無人船運動控制方法綜述

裴志遠, 戴永壽, 李立剛, 金久才, 邵 峰

無人船運動控制方法綜述

裴志遠1, 戴永壽1, 李立剛1, 金久才2, 邵 峰1

(1. 中國石油大學(華東)信息與控制工程學院, 山東 青島 266580; 2. 自然資源部第一海洋研究所, 山東 青島 266061)

為實現(xiàn)無人船海上自主作業(yè), 無人船運動控制的快速性、準確性以及魯棒性亟待提高。首先從全驅動控制和欠驅動控制角度, 分別概括了國內外無人船航向控制、航速控制、軌跡跟蹤控制以及路徑跟蹤控制的主流控制方法。其次, 歸納總結了處理海洋環(huán)境不確定擾動的研究進展, 包括擾動的建模和消除、抑制擾動的主流方法。最后, 總結了無人船運動控制現(xiàn)狀與存在的問題, 并從工程應用和理論研究兩個角度對未來的研究方向進行了展望。

無人船; 運動控制; 模型不確定性; 環(huán)境擾動的處理

無人船(Unmanned Surface Vhicles, USV)的研究可以追溯到二戰(zhàn)期間(1939—1945年), 無人船僅作為一種半自主遙控水面平臺被應用于軍事任務, 更多相關的項目直到20世紀90年代才開始大量出現(xiàn)。美國的“Spartan Scout”號能夠完成軍事偵察、情報采集與傳送等軍事任務。以色列研發(fā)了“Protector”號水面高速自主無人船, 具有自適應能力的“Argent Marlin”號無人船, 將無人船的發(fā)展推到了一個新的高度。國內有關無人船的研究起步相對較晚, 目前國內主要的研究單位有: 中國航天科工集團、哈爾濱工程大學、大連理工大學、大連海事大學、上海海事大學等。我國研究人員在無人船方面進行了大量的研究工作并取得了很多優(yōu)秀成果。例如, 中國航天科工集團自主研發(fā)的“天象一號”無人船, 為青島奧帆賽提供了氣象保障。此外, 云州智能與科微智能兩家公司致力于發(fā)展無人船產業(yè), 其中云州智能自主研發(fā)的“領航者號”海洋高速無人船受到了李克強總理的稱贊。在科研人員的共同努力下, 國內無人船領域的相關技術正在迎頭趕上。

無人船作為一種無人海洋智能運載平臺, 可以在海洋中承擔長時間、大范圍、低成本的海洋科研與工程任務, 有廣闊的應用前景。無人船的研究涉及流體力學、系統(tǒng)工程、計算機科學、結構力學、船型設計、自動控制等諸多領域, 無人船需要在復雜的海洋環(huán)境中自主航行與作業(yè), 因此他對操縱性、控制性能和可靠性均提出了更為苛刻的要求。其中無人船的運動控制[1-2]技術是實現(xiàn)無人船海上自主作業(yè)的關鍵部分。無人船的運動控制問題主要包括: 航速控制、航向控制、路徑跟蹤控制、軌跡跟蹤控制等內容。路徑跟蹤控制要求船舶跟蹤某條期望路徑, 而不用考慮時間約束。軌跡跟蹤控制要求船舶跟蹤某條依賴于時間的軌跡, 對速度有嚴格的要求, 相比軌跡跟蹤問題, 路徑跟蹤允許更加光滑地收斂到期望路徑。雖然兩者之間對速度的要求不同, 但是兩者對于無人船的欠驅動、非線性、系統(tǒng)不確定性等問題的處理是一致的。因此, 后文不再對兩者進行區(qū)分。

針對上述4個無人船運動控制問題, 本文將無人船的運動控制分為欠驅動控制與全驅動控制。欠驅動性是指: 某個系統(tǒng)自由度的維數(shù)為, 而系統(tǒng)控制輸入張量空間的維數(shù)為, 如果=, 則該系統(tǒng)屬于全驅動控制; 若<, 該系統(tǒng)具有欠驅動性, 欠驅動系統(tǒng)的特點是由較少維數(shù)的輸入, 控制其在較多維的廣義空間內的運動。無人船一般只有推力與轉船力矩兩個輸入, 沒有配備橫向推進器。因此, 按照上述欠驅動性的定義, 航向控制、航速控制都有輸入直接控制, 屬于全驅動控制。而路徑跟蹤、軌跡跟蹤是在平面內作三自由度運動, 但由于橫向動力缺失, 無法直接完成橫移運動, 故屬于欠驅動控制。除了欠驅動性, 復雜多變的海洋環(huán)境也給無人船的運動控制帶來很多問題, 主要包括風浪流對無人船的直接擾動與無人船模型不確定性兩種。因此, 本文從全驅動控制、欠驅動控制和海洋環(huán)境擾動的處理3個部分進行綜述。

1 全驅動控制

在無人船運動控制中, 全驅動控制是指航速與航向控制(speed and heading control, SHC), 即船舶在復雜海洋環(huán)境下的速度控制和艏向控制問題。主要研究方法有比例積分微分(Proportional-Integral-Deri-vative, PID)控制及其改進、自抗擾控制、無模型控制、預測函數(shù)控制等。

