劉 洋 孫顯鵬 徐 超 孫玉祥 孫玉臣,3 丁思芃
(1.海軍工程大學教務處 武漢 430033)(2.92330部隊 青島 266000)(3.海軍工程大學兵器工程學院 武漢 430033)(4.海軍工程大學電子工程學院 武漢 430033)
無人水下航行器(Unmanned Underwater Vehicles,UUV)具備成本低、體積小、重量輕、靈活性強、可靠度高等多方面優(yōu)勢,近年來在軍事等海洋領域所受到的重視逐步提高[1],并在軍事反潛、反水雷、海域偵查、封鎖與反封鎖等方面發(fā)揮越來越大的作用。目前世界各國入列使用的UUV 已達幾千艘,相對潛艇等有人控制的航行器,UUV 的控制系統(tǒng)顯著不同。由于海洋環(huán)境復雜多變,UUV 運動過程中受海浪、海流及海底地形等因素干擾,導致水動力參數(shù)及相關非線性阻尼參數(shù)的不確定,結合UUV 水下空間運動模型非線性、強耦合且參數(shù)可變的五自由度不確定等特點,UUV 難度較高的控制系統(tǒng)設計對控制精度、性能穩(wěn)定及魯棒性等都提出了很高要求[2~3]。
為提高“Ocean Explorer”無人水下航行器分別在水平與垂直方向的控制精度與魯棒性,Song Feijun 等[4]基于滑??刂疲⊿liding Mode Control,SMC)和模糊控制(Fuzzy Control,F(xiàn)C)設計了滑模模糊縱傾控制器和航向控制器。實艇試驗結果表明,該控制算法抗干擾能力強,大大縮短了連續(xù)控制時間。
Campa Giampiero 等[5]針對UUV 航跡跟蹤控制品質(zhì)受模型線性化、水動力參數(shù)攝動等因素影響,提出了基于神經(jīng)網(wǎng)絡的在線運動線性控制器,試驗驗證了該算法的有效性。
C.Silvestre 等[6]基于非線性變增益控制,對UUV 運動控制品質(zhì)受無法直接測量的運動狀態(tài)影響的問題,提出了一種簡化算法,該算法結合線性矩陣不等式(LMI)理論,由一系列降階次的控制器組成。海試試驗結果表明,利用非線性變增益控制方法設計的線性輸出反饋控制器簇可在航行器“INFANTE”狀態(tài)變量不可全部測量的情形下滿足深度控制要求,并控制效果良好。C.Silvestre 等又將該算法應用于水平面控制系統(tǒng),試驗驗證了其有效性,且參數(shù)調(diào)節(jié)簡單[7],適合實際應用。
Ji-Hong Li等[8]假設UUV的縱傾始終處于局部較小的條件下,基于非線性控制和自適應控制理論提出了一種深度控制算法。理想假設條件下該算法能夠使UUV 在快速過渡過程中保持高精度控制,但理想假設條件較難滿足,原因是UUV 在實際工作過程中,不同航速工作點下潛時會受到不同外界環(huán)境影響,且影響程度較大。該非線性自適應控制算法經(jīng)修正后,可以實現(xiàn)該算法超出假設范圍后的深度控制,抑制模型誤差引起的干擾。
針對細長形欠驅動UUV 的路徑跟蹤控制問題,Woolsey 等[9]基于李雅普諾夫穩(wěn)定性理論研究了獨立執(zhí)行機構數(shù)量少于運動自由度情形下的欠驅動系統(tǒng)穩(wěn)定性問題,并在粘性力和粘性力矩取最小范圍約束時利用李雅普諾夫直接法推導了一種新型控制算法,試驗驗證了該算法有效。
T.I.Fossen[10]將UUV 空間路徑跟蹤控制分為三類:點跟蹤、路徑跟隨及軌跡跟蹤,并利用牛頓-歐拉方程描述UUV 動力學模型,對該6-DOF 微分方程進行詳細分解,對欠驅動無人水下航行器的運動控制方法進行了深入探討,基于李雅普諾夫穩(wěn)定性理論及其他非線性控制方法設計了路徑跟蹤控制器。三類跟蹤模式的控制效果表明根據(jù)不同任務需求制定設計方案可提高控制器設計效率,并能夠滿足控制要求。
Lionel Lapierre 等[11]結合李雅普諾夫函數(shù)修正了滑??刂破鲄?shù),并提出了魯棒非線性滑模控制策略,提高了誤差收斂速度,使UUV 在外界干擾環(huán)境下按照預期航跡進行定速航行。
