Volume 16 Issue 1
Feb.  2021
Turn off MathJax
Article Contents

YANG Z K, ZHONG W B, FENG Y B, et al. Unmanned surface vehicle track control based on improved LOS and ADRC[J]. Chinese Journal of Ship Research, 2021, 16(1): 121–127, 135 doi:  10.19693/j.issn.1673-3185.01842
Citation: YANG Z K, ZHONG W B, FENG Y B, et al. Unmanned surface vehicle track control based on improved LOS and ADRC[J]. Chinese Journal of Ship Research, 2021, 16(1): 121–127, 135 doi:  10.19693/j.issn.1673-3185.01842

Unmanned surface vehicle track control based on improved LOS and ADRC

doi: 10.19693/j.issn.1673-3185.01842
  • Received Date: 2019-12-03
  • Rev Recd Date: 2020-02-05
  • Available Online: 2021-01-28
  • Publish Date: 2021-02-07
  •   Objectives  Under complex environmental conditions, unmanned surface vehicles (USVs) may deviate from the target course. In order to improve the anti-jamming ability and actual navigation stability, and achieve accurate track control, an improved USV track control method is proposed.  Methods  According to the influence on navigation signals caused by the environment, track control is analyzed in two cases of GPS signal: effective and invalid. A track control method based on a fuzzy control variable ship length ratio line-of-sight (LOS) algorithm and active disturbance rejection control (ADRC) algorithm is then realized on an autonomous controllable platform, and a lake test is carried out using a USV with dual propellers and dual rudders.  Results  The simulation results show that this method can meet the requirements of track control, and the heading can be stabilized quickly without frequent rudder swinging after turning. The proposed method can complete track control in real environments with an average track error of about 0.1 m and variance of about 0.03.  Conclusions  The lake test results verify the feasibility and effectiveness of the proposed algorithm in practical engineering applications.
  • [1] 柳晨光, 初秀民, 吴青, 等. USV发展现状及展望[J]. 中国造船, 2014, 55(4): 194–205. doi:  10.3969/j.issn.1000-4882.2014.04.024

    LIU C G, CHU X M, WU Q, et al. A review and prospect of USV research[J]. Shipbuilding of China, 2014, 55(4): 194–205 (in Chinese). doi:  10.3969/j.issn.1000-4882.2014.04.024
    [2] 廖煜雷, 张铭钧, 董早鹏, 等. 无人艇运动控制方法的回顾与展望[J]. 中国造船, 2014, 55(4): 206–216. doi:  10.3969/j.issn.1000-4882.2014.04.025

    LIAO Y L, ZHANG M J, DONG Z P, et al. Methods of motion control for unmanned surface vehicle: state of the art and perspective[J]. Shipbuilding of China, 2014, 55(4): 206–216 (in Chinese). doi:  10.3969/j.issn.1000-4882.2014.04.025
    [3] 王常顺, 肖海荣. 基于自抗扰控制的水面无人艇路径跟踪控制器[J]. 山东大学学报(工学版), 2016, 46(4): 54–59, 75. doi:  10.6040/j.issn.1672-3961.0.2016.010

    WANG C S, XIAO H R. Path following controller for unmanned surface vessels based on ADRC[J]. Journal of Shandong University (Engineering Science), 2016, 46(4): 54–59, 75 (in Chinese). doi:  10.6040/j.issn.1672-3961.0.2016.010
    [4] BORHAUG E, PAVLOV A, PETTERSEN K Y. Integral LOS control for path following of underactuated marine surface vessels in the presence of constant ocean currents[C]//Proceedings of the 2008 47th IEEE Conference on Decision and Control. Cancun: IEEE, 2008: 4984−4991.
    [5] 余亚磊, 苏荣彬, 冯旭, 等. 基于速变LOS的无人船反步自适应路径跟踪控制[J]. 中国舰船研究, 2019, 14(3): 163–171. doi:  10.19693/j.issn.1673-3185.01377