1.1 PID控制及其改進

PID控制作為最早實用化的控制器已有近百年歷史, 現(xiàn)在仍然是應用最廣泛的工業(yè)控制器。但是傳統(tǒng)PID參數(shù)一旦確定以后, 在運行過程中不能實時修改, 這使得傳統(tǒng)PID不能有效地應對無人船復雜多變的工作環(huán)境。因此, 為了提高傳統(tǒng)PID的自適應能力, 學者們在傳統(tǒng)PID控制的基礎上做了很多改進。李永濤[3]采用了PD控制, 考慮了無人船航行過程中由于環(huán)境干擾造成的橫搖運動。分別計航向控制器與減橫搖控制器, 能夠在跟蹤期望航向的基礎上減弱橫搖帶來的擾動。鄭烈心[4]為了提高了PID抵抗外界擾動與參數(shù)攝動的能力, 采用了魯棒PID控制。為進一步提高控制性能, 將滑模變結構控制加入魯棒PID控制中, 改善了PID的系統(tǒng)超調、快速響應和穩(wěn)態(tài)性能之間的矛盾。田勇[5]針對PID控制在執(zhí)行器幅值受限情況下積分器容易飽和的問題, 提出抗飽和PID。高雙[6]、黃西密[7]將模糊控制引入PID中, 結合模糊推理的方式實現(xiàn)了PID參數(shù)的實時整定, 改善船舶航向控制性能。廖煜雷[8]對模糊PID進一步優(yōu)化, 用S曲面代替模糊規(guī)則形成了S面控制, S面控制器是非線性的, 相比PID控制更適合于非線性系統(tǒng)。Miao等[9]提出了一種自適應專家S-PID算法, 利用專家經驗實時優(yōu)化S面的參數(shù)進一步提高了控制性能。隋曉麗[10]提出基于BP神經網絡PID的航向控制, 利用神經網絡學習能力與逼近任意非線性函數(shù)的能力調節(jié)PID參數(shù), 優(yōu)化控制效果。董早鵬[11]采用了基于T-S模型的模糊神經網絡控制, 設計了一種模糊神經網絡混合體系結構用于學習、調整和優(yōu)化 T-S模型中控制規(guī)則的線性組合系數(shù)。

1.2 自抗擾控制

自抗擾控制是王京清針對PID存在的缺陷提出的, 不依賴被控對象的精確數(shù)學模型。由跟蹤微分器(tracking differentiator)、擴展狀態(tài)觀測器 (extended state observer) 和非線性狀態(tài)誤差反饋控制律(nonli-near state error feedback law)三部分組成, 其核心思想是利用擴展狀態(tài)觀測器對系統(tǒng)內、外擾動進行動態(tài)估計與補償。但是控制器的設計過程中有許多的非線性結構, 參數(shù)調節(jié)難度大, 此外, 控制器中有些非線性環(huán)節(jié)是通過經驗總結得出的, 缺乏理論證明。王雨迪[12]闡述了PID控制的固有缺陷, 由此引出自抗擾控制。分別進行了在海浪干擾與參數(shù)攝動下的仿真, 驗證了其有效性。姜濤[13]將RBF神經網絡加入自抗擾控制, 在線調整非線性誤差反饋模塊的兩個參數(shù)。李鵬[14]基于Norrbin模型設計了線性自抗擾控制器。針對自抗擾控制中非線性結構, 對擴張狀態(tài)觀測器進行線性化, 減少了參數(shù)的個數(shù), 更易于工程實現(xiàn)。Huang等[15]通過滑模迭代技術來設計誤差狀態(tài)反饋控制律, 減少了參數(shù)的個數(shù), 同時降低了對模型精確度的要求。劉一萌[16]重點研究了自抗擾控制器的參數(shù)優(yōu)化問題, 將遺傳算法和粒子群算法應用到自抗擾的參數(shù)優(yōu)化問題中, 并且針對粒子群算法早熟問題帶來的過早收斂、陷入局部最優(yōu)等問題采用了標準粒子群算法, 在原始粒子群算法中引入慣性權重因子, 有效的地解決了自抗擾控制器的優(yōu)化問題。

1.3 其他

廖煜雷等[17]針對不確定性影響下無人船的艏向控制問題, 基于緊格式動態(tài)線性化MFAC方法提出一種適用于無人船的改進無模型自適應艏向控制方法, 無模型控制不考慮無人船數(shù)學模型, 而是基于系統(tǒng)的輸入輸出數(shù)據(jù)進行控制器設計, 能夠避免復雜的無人船建模環(huán)節(jié), 最后利用仿真和實船試驗證明所提方法的有效性。夏云鵬等[18]針對無人船存在操舵約束和風浪流擾動下的航向控制問題, 設計了一種基于預測函數(shù)控制的水面無人船航向控制器, 采用先預測后控制的思想, 在線求解最優(yōu)控制量的過程中充分考慮上述約束與干擾的影響, 進而實現(xiàn)對干擾的及時補償, 最后基于一階野本模型進行了仿真驗證。白一鳴等[19]針對無人船航行中的動態(tài)環(huán)境特征, 提出一種基于動態(tài)面控制技術的高效控制算法, 動態(tài)面控制是在Backstepping法的基礎上發(fā)展起來的, 它的提出是為了克服傳統(tǒng)反步設計時對虛擬控制求導過程中引起的項數(shù)膨脹問題。

航向、航速控制技術相對成熟, 無人船可以通過執(zhí)行機構直接提供推力或者轉船力矩完成前進與轉向運動。但是舵角與航向、螺旋槳的轉速與船速之間的非線性關系以及航向與航速間的耦合關系是需要在工程實際應用中進一步思考和解決的問題。

2 欠驅動控制

欠驅動控制包括路徑跟蹤(path following, PF)與軌跡跟蹤(trajectory tracking, TT)。針對欠驅動控制常用的控制方法有LOS引導律、Backstepping法、Lyapunov直接法、滑?？刂坪湍Ｐ皖A測控制等。

