考慮模型誤差的ROV抗飽和控制設計

薛乃耀, 劉 鯤, 王冬姣, 葉家瑋

考慮模型誤差的ROV抗飽和控制設計

薛乃耀, 劉 鯤, 王冬姣, 葉家瑋

(華南理工大學 土木與交通學院, 廣東 廣州, 510640)

為研究新型有纜開架式遙控水下航行器(ROV)的軌跡跟蹤問題, 在徑向基神經網絡滑膜控制律基礎上, 考慮推力約束條件, 提出一種變增益抗飽和輔助系統, 并通過李雅普諾夫穩定性相關定理證明了控制系統的穩定性。該系統充分考慮了ROV的實際作業工況, 利用MARLAB Simulik搭建仿真平臺, 在軌跡跟蹤仿真驗證中引入建模誤差、海流干擾、臍帶纜作用力等因素影響。仿真結果表明, 加入抗飽和系統后, ROV進行軌跡跟蹤時推進系統推力飽和持續時間降低27%, 各自由度的累計跟蹤誤差降低, 垂蕩和橫搖方向的跟蹤誤差大幅減少, 驗證了新控制律的可靠性。

遙控水下航行器; 推力飽和; 軌跡跟蹤; 徑向基神經網絡; 滑模控制

0 引言

自20世紀50年代開始, 遙控水下航行器(re- mote operated vehicle, ROV)被用于魚雷及導彈回收等危險作業任務, 此后更被廣泛用于深水探測、水下施工維護工程、鉆井作業等領域[1]。ROV結構緊湊, 推進器輸出動力有限, 精確的動力學模型和水下環境條件不易獲得。為使ROV順利完成作業任務, 研究人員對ROV在復雜環境下的軌跡跟蹤進行了大量研究。自適應魯棒控制律、最優控制、反饋線性化方法等都被用于解決ROV的軌跡跟蹤問題[1-3]。滑模控制和其他智能控制方法因為其抗擾和自適應能力強而在ROV控制中得到應用。朱琦[4]采用準滑模控制方法, 實現ROV的姿態鎮定和物體抓取任務; Chu等[5]設計了自適應模糊滑模控制器, 采用模糊系統估計未知非線性影響, 通過自適應更新律處理建模誤差和輸入飽和問題。基于徑向基(radial basis function, RBF)神經網絡具有逼近任意非線性函數的能力[6], 將這種性能應用于ROV的運動控制中, 能使其具有很強的抗干擾能力。夏俊[7]通過RBF神經網絡自適應控制, 實現了水面無人艇的軌跡跟蹤控制。

結合文獻[8], 文中設計了一種新型ROV軌跡跟蹤控制律。控制初期, ROV與目標軌跡偏差較大, 神經網絡權值的學習尚未收斂, 容易導致其推進器處于飽和狀態, 影響目標跟蹤性能, 并可能使ROV失控。因此, 文中考慮ROV水動力特性、建模誤差、海流干擾和臍帶纜作用力等因素影響, 采用RBF神經網絡設計了神經網絡滑模控制器, 完成一種新型ROV軌跡跟蹤控制任務。將滑模函數引入輔助系統的狀態變量更新律中, 提出了一種變增益抗飽和輔助系統, 通過反饋補償抑制推進器飽和。并通過合理配置抗飽和系統的增益, 有效提高ROV控制系統穩定性, 保障了RBF神經網絡滑模控制律在控制初期且存在推力限幅情況下的軌跡跟蹤性能。

1 ROV動力學模型

基于SNAME對海洋航行器運動的定義, 在固定坐標系中, ROV的動力學方程可表示為[8]

圖1 ROV及其坐標系(1～6為螺旋槳編號)

2 控制律設計

2.1 神經網絡滑模控制

在滑模控制中, 滑模面定義為

其中

結合ROV的動力學模型, 基于模型的滑模控制律為

ROV動力學模型的獲取存在一定的誤差, 且其水動力系數影響因素復雜, 采用RBF神經網絡對ROV所受的集總擾動進行擬合和補償, 其對集總擾動的最佳估計為

2.2 抗飽和輔助系統設計

為消除推力限幅的影響, 且避免在系統控制律設計中引入輔助系統的跟蹤誤差, 參考Chen等[10]對輸入受限的多輸入多輸出系統控制設計, 建立以下輔助系統

輔助系統補償控制力為

當系統在神經網絡控制律作用下出現推力飽和時, 通過輔助系統生成補償信號, 抵消飽和推力。輔助系統更新律式(12)考慮了系統與期望軌跡的狀態誤差對控制輸出的影響, 在輔助系統狀態更新律中引入滑模函數, 從而在控制起始, 狀態誤差偏大時, 結合系統狀態, 動態地調整飽和反饋補償, 更為有效地抑制推力飽和。

