一种海底飞行节点的轨迹跟踪控制方法技术

一种海底飞行节点的轨迹跟踪控制方法，本发明专利技术涉及海底飞行节点的轨迹跟踪控制方法。本发明专利技术的目的是为了解决现有方法缺乏对轨迹跟踪误差收敛动态过程的控制能力，难以实现超调限制、误差收敛时间的预设以及任意精度的跟踪的问题。具体过程为：一、基于Fossen大纲六自由度非线性模型建立OBFN的动力学模型；二、对一建立的OBFN的动力学模型进行变换，得到变换后的OBFN的动力学模型；三、定义性能函数；四：根据三定义的性能函数将二得到的变换后的OBFN的动力学模型进行误差变换；五、选取径向基函数神经网络参数；六、基于四和五设计自适应轨迹跟踪控制器。本发明专利技术用于海底飞行节点的轨迹跟踪控制领域。

【技术实现步骤摘要】
一种海底飞行节点的轨迹跟踪控制方法
本专利技术涉及海底飞行节点的轨迹跟踪控制方法。
技术介绍
近年来，自主式水下航行器(Autonomousunderwatervehicle，AUV)在海洋环境观测、军事情报搜集等研究领域已经得到了广泛的应用。随着海洋开发力度的增强，AUV的应用逐渐从观测向轻度作业拓展。例如水下基础设施的检查、深海油气勘探等等。其中，海底飞行节点(Oceanbottomflyingnode,OBFN)就是一类被拓展的AUV，其搭载地震检波仪，可以大规模部署至海床表面，用于深海油气资源勘探，如图1所示。轨迹跟踪是AUV控制系统的一个基本功能，但由于高度非线性、交叉耦合的系统动力学特性和不可预测的复杂水下环境，对AUV系统动力学模型引入了较大的模型不确定性和外界扰动，进而增大了控制器设计的难度。并且由于任务需求的复杂化，将会进一步提高对AUV控制精度的要求。AUV常见的扰动和不确定性包括海流扰动、推进器故障与建模不确定性。常见的处理方法通常是考虑其中某一个或几个因素对轨迹跟踪控制的影响，其分析结果不够全面；或是为上述因素分别设计算法约束影响，其分析过程过于复杂。近年来，出现了一种将海流扰动、推进器故障、建模不确定性等因素均视为系统总不确定性的方法，并用神经网络逼近系统的总不确定性。但是，该方法缺乏对轨迹跟踪误差收敛动态过程的控制能力，特别是面向OBFN这一类具有大规模部署、高精度轨迹跟踪和坐沉海底等特点，从而需要严格控制误差收敛动态过程的AUV，其难以实现超调限制、误差收敛时间的预设以及任意精度的跟踪。其中，超调是指评价OBFN的轨迹跟踪控制系统的一个指标，指被调参数与给定值的最大偏差(越小越好)。
技术实现思路
本专利技术的目的是为了解决现有方法缺乏对轨迹跟踪误差收敛动态过程的控制能力，难以实现超调限制、误差收敛时间的预设以及任意精度的跟踪的问题，而提出一种海底飞行节点的轨迹跟踪控制方法。一种海底飞行节点的轨迹跟踪控制方法具体过程为：步骤一、基于Fossen大纲六自由度非线性模型建立OBFN的动力学模型；OBFN的动力学模型采用基于Fossen大纲六自由度非线性模型表示：所述OBFN为海底飞行节点；式中，Mη为M的导出变量，M为OBFN的质量惯性矩阵；CRBη为CRB的导出变量，CRB为OBFN的刚体的科氏力和向心力矩阵；CAη为CA的导出变量，CA为OBFN附加质量的科氏力和向心力矩阵；Dη为D的导出变量，D为水动力阻尼矩阵；gη为OBFN重力和浮力产生的力和力矩向量，η为OBFN在固定坐标系下的六自由度位置与姿态向量；为η的一阶导数；为η的二阶导数；为OBFN在固定坐标系下相对于海流的位移向量的一阶导数；τ为OBFN的推进器的实际的控制力；步骤二、对步骤一建立的OBFN的动力学模型进行变换，得到变换后的OBFN的动力学模型；步骤三、定义性能函数；步骤四：根据步骤三定义的性能函数将步骤二得到的变换后的OBFN的动力学模型进行误差变换；步骤五、选取径向基函数神经网络参数；步骤六、基于步骤四和步骤五设计自适应轨迹跟踪控制器。本专利技术的有益效果为：本专利技术针对OBFN的位置与姿态跟踪控制问题，综合考虑海流、建模不确定性与推进器故障造成的影响，提出一种基于预设性能方法的自适应神经网络控制器，来实现对OBFN的轨迹跟踪控制。