2.1 基于LOS引導律的路徑跟蹤控制

Line-of-Sight(LOS)引導律能夠根據(jù)無人船的位置與期望航跡給出期望航向, 通過設計控制器跟蹤期望航向, 進而完成路徑跟蹤。Li等[20]使用了LOS引導律、Vector Filed(VF)引導律兩種方法進行無人船路徑跟蹤控制, 基本實現(xiàn)了直線路徑跟蹤與圓弧路徑跟蹤。Liu等[21]提出一種基于路徑跟蹤誤差自適應調整的LOS引導律。瞿洋等[22]在反步法與Lyapunov直接法的基礎上考慮到橫向動力缺失的情況, 引入變前視距離的LOS引導律處理環(huán)境擾動造成的橫向漂移運動。此外, 在橫向控制力無法滿足的條件下, 提出一種自適應未建模環(huán)境力的反步積分控制器, 實現(xiàn)了對船舶艏向和前進速度的控制要求。針對未知漂角造成的橫向漂移運動, 陳霄等[23]對LOS引導律作了進一步的改進, 通過引入自適應觀測器能夠實現(xiàn)對漂角的實時估計和補償, 變前視距離的設計使得無人船的操縱更加靈活, 最后結合自適應滑模航向控制器有效完成了欠驅動無人船航跡跟蹤控制。曾江峰等[24]針對引導律中的半徑設計了一種新型的切換律, 能夠引導無人船始終以最佳LOS圓半徑趨向期望路徑, 同時降低了算法的復雜度。為了提高引導律的收斂速度, 朱騁等[25]提出了一種基于Mamdain模型的自適應模糊LOS控制策略, 通過模糊控制修正LOS控制參數(shù), 削減了速度與LOS引導律之間的耦合。Caharija等[26]針對實際直線航行中存在時變漂角的情況, 在LOS引導律中加入積分項, 降低漂角帶來的影響。

2.2 Backstepping法

Backstepping法是一種遞歸設計方法, 其基本思想是將復雜的非線性系統(tǒng)分解成不超過系統(tǒng)階數(shù)的子系統(tǒng), 然后為每個子系統(tǒng)設計部分Lyapunov函數(shù)和中間虛擬控制量, 一直“后退”到整個系統(tǒng), 將它們集成起來完成整個控制律的設計。Jiang[27]利用Backstepping實現(xiàn)了曲線路徑跟蹤, 但是要求艏搖角速度不能為零。為了提高控制器的邏輯性、層次性, 關海濱等[28]將控制系統(tǒng)的設計分為運動環(huán)與動力環(huán), 基于Backstepping法設計虛擬控制律, 保證了控制系統(tǒng)的穩(wěn)定性, 完成了直線與圓形軌跡跟蹤的仿真驗證。Do等[29]為了提高Backstepping法對參數(shù)攝動的魯棒性, 用Lipschitz連續(xù)投影算法, 對模型中的參數(shù)進行在線估計, 隨運動狀態(tài)不斷更新。為了進一步提高控制器的抗擾能力, Do等[30]又加入擾動觀測器, 從而對外界干擾進行估計與補償。劉丹[31]將模糊自適應控制加入Backstepping法, 利用模糊控制逼近無人船自身的非線性干擾項。

2.3 滑?？刂?/h3>

滑?？刂?sliding mode control, SMC)也叫變結構控制, 本質上是一類特殊的非線性控制, 且非線性表現(xiàn)為控制的不連續(xù)性。它具有快速響應、對參數(shù)變化及擾動不靈敏、無需系統(tǒng)在線辯識和物理實現(xiàn)簡單等優(yōu)點, 在無人船控制中得到了廣泛的應用。但是滑?？刂拼嬖凇岸墩瘛爆F(xiàn)象, 如果“抖振”現(xiàn)象得不到很好的抑制, 將加快舵機執(zhí)行機構的磨損, 影響無人船硬件的使用壽命。梁奎[32]為了降低參數(shù)攝動對控制效果的影響, 用滑模變結構控制設計了縱向速度跟蹤誤差一階指數(shù)穩(wěn)定滑模面與橫向速度跟蹤誤差的滑模面, 通過仿真實驗驗證了滑模控制的有效性。廖煜雷[33]針對滑?？刂频摹岸墩瘛眴栴}, 在控制器的設計中用飽和函數(shù)代替符號函數(shù)有效改善了“抖振”現(xiàn)象。朱齊丹等[34]在保證軌跡跟蹤誤差收斂的條件下用滑模控制設計了控制器, 提高了控制器的魯棒性。Peng等[35]在僅有領頭船位置信息可用的情況下, 通過滑?？刂品謩e設計縱向控制律與橫向控制律, 解決了編隊控制問題, 對動態(tài)目標的跟蹤有很大的借鑒意義。

2.4 Lyapunov直接法

Lyapunov直接法從系統(tǒng)能量的角度給出系統(tǒng)穩(wěn)定性的判別方法, 適用于非線性時變系統(tǒng)、非線性定常系統(tǒng)以及線性時變系統(tǒng)和線性定常系統(tǒng), 應用范圍廣泛。其基本思想是通過構造Lyapunov函數(shù)設計控制律使系統(tǒng)漸近穩(wěn)定, 但是對一般的非線性系統(tǒng)仍未找到構造李雅普諾夫函數(shù)的通用方法。劉楊等[36]針對模型參數(shù)不確定問題, 首先利用微分同胚等效變換和Lyapunov直接法設計參考航向和參考速度。分別設計神經網絡穩(wěn)定自適應控制器跟蹤參考航向和參考速度。萬磊等[37]針對非完全對稱模型, 通過兩次全局微分同胚變換將系統(tǒng)矩陣變?yōu)榧壜?lián)系統(tǒng)的形式。然后基于簡化后的模型構建軌跡跟蹤誤差模型, 將軌跡跟蹤問題轉化為誤差的鎮(zhèn)定問題, 同時基于級聯(lián)系統(tǒng)理論和 Lyapunov 直接法設計了控制器。

