留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

带漂角和输入饱和的水面船舶航向控制

陆潇杨 刘志全 高迪驹 褚建新

陆潇杨, 刘志全, 高迪驹, 等. 带漂角和输入饱和的水面船舶航向控制[J]. 中国舰船研究, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
引用本文: 陆潇杨, 刘志全, 高迪驹, 等. 带漂角和输入饱和的水面船舶航向控制[J]. 中国舰船研究, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
LU X Y, LIU Z Q, GAO D J, et al. Surface ship heading control with sideslip angle and input saturation[J]. Chinese Journal of Ship Research, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
Citation: LU X Y, LIU Z Q, GAO D J, et al. Surface ship heading control with sideslip angle and input saturation[J]. Chinese Journal of Ship Research, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775

带漂角和输入饱和的水面船舶航向控制

doi: 10.19693/j.issn.1673-3185.01775
基金项目: 上海市科技创新行动计划国际学术合作交流项目资助(18550720100)
详细信息
    作者简介:

    陆潇杨,女,1993年生,硕士生。研究方向:船舶航向控制。E-mail:723963224@qq.com

    刘志全,男,1986年生,博士,讲师。研究方向:船舶运动控制。E-mail:liuzhiquan215@sina.com

    高迪驹,男,1978年生,硕士,高级工程师。研究方向:船舶电气自动化及智能控制。E-mail:djgao@shmtu.edu.cn

    褚建新,男,1955年生,硕士,教授,博士生导师。研究方向:船舶电力推进和大功率传动控制。E-mail:jxchu@shmtu.edu.cn

    通讯作者:

    刘志全

  • 中图分类号: U664.82

Surface ship heading control with sideslip angle and input saturation

  • 摘要:   目的  为处理水面船舶航向控制过程中受到的非零漂角和输入饱和影响,提出一种基于反步法的航向控制方法。  方法  首先,利用相对速度求出实际漂角,再通过漂角对航向角误差进行修正;然后,采用一种预滤波方法减小航向改变时对航速变化的影响,同时引入双曲正切函数和Nussbaum函数逼近输入约束,结合自适应律对逼近误差和艏摇方向上的扰动进行估计;最后,借助指令滤波器简化反推过程,并通过Lyapunov理论证明控制系统的稳定性。  结果  仿真结果表明,所提控制器有效减小了水面船舶的航向输出误差,且能始终保持较小的控制输入力矩。  结论  研究成果可为水面船舶航向控制设计提供参考。
  • 图  1  漂角修正后的期望航向

    Figure  1.  Desired heading after sideslip angle amendment

    图  2  控制系统

    Figure  2.  Control system

    图  3  3级和5级海况下无预滤波器控制器的航向角及航向角误差

    Figure  3.  The heading angles and their errors of the controllers without pre-filter in sea states 3 and 5

    图  4  3级和5级海况下无预滤器控制器的艏摇力矩

    Figure  4.  The yaw torque of the controllers without pre-filter in sea states 3 and 5

    图  5  3级和5级海况下带预滤波器的控制器的航向角及航向误差

    Figure  5.  The heading angles and their errors of the controllers with pre-filter in sea states 3 and 5

    图  6  3级和5级海况下带预滤波器的控制器艏摇力矩

    Figure  6.  The yaw torque of the controllers with pre-filter in sea states 3 and 5

    表  1  不同控制方法的设计参数

    Table  1.   Design parameters of different control methods

    控制方法控制器指令滤波器预滤波器
    ${k_1},{k_2},{k_3}$$\begin{array}{l} {k_ {\rm{ {a1} } } } = {k_ {\rm{ {a2} } } }, \\ {k_{e1} } = {k_{e2} }\end{array}$$c$$\lambda $$\begin{array}{l} {\gamma _1} = {\gamma _2}, \\ {\gamma _ {\rm{f} } },{\gamma _\sigma },{\gamma _\eta } \end{array}$$\begin{array}{c} { {\bar e}_i} \\ (i = 1,2) \\ \end{array}$${\xi _1} = {\xi _2}$${\omega _1},{\omega _2}$${n_1},{n_2},{n_3},{n_4}$
    传统无滤波0.83,1,−
    传统预滤波0.83,1,−1,0.5,5,2.5
    漂角无滤波0.83,1,−
    漂角预滤波0.83,1,−1,0.5,5,2.5
    约束无滤波0.83,1,500.01,1010.10.1,1,1,10−30.011.110,50
    约束预滤波0.83,1,500.01,1010.10.1,1,1,10−30.011.110,501,0.5,5,2.5
    下载: 导出CSV

    表  2  不同海况下不同控制方法主要性能参数的对比

    Table  2.   Performance comparison of control methods in different sea states

    控制方法上升时间/s
    (平均值)
    稳定调节时间/s
    (平均值)
    超调量/%
    (平均值)
    稳定航向误差/(°)
    (平均绝对值)
    艏摇力矩最大
    绝对值/(N·m)
    3级5级3级5级3级5级3级5级3级5级
    传统无滤波2.12.2171835351.61.79.6×1079.8×107
    传统预滤波5.73.9172046250.81.13.2×1072.9×107
    漂角无滤波2.12.311112223003.9×10113.9×1011
    漂角预滤波3.45.114132530003.7×1093.7×109
    约束无滤波0.80.96.16.52020006.86.7
    约束预滤波1.41.54.24.92.63.1004.64
    下载: 导出CSV
  • [1] 赵志平, 张强. 船舶航向的自适应自调节PID跟踪控制[J]. 中国舰船研究, 2019, 14(3): 145–151. doi: 10.19693/j.issn.1673-3185.01305

    ZHAO Z P, ZHANG Q. Adaptive self-regulation PID tracking control for the ship course[J]. Chinese Journal of Ship Research, 2019, 14(3): 145–151 (in Chinese). doi: 10.19693/j.issn.1673-3185.01305
    [2] 秦梓荷, 林壮, 李平, 等. 基于LOS导航的欠驱动船舶滑模控制[J]. 中南大学学报(自然科学版), 2016, 47(10): 3605–3611.

    QIN Z H, LIN Z, LI P, et al. Sliding-mode control of underactuated ship based on LOS guidance[J]. Journal of Central South University (Science and Technology), 2016, 47(10): 3605–3611 (in Chinese).
    [3] 王欣, 刘正江, 李铁山, 等. 船舶航向离散非线性系统自适应神经网络控制[J]. 哈尔滨工程大学学报, 2016, 37(1): 123–126.

    WANG X, LIU Z J, LI T S, et al. Neural network-based adaptive control for a ship course discrete-time nonlinear system[J]. Journal of Harbin Engineering University, 2016, 37(1): 123–126 (in Chinese).
    [4] 范云生, 李长飞, 王国峰, 等. 无人水面艇航向跟踪控制器的设计与验证[J]. 大连海事大学学报, 2017, 43(1): 1–7.

    FAN Y S, LI C F, WANG G F, et al. Design and validation of course tracking controller for unmanned surface vehicle[J]. Journal of Dalian Maritime University, 2017, 43(1): 1–7 (in Chinese).
    [5] YIN S, YU H, SHAHNAZI R, et al. Fuzzy adaptive tracking control of constrained nonlinear switched stochastic pure-feedback systems[J]. IEEE Transactions on Cybernetics, 2017, 47(3): 579–588. doi: 10.1109/TCYB.2016.2521179
    [6] 彭秀艳, 胡忠辉. 带有海浪滤波器的船舶航向反步自适应输出反馈控制[J]. 控制理论与应用, 2013, 30(7): 863–868. doi: 10.7641/CTA.2013.21104

    PENG X Y, HU Z H. Adaptive nonlinear output feedback control with wave filter for ship course[J]. Control Theory & Applications, 2013, 30(7): 863–868 (in Chinese). doi: 10.7641/CTA.2013.21104
    [7] 林郁. 基于滤波反步法的船舶航向跟踪控制[J]. 大连海事大学学报, 2015, 41(1): 6–9.