    YU Y L, SU R B, FENG X, et al. Tracking control of backstepping adaptive path of unmanned surface vessels based on surge-varying LOS[J]. Chinese Journal of Ship Research, 2019, 14(3): 163–171 (in Chinese). doi:  10.19693/j.issn.1673-3185.01377
    [6] 仲伟波, 卢章成, 冯友兵, 等. 双桨驱动水面无人艇航行控制研究与实现[J]. 中国造船, 2019, 60(3): 194–202. doi:  10.3969/j.issn.1000-4882.2019.03.020

    ZHONG W B, LU Z C, FENG Y B, et al. Design and implementation of motion control system for unmanned surface vessel with two propellers[J]. Shipbuilding of China, 2019, 60(3): 194–202 (in Chinese). doi:  10.3969/j.issn.1000-4882.2019.03.020
    [7] 董早鹏, 刘涛, 万磊, 等. 基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制[J]. 仪器仪表学报, 2015, 36(4): 863–870.

    DONG Z P, LIU T, WAN L, et al. Straight-path tracking control of underactuated USV based on Takagi-Sugeno fuzzy neural network[J]. Chinese Journal of Scientific Instrument, 2015, 36(4): 863–870 (in Chinese).
    [8] 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
    [9] 仲伟波, 罗炀, 卢道华, 等. 无人艇通讯导航控制系统设计与实现[J]. 中国造船, 2018, 59(1): 207–215. doi:  10.3969/j.issn.1000-4882.2018.01.020

    ZHONG W B, LUO Y, LU D H, et al. Design and implementation of communication navigation and control system for unmanned surface vehicle[J]. Shipbuilding of China, 2018, 59(1): 207–215 (in Chinese). doi:  10.3969/j.issn.1000-4882.2018.01.020
    [10] 田勇, 王丹, 彭周华, 等. 无人水面艇直线航迹跟踪控制器的设计与验证[J]. 大连海事大学学报, 2015, 41(4): 14–18.

    TIAN Y, WANG D, PENG Z H, et al. Design and validation of path tracking controller for USV along straight-lines[J]. Journal of Dalian Maritime University, 2015, 41(4): 14–18 (in Chinese).
    [11] 陈霄, 刘忠, 罗亚松, 等. 海洋环境下欠驱动无人艇航迹跟踪控制算法[J]. 哈尔滨工业大学学报, 2018, 50(10): 110–117. doi:  10.11918/j.issn.0367-6234.201709067

    CHEN X, LIU Z, LUO Y S, et al. Path tracking control algorithm for the underactuated USV in the marine environment[J]. Journal of Harbin Institute of Technology, 2018, 50(10): 110–117 (in Chinese). doi:  10.11918/j.issn.0367-6234.201709067
    [12] 祝镜, 王建华, 赵梦铠, 等. 关于无人水面艇路径跟踪优化控制仿真[J]. 计算机仿真, 2016, 33(6): 362–367. doi:  10.3969/j.issn.1006-9348.2016.06.081

    ZHU J, WANG J H, ZHAO M K, et al. Simulation of path following optimization control of unmanned surface vehicle[J]. Computer Simulation, 2016, 33(6): 362–367 (in Chinese). doi:  10.3969/j.issn.1006-9348.2016.06.081
    [13] 范云生, 郭晨, 赵永生, 等. 时变漂角下USV直线路径跟踪控制器设计与验证[J]. 仪器仪表学报, 2016, 37(11): 2514–2520. doi:  10.3969/j.issn.0254-3087.2016.11.014