2.5 模型預測控制

模型預測控制通過求解當前時刻的最優(yōu)解作為控制輸入, 采用了滾動優(yōu)化策略, 即在線反復進行優(yōu)化計算, 滾動實施, 使模型失配、畸變、擾動等引起的不確定性及時得到彌補, 從而得到較好的動態(tài)控制性能, 適合處理時變的無人船控制系統(tǒng); 其次在進行控制器設計時, 能夠在添加約束的情況下獲取最優(yōu)解, 但是這給算法帶來很大的計算量, 影響系統(tǒng)的快速性。吳青等[38]建立了無人船運動模型, 并基于模型預測控制算法設計了軌跡跟蹤控制器, 搭建了可視化仿真系統(tǒng)。Liu等[39]通過坐標變換找到了系統(tǒng)鎮(zhèn)定的等價條件, 并將該條件作為模型預測控制器設計的約束條件, 從而使系統(tǒng)實現(xiàn)了漸近穩(wěn)定。Liu等[40]繼續(xù)在模型預測控制的基礎上設計了擾動觀測器, 一定程度上減小了干擾的影響, 并且提供更加平滑的控制律。張忠良[41]基于三自由度數(shù)學模型設計了航向預測控制器, 并在此基礎上通過利用Serret-Frenet簡化了無人船的路徑跟蹤數(shù)學模型, 結合LOS引導律完成了路徑跟蹤仿真驗證。柳晨光[42]為了解決不確定環(huán)境下帶系統(tǒng)約束的欠驅動USV軌跡跟蹤問題, 分別提出了線性MPC與非線性MPC。通過仿真表明LMPC在計算效率上優(yōu)于NMPC, 而NMPC有更高的控制精度。此外, 為了解決USV運動過程中某些狀態(tài)參數(shù)不可測和干擾不可知的問題提出一種補償擴張狀態(tài)觀測器, 能夠無靜差地估計不可測狀態(tài)和干擾, 具有較好的控制效果。

在無人船欠驅動航跡跟蹤控制方面, LOS引導律、Backstepping法、Lyapunov直接法、滑?？刂坪湍Ｐ皖A測控制等方法得到了廣泛應用?？紤]到船舶運動控制系統(tǒng)具有非線性、干擾、不確定性、時變等特點, 單純設計某一種控制律通常很難滿足精確航跡跟蹤的需求。因此, 為了進一步提高控制器的自適應性與抗擾動能力, 不同控制方法之間的結合使用也十分常見。

3 海洋環(huán)境擾動的處理

無人船運動控制系統(tǒng)的擾動主要來源于模型不確定性與海洋環(huán)境擾動。無人船在水中航行時, 吃水的深淺、環(huán)境的干擾和速度的變化等因素會導致模型參數(shù)攝動, 其次對模型的簡化可能會帶來未建模動態(tài)的影響。此外, 風浪流擾動具有隨機性、不確定性, 會影響無人船的運動狀態(tài), 給無人船的運動控制帶來很大的困難。對比分析國內外相關研究進展, 對擾動的處理與相關控制方法進行歸納總結。

3.1 擾動的建模

無人船在海上工作, 復雜多變的海上環(huán)境與模型不確定性給無人船的運動控制帶來了很大的難度。如果能夠通過理論分析準確獲取擾動的大小, 就能通過輸入控制給以補償。但是建立精確的風浪流的模型是十分困難的, 模型不確定性帶來的影響也是未知的。因此, 研究人員通過對擾動化簡建立了能夠反映擾動特性的模型。

3.1.1 模型不確定性

模型不確定性表現(xiàn)為模型參數(shù)攝動與未建模動態(tài)的影響。為了驗證參數(shù)攝動下控制器的控制性能, 由丹丹等[43]在仿真實驗中允許參數(shù)有20%左右的攝動; 鄭烈心[4]在一階響應模型的參數(shù)中考慮了速度對參數(shù)的影響, 一定程度上反映了參數(shù)攝動的特性。對未建模動態(tài)的處理, 通常在模型中等效為未知函數(shù)項。

3.1.2 環(huán)境擾動模型的建立

鄭體強等[44-45]進行環(huán)境擾動建模時, 只考慮二階波浪力的干擾, 并且假定為規(guī)則波浪; 假定風是定常風, 不考慮風速變動因素, 并且風的作用力可以線性疊加, 不考慮耦合作用。祝鏡等[46]將海流當作均勻海流處理, 并且假定海流主要是在運動學方面對無人船產生作用, 引起無人船的漂移運動, 而不考慮動力學影響。王雨迪[12]進一步給出平均風、二階波浪力在各個自由度上的力與力矩表達式, 清晰的表達了環(huán)境擾動對無人船航行姿態(tài)的影響。

目前, 雖然相關文獻中建立了風浪流干擾模型, 但是這些模型并沒有得到廣泛的應用, 在設計仿真實驗時將風浪流的干擾等效為更為簡單的形式加入仿真系統(tǒng)中, 例如: 白噪聲、恒值擾動、正態(tài)分布、舵角干擾等。吳恭興[47]以恒值擾動與正態(tài)隨機分布的形式加入系統(tǒng)。隋曉麗[10]建立了風浪流的擾動模型, 但是仿真時以強度為0.5的白噪聲作為干擾信號加入系統(tǒng)。黃西密[7]在仿真驗證時, 將風浪流的干擾等效為對舵角的干擾, 海流等效為3°的恒值干擾, 風等效為白噪聲, 海浪用二階波浪傳遞函數(shù)表示。曾海虹等[48]給出4種情況下的舵角干擾等效形式, 包括周期性風浪流干擾、風浪流正態(tài)隨機分布干擾、風浪流恒值干擾、風浪流均勻分布綜合隨機干擾等。

3.2 處理擾動的相關控制方法

為了實現(xiàn)無人船在各種海況下自主作業(yè)能力, 需要進一步提高控制器的抗干擾能力。目前主要有兩種思路: 提高控制器自身魯棒性; 通過設計觀測器估計擾動的大小。此外, 還有一種相對獨立的減搖控制方式, 用于抑制環(huán)境擾動造成的船體橫搖, 提高惡劣海況下的作業(yè)能力。