    LIN Y. Command filtered Backstepping-based design for course-keeping control of ship[J]. Journal of Dalian Maritime University, 2015, 41(1): 6–9 (in Chinese).
    [8] LIU T, DONG Z P, DU H W, et al. Path following control of the underactuated USV based on the improved Line-of-Sight guidance algorithm[J]. Polish Maritime Research, 2017, 24(1): 3–11. doi: 10.1515/pomr-2017-0001
    [9] YU Z Y, BAO X P, NONAMI K. Course keeping control of an autonomous boat using low cost sensors[J]. Journal of System Design and Dynamics, 2008, 2(1): 389–400. doi: 10.1299/jsdd.2.389
    [10] HU C, WANG R G, YAN F J, et al. Robust composite nonlinear feedback path-following control for underactuated surface vessels with desired-heading amendment[J]. IEEE Transactions on Industrial Electronics, 2016, 63(10): 6386–6394. doi: 10.1109/TIE.2016.2573240
    [11] WANG N, SUN Z, YIN J C, et al. Finite-time observer based guidance and control of underactuated surface vehicles with unknown sideslip angles and disturbances[J]. IEEE Access, 2018, 6: 14059–14070. doi: 10.1109/ACCESS.2018.2797084
    [12] LIN X G, NIE J, JIAO Y Z, et al. Adaptive fuzzy output feedback stabilization control for the underactuated surface vessel[J]. Applied Ocean Research, 2018, 74: 40–48. doi: 10.1016/j.apor.2018.01.015
    [13] MA J J, ZHENG Z Q, LI P. Adaptive dynamic surface control of a class of nonlinear systems with unknown direction control gains and input saturation[J]. IEEE Transactions on Cybernetics, 2015, 45(4): 728–741. doi: 10.1109/TCYB.2014.2334695
    [14] LI J H, LEE P M, JUN B H, et al. Point-to-point navigation of underactuated ships[J]. Automatica, 2008, 44(12): 3201–3205. doi: 10.1016/j.automatica.2008.08.003
    [15] DO K D. Global robust adaptive path-tracking control of underactuated ships under stochastic disturbances[J]. Ocean Engineering, 2016, 111: 267–278. doi: 10.1016/j.oceaneng.2015.10.038
    [16] PERERA L P, SOARES C G. Pre-filtered sliding mode control for nonlinear ship steering associated with disturbances[J]. Ocean Engineering, 2012, 51: 49–62. doi: 10.1016/j.oceaneng.2012.04.014
    [17] ZHENG Z W, HUANG Y T, XIE L H, et al. Adaptive trajectory tracking control of a fully actuated surface vessel with asymmetrically constrained input and output[J]. IEEE Transactions on Control Systems Technology, 2018, 26(5): 1851–1859. doi: 10.1109/TCST.2017.2728518
    [18] POLYCARPOU M M, IOANNOU P A. A robust adaptive nonlinear control design[J]. Automatica, 1996, 32(3): 423–427. doi: 10.1016/0005-1098(95)00147-6
    [19] WEN C Y, ZHOU J, LIU Z T, et al. Robust adaptive control of uncertain nonlinear systems in the presence of input saturation and external disturbance[J]. IEEE Transactions on Automatic Control, 2011, 56(7): 1672–1678. doi: 10.1109/TAC.2011.2122730
    [20] CHWA D. Global tracking control of underactuated ships with input and velocity constraints using dynamic surface control method[J]. IEEE Transactions on Control Systems Technology, 2011, 19(6): 1357–1370. doi: 10.1109/TCST.2010.2090526
  • [1] 杨忠凯, 仲伟波, 冯友兵, 孙彬.  基于改进的视线导引算法与自抗扰航向控制器的无人艇航迹控制 . 中国舰船研究, 2021, 16(1): 121-127, 135. doi: 10.19693/j.issn.1673-3185.01842
    [2] 胡浩俊, 张军, 刘志林, 李国胜.  考虑附体输入约束的高速多体船预测控制减纵摇方法 . 中国舰船研究, 2021, (): 1-8. doi: 10.19693/j.issn.1673-3185.02050
    [3] 刘睿, 于双和, 尹广帅.  间歇通信环境下的船舶编队控制 . 中国舰船研究, 2020, 15(2): 119-126. doi: 10.19693/j.issn.1673-3185.01800
    [4] 张春辉, 刘洪权, 孟宪松, 张磊.  库仑阻尼隔冲系统在不同输入信号作用下的响应 . 中国舰船研究, 2019, 14(S1): 135-142, 157. doi: 10.19693/j.issn.1673-3185.01635
    [5] 马超, 张显库, 杨光平.  基于Lyapunov稳定性的船舶航向保持控制器非线性反馈改进 . 中国舰船研究, 2019, 14(1): 150-155, 161. doi: 10.19693/j.issn.1673-3185.01111
    [6] 余亚磊, 苏荣彬, 冯旭, 郭晨.  基于速变LOS的无人船反步自适应路径跟踪控制 . 中国舰船研究, 2019, 14(3): 163-171. doi: 10.19693/j.issn.1673-3185.01377
    [7] 赵志平, 张强.  船舶航向的自适应自调节PID跟踪控制 . 中国舰船研究, 2019, 14(3): 145-151. doi: 10.19693/j.issn.1673-3185.01305
    [8] 张雪飞, 袁鹏, 谭俊哲, 王树杰, 徐泓燊, 孙烨.  基于模糊PID的无人帆船航向控制方法 . 中国舰船研究, 2019, 14(6): 15-21. doi: 10.19693/j.issn.1673-3185.01518
    [9] 胡建章, 唐国元, 王建军, 解德.  基于自适应反步滑模的水面无人艇集群控制 . 中国舰船研究, 2019, 14(6): 1-7. doi: 10.19693/j.issn.1673-3185.01521
    [10] 赵蕊, 许建, 王淼, 向先波, 徐国华.  基于遗传算法和分数阶技术的水下机器人航向控制 . 中国舰船研究, 2018, 13(6): 87-93. doi: 10.19693/j.issn.1673-3185.01185
    [11] 陆斌杰, 李文魁, 陈尔明.  基于NESO的潜艇航向滑模控制器设计 . 中国舰船研究, 2018, 13(5): 108-113, 120. doi: 10.19693/j.issn.1673-3185.01040
    [12] 张峰, 何书韬, 刘均, 程远胜.  基于代理模型的集成上层建筑开口群角隅应力分析 . 中国舰船研究, 2015, 10(5): 41-46. doi: 10.3969/j.issn.1673-3185.2015.05.007
    [13] 曹诗杰, 曾凡明, 陈于涛.  无人水面艇航向航速协同控制方法 . 中国舰船研究, 2015, 10(6): 74-80. doi: 10.3969/j.issn.1673-3185.2015.06.011
    [14] 陈卫伟, 闵绍荣, 李明辉, 谢红胜.  舰载反鱼雷鱼雷对抗行为分析与建模 . 中国舰船研究, 2014, 9(5): 110-114,120. doi: 10.3969/j.issn.1673-3185.2014.05.018
    [15] 杨海.  考虑输入受限的水下滑翔机前馈控制设计 . 中国舰船研究, 2014, 9(6): 87-91,99. doi: 10.3969/j.issn.1673-3185.2014.06.015
    [16] 詹金林, 卢晓平, 崔焰, 王家林.  基于势流理论的船舶操纵水动力分析 . 中国舰船研究, 2011, 6(5): 41-45. doi: 10.3969/j.issn.16733185.2011.05.009
    [17] 刘志忠, 李天匀, 张俊杰.  考虑流体静压时充液圆柱壳的输入能量流特性 . 中国舰船研究, 2009, 4(2): 20-23. doi: 10.3969/j.issn.1673-3185.2009.02.005
    [18] 姚敏强, 程智斌, 董红.  武器任意攻击角下舰艇的不沉性概率计算 . 中国舰船研究, 2009, 4(1): 47-51. doi: 10.3969/j.issn.1673-3185.2009.01.010
    [19] 严谨, 张娟.  环肋和舱壁结构对水下圆柱壳输入功率流的影响 . 中国舰船研究, 2007, 2(3): 22-25,62. doi: 10.3969/j.issn.1673-3185.2007.03.005
    [20] 朱翔, 李天匀, 赵耀, 严谨.  含轴对称裂纹的圆柱壳输入功率流特性 . 中国舰船研究, 2006, 1(4): 21-25. doi: 10.3969/j.issn.1673-3185.2006.04.005
  • 加载中
图(6) / 表 (2)
计量
  • 文章访问数:  17
  • HTML全文浏览量:  10
  • PDF下载量:  4
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-09-16
  • 修回日期:  2020-02-12
  • 网络出版日期:  2021-03-04
  • 刊出日期:  2021-04-01

