 需對其非線性、不確定性進(jìn)行模型設(shè)定: 設(shè)定艇體為質(zhì)量均勻分布的常值剛體; 設(shè)定水面為平面, 大地坐標(biāo)為慣性坐標(biāo)系; 設(shè)定水體密度恒定且不可壓縮。坐標(biāo)關(guān)系圖如圖3所示。

圖3 坐標(biāo)關(guān)系圖

2.2 數(shù)學(xué)模型創(chuàng)建

航向偏差

聯(lián)合視向角及其補(bǔ)償運(yùn)算, 可得航向誤差角

在創(chuàng)建上面推導(dǎo)過程的基礎(chǔ)上, 結(jié)合圖2得到數(shù)學(xué)模型框圖, 如圖4所示。

圖4 數(shù)學(xué)模型圖

3 改進(jìn)型ADRC算法設(shè)計(jì)

3.1 ADRC算法設(shè)計(jì)

ADRC是通過估計(jì)補(bǔ)償不確定影響的一種新型控制算法, 該算法無需確定未知外部干擾模型或直接測量未知外部干擾量即可解決外部干擾,并通過數(shù)字化PID控制誤差來消除誤差, 提高系統(tǒng)的控制品質(zhì)和控制精度, 尤其在復(fù)雜惡劣環(huán)境下, 具有精度高、誤差小、抗干擾能力強(qiáng)等優(yōu)越性。基于ADRC算法的無人偵察艇軌跡跟蹤控制構(gòu)架由微分控制器、非線性反饋和擴(kuò)張狀態(tài)觀測等[12-13]構(gòu)成, 其結(jié)構(gòu)框圖如圖5所示。

圖5 軌跡跟蹤ADRC結(jié)構(gòu)圖

由圖5可知, 軌跡跟蹤ADRC控制算法采用微分控制器進(jìn)行過渡過程的處理, 以獲得理想的光滑輸入信號, 并從中提取微分信號。

對微分信號進(jìn)行離散處理得

由圖5對擴(kuò)張觀測器進(jìn)行設(shè)計(jì)處理, 其作為ADRC的核心對狀態(tài)和內(nèi)外擾動(dòng)進(jìn)行實(shí)時(shí)的估計(jì)并補(bǔ)償, 對未知的擾動(dòng)及不確定的因素進(jìn)行“積分串聯(lián)”處理, 得到近似線性化。

其中

由被控對象可得

上式將被控對象進(jìn)行實(shí)時(shí)動(dòng)態(tài)的線性化處理[11], 由系統(tǒng)狀態(tài)誤差重建系統(tǒng)狀態(tài)和擾動(dòng), 并給予實(shí)時(shí)補(bǔ)償, 具有抗總干擾的作用。

對非線性反饋觀測器進(jìn)行設(shè)計(jì), 鑒于線性反饋觀測器需要被控對象的精確模型, 文中提出非線性反饋感測器的線性化處理, 利用增益反比來抑制擾動(dòng)。

對于誤差系統(tǒng)

由以上公式聯(lián)立推導(dǎo)得

3.2 改進(jìn)型ADRC算法設(shè)計(jì)

對ADRC控制器的結(jié)構(gòu)進(jìn)行上述設(shè)計(jì)后, 需要進(jìn)行在線參數(shù)尋優(yōu)自主調(diào)節(jié), 并且無需精確的數(shù)學(xué)模型, ADRC控制器的參數(shù)初始化及優(yōu)化值對控制器的最佳參數(shù)獲取具有關(guān)鍵作用。

3.3 改進(jìn)型ADRC控制器結(jié)構(gòu)設(shè)計(jì)

為進(jìn)一步提升無人水面?zhèn)刹焱У男? 采用改進(jìn)型ADRC算法對 ADRC 結(jié)構(gòu)中非線性控制規(guī)律和擴(kuò)張狀態(tài)觀測器中所涉及參數(shù)進(jìn)行自主在線調(diào)節(jié), 改進(jìn)型ADRC控制器結(jié)構(gòu)見圖6。

