基于随机模型预测控制技术的自主水下机器人路径跟踪方法技术

基于随机模型预测控制技术的自主水下机器人路径跟踪方法，本发明专利技术涉及自主水下机器人路径跟踪方法。本发明专利技术的目的是为了解决现有现有建立的AUV模型存在参数摄动的情况，导致AUV路径跟踪误差大的问题。过程为：一、测量初始时刻AUV的状态测量值，设置AUV的期望路径、AUV模型中不确定参数的概率分布函数、多项式展开的基函数和控制输入序列的初始值；二、得到AUV的路径跟踪误差；三、使二获得的路径跟踪误差收敛，得到AUV的控制输入；四、判断AUV是否走完跟踪路径，若走完跟踪路径，得到AUV的控制输入；若没有走完跟踪路径，重新执行二到四，直至AUV走完跟踪路径。本发明专利技术用于自主水下机器人路径跟踪领域。

【技术实现步骤摘要】
基于随机模型预测控制技术的自主水下机器人路径跟踪方法
本专利技术涉及自主水下机器人路径跟踪方法。
技术介绍
自主水下机器人(Autonomousunderwatervehicle,AUV)是新一代水下机器人，具有活动范围大、机动性好、安全、智能化等优点，成为完成各种水下任务的重要工具。路径跟踪问题是AUV运动控制的一类基础问题，即通过控制前进速度收敛到一个期望的值(在路径跟踪问题中通常是常数)，并作用于机器人的运动方向上，使其保持在期望路径上。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，因此需要精确的控制方法来满足复杂的控制要求。模型预测控制(ModelPredictiveControl,MPC)是一种基于模型的控制方法，也可以看作一种基于未来输出响应的最优控制器。对于AUV这种复杂动力系统，模型参数不确定性和摄动是普遍存在的，从而导致输出响应具有随机性，这种随机性会对建模带来很大的困难，从而影响控制器的控制性能。对参数不确定性下的控制问题研究已经有了很长时间的历史，最初的相关成果都集中于鲁棒MPC(RobustMPC,RMPC)[1](BemporadA,MorariM.Robustmodelpredictivecontrol:Asurvey[J].RobustnessinIdentification&Control,1999,245(1):207-226.)。RMPC一般假设不确定性都是有界的，在此基础上分析系统的稳定性以及控制性能，以应对最坏情况下的干扰，然而，在实际操作中，最坏情况下的扰动发生的可能性较小，导致基于最坏情况下的鲁棒控制设计会过于保守，甚至导致没有可行解的情况。此外，对于复杂动力学系统，精确的指定不确定性的界也是很不实用的，如果实际的不确定性大于预先假设的界，同样也会导致鲁棒稳定性和性能的降低。而近年来，随机MPC(StochasticMPC,SMPC)受到越来越多的关注，与RMPC处理不确定性的方式不同，SMPC利用不确定性的概率描述，在有限的预测范围内以某种最优的方式取得性能指标函数的期望的最优值，即对于一个特定系统而言，参数的不确定性会导致系统的输出也遵循一定的概率分布，而SMPC的求解问题则是找到最优控制律，使性能指标的期望最优。综上，导致现有建立的AUV模型存在参数摄动的情况，导致AUV路径跟踪误差大。
技术实现思路
本专利技术的目的是为了解决现有现有建立的AUV模型存在参数摄动的情况，导致AUV路径跟踪误差大的问题，而提出基于随机模型预测控制技术的自主水下机器人路径跟踪方法。基于随机模型预测控制技术的自主水下机器人路径跟踪方法具体过程为：步骤一、测量初始时刻AUV的状态测量值，设置AUV的期望路径p(σ)；设置AUV模型中不确定参数的概率分布函数fθ、多项式展开的基函数和控制输入序列的初始值；步骤二、测量当前AUV的状态测量值，根据当前AUV的状态测量值和AUV的期望路径p(σ)得到AUV的路径跟踪误差；步骤三、使步骤二获得的路径跟踪误差ep(t)收敛，得到AUV的控制输入，AUV的控制输入包括AUV的力矩和力；步骤四、判断AUV是否走完跟踪路径，若走完跟踪路径，得到AUV的控制输入；若没有走完跟踪路径，重新执行步骤二到步骤四，直至AUV走完跟踪路径。