Ken Teo 等[12]針對UUV 入塢控制問題,設計了TSK 模糊推理系統(tǒng),并在模糊控制基礎上加入補償控制器,仿真結果證明了,該方法可使UUV 在海流干擾作用下按期望速度定速入塢。
Erkan K 等[13]為優(yōu)化傳統(tǒng)PID 控制算法,引入了模糊神經(jīng)網(wǎng)絡進行補償控制,并將模糊神經(jīng)網(wǎng)絡在線學習與滑??刂评碚撓嘟Y合,獲得了更佳的UUV航跡跟蹤效果。
針對典型MIMO 非線性系統(tǒng)的軌跡跟蹤問題,Bing Chen 等[14]將模糊控制理論應用于反步控制算法中,結合李雅普諾夫函數(shù)提出參數(shù)自適應率,使閉環(huán)系統(tǒng)跟蹤誤差全局收斂。
Yuntao Han 等[15]提出了基于反步控制算法的動態(tài)逆控制策略,內(nèi)環(huán)回路通過動態(tài)逆控制實現(xiàn)對UUV 非線性方程的解耦,外環(huán)回路利用反步控制算法提出控制率以保證系統(tǒng)的全局穩(wěn)定性,仿真結果表明了控制策略的可行性。
Guoqing Xia 等[16]采用了基于自適應神經(jīng)網(wǎng)絡的觀測系統(tǒng)以實現(xiàn)對UUV 運行過程中所受的海流干擾及模型中水動力參數(shù)的攝動觀測,并結合李雅普諾夫理論提出網(wǎng)絡權重自適應率,仿真結果驗證了算法可行。
Li Ye 等[17]將UUV 水下空間運動問題解耦,采用PID 控制策略對UUV 的水平方向運動和縱深方向運動進行獨立控制,通過模糊自適應策略對PID增益參數(shù)進行實時修正,并引入補償控制器以提高UUV六自由度的運動控制精度。
Li Juan 等[18]基于Serret-Frenet 坐標系建立了UUV 三維路徑跟蹤誤差模型,將誤差模型分解為三個子系統(tǒng)并逐級設計虛擬控制率,仿真結果表明在外界擾動下跟蹤誤差收斂迅速,控制效果理想。
劉學敏等[19]針對FC、神經(jīng)網(wǎng)絡控制算法設計參數(shù)調(diào)節(jié)困難的問題,結合FC 和PID 控制的特點推導出一種適用于UUV 定點控制和路徑跟蹤控制的非線性控制器。大量水池、海試試驗表明該算法抗海流、海浪等干擾的能力強,控制效率高,控制精度優(yōu),克服了UUV 非線性動力學特性對控制器設計所造成的困難。
陳海洪等[20]基于SMC和FC理論設計了一種解決UUV 在外界干擾下“CR-02”階躍指令響應較差問題的算法,仿真及水池試驗均表明該算法能夠有效抑制外界干擾對控制造成的誤差,魯棒性強,穩(wěn)定性高,且可快速穩(wěn)定。
劉建成等[21]基于自學習理論改進了Sigmoid控制算法,使該算法具有自學習能力,可以根據(jù)UUV當前狀態(tài)與控制目標的誤差,在初始參數(shù)變化的條件下對控制器參數(shù)進行實時自主調(diào)整。解決了Sigmoid 控制器對運動控制的初始狀態(tài)要求嚴格、參數(shù)設計經(jīng)驗要求高的問題,數(shù)值仿真試驗結果表明該算法有效。
何斌等[22]基于自抗擾控制技術(ADRC)設計了一種UUV 控制算法。該控制算法利用擴張狀態(tài)觀測器估計航行器的內(nèi)、外部擾動,對其進行補償,并采用跟蹤微分器設計跟蹤目標的過渡過程。仿真結果表明該算法深度控制響應的超調(diào)量為零,魯棒性和抗干擾能力強,通過航行器深度控制試驗,驗證了該算法有效。
畢鳳陽等[23]基于SMC 和FC 理論,結合自適應控制思想,提出一種自適應模糊變結構控制器,解決了欠驅動UUV 干擾抑制能力受模型不確定時滯特性影響的問題。仿真試驗結果表明該控制器能高效抑制建模誤差、控制輸入時滯及水動力參數(shù)時變等引起的擾動,控制性能較一般SMC 方法有較大提高,有效減少了抖振發(fā)生的程度和概率。