    FAN Y S, GUO C, ZHAO Y S, et al. Design and verification of straight line path following controller for USV with time-varying drift angle[J]. Chinese Journal of Scientific Instrument, 2016, 37(11): 2514–2520 (in Chinese). doi:  10.3969/j.issn.0254-3087.2016.11.014
    [14] FOSSEN T I, PETTERSEN K Y, GALEAZZI R. Line-of-sight path following for dubins paths with adaptive sideslip compensation of drift forces[J]. IEEE Transactions on Control Systems Technology, 2015, 23(2): 820–827. doi:  10.1109/TCST.2014.2338354
    [15] 林政, 吕霞付. 基于改进模糊算法的水面无人艇自主避障[J]. 计算机应用, 2019, 39(9): 2523–2528. doi:  10.11772/j.issn.1001-9081.2019020317

    LIN Z, LYU X F. Autonomous obstacle avoidance of unmanned surface vessel based on improved fuzzy algorithm[J]. Journal of Computer Applications, 2019, 39(9): 2523–2528 (in Chinese). doi:  10.11772/j.issn.1001-9081.2019020317
    [16] 韩京清. 自抗扰控制技术[J]. 前沿科学, 2007(1): 24–31. doi:  10.3969/j.issn.1673-8128.2007.01.004

    HAN J Q. Auto disturbances rejection control technique[J]. Frontier Science, 2007(1): 24–31 (in Chinese). doi:  10.3969/j.issn.1673-8128.2007.01.004
    [17] 贾欣乐, 杨盐生. 船舶运动数学模型: 机理建模与辨识建模[M]. 大连: 大连海事大学出版社, 1999.

    JIA X L, YANG Y S. Mathematical model of ship motion: mechanism modeling and identification modeling[M]. Dalian: Dalian Maritime University Press, 1999 (in Chinese).
  • 加载中
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

Figures(12)  / Tables(1)

Article Metrics

Article views(26) PDF downloads(18) Cited by()

Proportional views
Related

Unmanned surface vehicle track control based on improved LOS and ADRC

doi: 10.19693/j.issn.1673-3185.01842

Abstract:   Objectives  Under complex environmental conditions, unmanned surface vehicles (USVs) may deviate from the target course. In order to improve the anti-jamming ability and actual navigation stability, and achieve accurate track control, an improved USV track control method is proposed.  Methods  According to the influence on navigation signals caused by the environment, track control is analyzed in two cases of GPS signal: effective and invalid. A track control method based on a fuzzy control variable ship length ratio line-of-sight (LOS) algorithm and active disturbance rejection control (ADRC) algorithm is then realized on an autonomous controllable platform, and a lake test is carried out using a USV with dual propellers and dual rudders.  Results  The simulation results show that this method can meet the requirements of track control, and the heading can be stabilized quickly without frequent rudder swinging after turning. The proposed method can complete track control in real environments with an average track error of about 0.1 m and variance of about 0.03.  Conclusions  The lake test results verify the feasibility and effectiveness of the proposed algorithm in practical engineering applications.

YANG Z K, ZHONG W B, FENG Y B, et al. Unmanned surface vehicle track control based on improved LOS and ADRC[J]. Chinese Journal of Ship Research, 2021, 16(1): 121–127, 135 doi:  10.19693/j.issn.1673-3185.01842
Citation: YANG Z K, ZHONG W B, FENG Y B, et al. Unmanned surface vehicle track control based on improved LOS and ADRC[J]. Chinese Journal of Ship Research, 2021, 16(1): 121–127, 135 doi:  10.19693/j.issn.1673-3185.01842
    • 无人艇(USV)是一种能够自主航行并完成任务的水面舰艇,在军事作战、维护海域安全、海洋资源勘测、环境监测等领域具有广泛的应用前景[1]。无人艇的运动控制主要包括航速与航向控制、航迹控制、智能规划、避障与导航、编队协同等,其中航迹控制是无人艇能够自主完成任务的前提,也是无人艇智能控制的核心之一[2-3]