本专利技术的有益效果为：本专利技术针对AUV路径跟踪问题，考虑AUV模型中存在参数不确定性对跟踪性能产生的影响，提出基于随机MPC的AUV路径跟踪控制器，来实现模型参数不确定性影响下的AUV路径跟踪控制问题。首先，将AUV路径跟踪问题转化为期望值跟踪问题，得到跟踪的期望点与期望艏向，以适应MPC控制框架。接着，设计期望形式的性能指标函数，将模型参数不确定性影响下的AUV路径跟踪控制问题转化为随机MPC问题。再利用多项式混沌展开理论重新构建带有参数不确定性的AUV模型，引入插值基函数，逼近原本的随机非线性模型，并采用基于采样的随机配点法计算多项式展开式的系数，得到确定性的预测模型，将随机MPC问题转化为确定性MPC问题，在存在模型参数不确定性的条件下完成了精度较高的AUV路径跟踪控制。解决现有现有建立的AUV模型存在参数摄动的情况，导致AUV路径跟踪误差大的问题，提高了模型参数不确定下的AUV路径跟踪精度与稳定性。图1给出了多项式混沌展开式对于AUV状态量拟合的效果，其中实线为非线性模型得到的状态轨迹，虚线、点线和点虚线分别表示不同配置点个数下的拟合效果，可以看出在配置点达到30个时已经满足精度要求。图2给出了AUV对“8”字形路径的跟踪效果，其中点线为参考路径，实线为SMPC控制器的跟踪轨迹，虚线为NMPC控制器的跟踪轨迹，可以看出，所提出的SMPC控制算法在模型参数摄动的情况下能始终能够保持稳定且精确的控制效果，而不考虑模型参数摄动的NMPC控制器则难以保证跟踪的稳定。图3、图4表示AUV的推力与力矩输入，在整个跟踪控制过程中，控制输入平缓且能够保持在控制输入约束范围中。附图说明图1为本专利技术非线性模型与多项式混沌展开式的预测输出响应对比图；图2为本专利技术SMPC跟踪效果图；图3为本专利技术SMPC控制输入推力图；图4为本专利技术SMPC控制输入力矩图。具体实施方式具体实施方式一：本实施方式基于随机模型预测控制技术的自主水下机器人路径跟踪方法具体过程为：步骤一、测量初始时刻AUV的状态测量值，设置AUV的期望路径p(σ)；设置AUV模型中不确定参数的概率分布函数fθ、多项式展开的基函数和控制输入序列的初始值(控制AUV的力矩和力)；步骤二、测量当前AUV的状态测量值，根据当前AUV的状态测量值和AUV的期望路径p(σ)得到AUV的路径跟踪误差；步骤三、使步骤二获得的路径跟踪误差ep(t)收敛，得到AUV的控制输入，AUV的控制输入包括AUV的力矩和力；步骤四、判断AUV是否走完跟踪路径，若走完跟踪路径，得到AUV的控制输入；若没有走完跟踪路径，重新执行步骤二到步骤四，直至AUV走完跟踪路径。具体实施方式二：本实施方式与具体实施方式一不同的是，所述步骤二中测量当前AUV的状态测量值，根据当前AUV的状态测量值和AUV的期望路径p(σ)得到AUV的路径跟踪误差；具体过程为：设置AUV水平面运动数学模型：其中η＝[x′yψ]T为大地坐标系下的坐标和姿态角，x′、y为大地坐标系下AUV的位置，ψ为大地坐标系下AUV艏向，上角标T表示求转置，为大地坐标系与随体坐标系之间的关系，R(ψ)为水平面坐标变换矩阵；M＝MRB+MA为惯性矩阵；MRB为刚体惯性阵，MA为附加质量阵，v＝[u′v′r]T为随体坐标系下的速度向量，包括运动的速率和角速度；u′为随体坐标系下AUV的纵向，v′为随体坐标系下AUV的横向，r为随体坐标系下AUV的转艏速率，为随体坐标系下的加速度，C(v)＝CRB(v)+CA(v)为科氏力和向心力的矩阵；CRB(v)为科氏力的矩阵；CA(v)为向心力的矩阵；D(v)为流体阻尼力和力矩对AUV产生的作用；τthr为随体坐标系下作用于机器人上的推力和力矩，即机器人的控制输入；τenv为环境对AUV作用的干扰力，例如风、浪、流等；为了便于AUV控制器设计，将AUV水平面运动数学模型简化为如下形式：其中x为AUV的状态本文档来自技高网...