杜亮等[24]在UUV 縱傾小范圍變化假設條件下,建立了垂直面的線性化動力學模型,基于模型預測控制理論,使用在線優(yōu)化策略設計了一種模型預測控制器,意在解決UUV 近水面航行時深度控制受海浪影響而波動的問題。試驗結果表明,在三級海況條件下,該算法能夠保持UUV 航行深度相對穩(wěn)定,且有較好的動態(tài)控制品質(zhì)。
佘明洪[25]基于流體力學理論,引入濾波函數(shù)進行平滑處理,提出了基于NURBS 曲線擬合法的無人水下潛航器的路徑控制方法。實驗驗證,在無人水下潛航器路徑控制方面,該控制方法所需時間及精度均要優(yōu)于傳統(tǒng)的方法,具有一定的實用性。
劉青[26]通過建立UUV 的五自由度的運動學數(shù)學模型,將模型中存在的建模動態(tài)和外界環(huán)境干擾等因素,等效為系統(tǒng)干擾項,按照運動平面解耦方法簡化模型得到縱傾角模型和深度控制模型。在縱傾角和深度控制上采用動態(tài)面滑模和自適應相結合的算法,分別設計縱傾角控制器和深度控制器,使系統(tǒng)能夠在控制過程中動態(tài)估計系統(tǒng)的不確定參數(shù),消除反步法引起的微分項膨脹,仿真研究結果驗證了深度-縱傾控制策略不僅有效限制了縱傾角,而且調(diào)節(jié)時間少。
針對傳統(tǒng)無人水下航行器智能控制范圍較小的實際,李聰?shù)龋?7]優(yōu)化了PID 控制器,根據(jù)水域深度變化切換不同控制方式。使用粒子群算法對智能控制方式進行規(guī)劃并進行最優(yōu)選擇,實現(xiàn)航行智能控制。試驗結果驗證,所設計的控制系統(tǒng)能在水下2000m 內(nèi)進行有效控制,比傳統(tǒng)控制系統(tǒng)多出800m的有效范圍。
為減小UUV 大機動時動力學耦合對滾動產(chǎn)生的影響,張秦南等[28]提出了大機動情況下滾動通道模型參考自適應變結構控制方法,將耦合作為干擾處理,同時采用模型參考自適應控制提高系統(tǒng)魯棒性。仿真結果表明,該方法可以有效解決大機動時滾動通道的耦合問題。
付俞鑫[29]建立了大地坐標系下的UUV 五自由度數(shù)學模型,采用模糊神經(jīng)網(wǎng)絡補償PD 航跡跟蹤控制策略中的靜態(tài)誤差,采用模糊神經(jīng)網(wǎng)絡逼近滑??刂扑惴ㄌ岣呖刂葡到y(tǒng)的學習能力,基于李雅普諾夫穩(wěn)定性及投影定理實現(xiàn)滑??刂评碚摼W(wǎng)絡參數(shù)的在線學習。采用自組織模糊神經(jīng)網(wǎng)絡逼近反饋線性化控制算法中的不確定項,加入滑模控制器抵消外界擾動,從而減小模糊神經(jīng)網(wǎng)絡的運算負荷。仿真驗證該方法能較好實現(xiàn)對UUV 的控制。
賈鶴嗚等[30]基于虛擬向導建立UUV 航跡跟蹤誤差,基于工程解耦的思想設計了非線性迭代滑??刂扑惴ǎ硕娼堑亩墩?,減小了穩(wěn)態(tài)誤差。同時提出了基于神經(jīng)網(wǎng)絡的自適應輸出反饋控制方法[31],控制器由動態(tài)補償?shù)妮敵龇答伩刂祈?、神?jīng)網(wǎng)絡自適應控制項及魯棒控制項共同組成,且由線性觀測器提供神經(jīng)網(wǎng)絡自適應學習信號,該方法可有效抑制海流干擾,實現(xiàn)UUV 三維航跡的精確跟蹤。
高劍等[32]結合自適應積分反步控制算法,在閉環(huán)反饋控制中加入積分項,提高了UUV 對未建模動態(tài)特性的魯棒性,克服了參數(shù)變化與海流干擾。
徐健等[33]提出了一種定義虛巧速度誤差變量的反步控制設計策略,有效解決了基于視線引導的傳統(tǒng)反步法中存在的奇異值問題,并對傳統(tǒng)反步法的復雜計算進行簡化,最終結合李雅普諾夫函數(shù)設計了欠驅動UUV的三維航跡跟蹤控制器。
張偉等[34]針對UUV 回收運動控制,結合模糊和解耦理論設計了一種解耦補償器。經(jīng)過模糊推理的合成運算和清晰化運算,計算出解耦補償量。仿真結果表明該方法在UUV 回收控制中應用價值較高。