首先，将传统的AUV六自由度动力学方程转化为考虑海流扰动、建模不确定性和推进器故障的OBFN动力学方程。其次，设计性能函数与相应的误差变换，将OBFN的轨迹跟踪误差系统转化为一种等价的“无约束”系统。之后，利用径向基函数神经网络(RBFNN)逼近由海流、建模不确定性与推进器故障组成的系统总不确定性，并且引入自适应技术估计RBFNN逼近系统总不确定性的误差的上界。最后，设计OBFN的轨迹跟踪控制器，将RBFNN逼近的系统总不确定性值和自适应估计所得的误差上界值代入抵消了系统总不确定性对OBFN的轨迹跟踪控制系统的影响，并且借助李雅普诺夫理论证明了“无约束”闭环系统的稳定性，使得原始的OBFN轨迹跟踪获得了预设性能，即实现了OBFN轨迹跟踪的超调限制、误差收敛时间的预设以及任意精度的跟踪需求。图3-图8给出了OBFN的6自由度轨迹跟踪误差曲线。其中，实线曲线代表应用本专利技术预设性能自适应跟踪器(39)-(41)的位置与姿态角跟踪误差曲线，虚线曲线代表预设的性能边界。通过图3-图8可以看出，OBFN的六自由度位置与姿态角跟踪误差始终处于由性能函数定义的预设性能边界之内，由于预设性能边界代表了期望的误差收敛过程，因此，本专利技术所提出的方法实现了期望的误差收敛动态过程与稳态控制精度。依据本专利技术的仿真参数设置，OBFN的轨迹跟踪稳态误差低于0.0035，误差收敛速度大于e-0.15t。附图说明图1为海底飞行节点示意图；图2为OBFN推进器布置示意图，T-1、T-2、T-3、T-4、T-5、T-6均为OBFN的推进器；图3为推进器突然故障下的纵荡跟踪误差e1示意图；图4为推进器突然故障下的横荡跟踪误差e2示意图；图5为推进器突然故障下的垂荡跟踪误差e3示意图；图6为推进器突然故障下的横滚跟踪误差e4示意图；图7为推进器突然故障下的俯仰跟踪误差e5示意图；图8为推进器突然故障下的摇首跟踪误差e6示意图。具体实施方式具体实施方式一：本实施方式的一种海底飞行节点的轨迹跟踪控制方法具体过程为：步骤一、基于Fossen大纲六自由度非线性模型建立OBFN的动力学模型；惯性坐标系(E-ξηζ)：原点E可选在海面的某一点，Eξ轴和Eη轴置于水平面内且互相垂直，Eξ轴正向指向正北方向。Eζ垂直于Eξη平面，正向指向地心。运动坐标系(G-xyz)：原点G取在OBFN的重心处，x轴、y轴和z轴分别为经过原点的水线面、横剖面和中纵剖面的交线。OBFN的动力学模型可采用基于Fossen大纲六自由度非线性模型表示[1](FossenTI.HandbookofMarineCraftHydrodynamicsandMotionControl[M].2011.)：所述OBFN为海底飞行节点；式中，Mη为M的导出变量，M为OBFN的质量惯性矩阵；CRBη为CRB的导出变量，CRB为OBFN的刚体的科氏力和向心力矩阵；CAη为CA的导出变量，CA为OBFN附加质量的科氏力和向心力矩阵；Dη为D的导出变量，D为水动力阻尼矩阵；gη＝g(η)，gη为OBFN重力和浮力产生的力和力矩向量，η为OBFN在固定坐标系下的六自由度位置与姿态向量；为η的一阶导数；为η的二阶导数；为OBFN在固定坐标系下相对于海流的位移向量的一阶导数；τ为OBFN的推进器的实际的控制力；预设性能控制方法：该方法通过引入性能函数与误差变换，使收敛速度、超调以及跟踪误差获得预先设定的性能，一定程度上放宽了对控制参数选取的要求。径向基函数神经网络：是以函数逼近理论为基础而构造的一类前向网络，这类网络的学习等价于在多维空间中寻找训练数据的最佳拟合平面。该神经网络的结构简单、训练简洁、学习收敛速度快、能够逼近任意非线性函数。步骤二、对步骤一建立的OBFN的动力学模型进行变换，得到一种考虑了海流扰动、建模不确定性和推进器故障影响的变换后的OBFN的动力学模型；步骤三、定义性本文档来自技高网...