【技术保护点】
1.基于随机模型预测控制技术的自主水下机器人路径跟踪方法，其特征在于：所述方法具体过程为：步骤一、测量初始时刻AUV的状态测量值，设置AUV的期望路径p(σ)；设置AUV模型中不确定参数的概率分布函数fθ、多项式展开的基函数和控制输入序列的初始值；步骤二、测量当前AUV的状态测量值，根据当前AUV的状态测量值和AUV的期望路径p(σ)得到AUV的路径跟踪误差；步骤三、使步骤二获得的路径跟踪误差ep(t)收敛，得到AUV的控制输入，AUV的控制输入包括AUV的力矩和力；步骤四、判断AUV是否走完跟踪路径，若走完跟踪路径，得到AUV的控制输入；若没有走完跟踪路径，重新执行步骤二到步骤四，直至AUV走完跟踪路径。

【技术特征摘要】
1.基于随机模型预测控制技术的自主水下机器人路径跟踪方法，其特征在于：所述方法具体过程为：步骤一、测量初始时刻AUV的状态测量值，设置AUV的期望路径p(σ)；设置AUV模型中不确定参数的概率分布函数fθ、多项式展开的基函数和控制输入序列的初始值；步骤二、测量当前AUV的状态测量值，根据当前AUV的状态测量值和AUV的期望路径p(σ)得到AUV的路径跟踪误差；步骤三、使步骤二获得的路径跟踪误差ep(t)收敛，得到AUV的控制输入，AUV的控制输入包括AUV的力矩和力；步骤四、判断AUV是否走完跟踪路径，若走完跟踪路径，得到AUV的控制输入；若没有走完跟踪路径，重新执行步骤二到步骤四，直至AUV走完跟踪路径。2.根据权利要求1所述基于随机模型预测控制技术的自主水下机器人路径跟踪方法，其特征在于：所述步骤二中测量当前AUV的状态测量值，根据当前AUV的状态测量值和AUV的期望路径p(σ)得到AUV的路径跟踪误差；具体过程为：设置AUV水平面运动数学模型：其中η＝[x′yψ]T为大地坐标系下的坐标和姿态角，x′、y为大地坐标系下AUV的位置，ψ为大地坐标系下AUV艏向，上角标T表示求转置，为大地坐标系与随体坐标系之间的关系，R(ψ)为水平面坐标变换矩阵；M＝MRB+MA为惯性矩阵；MRB为刚体惯性阵，MA为附加质量阵，v＝[u′v′r]T为随体坐标系下的速度向量，包括运动的速率和角速度；u′为随体坐标系下AUV的纵向，v′为随体坐标系下AUV的横向，r为随体坐标系下AUV的转艏速率，为随体坐标系下的加速度，C(v)＝CRB(v)+CA(v)为科氏力和向心力的矩阵；CRB(v)为科氏力的矩阵；CA(v)为向心力的矩阵；D(v)为流体阻尼力和力矩对AUV产生的作用；τthr为随体坐标系下作用于机器人上的推力和力矩，即机器人的控制输入；τenv为环境对AUV作用的干扰力；将AUV水平面运动数学模型简化为如下形式：其中x为AUV的状态量，u为输入量，f为足够连续可微的非线性函数；θ为非线性系统不确定参数，由独立同分布的θi构成，并且已知θ概率分布函数fθ；设置一条规则曲线P其中p(σ)为期望路径，σ为路径参数；为路径参数的上界；曲线P定义在映射上；根据路径的定义(3)，定义路径跟踪误差为：ep(t)＝x(t)-p(σ(t))(4)其中ep为路径跟踪误差，x(t)为状态量，p(σ(t))为期望路径；考虑当前AUV的位姿状态[x,y,ψ],以及路径p:x＝α1(σ),y＝α2(σ)，寻找曲线上离AUV当前状态最近的点为路径参考点，即归纳为如下形式：其中α1(σ)、α2(σ)为参数方程；通过求解上述优化问题式(5)，得到当前时刻的期望点的参数值σ(t)，即当前时刻的期望点的位置(x(σ(t)),y(σ(t)))；期望航向角通过下式计算得到：其中atan2是求方位角的函数，定义域范围为ψ∈(-π,π]；为参数方程；路径跟踪误差ep(t)包含AUV当前的位置与当前时刻的期望点的位置(x(σ(t)),y(σ(t)))的距离，当前的航向角与期望的航向角ψ(σ(t))的差值。3.根据权...

【专利技术属性】
技术研发人员：秦洪德，孙延超，万磊，张靖宇，李骋鹏，陈辉，李晓佳，
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