陳世利等[35]針對僅依靠航向PID 控制的矢量推進UUV 高速轉向時航跡跟蹤效果差的問題,提出了航向控制與航速控制雙閉環(huán)的控制方法,在航行器高速轉向時,控制器在調(diào)整航向的同時依據(jù)航向環(huán)偏航角差實時控制航速環(huán)UUV 轉向目標速度。經(jīng)理論分析和實驗驗證,在UUV 轉向時,該控制算法可以更好地實現(xiàn)航跡跟蹤,實際航行軌跡與目標航跡的最大偏差可控制在10m以內(nèi)。
無人水下航行器控制雖然可借鑒潛艇等傳統(tǒng)有人水下航行器控制的成功經(jīng)驗和技術,但受無人水下航行器自身承載能力、控制能力和控制方式等多方面的影響,諸多航行器控制研究仍只停留于理論方面,在實際應用中,仍面臨諸多技術挑戰(zhàn),主要表現(xiàn)在[36]:
1)與傳統(tǒng)有人航行器相比,目前的UUV 采用“人在回路中”等控制方式較為普遍[37]。由于水下通信條件的限制,岸基操控人員無法實時全面實現(xiàn)對航行器的遙控,而半自主或自主控制方式又對UUV 本身及其子系統(tǒng)設備控制的智能化程度要求很高,尤其在因故障等導致的欠驅動條件下運動控制、便利性的布放回收、集群化協(xié)同化作戰(zhàn)以及協(xié)調(diào)UUV 集群內(nèi)部的載荷設備綜合控制等方面提出了非常高的要求[38]。
2)在實用環(huán)境方面,相對于潛艇等傳統(tǒng)有人航行器,目前的UUV 體型和噸位較小,在運動過程中容易受到風、浪、流及水面海底邊界條件等外界環(huán)境的干擾,且該干擾具有不確定性和時變特性,在UUV 發(fā)射和回收子系統(tǒng)設備的過程中,控制參數(shù)也會發(fā)生時變,進而確定UUV 姿態(tài)難度大,可能會影響其子系統(tǒng)設備工作的可靠度[39]。
3)實際使用過程中,由于故障或者高速運動時橫向推進失效,正常驅動的UUV 將會工作于欠驅動狀態(tài),并造成UUV 運動的非線性。而水動力系數(shù)會隨著UUV 的運動狀態(tài)及邊界條件的變化而不斷復雜變化,這使欠驅動運動系統(tǒng)變得更加非線性。且欠驅動系統(tǒng)具有二階非完整性約束,該系統(tǒng)不能被任何光滑的非時變的反饋控制律鎮(zhèn)定,這給穩(wěn)定工作增加了難度。
4)由于海洋環(huán)境的復雜多變、水下目標數(shù)據(jù)收集難度大,水下大數(shù)據(jù)構建尚不完備,在一定程度上限制了水下航行器控制技術的進一步發(fā)展。目前,采用以專家知識為基礎的人工智能系統(tǒng)來實現(xiàn)航行器自主控制是一個趨勢,但仍需要在附加設備資源管控、控制通道構建、控制故障診斷與容錯處理、水下協(xié)同控制等多個方面進一步突破具備自學習能力和自適應能力的水下控制方法。
伴隨計算機等技術的發(fā)展,UUV 的控制系統(tǒng)也完成了由機械式向數(shù)字式的轉變,隨著嵌入式計算機技術的成熟,其在UUV 控制系統(tǒng)中也得到了廣泛應用,使UUV 縮小了體積,降低了功耗,提高了可靠性。除此之外,UUV 控制系統(tǒng)在其他方面也得到了較大發(fā)展。
1)分布式控制及總線通信的應用
現(xiàn)有的兩種UUV 運動控制結構中,分布式控制結構與集中式控制結構相比優(yōu)勢明顯,分布式結構對通信要求低,可靠性強,易于實現(xiàn)航行器模塊化設計,提高系統(tǒng)各模塊的復用率,降低開發(fā)周期和成本[40],所以在工程應用中較為流行。但分布式結構對UUV 系統(tǒng)內(nèi)部通信網(wǎng)絡要求較高,必須滿足高效、穩(wěn)定、安全和同步的要求。
現(xiàn)場總線技術的發(fā)展,已經(jīng)可以滿足分布式運動控制結構的要求。運動控制網(wǎng)絡通信協(xié)議種類較多且并無統(tǒng)一標準,目前受業(yè)界認可的多種主流通信協(xié)議中,CAN 總線由于擁有極高的網(wǎng)絡利用率,可以實現(xiàn)一點對一點、一點對多點和全局廣播多種方式,有望成為普遍應用的與分布控制系統(tǒng)相結合的方式[41]。