3.2.1 提高控制器自身魯棒性

Do等[29]利用Lipschitz連續(xù)投影算法, 對模型中的參數(shù)進行在線估計, 提高了對參數(shù)攝動的魯棒性。段夢霞[49]采用模糊PID控制, 利用模糊控制調節(jié)PID參數(shù)。Wang等[50]利用自抗擾控制自身的魯棒性降低參數(shù)攝動的影響, 并在參數(shù)攝動下進行了仿真驗證。張玉喜等[51]采用了滑模控制, 通過設計合適的滑模面, 提高了系統(tǒng)對參數(shù)攝動和外界干擾的穩(wěn)定性。

3.2.2 設計擾動觀測器

Borhaug等[52]利用RBF神經網絡重新構造了模型的中的干擾項, 使其包含了模型參數(shù)的攝動, 通過設計控制律對其進行估計; 劉丹[27]采用模糊系統(tǒng)逼近無人船自身的模型不確定性; Zeng等[53]用神經網絡估計未建模動態(tài)與未知參數(shù), 通過神經網絡最小學習參數(shù)法有效的減少了神經網絡的計算量。廖煜雷等[54]采用了Lyapunov直接法對干擾進行了估計。Liu等[55]結合神經網絡與動態(tài)表面控制(dynamic surface control, DSC)來觀測不確定擾動, 簡化了控制器的設計。Mu等[56]同樣采用神經網絡最小學習參數(shù)方法, 使計算量減少, 能夠有效提高算法實用性。劉陸[57]針對時變側滑角未知欠驅動無人船的路徑跟蹤問題, 提出了基于擴張狀態(tài)觀測器的LOS制導方法, 采用降維擴張狀態(tài)觀測器估計時變側滑角, 實現(xiàn)了側滑角的精確估計與補償, 提高了路徑跟蹤的精確性。應用級聯(lián)系統(tǒng)穩(wěn)定性分析證明了閉環(huán)系統(tǒng)是輸入狀態(tài)穩(wěn)定的, 并且可以通過調節(jié)降維擴張狀態(tài)觀測器的帶寬縮短暫態(tài)估計過程。

3.2.3 減橫搖控制

無人船受到海洋環(huán)境的影響會產生各種搖蕩, 其中以橫搖最為顯著, 影響船上設備的正常工作, 船舶受損甚至傾覆沉沒。傳統(tǒng)的減搖方法主要依靠減搖設備, 比如舭龍骨、被動水倉、主動水倉、收方式鰭等輔助設備。但減搖設備要求船體有較大的尺寸, 在小型無人船很難添加合適的減搖裝置。因此, 舵減橫搖的一種控制方式被提出, 它不需要輔助設備, 而是利用流經舵葉兩側的水流對舵葉產生的不同的壓力, 進而產生力矩; 舵減搖利用這一橫搖力矩, 通過合理的控制使得船舶產生橫搖運動, 來抵抗或部分抵抗海浪等干擾產生的橫搖運動, 達到減搖的目的, 對小型無人船減橫搖有重要意義。

舵減橫搖主要存在兩個問題, 首先減搖與航向控制都是通過控制舵角實現(xiàn), 舵角的變化將對航向產生影響, 即減搖與航向控制之間的耦合問題。其次, 頻繁的操舵會給舵機帶來較大的損耗, 如何在保證減搖效率的情況下減小操舵幅度與頻率也是一個值得研究的問題。高斌[58]給出了船舶橫搖運動的數(shù)學模型, 設計了基于PID控制算法和狀態(tài)反饋控制算法的舵減橫搖控制系統(tǒng), 為了解決減搖與航向的耦合在系統(tǒng)中加入高通濾波器, 通過仿真實驗驗證了所提方法的有效性。張樹豪[59]系統(tǒng)分析了減搖鰭的工作原理, 得到了減搖鰭的各個組成系統(tǒng)的傳遞函數(shù), 基于擴張狀態(tài)觀測器建立減搖鰭的自抗擾控制系統(tǒng), 并應用免疫粒子群算法解決了自抗擾參數(shù)設計問題。張文穎等[60]根據(jù)船舶橫搖和艏搖運動的非線性方程, 用T-S模糊模型對此非線性方程進行了系統(tǒng)建模, 基于并行分布補償原理設計了∞模糊控制器, 最后通過仿真驗證了該方法的有效性。

模型不確定性與環(huán)境擾動是影響無人船運動控制的主要因素, 國內外學者通常將模型不確定性與環(huán)境擾動分別當作系統(tǒng)的內、外擾動處理, 其中設計擾動觀測器在仿真中有較好的表現(xiàn), 但是觀測器的算法比較復雜, 工程實用性有待提高。

4 總結與展望

本文從無人船運動控制與擾動處理兩個方面出發(fā), 對國內外研究進展與主要成果進行了較為全面的綜述。此外, 國內無人船產業(yè)也逐漸興起, 相關領域的科學技術都在蓬勃發(fā)展。以珠海云洲智能和安徽科微智能為代表的無人船平臺已陸續(xù)開始應用于環(huán)保監(jiān)測、科研勘探、水下測繪、搜索救援、安防巡邏乃至軍事領域。根據(jù)目前可查閱資料顯示, 大多無人船應用尚處于全遠程遙控、半自動化工作, 自主程度偏低。其次, 為了提高海洋環(huán)境下自主作業(yè)能力, 目前主要采取增大無人船自身體積或者改進船體結構的策略, 但是提高同等量級、相同結構無人船的抗擾能力, 還需要深入研究環(huán)境擾動對無人船運動控制的影響改進控制方法。最后, 自主避障由于涉及到環(huán)境綜合感知、多手段信息融合、路徑規(guī)劃以及運動控制等多方面內容, 一直是一個難題。目前, 云州已經擁有了自主研發(fā)的智能避障技術, 而科微在實際應用中稍顯不足。自主避障在國內無人船領域仍然是一個挑戰(zhàn), 需要在后續(xù)的研究中重點突破?？傮w來說, 目前無人船運動控制存在以下亟待解決問題。(1)無人船系統(tǒng)具有非線性、模型不確定性、受風浪流擾動等特性, 建模過程中對上述影響因素進行了大量的簡化, 模型難以準確反映無人船實際運動情況。(2)為了提高控制器的自適應性, 智能方法越來越多的被應用于無人船運動控制中, 控制效果得到了明顯的改善, 但同時也增大了算法的時間復雜度, 降低了控制系統(tǒng)的實時性。(3)很多控制方法仍停留在仿真階段, 控制方法的實用性有待進一步驗證。