带漂角和输入饱和的水面船舶航向控制

doi: 10.19693/j.issn.1673-3185.01775
    基金项目:  上海市科技创新行动计划国际学术合作交流项目资助(18550720100)
    作者简介:

    陆潇杨,女,1993年生,硕士生。研究方向:船舶航向控制。E-mail:723963224@qq.com

    刘志全,男,1986年生,博士,讲师。研究方向:船舶运动控制。E-mail:liuzhiquan215@sina.com

    高迪驹,男,1978年生,硕士,高级工程师。研究方向:船舶电气自动化及智能控制。E-mail:djgao@shmtu.edu.cn

    褚建新,男,1955年生,硕士,教授,博士生导师。研究方向:船舶电力推进和大功率传动控制。E-mail:jxchu@shmtu.edu.cn

    通讯作者: 刘志全
  • 中图分类号: U664.82

摘要:   目的  为处理水面船舶航向控制过程中受到的非零漂角和输入饱和影响,提出一种基于反步法的航向控制方法。  方法  首先,利用相对速度求出实际漂角,再通过漂角对航向角误差进行修正;然后,采用一种预滤波方法减小航向改变时对航速变化的影响,同时引入双曲正切函数和Nussbaum函数逼近输入约束,结合自适应律对逼近误差和艏摇方向上的扰动进行估计;最后,借助指令滤波器简化反推过程,并通过Lyapunov理论证明控制系统的稳定性。  结果  仿真结果表明,所提控制器有效减小了水面船舶的航向输出误差,且能始终保持较小的控制输入力矩。  结论  研究成果可为水面船舶航向控制设计提供参考。

English Abstract

陆潇杨, 刘志全, 高迪驹, 等. 带漂角和输入饱和的水面船舶航向控制[J]. 中国舰船研究, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
引用本文: 陆潇杨, 刘志全, 高迪驹, 等. 带漂角和输入饱和的水面船舶航向控制[J]. 中国舰船研究, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
LU X Y, LIU Z Q, GAO D J, et al. Surface ship heading control with sideslip angle and input saturation[J]. Chinese Journal of Ship Research, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
Citation: LU X Y, LIU Z Q, GAO D J, et al. Surface ship heading control with sideslip angle and input saturation[J]. Chinese Journal of Ship Research, 2021, 16(2): 194–202 doi: 10.19693/j.issn.1673-3185.01775
    • 航向控制作为船舶控制领域的首要问题,一直是国内外学者研究的热点。随着控制理论的发展,从PID[1]、滑模[2]、神经网络[3]到模糊自适应[4-5]等智能优化算法,很多控制理论都被应用到船舶控制领域并取得了理想的控制效果,但也存在一定的局限性。例如,神经网络所需设备较昂贵且计算时间长,不利于工程实现,而模糊规则的制定复杂且难以推广。彭秀艳和胡忠辉[6]针对海浪滤波和状态估计问题,设计了反步自适应输出反馈控制器,但传统反步法中易出现“计算爆炸”情况。林郁[7]提出的一种可减少控制器计算负担的滤波器能够有效避免此问题,但未考虑该方法在欠驱动水面船舶上的适用性。然而,海上实际使用的多数船舶都属欠驱动系统,即仅利用主推进和舵装置驱动完成船舶操纵任务。Liu等[8]利用反步法并结合改良的视线法,将欠驱动路径跟踪控制问题转化为了虚拟全驱动控制问题,但对风、浪、流等外部干扰因素考虑不周,且忽略了船舶运动时非零漂角的影响。漂角是船体受不对称水流作用发生偏转时纵剖面与水流方向形成的夹角,其对船舶操纵效果有一定的影响,通常很少考虑。Yu等[9]提出通过漂角修正来实现航向控制,但需要借助全球定位系统(GPS)和速率传感器。在不借助GPS的情况下,Hu等[10]根据船舶相对速度进一步求得了实际漂角,Wang等[11]则利用有限时间观测器并结合视线法,对受漂角影响的船舶进行了航迹控制设计,但未考虑输入饱和问题。作为实际控制系统中的常见现象,执行器饱和会降低系统性能,甚至导致闭环系统的不稳定性,因此要解决船舶控制问题,就必须考虑受限约束条件下系统的稳定性。Lin等[12]提出了适用于未知时变环境扰动及输入饱和情况的自适应模糊输出反馈控制器,Ma等[13]提出了一种基于径向基神经网络,采用动态面控制和反步法相结合的方法,用于处理饱和问题,但该方法只能用于单输入单输出系统。

      针对以上提到的水面船舶运动中出现的漂角及输入饱和问题,本文将设计一种带漂角修正和输入约束的鲁棒自适应反步航向控制器。首先采用光滑双曲正切函数和Nussbaum函数逼近约束条件,利用自适应技术处理未知扰动,然后引入指令滤波器并结合反步法设计航向控制器,以及通过Lyapunov理论证明其有界性,最后进行仿真实验验证该控制方法的有效性。

    • 假设船舶关于${xz}$平面对称,且垂荡、横摇、纵摇方向上的运动可忽略不计。为便于设计控制器,纵荡速度$u$由独立控制系统控制,故假设其为常数,横荡速度$v$与船舶操纵中其他运动变量相比较小,故设其被动有界[14],则水面船舶动力学模型通常可以简化为在艏摇和横荡方向上的两自由度运动,描述如下[15]

      $$\left\{ {\begin{aligned} & \dot r = \frac{{({{m}_{\rm{1}}} - {{m}_{\rm{2}}})}}{{{{m}_{\rm{3}}}}}uv + {f_1}(r) + \frac{1}{{{{{m}}_{\rm{3}}}}}\tau (\varphi ) + {\omega _r} \\& \dot v = - \frac{{{{m}_{\rm{1}}}}}{{{{m}_{\rm{2}}}}}ur + {f_2}(v) + \frac{1}{{{{m}_{\rm{2}}}}}{\omega _v} \\& \dot \psi = r \end{aligned}} \right.$$ (1)

