英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

无人水面船舶的舵机控制

J. Menoyo Larrazabala, M. Santos Pentilde;as

摘要

无人海面船舶（USV）的轨迹跟踪控制是相当复杂的，因为系统的强非线性以及不确定性和环境变化条件的存在。面对这些问题，本文以智能和传统策略为无人艇的舵角的主要控制框架。指导法计算所需的角度和基于从比例原型的实验获得的实际数据生成的自主船的动态模型来估计轨迹。模型考虑舵和船舶推进系统的物理限制。首次提出了自适应控制律，其适合于任何不同的轨迹并且可以处理变化的路径形状。这种增益调度方法使用PID控制器，该控制器不同操作点（GS-PID-GA）的调谐参数已经通过遗传算法（GA）进行优化。此外，模糊逻辑控制器（FLC）被设计为处理动态的不确定性而且具有操作者的专业知识。模拟验证了提出的与传统控制相比的控制方法的有效性。

关键词：智能控制、增益调度、模糊逻辑、遗传算法、轨迹跟踪、无人水面舰艇（USV）

一、介绍

自动控制系统目前是海洋应用中的一个有趣的议题（Martin，2013）。 近年来，研究从载人船只的控制扩展到包括无人船只在内的控制。 自主水面船只（ASV）和无人地面车辆（USV）在各种应用中越来越受欢迎。对运输服务的需求的增加和对更高安全水平的需求已成为海洋车辆系统的路径跟踪控制的总趋势的驱动力（Roberts，2008）。 有几种情况可以使用自主船只：搜索和救援、溢出收集、监视、放置网、水深地图创建、交通、勘探任务、环境监测、海洋调查、沿海和内陆监测等（Cruz de la ，Aranda，＆Giroacute;n，2012）。

出于避免人类介入危险环境中，以及实现更高效准确的控制，船舶控制器经历了技术的进化，从经典的比例积分微分（PID）控制器进化到更复杂的鲁棒自适应控制，其人工智能技术发挥了重要作用（Santos，2011）。

然而，水面船只的控制仍然是一个非常具有挑战性的问题。 水面船舶可能会变得不稳定而且难以控制。当处理一般的水面船舶时，必须考虑不确定的非线性流体动力学和外部干扰。其复杂的部分是由于非线性动力学以及多个状态变量之间的强耦合（Fossen，2002）。这些方面使得获得数学模型相当复杂，数学模型用分析方法来表示动力学。这就是为什么传统的控制系统在这些复杂的非线性多输入多输出系统中可能不具有的良好性能。即使是复杂的常规控制解决方案通常基于线性分析模型，但这不是这种类型的真实海洋船舶的最好的表示（Sharma，Sutton，Motwani，＆Annamalai，2014）。更重要的是，一定要处理来自系统本身和不同环境条件的不确定性（Sonnenburg＆Woolsey，2013）。

然而，人工智能技术在船舶自动驾驶仪和航向指导中会起到非常重要的作用。智能控制器已被证明能有非常有效地处理出现在海洋应用中的非线性和不确定性（Santos，2014）。

一方面，基于模糊逻辑的系统已被证明是非线性系统的良好替代方案，如无人艇的情况。模糊逻辑控制器（FLC）是非线性控制器，它也结合了操作员的专业知识。 对于无人艇，这种直观的知识是可用的。

另一方面，海洋系统处于变化的环境中，并且其自身的动力学根据环境条件而变化。一般的控制法如果它没有足够坚固，对于系统来说它可能不是最好的。在这个意义上，自适应控制律，特别是增益调度策略，是解决这些根据工作点改变其行为的系统的最好选择。

因此在本文中我们实施了这些先进的无人船控制方法，显示其效率。我们的工作重点是通过执行器输入控制车辆动态，以完成某些任务（路径跟随）。第一轨迹跟踪提案是根据期望航向角度计算船的方向舵角的模糊逻辑控制器的设计。众所周知，模糊逻辑提供了一种用于非线性控制器生成的启发式（不一定是基于模型）的方法，并且处理来自环境的不确定性。此外，FLC设计简单。它可以结合专家的知识，在轨迹跟踪的情况下效果是非常直观的。此外，作为非线性控制，它允许处理诸如执行器饱和的实际特性，这使得系统是非线性的。