無人船運動控制的研究是一項具有挑戰(zhàn)性的課題, 根據(jù)目前無人船運動控制技術的研究現(xiàn)狀, 筆者認為在未來研究工作中可以從以下兩個方面開展深入研究。

4.1 理論研究方面

1) 為了反映實際的無人船操縱情況, 應該建立更加精確的數(shù)學模型。目前被廣泛采用的三自由度數(shù)學模型只能反映三個自由度的運動, 適合于低速、排水型無人船。隨著無人船速度的提高, 無人船其余自由度上的運動姿態(tài)也會產生大幅度的運動。此時, 三自由度模型將無法滿足控制需求, 需要建立多自由度的數(shù)學模型來反映運動控制所需要的信息。

2) 無人船的運動控制方法需要進一步提高智能化程度、魯棒性和自適應性。在傳統(tǒng)控制的基礎上利用神經網絡估計未知擾動是當下的一個研究熱點, 但是傳統(tǒng)神經網絡存在收斂速度慢, 易陷入局部極小值等缺陷。因此, 如何提高神經網絡的收斂速度, 避免陷入局部極值值得進一步研究。

3) 關于風浪流擾動的處理, 需要對海洋環(huán)境擾動的模型進行完善, 從而更加準確地描述無人船在環(huán)境擾動作用下的運動響應。

4) 無人船六自由度的運動特性給無人船的精確建模帶來很大的困難, 即使建立出精確模型, 復雜的模型會增加控制器的設計難度, 這也是六自由度模型得不到廣泛應用的主要原因。因此, 利用數(shù)據(jù)驅動的無模型控制不失為一種好的選擇。

4.2 工程實際方面

1) 工程實際相對于理論研究對模型的要求較低, 模型的使用要以控制目標為基礎, 以充分反映被控對象的狀態(tài)為原則, 選擇最合適、有效的模型。在保證所采用模型包含的信息能滿足工程要求的前提下, 可以根據(jù)實際情況進行模型的化簡。

2) 控制方法需要提高工程實用性。其中LOS引導律簡單易懂, 在工程應用中得到了研究人員的青睞, 但是該引導律只能給出期望航向。在未來的工作中可以對LOS引導律進一步改進, 使其能夠同時提供期望航向與期望航速。

3) 控制方法還要兼顧一定的自適應能力。其中模糊PID不需要精確的數(shù)學模型, 僅通過誤差與誤差變化率調節(jié)控制信號, 在工程中得到了廣泛應用。但是模糊控制器的參數(shù)和控制規(guī)則在系統(tǒng)運行時無法在線調整。因此, 需要進一步研究具備參數(shù)自校正與規(guī)則自校正的模糊控制器。

4) 工程問題需要進一步考慮無人船的機械特性, 比如輸入約束、執(zhí)行機構遲滯性、舵機零點漂移等問題。只有對上述問題進行深入的考慮與分析, 實際航行中才能避免因機械結構問題引起的意外情況的發(fā)生。

[1] Manley J E. Unmanned surface vehicles, 15 years of development[C]//IEEE. Oceans 2008. Quebec City, Canada: IEEE, 2008: 1-4.

[2] 廖煜雷, 張銘鈞, 董早鵬. 無人艇運動控制方法的回顧與展望[J]. 中國造船, 2014, 55(4): 206-216. Liao Yulei, Zhang Mingjun, Dong Zaopeng. Methods of motion control for unmanned surface vehicle: State of the art and perspective[J]. Shipbuilding of China, 2014, 55(4): 206-216.

[3] 李永濤. 水面無人艇參數(shù)辨識方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2015. Li Yongtao. Research of USV parameter identification method[D]. Harbin: Harbin Engineering University, 2015.

[4] 鄭烈心. 水面無人艇建模與運動控制系統(tǒng)設計[D]. 廣州: 華南理工大學, 2016. Zheng Liexin. Modeling and motion control system design of unmanned surface vehicle[D]. Guangzhou: South China University of Technology, 2016.

[5] 田勇. 水面無人艇運動控制系統(tǒng)設計與實現(xiàn)[D]. 大連: 大連海事大學, 2016.Tian Yong. Design and realization of unmanned surface vehicle motion control system[D]. Dalian: Dalian Mari-time University, 2016.

[6] 高雙, 朱齊丹, 李磊. 基于神經網絡的高速無人艇模糊PID控制[J]. 系統(tǒng)仿真學報, 2007, 19(4): 776-779. Gao Shuang, Zhu Qidan, Li Lei. Fuzzy NN control of high-speed unmanned ship[J]. Journal of System Simu-lation, 2007, 19(4): 776-779.

[7] 黃西密. 無人艇建模及操縱運動仿真的研究[D]. 大連: 大連海事大學, 2015. Huang Ximi. Study on unmanned surface vehicle mode-ling and simulation of manipulation movement[D]. Dalian: Dalian Maritime University, 2015.

[8] 廖煜雷. 無人艇的非線性運動控制方法研究[D]. 哈爾濱: 哈爾濱工程大學, 2012. Liao Yulei. Nonlinear motion control methods of unmanned surface vehicle[D]. Harbin: Harbin Engineering University, 2012.