      式中:$\psi $为船舶的实际航向角,(°);$r$为船舶的艏摇角速度,$\rm{rad} /s$${{m}_{i}}\left( {{i = 1,\;2,\;3}} \right)$为包含附加质量影响的船舶惯性参数,$\rm{kg} $$\varphi $为艏摇力矩,N·m,是唯一的控制输入;$\tau (\varphi )$为饱和执行器输出,N·m;${\omega _r}$${\omega _v}$分别为艏摇和横荡方向上有未知界的时变扰动;艏摇和横荡方向上的阻尼函数${f_1}(r)$${f_2}(v)$分别表示如下:

      $${f_1}\left(r\right) = - \frac{{{{{d}}_{{{r\rm{1}}}}}}}{{{{{m}}_{\rm{3}}}}}r - \frac{1}{{{{{m}}_{\rm{3}}}}}\left({{{d}}_{{{r{\rm}2}}}}{r^2}\tanh \left(\frac{r}{\lambda }\right) + {{{d}}_{{{r{\rm}3}}}}{r^3}\right)$$ (2)
      $${f_2}\left(v\right) = - \frac{{{{{d}}_{{{v{\rm}1}}}}}}{{{{{m}}_{\rm{2}}}}}v - \frac{1}{{{{{m}}_{\rm{2}}}}}\left({{{d}}_{{{v{\rm}2}}}}{v^2}\tanh \left(\frac{v}{\lambda }\right) + {{{d}}_{{{v{\rm}3}}}}{v^3}\right)$$ (3)

      式中:${{{d}}_{{{ri}}}}$${{{d}}_{{{vi}}}}$$i = 1,\;2,\;3$)分别为艏摇和横荡方向上的水动力阻尼系数,${\rm{kg}}/ { {\rm{s}}}$$\lambda$为一个大于0的参数。考虑输入约束,定义$\tau (\varphi )$

      $$\tau (\varphi ) = \left\{ { \begin{aligned} & {{\rm{sign}}(\varphi ){\tau _{\rm{M}}},}&{\left| \varphi \right| \geqslant {\tau _{\rm{M}}}} \\ & {\varphi ,}&{\left| \varphi \right| < {\tau _{\rm{M}}}} \end{aligned}} \right.$$ (4)

      式中,${\tau _{\rm{M}}} > 0$,为输入约束的界值,N·m。

      在忽略海流速度对漂角影响的情况下,利用式(5)可以获得船舶的实际漂角$\beta $

      $$\beta = \arctan \frac{v}{u}$$ (5)

      在反步法框架下,求解虚拟控制律所涉及到的所有函数都必须保证是可导的。但饱和执行器输出$\tau (\varphi )$存在非线性部分,为解决这一问题,引入了双曲正切函数$g(\varphi )$,即将不连续函数转化为连续函数,逼近误差为$\mu (\varphi )$,即$\tau (\varphi ) = g(\varphi ) + \mu (\varphi )$。其中

      $$g(\varphi ) = {\rm{sign}}(\varphi ){\tau _{\rm{M}}}\tanh \left(\frac{\varphi }{{{\rm{sign}}(\varphi ){\tau _{\rm{M}}}}}\right)$$ (6)

      假设$b > 0$,为$\mu (\varphi )$的界值,即$\left| {\mu (\varphi )} \right| =\left| {\tau (\varphi ) - g(\varphi )} \right| \leqslant $$\max \left\{ {{\rm{sign}}(\varphi ){\tau _ {\rm{M}}}(1 - {\rm{tanh}}(1)} \right\} = b$

      结合以上,式(1)可改写为

      $$\left\{ \begin{aligned} & \dot r = \frac{{({{{m}}_{\rm{1}}} - {{{m}}_{\rm{2}}})}}{{{{{m}}_{\rm{3}}}}}uv + {f_1}(r) + \frac{1}{{{{{m}}_{\rm{3}}}}}g(\varphi ) + \varDelta \\& \dot v = - \frac{{{{{m}}_{\rm{1}}}}}{{{{{m}}_{\rm{2}}}}}ur + {f_2}(v) + \frac{1}{{{{{m}}_{\rm{2}}}}}{\omega _v} \\& \dot \varphi = - c\varphi + \phi \\& \dot \psi = r \end{aligned} \right.$$ (7)

      式中:$\varDelta = {\omega _r} + \mu (\varphi )$,由于${\omega _r}$$\mu (\varphi )$均有界,则$\varDelta$有界,且假设$\left| \varDelta \right| \leqslant \sigma$;定义$\hat \sigma $$\tilde \sigma $分别为界值常数$\sigma $的估计值和估计误差,即$\tilde \sigma = \hat \sigma - \sigma $$c$为正常数;由于实际控制输入$\varphi $难以直接计算得出,因此定义一个辅助变量$\phi $以方便后续的控制器设计。

      针对受非零漂角和输入饱和影响的水面船舶,提出一种基于反步法的航向控制方法,目标如下:

      1) 减小航向输出误差;

      2) 控制输入力矩并始终保持在较小值。

    • 为避免船舶航向角突然改变较大导致航速变化明显,而对研究时假设的条件造成影响,采用了一种预滤波方法,这样既可使船舶航向平滑过渡,又可保证控制器的鲁棒性。在期望航向角${\psi _ {\rm{d}}}$处加入一个预滤波器,输出光滑、缓慢变化的参考航向角${\psi _ {\rm{{dr}}}}$及其导数作为参考输入。提出的二阶预滤波器可以写为[16]

      $${n_1}\psi _ {\rm{{dr}}} ^2 + {n_2}{\psi _ {\rm{{dr}}} } + {n_3} = {n_4}{\psi _ {\rm{d}} }$$ (8)

      式中,${n_i}(i = 1,2,3,4)$为二阶预滤波器的参数。

    • 在航向控制设计中,通常假设漂角为0,选择期望路径的切线角作为期望航向角${\psi _ {\rm{d}}}$,航向误差$e = \psi - {\psi _ {\rm{d}}}$。然而,实际上漂角是存在的,且会对航行造成一定的影响,特别是对欠驱动水面船舶来说,利用一个输入来控制横荡和艏摇运动,使船舶的重力速度方向与航向不一致,将会导致船舶逐渐偏离航线。可以利用漂角来修正所需航向的不合理性。在如图1所示的地面坐标系${{O}}{{{X}}_{\rm{o}}}{{{Y}}_{\rm{o}}}$及船体坐标系${{B}}{{{X}}_{\rm{b}}}{{{Y}}_{\rm{b}}}$中,由于船舶重心速度方向与期望路径的切线角相差一个漂角[10],所以结合预滤波器。漂角修正后的期望航向角${\psi _ {\rm{{da}}}} $和航向误差ea如下:

      $${\psi _ {\rm{{da}}}} = {\psi _ {\rm{{dr}}} } - \beta $$ (9)
      $${e_ {\rm{a}}} = \psi - {\psi _ {\rm{{da}}}} = \psi - {\psi _ {\rm{d}}} + \beta $$ (10)

      图  1  漂角修正后的期望航向

      Figure 1.  Desired heading after sideslip angle amendment

    • 在设计控制器之前,为避免在虚拟控制律求导过程中出现复杂的计算问题,引入了一种指令滤波器[17],可以表示为

      $$\left\{ \begin{aligned} & {{\dot x}_{1i}} = {x_{2i}} \\& {{\dot x}_{2i}} = - 2{\xi _i}{\omega _i}\left({x_{2i}} + {\rm{sat}}\left(\frac{{\omega _i^2}}{{2{\xi _i}{\omega _i}}}\left({x_{1i}} - {\rm{sat}}\left({\alpha _{i0}}\right)\right)\right)\right) \end{aligned} \right.$$ (11)