圖6 軌跡跟蹤改進(jìn)型ADRC控制器結(jié)構(gòu)圖

4 仿真及分析

圖7 改進(jìn)型ADRC控制器跟蹤軌跡Simulink仿真模型

圖8 不同航向角下軌跡跟蹤曲線

圖9 水面航向軌跡跟蹤圖

由圖8可知, 在給定目標(biāo)航向角從0～1的階躍信號下, PID算法穩(wěn)定, 但運(yùn)算耗時(shí)長且超調(diào)量大; 傳統(tǒng)ADRC算法雖可快速趨于穩(wěn)定, 但有超調(diào); 改進(jìn)型ADRC算法可短時(shí)間進(jìn)入穩(wěn)定狀態(tài), 幾乎沒有超調(diào), 響應(yīng)速度快, 誤差小。

由圖9中3種算法的航向軌跡對比可知, 文中的改進(jìn)型算法無需人工干預(yù), 在預(yù)設(shè)航行點(diǎn)到點(diǎn)中, 航行軌跡平穩(wěn)、躲避障礙區(qū)域效果好、響應(yīng)快速、運(yùn)行穩(wěn)定、抗干擾能力強(qiáng), 尤其在水面未知環(huán)境下, 能夠很好地完成航行路線。

5 結(jié)束語

文中針對無人水面?zhèn)刹焱г谖粗姝h(huán)境下, 傳統(tǒng)算法及控制器存在的抗干擾能力差、響應(yīng)速度慢、控制困難等不足, 提出了一種改進(jìn)型ADRC算法, 利用GA-PSO思想對ADRC的各參數(shù)進(jìn)行初始化及優(yōu)化設(shè)計(jì), 并完成全局尋優(yōu), 解決了傳統(tǒng)算法僅能局部尋優(yōu)的不足; 同時(shí)較傳統(tǒng)強(qiáng)、軌跡跟蹤精度高、避障能力強(qiáng)等優(yōu)勢, 仿真驗(yàn)證了文中算法的可行性和實(shí)用性, 為解決中小型水面無人多種艇類的更精確控制提供一種新的思路和方法。

[1] 吳青, 王樂, 劉佳侖. 自主水面貨船研究現(xiàn)狀與展望[J]. 智能系統(tǒng)學(xué)報(bào), 2019, 14(1): 57-71.

Wu Qing, Wang Le, Liu Jia-lun. Research Status and Prospect of Autonomous Surface Cargo Ships[J]. Journal of Intelligent Systems, 2019, 14(1): 57-71.

[2] 王俊龍, 袁偉. 船舶推進(jìn)系統(tǒng)可靠性分析研究[J]. 兵器裝備工程學(xué)報(bào), 2020, 41(7): 208-212.

Wang Jun-long, Yuan Wei. Research on Reliability Analysis of Marine Propulsion System[J]. Journal of Ordnance Equipment Engineering, 2020, 41(7): 208-212.

[3] 向前, 何希盈. 無人海上航行器磁探潛方法研究[J]. 兵器裝備工程學(xué)報(bào), 2019, 40(12): 16-19.

Xiang Qian, He Xi-ying. Research on Submarine Searching Method of Unmanned Marine Vehicle with Magnetic Anomaly Detector[J]. Journal of Ordnance Equipment Engineering, 2019, 40(12): 16-19.

[4] 張磊, 莊佳園, 王博, 等. 水面無人艇技術(shù)[M]. 上海: 上海交通大學(xué)出版社, 2018.

[5] 文元橋, 肖長詩, 朱曼, 等. 水面無人艇的體系結(jié)構(gòu)與運(yùn)動(dòng)控制[M]. 武漢: 武漢理工大學(xué)出版社, 2019.

[6] 侯瑞超, 唐智誠, 王博, 等. 水面無人艇智能化技術(shù)的發(fā)展現(xiàn)狀和趨勢[J]. 中國造船, 2020, 61(S1): 212-219.

Hou Rui-chao, Tang Zhi-cheng, Wang Bo, et al. Development Status and Trend of Intelligent Technology for Unmanned Surface Vehicles[J]. Shipbulding of China, 2020, 61(S1): 212-219.

[7] Ma L Y, Xie W, Huang H B. Convolutional Neural Network Based Obstacle Detection for Unmanned Surface Vehicle[J]. Mathematical Biosciences and Engineering, 2019, 17(1): 845-861.

