System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及自主水下航行器控制领域,具体涉及一种小型auv横滚控制单元与控制方法。
技术介绍
1、auv作为一种无人驾驶的无缆水下航行器,具有独立的动力源和控制系统,能够在复杂环境中自主执行航行任务,在许多方面都有独特的优势和广阔的应用前景。
2、目前auv主要采用的控制方法有:pid控制、滑模变结构控制、模糊控制等。pid控制是一种线性控制,其控制简单、易于实现,是目前工业控制领域应用最多最成熟的控制方法,而自主水下航行器具有强耦合、非线性和时变性等特点,以及复杂多变的海流环境,使得pid控制的参数需要随着auv的运行环境的变化而不断调整。模糊控制不依赖于被控对象精确的数学模型,且对模型参数变化的强非线性和不确定性系统具有很好的适应性和鲁棒性,但建立模糊控制规则以及模糊化与反模糊化过程有时比较困难,需要操作人员具有一定控制经验。滑模变结构控制具有响应快速、控制算法易实现、对参数及扰动变化不灵敏等特点,但由于控制量饱和受限、测量误差等因素,容易出现抖振现象。
3、小型auv具有体积小、重量轻、目标小、隐蔽性强等特点,但同时小型auv空间结构有限,使得舵机转动受限,只能提供有限的控制力矩,采用上述方控制方法有时无法达到很好的控制效果。
技术实现思路
1、本专利技术提供了一种小型auv横滚控制单元与控制方法,其目的在于解决因小型auv内部空间限制,造成舵机旋转角度受限,因此只能提供有限的控制力矩,导致影响控制系统稳定性与控制性能,甚至使得整个控制系统不稳定的问
2、此外,本专利技术的目的还在于解决由于水下环境复杂,水下航行器容易受到各种未知外部干扰,影响控制性能的问题。
3、此外,本专利技术的目的还在于解决由于自主水下航行器运动系统具有非线性、强耦合、参数时变等特点,其控制模型无法精确获得,采用传统滑模控制器时,较大的建模不确定性需要较大的切换增益,从而造成抖振的问题。
4、为实现上述目的,本专利技术的技术方案为:
5、本专利技术提供了一种小型auv横滚控制单元与控制方法,所述的控制方法应用于所述的控制单元;其特征在于:
6、所述的控制单元包括:
7、自适应观测器,该模块输入为:滑模控制器输出的横滚舵角δd,基于rbf网络的模型估计模块输出的和实际横滚角与横滚角速度和该模块输出为:对实际横滚角与横滚角速度的估计值和
8、基于rbf网络的模型估计模块,该模块输入为:滑模控制器输出的横滚舵角δd,自适应观测器输出的状态估计和实际横滚角与横滚角速度和该模块输出为:对横滚控制模型中不确定项f(p)和b的逼近;
9、基于rbf网络的饱和补偿模块,该模块输入为:滑模控制器输出的横滚舵角δd和滑模函数s,基于rbf网络的模型估计模块输出的该模块输出为:对控制输入限幅前后差值的估计
10、滑模控制器,该模块输入为:外界输入的期望横滚角基于rbf网络的模型估计模块输出的和自适应观测器输出的状态估计和基于rbf网络的饱和补偿模块输出的实际横滚角与横滚角速度和该模块输出为:横滚舵角δd和滑模函数s;
11、所述的控制方法包括以下步骤:
12、步骤一:建立auv横滚姿态控制模型;
13、
14、其中,为auv的横滚角,p为横滚角速度,jx为载体坐标系中沿x轴的转动惯量,λ44为载体坐标系中沿x轴的附加质量,ρ为auv周围流体的密度,v为auv的速度,s为auv沿载体坐标系中x轴方向的最大横截面积,l为auv的长度,δd为横滚舵角,d(t)为有界的未知外界干扰,为auv横滚力矩系数,为auv横滚控制力矩系数;
15、将模型改写为
16、
17、其中,f(p)=ap;和为模型的不确定参数;
18、步骤二:设计基于rbf自适应观测器的滑模控制;
19、(1)设计观测器为
20、
21、其中,为p的估计值;k1、k2为观测器的增益;为f(p)、b的估计;d>0为鲁棒项;
22、(2)利用rbf神经网络对f(p)、b进行估计,即
23、
24、其中,和为估计权值;hij(i=1,2;j=1,...,m)为高斯基函数,m为rbf神经网络隐含层节点数量;
25、设计神经网络自适应律为
26、
27、其中,fi=fit>0,ki>0,i=1,2;为横滚角估计误差;
28、(3)设计滑模控制器
29、定义横滚角误差及其导数为和其中为期望横滚角,通常为零度;
30、设计滑模控制律为
31、
32、其中,滑模函数为为指数趋近率,c>0,k>0,η>0;根据滑模控制律得到横滚舵角,实现对auv横滚角的控制;
33、步骤三:在滑模控制律中加入基于rbf网络的饱和补偿;
34、在输入受限的情况下,取最大控制输入限制为δd max,δ=δd-δd max为控制输入受限前后的差值;
35、设计补偿后的滑模控制律为
36、
37、其中,为对δ的估计;
38、利用rbf网络对δ进行估计,即为估计权值;
39、设计神经网络自适应律为
40、其中,γ>0,s为滑模函数,为横滚舵角增益。
41、本专利技术所达到的有益效果为:
42、(1)利用rbf神经网络对横滚控制模型中不确定项进行逼近,削弱滑模控制造成的抖振。
43、(2)利用自适应观测器对状态(横滚角与横滚角速度)进行观测,用观测值替代实际输出值得到滑模控制律,用于克服外界未知有界干扰。
44、(3)利用rbf网络对控制输入受限前后的差值进行逼近,并将逼近值补偿到滑模控制律中,避免因控制输入受限导致控制性能下降甚至不稳定。
本文档来自技高网...【技术保护点】
1.一种小型AUV横滚控制单元与控制方法,所述的控制方法应用于所述的控制单元;其特征在于:
【技术特征摘要】
1.一种小型auv横滚控制单元与控制方法,所述...
【专利技术属性】
技术研发人员:欧阳晨,李璟璟,吴德祥,姜春晓,宫超林,万胜伟,
申请(专利权)人:山东航天电子技术研究所,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。