      无人艇航迹控制的主要方法有视线导引(line-of-sight, LOS)算法[4]、反步滑模技术[5]、串级PID[6]、神经网络控制[7]、鲁棒自适应控制[8]、模糊控制[9]等。田勇等[10]利用LOS及抗饱和PID算法设计并实现了直线航迹跟踪,解决了航向超调和振荡问题,但外界扰动对航向精度和稳定性具有较大影响。陈霄等[11]利用改进的LOS算法与自适应滑模航向控制算法结合,引入自适应观测器对漂角进行实时估计和补偿,取得了较好的航迹跟踪效果,但在实艇验证的期望航迹拐点处,无人艇航迹跟踪误差较大。祝镜等[12]基于LOS算法对增量式PID、模糊PID以及可变船长比模糊PD这3种控制算法进行仿真分析,结果表明可变船长比模糊PD控制更具抗干扰优势。范云生等[13]设计了一种LOS与模糊自适应PID结合的航迹控制算法并进行实艇试验,结果表明该算法降低了时变漂角对航迹控制的影响,但在路径拐点处会出现一定的转向超调及较大的位置偏差。Fossen等[14]将非线性积分自适应LOS算法与PID航向控制器结合,结果表明该航迹控制方法适用于水面无人艇航迹控制,但在路径曲率改变时,需要较长的时间跟随期望路径。

      国内外学者对无人艇航迹控制理论、模型和实现方法等进行了研究,但无人艇实际工作环境复杂多变。鉴于此,本文将根据无人艇实际航行时会受到的导航信号及环境的影响,对无人艇航迹控制进行研究。采用基于模糊控制可变船长比的LOS算法与自抗扰航向控制器(ADRC)结合的航迹控制方法,首先进行三角形航迹仿真验证,验证算法的可行性。随后进行湖上试验,验证无人艇航迹控制的效果。

    • 无人艇在实际航行时,存在风、浪、流、遮挡等环境干扰,会出现偏离目标航线的情况。针对这些问题,需对无人艇航迹控制进行细分研究。本文将无人艇航迹控制分为GPS信号有效和无效2种情况,分别介绍航迹控制方法。

    • LOS算法在水面船舶航迹控制中应用广泛,其实质是控制船舶实际航向对准目标航向的LOS角,如图1所示。图中,Pk−1点为航迹起点,Pk点为设定目标点,O点为无人艇实时位置,设O点经纬度为($ {O}_{\rm{j}} $$ {O}_{\rm{w}} $),Pk−1点经纬度为($ {P}_{(k-1){\rm{j}}} $$ {P}_{(k-1){\rm{w}}} $),Pk点经纬度为($ {P}_{k{\rm{j}}} $$ {P}_{k{\rm{w}}} $),PLOS点经纬度为($ {P}_{\rm{j}} $$ {P}_{\rm{w}} $)。以无人艇O点为圆心,以可调参数R为可视半径得到一扇形区域。假设船长为L,船长比为n,则R=nL[12],Δ$ h $为航迹偏差。图1中扇形区域交直线Pk−1Pk于点PLOSO点与实时目标点PLOS的连线方向为相对于真北方向的实时目标航向$ {\varPsi }_{\rm{r}} $。无人艇实际航向$ \varPsi $由GNSS设备获取,$ {\varPsi }_{\rm{r}} $$ \varPsi $的差为消除航迹偏差的角度Δ$ \varPsi $。当无人艇驶入Pk点圆域内时,则切换新的目标点,以此类推,最终完成无人艇的航迹控制。

      Figure 1.  Schematic diagram of LOS track control for USV

      PLOS点坐标可由式(1)求得:

      $$\left\{ \begin{split} & {({P_{\rm{j}}} - {O_{\rm{j}}})^2} + {({P_{\rm{w}}} - {O_{\rm{w}}})^2} = {R^2} \\& \frac{{{P_{\rm{w}}} - {P_{({k} - 1){\rm{w}}}}}}{{{P_{\rm{j}}} - {P_{({k} - 1){\rm{j}}}}}} = \frac{{{P_{k{\rm{w}}}} - {P_{({k} - 1){\rm{w}}}}}}{{{P_{k{\rm{j}}}} - {P_{({k} - 1){\rm{j}}}}}} \end{split}\right.$$ (1)