【技术保护点】
1.一种海底飞行节点的轨迹跟踪控制方法，其特征在于：所述方法具体过程为：步骤一、基于Fossen大纲六自由度非线性模型建立OBFN的动力学模型；具体过程为：OBFN的动力学模型采用基于Fossen大纲六自由度非线性模型表示：

【技术特征摘要】
1.一种海底飞行节点的轨迹跟踪控制方法，其特征在于：所述方法具体过程为：步骤一、基于Fossen大纲六自由度非线性模型建立OBFN的动力学模型；具体过程为：OBFN的动力学模型采用基于Fossen大纲六自由度非线性模型表示：所述OBFN为海底飞行节点；式中，Mη为M的导出变量，M为OBFN的质量惯性矩阵；CRBη为CRB的导出变量，CRB为OBFN的刚体的科氏力和向心力矩阵；CAη为CA的导出变量，CA为OBFN附加质量的科氏力和向心力矩阵；Dη为D的导出变量，D为水动力阻尼矩阵；gη为OBFN重力和浮力产生的力和力矩向量，η为OBFN在固定坐标系下的六自由度位置与姿态向量；为η的一阶导数；为η的二阶导数；为OBFN在固定坐标系下相对于海流的位移向量的一阶导数；τ为OBFN的推进器的实际的控制力；步骤二、对步骤一建立的OBFN的动力学模型进行变换，得到变换后的OBFN的动力学模型；步骤三、定义性能函数；步骤四：根据步骤三定义的性能函数将步骤二得到的变换后的OBFN的动力学模型进行误差变换；步骤五、选取径向基函数神经网络参数；步骤六、基于步骤四和步骤五设计自适应轨迹跟踪控制器。2.根据权利要求1所述一种海底飞行节点的轨迹跟踪控制方法，其特征在于：所述步骤一中M的导出变量Mη＝MJ-1，J为固定坐标系与运动坐标系之间的转换矩阵；CRB的导出变量为J的一阶导数，v为OBFN在运动坐标系下的速度与角速度，v＝[u′,a,w,p,q,r]T，式中，u′为OBFN在运动坐标系下纵荡速度，a为OBFN在运动坐标系下横荡速度，w为OBFN在运动坐标系下垂荡速度，p为OBFN在运动坐标系下横倾角速度，q为OBFN在运动坐标系下纵倾角速度，r为OBFN在运动坐标系下摇首角速度，T为转置；CA的导出变量CAη＝CA(vr)J-1，vr为OBFN相对于海流的速度；D的导出变量Dη＝D(vr)J-1；OBFN在固定坐标系下的六自由度位置与姿态向量η＝[x,y,z,φ,θ,ψ]T式中，x为OBFN固定坐标系下x轴方向位移，y为OBFN在固定坐标系下y轴方向位移，z为OBFN在固定坐标系下z轴方向位移，φ为OBFN在固定坐标系下横倾角度，θ为OBFN在固定坐标系下纵倾角度，ψ为OBFN在固定坐标系下摇首角度；OBFN在固定坐标系下相对于海流的位移向量的一阶导数vr＝v-vc，vc为运动坐标系下海流的速度。3.根据权利要求2所述一种海底飞行节点的轨迹跟踪控制方法，其特征在于：所述步骤二中对步骤一建立的OBFN的动力学模型进行变换，得到变换后的OBFN的动力学模型；具体过程为：OBFN的推进器的故障影响采用推力分配矩阵形式表示，定义为ΔB；OBFN的推进器的实际的控制力与力矩改写为τ+Δτ：τ+Δτ＝(B0-KB)u＝(B0+ΔB)u(2)式中，B0是推力分配矩阵B的标称值，u是OBFN的推进器的控制输入，B为推力分配矩阵，K是一个对角矩阵，其元素kii∈[0,1]；公式(1)变换为OBFN动力学模型：式中，Mη0为M导出变量Mη的标称值，CRBη0为CRB导出变量CRBη的标称值，CAη0为CA导出变量CAη的标称值，Dη0为D导出变量Dη的标称值，gη0为gη的标称值；F表示OBFN的轨迹跟踪控制系统的总不确定度。4.根据权利要求3所述一种海底飞行节点的轨迹跟踪控制方法，其特征在于：所述OBFN的轨迹跟踪控制系统的总不确定度F表达式如下：式中，表示海流扰动造成的影响；Δ表示不确定值，ΔMη为Mη的不确定值，ΔCRBη为CRBη的不确定值，ΔCAη为CAη的不确定值，ΔDη为Dη的不确定值，Δgη为重力和浮力产生的力和力矩向量的不确定值，ηr为OBFN在固定坐标系下相对于海流的位移向量。5.根据权利要求4所述一种海底飞行节点的轨迹跟踪控制方法，其特征在于：所述步骤三中定...

【专利技术属性】
技术研发人员：孙延超，秦洪德，吴哲远，陈辉，李凌宇，杜雨桐，李骋鹏，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23