[8] 曾凡明, 曹詩杰. 水面無人艇自主控制系統(tǒng)設(shè)計(jì)與實(shí)驗(yàn)研究[J]. 中國造船, 2016, 57(2): 164-174.

Zeng Fan-ming, Cao Shi-jie. Design and Experimental Study of Autonomous Control System for Unmanned Surface Vehicle[J]. Shipbuilding of China, 2016, 57(2): 164-174.

[9] 閆振爭, 莊繼暉, 程曉鳴, 等. 自抗擾算法在無人車路徑跟蹤控制中的應(yīng)用[J]. 重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)), 2020, 35(3): 61-70.

Yan Zhen-zheng, Zhuang Ji-hui, Cheng Xiao-ming, et al. Application of Active Disturbance Rejection Algorithm in Unmanned Vehicle Path Tracking Control[J]. Journal of Chongqing University of Technology, 2020, 35(3): 61-70.

[10] Caccia M, Bivuli M, Bono R, et al. Basic Navigation Gui- dance and Control of an Unmanned Surface Vehicle[J]. Autonomous Robots, 2008, 25(6): 349-365.

[11] Rosario R V D C, Cunha J P V S, Rosa P B G. Stabilizing Control of an Unmanned Surface Vehicle Pushing a Floa- ting Load[J]. International Journal of Control, Automation and Systems, 2020, 18(SI): 1-10.

[12] Razcarz S, Vaegas-jarillo C, Jafari R, et al. Flow Control of Fluid in Pipelines Using PID Controller[J]. IEEE Access, 2019, 36(7): 25673-25680.

[13] 韓佩妤, 韓瑋, 梁旭.一種水面無人艇航行及任務(wù)載荷復(fù)合控制方法[J]. 無人系統(tǒng)技術(shù), 2018, 1(3): 46-51.

Han Pei-yu, Han Wei, Liang Xu. A Compound Controlling Method of Sailing and Task Execution for Unmanned Surface Boat[J]. Unmanned System Technology, 2018, 1(3): 46-51.

Trajectory Tracking of Unmanned Surface Reconnaissance Vessel Based on Improved ADRC Algorithm

WANG Xiao-hui1, HUANG Gang1, DING Jie2, YUE Guang3,4, PAN Yu-tian4

(1. Department of Electronic Engineering, Taiyuan Institute of Technology, Taiyuan 030008, China; 2. College of Electrical Power Engineering, Taiyuan University of Technology, Taiyuan 030024, China; 3. Department of Automation, Taiyuan Institute of Technology, Taiyuan 030008, China; 4. Collaborative Research Institute of Civil Military Integration, North University of China, Taiyuan 030051, China)

To solve the problems of slow response, poor stability, and complex parameter adjustment of current unmanned surface reconnaissance vessels in complex water environments, a trajectory-tracking method for unmanned surface reconnaissance vessels based on the improved active disturbance rejection control(ADRC) algorithm. By studying the control system of an unmanned surface reconnaissance vessel, an improved ADRC controller architecture is constructed. Then, genetic mutation and particle swarm optimization are introduced into the algorithm to initialize the parameters of ADRC and optimize global parameters. Compared with the traditional algorithm, the proposed method has the advantages of fast response speed, small overshoot, low error, and high trajectory-tracking accuracy. It is verified that the improved ADRC algorithm has a good trajectory-tracking effect and runs smoothly in a complex water environment.

unmanned surface reconnaissance vessel; active disturbance rejection control(ADRC) algorithm; trajectory tracking; genetic algorithm; particle swarm optimization

TJ630; U664.82

A

2096-3920(2021)03-0286-07

10.11993/j.issn.2096-3920.2021.03.006

王曉慧, 黃剛, 丁潔, 等. 基于改進(jìn)型ADRC算法的無人水面?zhèn)刹焱к壽E跟蹤[J]. 水下無人系統(tǒng)學(xué)報(bào), 2021, 29(3): 286-292.

2020-11-19;

2020-12-18.

國家自然基金(51275489); 山西高等學(xué)校科技創(chuàng)新項(xiàng)目(2020L0673).

王曉慧(1986-), 女, 碩士, 講師, 主要研究方向?yàn)闇y試與檢測技術(shù)、無線傳感器網(wǎng)絡(luò)、智能算法、無人智能化等.

(責(zé)任編輯: 楊力軍)