      根据O点和PLOS点的经纬度可求得目标航向:

      $${\psi _{\rm{r}}} = \arctan \left( {\frac{{({P_{\rm{j}}} - {O_{\rm{j}}}) \times \cos ({O_{\rm{w}}})}}{{{P_{\rm{w}}} - {O_{\rm{w}}}}}} \right)$$ (2)
    • 无人艇实际航行时存在过桥洞、船闸等GPS信号无效的情况,为保证航迹,本文采用惯性导航融合处理方法。如图2所示,以无人艇过桥洞为例,假设无人艇在O点时GPS信号无效,此时系统需记录最后一次GPS信号有效时的航速v,惯性导航设备的无人艇艏向${\psi }_{X}$、当前无人艇位置O到目标点Pk+1的距离d。为到达Pk+1点,无人艇以目标航向${\psi }_{\rm{r}}={\psi }_{X}$、速度v、持续t=d/v时间。如果GPS信号持续t时间后仍无效,则此时无人艇目标航向${\psi }_{{\rm{r}}+1}$为惯性导航设备提供的无人艇艏向${\psi }_{X}$加上下一点的航向偏差$ \Delta \theta $$ \Delta \theta $由式(4)确定:

      Figure 2.  Schematic of covered track control for USV

      $${\psi _{{\rm{r}} + 1}} = {\psi _X} + \Delta \theta $$ (3)
      $$\Delta \theta = {\psi _{k + 2}} - {\psi _{k + 1}}$$ (4)
      $${\psi _{k + 1}} = \arctan \left( {\frac{{({P_{(k + 1){\rm{j}}}} - {P_{k{\rm{j}}}}) \times \cos ({P_k}_{\rm{w}})}}{{P_{(k + 1)\rm{w}} - {P_k}_{\rm{w}}}}} \right)$$ (5)
      $${\psi _{k + 2}} = \arctan \left( {\frac{({P_{(k + 2){\rm{j}}}} - {P_{(k + 1){\rm{j}}}}) \times \cos ({P_{(k + 1)\rm{w}})}}{{P_{(k + 2){\rm{w}}} - {P_{(k + 1)\rm{w}}}}}} \right)$$ (6)

      式中,${\psi }_{k+1}$${\psi }_{k+2}$分别为Pk+1点相对于$ {P}_{k} $点的目标航向和Pk+2点相对于Pk+1点的目标航向,由式(5)和式(6)求得。依此类推,实现无人艇在GPS信号无效情况下的航迹控制。

    • 对于相同的目标航迹,采用不同的可视半径R具有不同的航迹控制效果,为了能够在不同的环境影响下得到最合适的船长比n,采用模糊控制方法,实时调节n,航向控制采用自抗扰控制器;传统的PID控制算法参数固定,很难选取合适的控制参数,自抗扰算法具有过渡过程,可实时给予补偿,并可对状态误差进行非线性组合。航迹控制系统结构图如图3所示,图中,δr为控制舵机的输入量,δ为作用在无人艇模型上的控制量。

      Figure 3.  System diagram of track control

    • 图3中模糊控制器的输入为实时位置距目标航线的航迹偏差$ \Delta $h和航迹偏差变化率dh,输出为可变船长比n。该系统可根据无人艇环境变化产生的$\Delta h $和dh实时调节n,从而改变LOS航迹算法中的R,得出最佳目标航向${\psi }_{\rm{r}}$