[9] Miao Runlong, Dong Zaopeng, Wan Lei, et al. Heading control system design for a Mico-USV based on an ada-ptive expert S-PID algorithm[J]. Polish Maritime Research, 2018, 25(2): 6-13.

[10] 隋曉麗. 水面無人艇航跡控制算法研究[D]. 大連: 大連海事大學, 2013. Sui Xiaoli. Research on the track control algorithm of unmanned surface vessel[D]. Dalian: Dalian Maritime University, 2013.

[11] 董早鵬. 無人艇運動模糊控制技術研究[D]. 哈爾濱: 哈爾濱工程大學, 2013. Dong Zaopeng. Research on motion control of USV based on fuzzy technology[D]. Harbin: Harbin Engineering University, 2013.

[12] 王雨迪. 基于自抗擾控制算法的水面無人艇航向自動舵設計[D]. 大連: 大連海事大學, 2014. Wang Yudi. Based on auto disturbances rejection control algorithm for heading autopilot of unmanned surface vessel design[D]. Dalian: Dalian Maritime University, 2014.

[13] 姜濤. 基于RBF神經網絡的船舶航向自抗擾控制[D]. 大連: 大連海事大學, 2016.Jiang Tao. ADRC for ship steering based on RBF neural network[D]. Dalian: Dalian Maritime University, 2016.

[14] 李鵬. 基于滑模自抗擾的無人水面艇路徑跟蹤控制研究[D]. 大連: 大連海事大學, 2017.Li Peng. Research on path tracking control of unma-nned underwater vehicle based on sliding mode auto disturbances rejection control[D]. Dalian: Dalian Maritime University, 2017.

[15] Huang Hongyu, Fan Yunsheng. Sliding mode based ADRC for curved path following of unmanned surface vessels[C]//IEEE. 2017 Chinese Automation Congress (CAC). Jinan, China: IEEE, 2017: 4198-4202.

[16] 劉一萌. 基于自抗擾技術的水面無人艇編隊控制[D]. 哈爾濱: 哈爾濱工程大學, 2019. Liu Yimeng. Formation control of unmanned surface vehicle based on active disturbance rejection control[D]. Harbin: Harbin Engineering University, 2019.

[17] 廖煜雷, 杜廷朋, 付悅文, 等. 無人艇重定義無模型自適應艏向控制方法與試驗[J]. 哈爾濱工程大學學報, 2020, 1(1): 1-7. Liao Yulei, Du Tingpeng, Fu Yuewen, et al. The rede-fined model free adaptive heading control method and experiments of unmanned surface vehicle[J]. Journal of Harbin Engineering University, 2020, 1(1): 1-7.

[18] 夏云鵬, 楊田田. 基于預測函數(shù)控制的水面無人船航向控制器設計[J]. 艦船電子工程, 2019, 39(7): 54-59.Xia Yunpeng, Yang Tiantian. Design of surface unmanned ship heading controller based on predictive function control[J]. Ship Electronic Engineering, 2019, 39(7): 54-59.

[19] 白一鳴, 趙永生, 邱兵兵. 高效無人艇航向控制器設計[J]. 中國航海, 2018, 41(4): 67-70. Bai Yiming, Zhao Yongsheng, Qiu Bingbing. Design of efficient steering controller for unmanned surface vehicle[J]. Navigation of China, 2018, 41(4): 67-70.

[20] Li Zhi, Bachmayer R, Vardy A. Path-following control for unmanned surface vehicles[C]//IEEE. 2017 IEEE/ RSJ International Conference on Intelligent Robots and Systems (IROS). Vancouver, BC, Canada: IEEE, 2017: 4209-4216.

[21] Liu Tao, Dong Zaopeng, Du Hongwang, et al. Path follo-wing control of the underactuated USV based on the improved line-of-sight guidence algorithm[J]. Polish Maritime Reseach, 2017, 24(1): 3-11.

[22] 瞿洋, 徐海祥, 余文曌. 基于ILOS的欠驅船舶循跡控制[J]. 武漢理工大學學報(交通科學與工程版), 2016, 40(5): 834-838. Qu Yang, Xu Haixiang, Yu Wenzhao. Integral line-of- sight guidance for path following of underactuated marine surface vessels[J]. Journal of Wuhan University Technology (Transportation Science & Engineering), 2016, 40(5): 834-838.

[23] 陳霄, 劉忠, 羅亞松, 等. 海洋環(huán)境下欠驅動無人艇航跡跟蹤控制算法[J]. 哈爾濱工業(yè)大學學報, 2018, 50(10): 110-117. Chen Xiao, Liu Zhong, Luo Yasong, 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.

[24] 曾江峰, 萬磊, 李岳明, 等. 基于切換視線法的欠驅動無人艇魯棒自適應路徑跟蹤控制[J]. 兵工學報, 2018, 39(12): 2427-2437. Zeng Jiangfeng, Wan Lei, Li Yueming, et al. Switching- line-of-sight-guidance-based robust adaptive path-fo-llowing control for underactuated unmanned surface vehicles[J]. Acta Armamentarii, 2018, 39(12): 2427- 2437.

[25] 朱騁, 莊佳園, 張磊, 等. 無人水面艇自適應路徑跟蹤算法[J]. 導航與控制, 2019, 18(1): 44-50.Zhu Cheng, Zhuang Jiayuan, Zhang Lei, et al. Adaptive path following algorithm for unmanned surface vehicle[J]. Navigation and Control, 2019, 18(1): 44-50.

[26] Caharija W, Candeloro M, Pettersen K Y, et al. Relative velocity control and integral LOS for path following of underactuated surface vessels[J]. IFAC Proceedings Volu-mes, 2012, 45(27): 380-385.

[27] Jiang Zhongping. Global tracking control of underactuated ships by Lyapunov’s direct method[J]. Automatica, 2002, 38(2): 301-309.