第二路径提议自适应控制律，由遗传算法（GS-PID-GA）优化的增益调度PID控制器。所提出的GS-PID-GA控制依赖于几个点。一方面，海上交通工具的领域有很长应用常规控制理论的传统，该系统提供了鲁棒性的控制。这使得用户舒适地使用PID调节器，其控制已经有了一段很长的控制经验。事实上，对于典型的单输入单输出情况的自动转向系统来说，传统控制器仍然是一个很好的解决方案，但对于诸如USV的复杂且强耦合的非线性MIMO系统仍然是不足的（Zheng，Negenborn，＆Lodewijks，2014）。另一方面，增益调度使控制规则适应系统的操作条件的改变。我们选择的调度变量 “轨迹 ” 一般足以应用于不同的环境：在湖泊和海洋，不同的速度，不同的船舶尺寸和形状等。我们认为，这种调度变量的选择使跟踪比起其他论文提出一个更具体的解决方案更为有效。最后，在这个建议中，我们应用遗传算法来调整控制器。遗传算法执行基于演化的随机搜索，可用于找到实际的复杂优化问题的良好解决方案，在我们的情况下对自适应控制律的调整。因此，我们正在优化对不同操作条件的控制。因此，本文的主要贡献有两点：(i) 在常规控制结构中引入智能控制器；(ii) 提出一种使它们在无人水面舰船的轨迹跟踪起到更高效的协同作用。智能和高级方法已经证明对于无人艇路径跟随是有效的，不仅单独应用时，而且与常规控制策略组合的时候也一样。无人艇轨迹跟踪控制策略已经在海洋系统响应的特性方面，超调时的稳态误差和稳定时间进行了比较。先进的智能控制器比传统的控制器具有更好的效果。这是非常方便的，因为准确的轨迹跟踪避免障碍和防止事故的发生。另一方面，它们需要更少的控制损耗，使得执行器更好的保持性能，拥有更长的寿命。

用于实验测试的无人艇是操作自主船舶的1/15比例模型。这些实验提供了一个来自真实数据的模型，并允许我们对其用不同控制器进行测试。

本文的其余部分安排如下，以下部分总结了文献中发现的关于这一主题的相关作品。第3节描述了海洋系统，介绍了船舶模型和船舶副本的特点。已经通过遗传算法调整的增益调度PID控制策略在第4节中开发。基于模糊逻辑的智能控制被设计并应用于第5节中的水运工具。在第6节中，显示了仿真结果，并讨论了控制定律之间的比较。最后，本篇论文以结论作为结束。

二、相关作品

在本节中，我们呈现了关于无人艇表面船舶（USV）的航道控制的文献以及我们对这些作品的主要贡献。

沿着海洋系统的大历史，不同的控制策略已经应用于船舶自动驾驶仪的设计。Sperry和Minorski在1922年开发了第一个自动驾驶仪，并引入了用于自动船舶转向的比例积分微分（PID）控制器。从那时起，简单的传统调节器和更复杂的控制器已经被应用于水运工具。从Amerongen，Udink和Cate（1975）引入的第一个自适应自动驾驶仪到应用确保相对于参考轨迹的方向和位置的收敛的后退技术（Do，2010; Dong，Wan，Li， ＆张，2015），或利用滑动模式控制（Conte，Capua和Scaradozzi，2016）。但是大多数这些复杂的控制算法有需要高计算量的缺点（Pan，Lai，Yang，＆Wu，2015）。

虽然已知本质上海洋交通工具呈现非线性动态特性，但是基于分析线性和非线性模型继续开发现代海洋自动驾驶系统设计。虽然已知本质上海洋交通工具呈现非线性动态特性，但是现代船舶自动驾驶系统设计继续基于分析线性和非线性模型开发。Fossen的书（2011年）收集了关于海洋工艺品控制的结果。它主要集中在反馈控制方法,如PID控制器和基于最优控制理论的更先进的运动控制策略。SISO和MIMO PID控制应用于海洋车辆的非线性3自由度（DOF）和6-DOF模型。本书的兴趣表明，常规控制仍广泛应用于海洋表面船舶。也就是说，经典控制是不可或缺的参考。这就是为什么在我们的工作中，我们将我们的控制提案与PID控制器进行比较。此外，为了做出公平的比较，我们通过应用遗传算法来优化传统控制器的调谐参数，以实现其最佳性能。

甚至，PID控制仍被应用于无人艇。在Guo, Wang, and Dun的论文（2015）中，主控制系统由内循环和外循环中的PID控制器组成。无人艇进行了湖泊试验，结果令人满意。Xu（2014）声称PID控制器用于无人平面车辆的大部分航向保持闭环控制。Xu和Soares（2015，2016）提出了一种用于水面船舶航迹点跟踪的优化二维路径跟踪算法。在文献中PID航向自动陀是用于船舶控制。

然而，PID调节器的参数可能难以调节。在文献中，可以找到遗传算法（GA）和其他进化技术对常规控制器的调谐参数的优化的应用。以下工作可以作为实例。由Yu, Liu, Liu,and Wang (2015)设计的一种使用多目标遗传算法优化的用于翼/船舵稳定的自调节PID控制器。在本文献中，要优化的性能指标包括能量。他们还将该提案与传统控制进行比较，以显示其如何提高侧倾稳定性和偏航控制精度的效率。Xu（2014）采用分布算法的精英主义估计来优化用于控制无人艇过程的PID系统。它利用概率模型来估计最优解分布。最后，Rathore和Kumar（2015）展示了由GA调整的自主水下航行器的稳健的PID转向控制，保证系统的稳定性。在我们的工作中，我们也应用这种演进算法来调整PID增益。 在我们的例子中，GA最小化了轨迹误差。