    • 模糊控制器从无人艇实际情况与航迹控制精度方面考虑,设计的模糊变量的量化论域为航迹偏差E:[0,4],航迹偏差变化率EC:[−2,2],可变船长比N:[1,4],若超过范围则赋边界值,其中航迹偏差距离始终为正值,可变船长比N为非零值。每个变量对应的模糊子集分别为:$ \widetilde {E} $={ZOPVSPSPMPB},$ \widetilde {EC} $={NB,NSZOPSPB},$ \widetilde {N} $={PVSPSPMPB}。模糊子集隶属函数选用正态型高斯函数。根据航迹控制经验,得到表1所示模糊规则表。

      ECE
      ZOPVSPSPMPB
      NB PS PS PS PVS PVS
      NS PM PM PS PVS PVS
      ZO PB PB PS PVS PVS
      PS PM PM PS PVS PVS
      PB PS PS PS PVS PVS

      Table 1.  Fuzzy control table of ship length ratio

      可变船长比n的作用为:选用较小的n时,当受到风浪流影响,无人艇能够更快地到达目标航线,但容易产生超调;选用较大的n时,无人艇能够平稳地保持目标航向,但受到风浪流干扰,不能快速贴近目标航线。本文模糊规则表的主要思路为:当$ \Delta h$较大时,无人艇偏离目标航线较为严重,应采用较小的n,尽快地将无人艇的位置调节到目标航线附近;当$ \Delta h $较小、dh较大时,说明此时正在受到环境影响,应采用较小的n;当$ \Delta h $较小、dh较小时,说明此时航行比较稳定,应采用较大的n。无人艇实际航行过程中通过$ \Delta h $和dh实时调节可n,可快速适应环境变化。

    • 模糊控制器的输出为精确的数值,因此需要进行解模糊运算,解模糊有很多种求法,常见的有加权平均法、中值法、面积重心法等[15],本文选用面积重心法,具体公式为

      $$u{\rm{ = }}\frac{{\displaystyle\sum\limits_{{k} = 1}^m {{u_k}{u_v}({u_k})} }}{{\displaystyle\sum\limits_{{{k}} = 1}^m {{u_v}({u_k})} }}$$ (7)

      式中:k为变量;m为模糊集元素个数;$ {u}_{k} $为模糊子集元素值;$ {u}_{v}\left({u}_{k}\right) $为模糊子集对应元素的隶属度值;∑为输出模糊子集中各元素的隶属度值的求和;u为输出的精确数值。

    • 自抗扰控制器由3个部分组成:跟踪微分器、扩张状态观测器和非线性状态误差反馈控制律。跟踪微分器安排过渡过程并提取微分信号,解决由于航向突变导致的超调问题;扩张状态观测器不仅对航向值进行观测,还可实现对不确定扰动的估计;非线性状态误差反馈控制律根据过渡过程与状态估计之间误差的非线性组合和扰动估计量的补偿来生成控制信号[3],自抗扰结构如图4所示。图中,V0(k)为目标航向,V1(k)为V0(k)的过渡过程,V2(k)为过渡过程的微分,e1(k)和e2(k)为过渡过程信号与观测信号的误差函数,U0(k)为中间控制量,U(k)为输入舵角值,Y(k)为实际航向,Z1(k)~Z3(k)为系统状态的观测量,b0为增益参数。

      Figure 4.  Structure diagram of ADRC

      实验中采用的跟踪微分器离散表达式及扩张状态观测器表达式与文献[16]中的表达式相同,非线性状态误差反馈控制律采用非线性状态误差的PD控制律,如式(8)所示。式(8)中非线性函数$fal$与文献[16]中的相同,${k_p}$${k_d}$${\delta _0}$${b_0}$为可调参数。