2)控制器設計的多樣化
目前針對UUV 控制問題主要采用的控制策略有多種,在使用中各有特點[42]。
PID 是最早出現(xiàn)的控制策略之一,該算法簡單、可靠性及穩(wěn)定性高,可與多種控制算法結合構成智能PID 控制等多種新型算法。但單純的PID算法僅適用于線性系統(tǒng),不能直接應用于水下航行器這一非線性系統(tǒng),故此算法不能直接工程應用,必須進行優(yōu)化。
滑??刂疲?3]是一種典型的非線性反饋控制策略,可以使運動逐步趨于穩(wěn)態(tài)。該算法對參數(shù)變化和外部擾動的魯棒性很強,在工程中應用廣泛[44],但其算法的不連續(xù)性會導致控制器輸出產(chǎn)生抖振[43]。
反步控制是一種遞推控制策略,可以將高階非線性系統(tǒng)分解為不超過系統(tǒng)階數(shù)的子系統(tǒng),該策略引入李雅普諾夫函數(shù)設計每個子系統(tǒng)的虛擬控制率以保證各子系統(tǒng)收斂,最終獲得整個閉環(huán)系統(tǒng)的實際控制率。
模糊控制是一種智能的經(jīng)驗控制方法,具有設計簡單、穩(wěn)定性好、可以方便解決非線性問題等特點,該算法無需掌握系統(tǒng)精確的數(shù)學模型,可有效應用于復雜的不確定性非線性系統(tǒng)的控制問題中[45]。但由于模糊控制算法復雜,對主觀經(jīng)驗要求較高,量化因子[46]的選取在很大程度上會對控制精度產(chǎn)生影響,故設計難度大,當系統(tǒng)控制規(guī)則復雜多變或對精度要求較高時,控制效果往往不理想。在實際應用中,常與其他算法結合使用,進而成為一種比較理想的控制策略[47]。
神經(jīng)網(wǎng)絡控制也是一種智能控制方法,其與控制理論相結合,能以任意精度趨近非線性系統(tǒng),適合用于復雜非線性控制系統(tǒng)的設計,其學習系統(tǒng)還能夠在無需精確數(shù)學模型的基礎上適應UUV 周圍變化緩慢的環(huán)境,所以在工程中應用廣泛[48]。但神經(jīng)網(wǎng)絡在自適應過程中不能對快速變化的外部環(huán)境做出較好的調(diào)節(jié),無法滿足控制的實時性要求。
3)更多功能模塊的需求
UUV 設計使用的最終目的是為了搭載更多功能模塊,執(zhí)行探測目標、收集水下數(shù)據(jù)、發(fā)射及回收子系統(tǒng)等多樣化水下任務。隨著水下光學、水聲等傳感器系統(tǒng)的小型化發(fā)展,UUV 將在水下探測和通信能力上不斷提高,并可實現(xiàn)自身的更加小型、隱身。由于UUV 的尺寸相對較小,搭載魚水雷等水下武器的能力有限,為實現(xiàn)對較大海域的戰(zhàn)術控制,一般可采取協(xié)同化、集群化的作戰(zhàn)方式,這也是對水下無人與無人、有人與無人等平臺之間的通信能力提出了更高要求。
4)仿生控制方式的借鑒
由于魚類等水下生物在控制方式上獨特且成熟,其控制運動的CPG方法能夠在節(jié)律性輸入不足的情況下產(chǎn)生節(jié)律性輸出,具有良好的機動性、穩(wěn)定性和推進效率,若能采用仿生手段將生物的各種控制方式引入UUV 控制,滿足航行器節(jié)律性控制信號特征的需求,將會使仿生多自由度水下航行器的控制更加高效穩(wěn)定。
隨著美國“第三次抵消戰(zhàn)略”的提出,面對無人水下航行器愈加廣闊的應用前景,不論在軍用還是民用方面,世界各國都正在加緊研制與開發(fā)采用最新高科技成果的無人水下航行器。在科技進步的推動下,未來的無人水下航行器結構將更加簡單,功能更加多樣,自適應能力更加強大,可以執(zhí)行更多的復雜任務,應用范圍進一步擴大,在我國的海洋戰(zhàn)略中,將扮演極其重要的角色。隨著計算機及水下通信等關鍵技術問題的攻克[49],未來的無人水下航行器性能必將大大提高,應用也將更加廣泛。