此時ROV在固定坐標系下輸出的推力為

2.3 穩定性分析

在動力學中, ROV質量矩陣和科氏力矩陣滿足以下關系

在對控制律的穩定性分析中, 為利用此關系, 選擇李雅普諾夫函數為

由完全平方式可以得到

當存在推力飽和時, 將控制律代入ROV動力學方程中, 可得

同時, 由滑模面的定義式有

3 仿真驗證

基于MATLAB Simulink可搭建圖2所示仿真平臺, 對抗飽和神經網絡滑模控制進行驗證。

圖2 Simulink 系統仿真模型

ROV的主體屬性如表1所示。為表示ROV各自由度間耦合作用的影響, 動力學方程模型使用的水動阻尼是基于文獻[11]使用的2階多項式模型, 相比于文獻[8]中式(2)的簡化阻尼力, 保留了更多的耦合項, 并考慮了不對稱性影響。新型ROV的附加質量和水動力系數為文獻[12]的計算流體力學(computational fluid dynamics, CFD)結果。在建模誤差的設置中, 由于模型參數眾多, 對控制的影響難以確定, 仿真中每個參數均設定一定的攝動量, 參數攝動通過標稱值與真實值的相對誤差表示。ROV的質量、慣性矩、浮心和重心容易測量, 在仿真計算中分別設置相對誤差為10%, 15%, 10%和15%, 水動力系數誤差設置為50%。仿真中, ROV運動模塊采用CFD計算結果作為動力學模型求解的模型參數, 在控制系統模塊中采用加入攝動量的標稱模型參數計算控制力。

表1 ROV主要屬性表

目標軌跡為使得ROV以0.1 m/s螺旋下潛, 旋轉半徑為5.8 m, 周期為85 s。同時要求艏向旋轉速度為螺旋運動的角速度, 使得ROV前進速度與軌跡相切。加入抗飽和系統前后神經網絡滑模控制的軌跡跟蹤結果如圖3～圖6所示。

從圖4可知, 在控制初期, ROV的位姿與目標位置存在5 m的偏差, 通過控制律計算輸出的目標控制力極大, 因此長期處在推力飽和狀態。如圖5所示, 軌跡跟蹤過程的前100 s中, 都存在劇烈的抖振。在推進器推力約束的影響下, 推力輸出未達到理想狀態, 使得各個自由度上的跟蹤誤差未能按照預期迅速減小, 推力輸出持續處于飽和狀態。即使通過反正切函數降低抖振, 依然伴有強烈的推力振蕩現象。相比之下, 加入了抗飽和輔助系統后, ROV的橫搖和艏搖姿態振蕩得到削弱, 跟蹤誤差的收斂速度加快, 推進器推力飽和的持續時間降低, 跟蹤誤差減少。如圖6所示, 無抗飽和系統時, 在600 s的軌跡跟蹤過程中, RBF滑模控制的累計推力飽和時間為80.754 s, 加入抗飽和系統后, 同樣的軌跡跟蹤任務, 推進器累計推力飽和時間為39.663s。參考文獻[13]對無模型滑模控制方法的判斷指標, 通過均方差表示累計誤差, 以此表示控制律的控制性能, 結果如表2所示。其中RBFSMC表示RBF神經網絡滑模控制, AWRBFSMC表示抗飽和神經網絡滑模控制器。相比于RBF神經網絡滑模控制, 加入抗飽和系統后, ROV運動過程中在垂蕩、橫搖、艏搖方向出現的跟蹤誤差得到有效抑制, 同時, 其他運動方向上的跟蹤性能也在一定程度上優于無抗飽和系統的控制律。

圖3 螺旋下降過程位姿曲線

Fig.3Position and attitude curves during ROV spiral dive

圖4 螺旋下降過程位姿誤差曲線

圖5 各螺旋槳推力輸出曲線

圖6 累計推力飽和時間圖

表2 2種控制方式位姿誤差均方差對比

4 結束語

文中研究了海流干擾、未知建模誤差和臍帶纜擾動下的ROV軌跡跟蹤問題。通過設計輔助系統, 利用反饋補償實現抗飽和神經網絡滑模控制, 解決了ROV控制初期神經網絡學習未充分,跟蹤誤差偏大時的推力飽和問題, 實現了輸入飽和情況下的軌跡跟蹤控制。通過李雅普諾夫方法, 控制律的穩定性得到了嚴格證明。綜合考慮了建模誤差的耦合作用、海流干擾和臍帶纜作用力等的影響, 對文中提出的軌跡跟蹤控制進行了仿真研究。由仿真結果可知, 當ROV執行軌跡跟蹤任務時, 抗飽和神經網絡滑模控制器有效降低軌跡跟蹤初期, 神經網絡未完成學習時的推力飽和持續時間, 在一定程度上提高了跟蹤性能。文中設計的抗飽和系統與Chen等[10]研究的類似, 仍需要飽和推力的有界性作為輔助系統穩定的前提條件, 如何提高抗飽和輔助系統的穩定性仍有待進一步的研究。

[1] 王嘯. 基于自適應魯棒算法的開架ROV懸停姿態控制研究[D]. 青島: 中國海洋大學, 2014.