      $$\left\{ \begin{aligned} & {e_1}(k) = {V_1}(k) - {Z_1}\left( k \right) \\& {e_2} = {V_2}\left( k \right) - {Z_2}\left( k \right) \\& {U_0}\left( k \right) = {k_p} * fal({e_1},0.65,{\delta _0}) + {k_d} * fal({e_2},1.5,{\delta _0}) \\& U\left( k \right) = {U_0}\left( k \right) - \frac{{{Z_3}\left( k \right)}}{{{b_0}}} \end{aligned}\right.$$ (8)
    • 采用国产芯片龙芯1C和国产嵌入式实时操作系统RT-Thread作为无人艇控制的自主可控平台,研制的数据采集控制板卡接口丰富,电源、传感器、电机舵机控制信号、通信模块等均接入到数据采集控制板卡,由数据采集控制板卡解析出时间、速度、方位角、GPS状态、经纬度、姿态角和障碍物距离等。为完成航迹控制任务,采用RT-Thread国产嵌入式实时操作系统多线程设计。主要分为传感器数据接收处理线程、航迹算法线程、航向控制线程、电机舵机控制线程和上位机数据交互线程,航迹流程图如图5所示。系统首先接收各传感器发送的数据,解析并提取有效数据,根据GPS状态选择航迹控制方法,并将计算得到的脉冲宽度调制(PWM)值传给舵机,舵机接收到信号后执行命令。

      Figure 5.  Software block diagram of track control

    • 根据设计的航迹控制算法使用Simulink工具搭建航迹仿真环境,Simulink航迹仿真框图如图6所示。仿真框图主要分为3个部分:航迹控制环、航向控制环和更新航迹环。

      Figure 6.  System diagram of track control using Simulink

      航迹控制环采用基于模糊控制可变船长比的LOS算法,输入为当前位置、目标点位置和根据模糊控制可变船长比算法求得的可视半径,输出为目标航向。航向控制环采用自抗扰控制器,航向控制环中仿真的无人艇数学运动模型采用Nomoto模型[17],表达式如式(9)所示;舵机模型采用一阶惯性模型,表达式如式(10)所示;无人艇航行中受到风浪对航行的干扰可等效到舵角干扰,通过加入白噪声来模拟风浪流的干扰,表达式如式(11)所示。更新航迹环可根据无人艇当前位置、速度和实际航向角求得下一点位置。仿真算法中无人艇位置均采用经纬度坐标表示。

      $${G_1}(S) = \frac{{{k_1}}}{{({T_1}S + 1)S}}$$ (9)
      $${G_2}(S) = \frac{1}{{{T_2}S + 1}}$$ (10)
      $$y(s) = h(s) * \omega (s) = \frac{{{k_\omega }s}}{{{s^2} + 2\xi {\omega _0}s + {\omega _0}^2}} * \omega (s)$$ (11)

      式中:${G_1}(S) $为Nomoto模型的传递函数;${G_2}(S) $为舵机模型的传递函数;$y(s) $为风浪干扰等效的舵角;$ h\left(s\right) $为二阶风浪模型传递函数;$ \omega \left(s\right) $为干扰模型的输入,是均值为0、功率谱密度为0.1的高斯白噪声;k1为操纵性指数;${k}_{\omega }=2\xi {\omega }_{0}\sigma$,其中$ \xi$为阻尼系数,$ {\omega }_{0} $为风浪频率,$ \sigma $为风浪强度。

    • 仿真航迹为三角形,仿真时式(8)中的仿真参数为:kp=0.9,kd=1.2,${\delta _0}$=0.02,${b_0}$=0.3,式(11)中的参数为:$\xi {\rm{ = }}0.1$$ {\omega }_{0}=0.3 $$ \sigma =0.2 $,速度设为定值2 m/s。仿真时3个目标点的经纬度为:A(119.460 934 101 7°, 32.198 867 838 3°),B(119.461 125 181 7°, 32.198 695 635 0°),C(119.460 876 234 6°, 32.198 674 479 7°)。以A点为起点,以正北方向为初始航向,以A点到B点再到C点的方向进行航迹仿真,无人艇航迹仿真图如图7所示。