最近关于无人艇控制的一些论文集中于自适应控制法则，以处理海洋系统的变化的动力学。其中，增益调度方法允许我们将控制优化使其适应不同的操作条件。增益调度通过改变最影响系统行为的控制参数来改进控制器性能。例如，Liu等人（2015）的论文用质量变化作为调度变量。具有自适应参数估计的线性参数变化控制器综合其整体质量变化下操作的无人艇。虽然对于自主水下航行器，Gonzaacute;lez，Gomaacute;riz和Battle（2015）应用PID增益调度在浪涌速度和偏航参考的变化的不同条件下。车辆的流体动力学模型在不同的操作速度下被线性化，并且几个线性控制被设计用于在某些情况下它们的致动。Zhixiang，Youmin，Chi和Jun的文章（2015）还提出了一种适用于无人水面车辆转向控制的自适应线性参数变化容错控制方法。基线控制器设计为在时变操作状态（不同的浪涌速度）下保证无人艇的可接受的跟踪性能和稳定性。Eske，Sorensen和Breivik（2015）提出了应用不同自适应控制方案的其他类似的作品。在文献中，作者只介绍沿直线和圆形路径的目标跟踪的数值模拟。Dong等人也类似地提出了基于状态反馈的逆步控制算法来解决USV在水平面中的轨迹跟踪问题。他设计的轨迹跟踪控制器可以跟踪曲线轨迹和直线轨迹。

在我们的作品中，我们选择轨迹的特性作为调度变量。据我们所知，这种方法以前没有应用于无人艇，因此是新颖的方法此外，相对于所引用的其他论文，我们使用了更广泛的轨迹，而不仅仅是简单的轨迹。此外，通过GA调谐增益调度控制器使得可以优化针对不同操作点的控制定律。

另一方面，基于模糊逻辑的智能控制器已广泛应用于不同领域，包括海洋应用中（Santos，2011; Santos，Loacute;pez，＆de la Cruz，2005）。Wang，Kang，Xu和Xu（2016）提出了一个密切相关的作品，其中方向舵自动控制基于从一般转向经验总结的245个模糊逻辑规则。它被应用到湖中的1.5米帆船实验，显示在各种风力条件下模糊控制器跟踪的有效性。Wang，Fu和Liu（2015）试图简化一个传统的模糊控制器，使船舶航道在精度和控制规则的数量之间取得平衡。他们提出了一种可变宇宙模糊控制器，其在有效性和鲁棒性方面具有优于传统控制的性能。在Gonzaacute;lez等人（2015）的论文中，还提出了用于自主水下航行器的偏航跟踪的模糊控制设计。模糊控制在全局上比应用于相同模型的增益调度方法更好。与之相比，我们的模糊提案相当简单（规则数量少）。但如结果所示，在定位精度方面是有效的。Azzeri，Adnan和Zain（2015）介绍了对无人机车辆的控制系统方法的各个方面的研究工作的审核，以提高航向保持性能。虽然该评论揭示了自适应反推控制系统是这些非线性系统的强大工具，但模糊逻辑控制也被建议作为复杂系统如无人艇的良好的替代方法。

最后，我们的工作的主要贡献之一是显示智能技术与传统控制器结合是一个很好的替代方案来处理复杂的系统，如在海洋车辆的情况下，传统上由经典控制理论控制，但性能较差。这些技术的协同作用改善了控制作用。在我们的例子中，我们应用GA为基于传统控制器的增益调度控制的自适应调谐。虽然这个方案是新的，在文献中可以找到已经应用于无人艇的航向控制系统的调谐的其他组合。仅仅提到几个，由Yunsheng, Xiaojie, Guofeng, and Chen (2015)开发的PID控制和模糊逻辑的组合。模拟结果表明，与传统PID控制相比，模糊自适应PID 无人艇航向控制具有良好的动态响应。Liu，Xing和Zhu（2015）提出了一种模糊PID合成船舶航向控制器，其输出比例因子不断更新。Trybus，Swider和Stec（2015）提出了传统自动驾驶仪的PID控制器的调节规则，以及先进的PI或状态空间控制的调节规则。

三、系统行为描述

船舶的刚体和水动力运动方程由一组描述6自由度的非常复杂的微分方程给出。水平面中的运动被称为浪涌（纵向运动），摇摆（横向运动）和偏航（绕垂直轴旋转）在三个垂直坐标轴中平移（位置）。另外三个DOF是滚动（围绕纵向轴线旋转），俯仰（围绕横向轴线旋转）和升降（垂直运动）用于旋转（定向），如图1所示（Perez＆Blanke，2002）。然而，用于表示现实的物理学的模型随底层控制目标的变化而变化。作为刚体的船的运动方程可以通过牛顿第二定律获得。对于以接近恒定的涌流速度巡航并且仅考虑粘性阻尼的一阶近似，转向动力学的线性参数变化近似

全文共5801字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[144391]，资料为PDF文档或Word文档，PDF文档可免费转换为Word