      式中:${\xi _i} > 0$${\omega _i} > 0$$i = 1,\;2$),为滤波器参数;${x_{1i}} = {\alpha _i}$${x_{2i}} = {\dot \alpha _i}$,其中${\alpha _i}$${\dot \alpha _i}$${\alpha _{i0}}$通过滤波器的输出,${\alpha _{i0}}$指后续需要设计的虚拟控制律,${\alpha _{i1}}{\rm{ = sat}}(({{\omega _i^2}}/({{2{\xi _i}{\omega _i}}}))\cdot$$\left({x_{1{{i}}}} - {\rm{sat}}\left({\alpha _{i0}}\right)\right))$

      $\Delta {\alpha _i}$为滤波器的估计误差,即${\alpha _i} - {\alpha _{i0}} = \Delta {\alpha _i}$

      $$ {\rm{sat}}({\alpha _{ij}}) = \left\{ { \begin{aligned} & {{\rm{sign}}({\alpha _{ij}}){\alpha _{ijm}},}\;\;{\left| {{\alpha _{ij}}} \right| \geqslant {\alpha _{ijm}}} \\ & {{\alpha _{ij}},}\qquad\qquad\;\;\;{\left| {{\alpha _{ij}}} \right| < {\alpha _{ijm}}} \end{aligned}} \right. $$

      其中,${\alpha _{ijm}}$${\alpha _{ij}}(i = 1,\;2;\;j = 0,\;1)$的界值。

      基于反步法,分以下3步进行控制器设计,引入新变量${{\textit{z}}_i}(i = 1,\;2,\;3)$

      $${{\textit{z}}_1} = \psi - {\psi _{\rm{{da}}}} = \psi - {\psi _{\rm{d}}} + \beta $$ (12)
      $${{\textit{z}}_2} = r - {\alpha _1}$$ (13)
      $${{\textit{z}}_3} = g(\varphi ) - {\alpha _2}$$ (14)

      1) 步骤1。结合式(7)和上述滤波器,可得

      $${\dot {\textit{z}}_1} = {{\textit{z}}_2} + {\alpha _{10}} + \Delta {\alpha _1} - {\dot \psi _{\rm{d}}} + \dot \beta $$ (15)

      设计一个辅助系统处理滤波器估计误差$\Delta {\alpha _1}$

      $${\dot e_1} = \left\{ {\begin{array}{*{20}{l}} { - {k_{e1}}{e_1} - {f_1}{e_1} + {\gamma _1}\Delta {\alpha _1},}&{\left| {{e_1}} \right| > {{\bar e}_1}} \\ {0,}&{\left| {{e_1}} \right| \leqslant {{\bar e}_1}} \end{array}} \right.$$ (16)

      式中:函数${f_1} = ({{{{\textit{z}}_1}\Delta {\alpha _1} + 0.5{\gamma _1}^2\Delta {\alpha _1}^2}})/{{{{\left| {{e_1}} \right|}^2}}}$$\left| {{e_1}} \right| \ne 0$;辅助系统参数${k_{e1}} > 1$${\gamma _1} > 0$${\bar e_1}$为一个很小的常数。

      选择Lyapunov函数${V_1} = 0.5{{\textit{z}}_1}^2 + 0.5{e_1}^2$,结合式(15)和式(16),得

      $$\begin{split} & {\dot V_1} = {{\textit{z}}_1}{\dot {\textit{z}}_1} + {e_1}{\dot e_1} = {{\textit{z}}_1}({{\textit{z}}_2} + {\alpha _{10}} - {\dot \psi _{\rm{d}}} + \dot \beta ) -\\&\qquad {k_{e1}}{e_1}^2 - 0.5{\gamma _1}^2\Delta {\alpha _1}^2 + {e_1}{\gamma _1}\Delta {\alpha _1} \end{split}$$ (17)

      设计虚拟控制律${\alpha _{10}}$

      $${\alpha _{10}} = - {k_1}{{\textit{z}}_1} + {\dot \psi _{\rm{d}}} - \dot \beta + {k_{\rm{{a1}}}}{e_1}$$ (18)

      式中,控制器参数${k_1} > 0$${k_{\rm{{a1}}}} > 0$

      定理1(杨氏不等式):对于任意变量$x,y \in {R}$$\varepsilon > 0$,设$p > 1$$q < \infty $,且满足${1}/{p} + {1}/{q} = 1$,则

      $$xy \leqslant \varepsilon \frac{{{{\left| x \right|}^p}}}{p} + {\varepsilon ^{ - \frac{q}{p}}}\frac{{{{\left| y \right|}^q}}}{q}$$ (19)

      根据定理1,可得

      $${e_1}{\gamma _1}\Delta {\alpha _1} \leqslant 0.5{e_1}^2 + 0.5{\gamma _1}^2\Delta {\alpha _1}^2$$ (20)
      $${k_{\rm{{a1}}}}{{\textit{z}}_1}{e_1} \leqslant 0.5{k_{\rm{{a1}}}}^2{{\textit{z}}_1}^2 + 0.5{e_1}^2$$ (21)

      将式(20)和式(21)代入式(17),得

      $${\dot V_1} \leqslant - ({k_1} - 0.5{k_{\rm{{a1}}}}){{\textit{z}}_1}^2 - ({k_{e1}} - 1){e_1}^2 + {{\textit{z}}_1}{{\textit{z}}_2}$$ (22)

      2) 步骤2。为了处理$\Delta {\alpha _2}$,同理步骤1,定义辅助系统

      $${\dot e_2} = \left\{ {\begin{array}{*{20}{l}} { - {k_{e2}}{e_2} - {f_2}{e_2} + {\gamma _2}\Delta {\alpha _2},}&{\left| {{e_2}} \right| > {{\bar e}_2}} \\ {0,}&{\left| {{e_2}} \right| \leqslant {{\bar e}_2}} \end{array}} \right.$$ (23)

      式中:函数${f_2} = ({{{{\textit{z}}_2}\Delta {\alpha _2} + 0.5{\gamma _2}^2\Delta {\alpha _2}^2}})/{{{{\left| {{e_2}} \right|}^2}}}$,且$\left| {{e_2}} \right| \ne 0$;辅助系统参数${k_{e2}} > 1$${\gamma _2} > 0$${\bar e_2}$为一个很小的常数。

      考虑$\sigma $$\Delta {\alpha _2}$,选择${V_2} = {V_1} + 0.5{{{m}}_{\rm{3}}}{{\textit{z}}_2}^2 +$$0.5{e_2}^2 + $$ {{0.5}}{\tilde \sigma ^2}/{{{\gamma _{\rm{f}}}}}$作为Lyapunov函数,其中常数${\gamma _{\rm{f}}} > 0$。由于扰动导数一般很难得到,相对于自适应律的动态,扰动变化缓慢,故假设$\dot \sigma = 0$,则

      $$ \begin{split} & \;\;{{\dot V}_2} = {{\dot V}_1} + {{{m}}_{\rm{3}}}{{\textit{z}}_2}{{\dot{ \textit{z}}}_2} + {e_2}{{\dot e}_2} + \frac{1}{{{\gamma _{\rm{f}}}}}\tilde \sigma {\dot {\tilde \sigma}} \leqslant - \left({k_1} - 0.5{k_{\rm{{a1}}}}\right){{\textit{z}}_1}^2 - \\[-2pt] &\qquad \left({k_{e1}} - 1\right){e_1}^2 +{{\textit{z}}_1}{{\textit{z}}_2} + {{\textit{z}}_2}\Bigg(\left({{{m}}_{\rm{1}}} - {{{m}}_{\rm{2}}}\right)uv - {{{d}}_{{{r{\rm}1}}}}r -\Bigg. \\[-2pt] & \left({{{d}}_{{{r{\rm}2}}}}{r^2}\tanh \left(\frac{r}{\lambda }\right) + {{{d}}_{{{r{\rm}3}}}}{r^3}\right) +\Bigg.\left({{\textit{z}}_3} + {\alpha _{20}}\right) + {{{m}}_{\rm{3}}}\varDelta - {{{m}}_{\rm{3}}}{{\dot \alpha }_1}\Bigg) - \\[-2pt] & \qquad\quad {k_{e2}}{e_2}^2 - {\rm{ }}0.5{\gamma _2}^2\Delta {\alpha _2}^2 + {e_2}{\gamma _2}\Delta {\alpha _2} + \frac{1}{{{\gamma _{\rm{f}}}}}\tilde \sigma {\dot {\hat \sigma }} \\[-15pt] \end{split} $$ (24)