      Figure 7.  Diagram of track

      图7可知,无人艇能够沿着设定的航迹行驶且转弯处过渡自然。转弯角度为钝角更能证明算法的快速适应性,从图中可看出,无人艇在到达目标点附近时进行大幅度转弯,此时航迹偏差与航迹偏差变化率较大,模糊控制器便会根据模糊规则输出合适的船长比,得出可更快到达期望航线的目标航向值,使得实际航线快速贴近目标航线,且无较大超调。

      图8为无人艇航向与舵角仿真图。无人艇以正北方向为初始航向,在5 s内达到目标航向,并在有环境干扰的情况下保持航向稳定且航向曲线平滑,转弯后能够快速达到目标航向且基本无超调现象。无人艇实际航向为0°~360°,在90 s的时刻无人艇目标航向由264°变为16°时,无人艇先从264°增加到360°之后再从0°增加到16°,满足无人艇实际航行的要求。图8中舵角值0°表示初始时的中间位置,大于0°表示向右打舵,小于0°表示向左打舵。无人艇在切换目标点时,会先打出比较大的舵角,当达到目标航向时,无人艇舵角逐渐趋于0°,这也证明了本文自抗扰航向控制器的有效性。

      Figure 8.  Simulation result of headings and rudder angle of USV

    • 试验无人艇为双桨双舵,艇长1.4 m,艇宽0.35 m,外接高精度差分GPS设备的定位精度可达10 cm,组合惯性导航经滤波融合算法后输出航向角度误差达0.5°。采用2组定制锂电池,每组电池容量为13 600 mA时,最大负载电流80 A。试验地点为山东日照万平口泻湖,试验天气条件为:气温18 ℃,东北风4级,路径全程5 km,要求通过4个桥洞,最窄桥洞宽度为3 m左右。试验无人艇如图9所示。在自主航行过程中实时上传无人艇内数据、视频等信息,并在用户界面进行显示,如图10所示。

      Figure 9.  Tested USV

      Figure 10.  User interface

      无人艇航行过程中GPS位置数据都有记录,以经度为横坐标,纬度为纵坐标,将无人艇实际航行5 km的目标航线和实际航线进行对比,试验中目标航路点有92个,实际GPS点有5 000个。途中穿过4个桥洞,如图11所示。

      Figure 11.  Track tracing results

      图11可知,无人艇能够根据设定的目标航线完成自主航行任务,并在无GPS信号的情况下穿过桥洞。为验证航迹保持精度,对5 km的航迹点的航迹偏差进行计算,结果如图12所示,航迹误差均值约为0.1 m,方差约为0.03,最大航迹偏差在1.5 m左右,是由于此时正在切换航迹点,但无人艇能根据基于模糊控制可变船长比的LOS算法和自抗扰控制器较快地将航迹偏差降到1 m以内。文献[13]“海鲟03号”无人艇在青岛至连云港之间航行时最大误差在20 m左右。由此可见,本文给出的基于自主可控平台的水面无人艇航迹控制算法控制精度高,可根据环境情况实时调整,能够满足无人艇实际航行的要求。

      Figure 12.  Track error of USV

    • 考虑无人艇航行时受环境的干扰,针对真实环境下无人艇航迹控制问题,设计并实现了基于模糊控制可变船长比的LOS算法与ADRC相结合的航迹控制方法,进行三角形航迹仿真实验。仿真结果表明,本文算法能够实现期望路径的航迹控制,经过大幅度转弯过后航迹能够很快恢复到期望航迹,航向稳定且无较大超调,验证了本文算法的稳定性和可靠性。

      基于自主可控平台实现了本文给出的控制策略和算法,利用双桨双舵无人艇进行实航验证。试验结果表明,本文策略和方法能够很好地完成真实环境下无人艇的航迹控制,试验航迹误差均值约为0.1 m,方差约为0.03。

Reference (17)

Catalog

    /

    DownLoad:  Full-Size Img  PowerPoint
    Return
    Return