[2] Fernandes D D, Donha D C. Optimal Control System for a Semi-Autonomous Underwater Vehicle[J]. IFAC Proceedings Volumes, 2009, 42(18): 255-260.

[3] Fernandes D D, Sorensen A J, Pettersen K Y, et al. Output Feedback Motion Control System for Observation Class ROVs Based on a High-gain State Observer: Theoretical and Experimental Results[J]. Control Engineering Practice, 2015, 39: 90-102.

[4] 朱琦. 作業型水下機器人姿態控制方法研究[D]. 杭州: 浙江大學, 2018.

[5] Chu Z, Xiang X, Zhu D, et al. Adaptive Fuzzy Sliding Mode Diving Control for Autonomous Underwater Vehicle with Input Constraint[J]. International Journal of Fuzzy Systems, 2018, 20(5): 1460-1469.

[6] 劉金琨. RBF神經網絡自適應控制Matlab 仿真[M]. 北京: 清華大學出版社, 2014: 57-60.

[7] 夏俊. 基于RBF神經網絡的無人水面艦艇自適應控制[J]. 機械制造與自動化, 2019, 48(3): 185-188.

[8] Fossen T I. Handbook of Marine Craft Hydrodynamics and Motion Control[M]. USA: John Wiley & Sons, Inc., 2011.

[9] Huo X, Ge T, Wang X, et al. Horizontal Path-following Control for Deep-sea Work-class ROVs Based on a Fuzzy Logic System[J]. Ships and Offshore Structures, 2018, 13(6): 637-648.

[10] Chen M, Ge S S, Ren B, et al. Adaptive Tracking Control of Uncertain MIMO Nonlinear Systems with Input Constraints[J]. Automatica, 2011, 47(3): 452-465.

[11] 徐詩婧. 開架式ROV水動力特性與運動仿真研究[D]. 哈爾濱: 哈爾濱工程大學, 2018.

[12] 薛乃耀, 王冬姣, 葉家瑋, 等. 開架式水下機器人操縱性水動力系數計算[J]. 廣東造船, 2020, 39(1): 25-28.

Xue Nai-yao, Wang Dong-jiao, Ye Jia-wei, et al. Maneuverability Coefficients Calculation of an Open-frame Underwater Remote Operated Vehicle[J]. Guangdong Shipbuilding, 2020, 39(1): 25-28.

[13] Salgado-Jimnez T, García-Valdovinos L G, Delgado- Ramírez G. Control of ROVs Using a Model-free 2nd- Order Sliding Mode Approach[EB/OL]. Sliding Mode Control. (2011-04-11)[2019-09-18]. https://www.intechopen. com/books/sliding-mode-control/control-of-rovs-using-a- model-free-2nd-order-sliding-mode-approach.

Anti-saturation Control Design for Remote Operated Vehicle Considering Model Error

XUE Nai-yao, LIU Kun, WANG Dong-jiao, YE Jia-wei

(School of Civil and Transportation Engineering, South China University of Technology, Guangzhou 510640, China)

To investigate the trajectory-tracking problems of a new open-frame remote operated vehicle(ROV), a new variable gain anti-saturation auxiliary system is proposed, which is based on the radial basis function neural network sliding mode control law and considers thrust constraints. The stability of the control law was proved using the Lyapunov stability theory. A simulation was built using MATLAB Simulink, and modeling errors, ocean current disturbances, and cable action force are considered during the trajectory-tracking study, which is similar to the actual working environment of a ROV. The results show that after incorporating the anti-saturation system, the thrust saturation duration of the propulsion system decreased by 27% during the ROV track tracking, the cumulative tracking error of each degree of freedom decreased, and the tracking error of the roll and heave degrees decreased significantly, demonstrating the reliability of the new control law.

remote-operated vehicle(ROV); thrust saturation; trajectory tracking; radial basis function neural network; sliding mode control

TJ630.32;TP183

A

2096-3920(2021)03-0272-06

10.11993/j.issn.2096-3920.2021.03.004

薛乃耀, 劉鯤, 王冬姣, 等. 考慮模型誤差的ROV抗飽和控制設計[J]. 水下無人系統學報, 2021, 29(3): 272-277.

2019-12-09;

2020-06-29.

國家重點研發計劃項目(2016YFC1400202); 廣東省級科技計劃項目(2015B010919006); 中央高校基本科研基金(D2192650).

薛乃耀(1994-), 男, 在讀碩士, 主要研究方向為水下機器人控制.

(責任編輯: 許 妍)