      引理1[18]:对于任意变量$x \in {R}$,下列不等式$0 \leqslant \left| x \right| - x\tanh ({x}/{\upsilon }) \leqslant {\rm{\kappa }}\upsilon$都成立,其中$\upsilon \in {{R}^ + }$,常数${\rm{\kappa }} = 0.278\;5$,且满足${\rm{\kappa }} = {{{ {\rm{e}}}}^{ - ({\rm{\kappa }} + 1)}}$,其中e为欧拉数。

      根据引理1和假设$\left| \varDelta \right| \leqslant \sigma$,可得

      $${{{m}}_{\rm{3}}}{{\textit{z}}_2}\varDelta \leqslant {{{m}}_{\rm{3}}}\left| {{{\textit{z}}_2}} \right|\sigma \leqslant {{{m}}_{\rm{3}}}{{\textit{z}}_2}\tanh \left(\frac{{{{\textit{z}}_2}}}{\upsilon }\right)\sigma + {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma $$ (25)

      则虚拟控制律${\alpha _{20}}$设计为

      $$ \begin{split} & {\alpha _{20}} = - \left({{{m}}_{\rm{1}}} - {{{m}}_{\rm{2}}}\right)uv + {{{d}}_{{{r{\rm{1}}}}}}r + {{{d}}_{{{r{\rm{2}}}}}}{r^2}\tanh \left(\frac{r}{\lambda }\right) + {{{d}}_{{{r{\rm{3}}}}}}{r^3} - \\& \qquad{{\textit{z}}_1} - {k_2}{{\textit{z}}_2} + {{{m}}_{\rm{3}}}{{\dot \alpha }_1} - {{{m}}_{\rm{3}}}\tanh \left(\frac{{{{\textit{z}}_2}}}{\upsilon }\right)\hat \sigma + {k_{{\rm{a}}2}}{e_2} \\[-16pt] \end{split} $$ (26)

      其中,控制器参数${k_2} > 0$${k_{\rm{{a2}}}} > 0$

      为解决$\sigma $,设计自适应律为

      $${\dot {\hat \sigma}} = {\gamma _{\rm{f}}}\left({{m} _3}{{\textit{z}}_2}\tanh \left(\frac{{{{\textit{z}}_2}}}{\upsilon }\right) - {\gamma _\sigma }\hat \sigma \right)$$ (27)

      式中,参数${\gamma _\sigma } > 0$

      结合式(25)~式(27),则式(24)为

      $$ \begin{split} & {{\dot V}_2} \leqslant - \left({k_1} - 0.5{k_{\rm{{a1}}}}\right){{\textit{z}}_1}^2 - \left({k_{e1}} - 1\right){e_1}^2 - {k_2}{{\textit{z}}_2}^2 - {k_{e2}}{e_2}^2 + \\& {{\textit{z}}_2}{{\textit{z}}_3}+{k_{\rm{{a2}}}}{{\textit{z}}_2}{e_2}+{{{m}}_3}{{\textit{z}}_2}\varDelta-{{{m}}_{\rm{3}}}{{\textit{z}}_2}\tanh \left(\frac{{{{\textit{z}}_2}}}{\upsilon }\right)\hat \sigma - 0.5{\gamma _2}^2\Delta {\alpha _2}^2 + \\& \qquad {e_2}{\gamma _2}\Delta {\alpha _2} + \frac{1}{{{\gamma _{\rm{f}}}}}\tilde \sigma {\gamma _{{ {\rm{f}}}}}\left({{{m}}_{\rm{3}}}{{\textit{z}}_2}\tanh \left(\frac{{{{\textit{z}}_2}}}{\upsilon }\right) - {\gamma _\sigma }\hat \sigma \right) \leqslant \\& - \left({k_1} - 0.5{k_{\rm{{a1}}}}\right){{\textit{z}}_1}^2 - \left({k_{e1}} - 1\right){e_1}^2 - {k_2}{{\textit{z}}_2}^2 - {k_{e2}}{e_2}^2 + {{\textit{z}}_2}{{\textit{z}}_3} + \\& {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma - 0.5{\gamma _2}^2\Delta {\alpha _2}^2 - {\gamma _\sigma }\tilde \sigma \hat \sigma + {k_{\rm{{a2}}}}{{\textit{z}}_2}{e_2} + {e_2}{\gamma _2}\Delta {\alpha _2} \\[-10pt] \end{split} $$ (28)

      根据定理1,得

      $${e_2}{\gamma _2}\Delta {\alpha _2} \leqslant 0.5{e_2}^2 + 0.5{\gamma _2}^2\Delta {\alpha _2}^2$$ (29)
      $${k_{\rm{{a2}}}}{{\textit{z}}_2}{e_2} \leqslant 0.5{k_{\rm{{a2}}}}^2{{\textit{z}}_2}^2 + 0.5{e_2}^2$$ (30)
      $$\begin{split} & \qquad\qquad- \tilde \sigma \hat \sigma = - \tilde \sigma (\sigma + \tilde \sigma ) \leqslant \\& - {\tilde \sigma ^2} + 0.5{\sigma ^2} + 0.5{\tilde \sigma ^2} = - 0.5{\tilde \sigma ^2} + 0.5{\sigma ^2} \end{split}$$ (31)

      将式(29)~式(31)代入式(28),可得

      $$ \begin{split} & {{\dot V}_2} \leqslant - ({k_1} - 0.5{k_{\rm{{a1}}}}){{\textit{z}}_1}^2 - ({k_2} - 0.5{k_{\rm{{a2}}}}){{\textit{z}}_2}^2 - ({k_{e1}} - 1){e_1}^2 - \\& {\rm{ }}({k_{e2}} - 1){e_2}^2 - 0.5{\gamma _\sigma }{{\tilde \sigma }^2} + {{\textit{z}}_2}{{\textit{z}}_3} + {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma + 0.5{\gamma _\sigma }{\sigma ^2} \\[-9pt] \end{split} $$ (32)

      3) 步骤3。设$\vartheta = {{\partial g(\varphi )}}/{{\partial \varphi }}$,对${{\textit{z}}_3}$求导,可得

      $${\dot {\textit{z}}_3} = \vartheta ( - c\varphi + \phi ) - {\dot \alpha _2}$$ (33)

      为避免在求解$\vartheta $的过程中出现复杂的计算过程,引入了Nussbaum函数$N(\eta )$ [19]

      $$\left\{{\begin{aligned} & N(\eta ) = ({{\rm{e}}^\eta } + {{\rm{e}}^{ - \eta }})\cos\left(\frac{\ {\text{π}}}{2}\eta \right) \\& \dot \eta = {\gamma _\eta }\bar \phi {{\textit{z}}_3} \end{aligned}} \right.$$ (34)

      式中:$\eta $为一个连续函数,同时为Nussbaum函数的自变量;${\gamma _\eta }$为函数$\eta $中大于0的参数。

      选择Lyapunov函数${V_3} = {V_2} + 0.5{{\textit{z}}_3}^2$,对其求导,得

      $$ \begin{split} & \;\;{{\dot V}_3} = {{\dot V}_2} + {{\textit{z}}_3}(\vartheta ( - c\varphi + \phi ) - {{\dot \alpha }_2}) \leqslant - ({k_1} - 0.5{k_ {\rm{{a1}}}}){{\textit{z}}_1^2} - \\ & ({k_2} - 0.5{k_ {\rm{{a2}}}}){{\textit{z}}_2^2} - ({k_{e1}} - 1){e_1^2} - ({k_{e2}} - 1){e_2^2} - 0.5{\gamma _\sigma }{{\tilde \sigma ^2}} + \\ &\;\;\;\; {{\textit{z}}_2}{{\textit{z}}_3} + {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma + 0.5{\gamma _\sigma }{\sigma ^2} + {{\textit{z}}_3}(\vartheta ( - c\varphi + \phi ) - {{\dot \alpha }_2}) \\[-10pt] \end{split}$$ (35)

      设计辅助变量$\phi $

      $$\left\{ \begin{array}{l} \phi = N(\eta )\bar \phi \\ \bar \phi = - {k_3}{{\textit{z}}_3} - {{\textit{z}}_2} + c\vartheta \varphi + {{\dot \alpha }_2} \\ \end{array} \right.$$ (36)

      式中,参数${k_3} > 0$

      结合式(35)~ 式(36),得

      $$ \begin{split} & {{\dot V}_3} \leqslant-({k_1}-0.5{k_ {\rm{{a1}}}}){{\textit{z}}_1^2} - ({k_2} - 0.5{k_ {\rm{{a2}}}}){{\textit{z}}_2^2} - {k_3}{{\textit{z}}_3^2} - ({k_{e1}} - 1){e_1^2} - \\& \quad\;\; ({k_{e2}} - 1){e_2^2} - 0.5{\gamma _\sigma }{{\tilde \sigma ^2}} + {{\textit{z}}_2}{{\textit{z}}_3} + {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma + 0.5{\gamma _\sigma }{\sigma ^2} +\\& {{\textit{z}}_3}(\bar \phi (\vartheta N(\eta ) - 1) - {{\textit{z}}_2}) = - ({k_1} - 0.5{k_ {\rm{{a1}}}}){{\textit{z}}_1^2} - ({k_2} - 0.5{k_ {\rm{{a2}}}}){{\textit{z}}_2^2} - \\&\quad\quad ({k_{e1}} - 1){e_1^2} - ({k_{e2}} - 1){e_2^2} - 0.5{\gamma _\sigma }{{\tilde \sigma ^2}} + {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma + \\& 0.5{\gamma _\sigma }{\sigma ^2} + \frac{{\dot \eta }}{{{\gamma _\eta }}}(\vartheta N(\eta ) - 1) \leqslant - \gamma {V_3} + {d_ {\rm{f}}} + \frac{{\dot \eta }}{{{\gamma _\eta }}}(\vartheta N(\eta ) - 1) \end{split} $$ (37)

      式中:$\gamma= {\rm{min}}\left\{ {2({k_1}-0.5{k_ {\rm{{a1}}}}),\;2({k_{e1}}-1)}\right.$${2}({k_2}-0.5{k_ {\rm{{a2}}}})/{{{{{m}}_{\rm{3}}}}}$$\left.{2({k_{e2}} - 1),{\gamma _\sigma }{\gamma _ {\rm{f}}f},2{k_3}} \right\}$${d_ {\rm{f}}} = {{{m}}_{\rm{3}}}{\rm{\kappa }}\upsilon \sigma + 0.5{\gamma _\sigma }{\sigma ^2}$

      对式(37)积分,可得

      $$\begin{split} 0 \leqslant &{V_3}(t) \leqslant {V_3}(0){ {\rm{e}}^{ - \gamma t}} + \frac{{{d_ {\rm{f}}}}}{\gamma }(1 - { {\rm{e}}^{ - \gamma t}}) + \\[-3pt]&\quad\frac{{{ {\rm{e}}^{ - \gamma t}}}}{{{\gamma _\eta }}}\int_0^t {(\vartheta N} (\eta ) - 1)\dot \eta { {\rm{e}}^{\gamma \tau }} {\rm{d}}\tau \end{split} $$ (38)

      引理2[19]:定义$V( \cdot )$$\chi ( \cdot )$在区间$t \in \left[ {0,\left. {{t_ {\rm{f}}}} \right)} \right.$为连续函数且$V(t) \geqslant 0$,那么对于任意$t \in \left[ {0,\left. {{t_ {\rm{f}}}} \right)} \right.$,不等式$V \leqslant V(0){ {\rm{e}}^{ - bt}} + \dfrac{M}{a}(1 - { {\rm{e}}^{ - bt}}) + \dfrac{{{ {\rm{e}}^{ - bt}}}}{{{r_\chi }}}\int_0^t {(hN} (\chi ) - 1)\dot \chi {{{ {\rm{e}}}}^{b\tau }} {\rm{d}}\tau$成立。其中$N(\chi )$为Nussbaum函数,$a$$b$${r_\chi }$$h$$M$为正常数,且$\int_0^t {(hN} (\chi ) - 1)\dot \chi {{{ {\rm{e}}}}^{b\tau }} {\rm{d}}\tau$$t \in \left[ {0,\left. {{t_ {\rm{f}}}} \right)} \right.$上有界。

      根据引理2,可知${V_3}(t)$$\eta $有界。根据最终一致有界(ultimately uniformly bounded,UUB)稳定性定义,即控制系统的末态收敛于以原点为圆心的小邻域内,由式(38)可得出${V_3}$${{\textit{z}}_i}(i = 1,2,3)$是最终一致有界的,即对于任意$\delta > 0$$t > 0$$\left| {{{\textit{z}}_i}(t)} \right| < \delta $$ (i = 1,2,3)$成立[17]

      因此,$\left| {{e_ {\rm{a}}}} \right| = \left| {\psi - {\psi _ {\rm{{da}}}}} \right| = \left| {\psi - {\psi _ {\rm{d}}} + \beta } \right| = \left| {{{\textit{z}}_1}} \right| < \delta ,t > T$,即航向误差也是最终一致有界且稳定的。

      ${{\textit{z}}_i}(i = 1,2,3)$的有界性可知,控制律$\phi $$\bar \phi $、虚拟控制律${\alpha _{i0}}(i = 1,2)$及其相应的${\alpha _i}$、辅助系统状态量${e_i}(i = 1,2)$$\sigma $的估计误差均有界,结合其他前面所提到的信号也有界,即闭环系统中所有信号均有界。对于控制器参数值,除${k_i}(i = 1,2,3)$外,其他参数也会对控制精度造成影响。例如${k_{ei}}(i = 1,2)$${\gamma _\sigma }$越大,得到的航向误差越小,但同时也会导致控制输入增大。过大的控制输入(艏摇力矩)会加速舵机的磨损。因此,需要选择合适的控制器参数以保持航向控制性能和控制输入之间的协调。控制器整体控制流程如图2所示。

      图  2  控制系统

      Figure 2.  Control system

    • 为了验证所提控制器的有效性,选择垂荡、横摇、纵摇忽略不计,包含艏摇、横荡、纵荡的船舶运动的两自由度水面船舶数学模型为仿真对象。式(7)中的相关参数具体见文献[20],控制输入约束${\tau _{\rm{M}}} = 1.5 \times {10^7}\;\rm{N \cdot m}$。设置船舶速度为$15\;{\rm{m/s}}$,期望航向角分别为${15^ \circ }$$ - {30^ \circ }$${0^ \circ }$${20^ \circ }$$ - {5^ \circ }$

      仿真结果如图3~图6所示。为保证仿真结果的可靠性,分别在3级和5级海况下,根据有、无预滤波器这2种情况,对3种不同控制器进行比较。在无预滤波器(${\psi _ {\rm{{dr}}}} = {\psi _ {\rm{d}}}$)处理情况下,对带漂角修正和输入约束的控制器、仅考虑漂角修正的反步控制器和既不考虑漂角修正也不带输入约束的传统反步控制器进行了仿真分析,图中分别用约束无滤波、漂角无滤波和传统无滤波表示。在基于预滤波器处理的情况下(参考航向角${\psi _ {\rm{{dr}}}}$随预滤波器处理变化),对带漂角修正和输入约束的控制器、仅考虑漂角修正的反步控制器和既不考虑漂角修正也不带输入约束的传统反步控制器进行了仿真分析,图中分别用约束预滤波、漂角预滤波和传统预滤波表示。图中,饱和极限指舵能正常使用时的控制输入极限值。仿真过程中涉及到的不同控制方法的相关参数如表1所示。在不同海况下,相同的初始条件和相关参数值是保持一致的。

      图  3  3级和5级海况下无预滤波器控制器的航向角及航向角误差

      Figure 3.  The heading angles and their errors of the controllers without pre-filter in sea states 3 and 5

      图  4  3级和5级海况下无预滤器控制器的艏摇力矩

      Figure 4.  The yaw torque of the controllers without pre-filter in sea states 3 and 5

      图  5  3级和5级海况下带预滤波器的控制器的航向角及航向误差

      Figure 5.  The heading angles and their errors of the controllers with pre-filter in sea states 3 and 5

      图  6  3级和5级海况下带预滤波器的控制器艏摇力矩

      Figure 6.  The yaw torque of the controllers with pre-filter in sea states 3 and 5

      表 1  不同控制方法的设计参数

      Table 1.  Design parameters of different control methods

      控制方法控制器指令滤波器预滤波器
      ${k_1},{k_2},{k_3}$$\begin{array}{l} {k_ {\rm{ {a1} } } } = {k_ {\rm{ {a2} } } }, \\ {k_{e1} } = {k_{e2} }\end{array}$$c$$\lambda $$\begin{array}{l} {\gamma _1} = {\gamma _2}, \\ {\gamma _ {\rm{f} } },{\gamma _\sigma },{\gamma _\eta } \end{array}$$\begin{array}{c} { {\bar e}_i} \\ (i = 1,2) \\ \end{array}$${\xi _1} = {\xi _2}$${\omega _1},{\omega _2}$${n_1},{n_2},{n_3},{n_4}$
      传统无滤波0.83,1,−
      传统预滤波0.83,1,−1,0.5,5,2.5
      漂角无滤波0.83,1,−
      漂角预滤波0.83,1,−1,0.5,5,2.5
      约束无滤波0.83,1,500.01,1010.10.1,1,1,10−30.011.110,50
      约束预滤波0.83,1,500.01,1010.10.1,1,1,10−30.011.110,501,0.5,5,2.5

      漂角大小对航向角的影响不可忽视,未经预滤波处理的3种不同控制器在3,5级海况下输出的航向角及其相应的航向角误差的仿真结果如图3所示。在不同海况下,无论是航向角还是航向角误差,相同控制器的输出结果差别很小。相比相同海况下的不同控制器,航向突然改变会导致超调量增加,所以3种控制器的输出误差均很大。由图3(b)图3 (d)可见,忽略漂角影响的控制器输出的航向误差不能收敛至0。而与其他控制器相比,带漂角修正和输入约束的控制器则能有效提高船舶航向控制性能,减小航向角误差,并能在较短的时间内明显抑制系统超调量的增加,即对于每次航向改变,带漂角修正和输入约束的控制器均能保证在${\rm{5\sim 8}}$ s内使系统趋于稳定,相比其他2种控制器,其达到稳定的时间缩短了一半甚至是更多,超调量平均减少了90%以上,且处于稳定状态时,其与传统控制器相比航向误差减小了${1^ \circ } \sim {2^ \circ }$

      图4(a)图4 (c)给出了3级和5级海况下未经预滤波处理的3种控制器的艏摇力矩仿真结果。由图可见,当航向发生变化时,未考虑输入饱和控制器的艏摇力矩很大,已远远超出舵能正常使用的极限值,尤其是仅考虑漂角的控制器无论是在3级还是5级海况下时,艏摇力矩不仅大而且变化剧烈。为解决该问题,在设计带漂角修正和输入约束的控制器时,增加了输入约束并进行了相应的处理,使其无论航向是否改变,艏摇力矩都保持在很小的范围内,即平均位于${ - 3 \sim 3} \;\rm{N \cdot m}$范围内,为饱和极限的$2 \times {10^{ - 7}}$倍,且在应对更剧烈的海况时艏摇力矩变化频率将更稳定,如图4(b)图4(d)所示。

      基于预滤波处理的3种不同控制器在3级和5级海况下输出的航向角及其相应的航向角误差仿真结果如图5所示。与图3相同,在不同海况下,相同控制器的输出航向角、航向角误差无明显差别;在相同海况下,带漂角修正和输入约束的控制器仍然是3种控制器中控制性能最好的。与图3(b)相比,在航向变化时能够更加平滑地过渡,且超调量几乎为0,航向误差不超过$ \pm {8^ \circ }$,与无预滤波作用的漂角约束控制器相比航向误差平均减小了约40%,这也是与图3(b)相比差别最大处。

      图6(a)图6 (c)给出了3级和5级海况下经过预滤波处理的3种控制器的艏摇力矩仿真结果。图6内各控制器的比较结果与图4的分析基本相同。但在相同海况下,从其与图4中相同控制器的比较结果来看,发现经过预滤波处理的3种不同控制器在航向改变时艏摇力矩比未处理时的小,即预滤波器也能在一定程度上降低较大舵角的要求。

      上述2种工况下不同控制方法的主要性能参数如表2所示。通过比较表中几种不同的控制方法,可以看出基于预滤波处理的漂角约束控制器更具优越性,不仅响应速度快,到达稳定状态的调节时间更短,无明显超调,而且艏摇力矩一直保持在很小的范围内,即使面对不同的海况,其控制效果依旧表现良好,具有较强的鲁棒自适应能力。

      表 2  不同海况下不同控制方法主要性能参数的对比

      Table 2.  Performance comparison of control methods in different sea states

      控制方法上升时间/s
      (平均值)
      稳定调节时间/s
      (平均值)
      超调量/%
      (平均值)
      稳定航向误差/(°)
      (平均绝对值)
      艏摇力矩最大
      绝对值/(N·m)
      3级5级3级5级3级5级3级5级3级5级
      传统无滤波2.12.2171835351.61.79.6×1079.8×107
      传统预滤波5.73.9172046250.81.13.2×1072.9×107
      漂角无滤波2.12.311112223003.9×10113.9×1011
      漂角预滤波3.45.114132530003.7×1093.7×109
      约束无滤波0.80.96.16.52020006.86.7
      约束预滤波1.41.54.24.92.63.1004.64
    • 本文针对水面船舶航向运动中出现的非零漂角和输入饱和问题,结合反步控制算法提出了一种鲁棒自适应航向控制器,可有效减小非零漂角对航向的影响,采用预滤波方法使船舶航向改变时能够平滑过渡,双曲正切函数和指令滤波器的引入有效解决了控制器设计过程中反步法的应用难题。所提出的控制器可以实现用较小的控制输入准确跟踪期望航向的目标,有效改善了水面船舶的航向控制性能。

      然而,需要指出的是,本文在建模时简化了模型,没有过多考虑船舶非线性动态和参数不确定情况,同时控制精度也有待提高,航向误差的超调量还可进一步减小,今后将从这几个方面开展研究。

参考文献 (20)

目录

    /

    返回文章
    返回