[28] 關海濱, 艾矯燕. Backstepping法在欠驅動無人船軌跡跟蹤上的仿真研究[J]. 中國科技信息, 2018(12): 107-111. Guan Haibin, Ai Jiaoyan. Simulation research on backstepping method for unmanned vehicle trajectory tra-cking underactuated[J]. China Science and Technology Information, 2018(12): 107-111.

[29] Do K D, Pan J. Robust adaptive path following of un-dera-ctuated ships[J]. Automatica, 2004, 40(6): 929-944.

[30] Do K D. Practical control of underactuated ships[J]. Ocean Engineering, 2010, 37(13): 1111-1119.

[31] 劉丹. 無人水面艇模糊魯棒自適應航跡跟蹤控制研究[D]. 大連: 大連海事大學, 2016. Liu Dan. Fuzzy robust adaptive control scheme for traje-c-tory tracking of an unmanned surface vehicle[D]. Dalian: Dalian Maritime University, 2016.

[32] 梁奎. 欠驅動無人船航跡跟蹤控制研究與仿真[D]. 南寧: 廣西大學, 2017. Liang Kui. Research and simulation of tracking control for unmanned surface vessels[D]. Nanning: Guangxi University, 2017.

[33] 廖煜雷, 莊佳園, 李曄, 等. 欠驅動無人艇軌跡跟蹤的滑模控制方法[J]. 應用科學學報, 2011, 29(4): 428- 434.Liao Yulei, Zhuang Jiayuan, Li Ye, et al. Sliding-mode trajectory tacking control for underactuated autonomous surface vehicle[J]. Journal of Applied Science-Elec-tro-nics and Information Engineering, 2011, 29(4): 428- 434.

[34] 朱齊丹, 于瑞亭, 夏桂華. 風浪流干擾及參數(shù)不確定欠驅動船舶航跡跟蹤的滑模魯棒控制[J]. 控制理論與應用, 2012, 29(7): 959-964. Zhu Qidan, Yu Ruiting, Xia Guihua. Sliding-mode robust tracking control for underactuated surface vessels with parameter uncertainties and external disturbances[J]. Control Theory & Applications, 2012, 29(7): 959-964.

[35] Peng Zhouhua, Wang Dan, Chen Zhiyong, et al. Ada-ptive dynamic surface control for formations of autono-mous surface vehicles with uncertain dynamics[J]. IEEE Transactions on Control Systems Technology, 2013, 21(2): 513-520.

[36] 劉楊, 郭晨, 沈智鵬. 欠驅動船舶路徑跟蹤的神經網絡穩(wěn)定自適應控制[J]. 控制理論與應用, 2010, 27(2): 169-174. Liu Yang, Guo Chen, Shen Zhipeng. Stable adaptive neural network control of path following for underactuated ships[J]. Control Theory & Applications, 2010, 27(2): 169-174.

[37] 萬磊, 董早鵬, 李岳明. 非完全對稱欠驅動高速無人艇軌跡跟蹤控制[J]. 電機與控制學報, 2014, 18(10): 95-103. Wan Lei, Dong Zaopeng, Li Yueming. Trajectory trac-king control of incomplete symmetry underactuated USV at high speed[J]. Electric Machines and Control, 2014, 18(10): 95-103.

[38] 吳青, 王樂, 柳晨光. 基于MPC的無人船運動控制及可視化仿真系統(tǒng)實現(xiàn)[J]. 武漢理工大學學報(交通科學與工程版), 2016, 40(2): 245-250. Wu Qing, Wang Le, Liu Chenguang. Motion control and visual simulation system of unmanned surface vessel based on the model predictive control[J]. Journal of Wuhan University Technology (Transportation Science & Engineering), 2016, 40(2): 245-250.

[39] Liu Zhilin, Yu Ruiting, Zhu Qidan. Model predictive control of underactuated surface vessel with invariant manifolds constraints[C]//IEEE. 8th World Congress on Intelligent Control and Automation (WCICA). Jinan, China: IEEE, 2010: 785-790.

[40] Liu Zhilin, Geng Chao, Zhang Jun. Model predictive controller design with disturbance observer for path following of unmanned surface vessel[C]//IEEE. 2017 IEEE International Conference on Mechatronics and Automation (ICMA). Takamatsu, Japan: IEEE, 2017: 1827-1832.

[41] 張忠良. 無人水面艇路徑跟蹤控制研究[D]. 哈爾濱: 哈爾濱工程大學, 2019. Zhang Zhongliang. Research on the path following con-trol of unmanned surface vessel[D]. Harbin: Harbin En-gineering University, 2019.

[42] 柳晨光. 基于預測控制的無人船運動控制方法研究[D].武漢: 武漢理工大學, 2017. Liu Chenguang. Motion control of unmanned surface vehicles based on model predictive control[D]. Wuhan: Wuhan University of Technology, 2017.

[43] 由丹丹, 廖煜雷, 董早鵬. 噴水推進無人艇航向的魯棒S面控制方法[J]. 中南大學學報(自然科學版), 2013, 44(S1): 152-156. You Dandan, Liao Yulei, Dong Zaopeng. Robust S surface method for course control of USV with water-jet propulsion[J]. Journal of Central South University (Science and Technology), 2013, 44(S1): 152-156.

[44] 鄭體強, 王建華, 趙夢鎧, 等. 波浪干擾下固定雙槳無人水面艇的路徑跟蹤方法[J]. 計算機應用研究, 2017, 34(1): 75-78. Zheng Tiqiang, Wang Jianhua, Zhao Mengkai, et al. Path tracking method of unmanned surface vehicle with two fixed propellers under wave disturbance[J]. Application Research of Computers, 2017, 34(1): 75-78.

[45] 鄭體強, 王建華, 趙夢鎧, 等. 風干擾下基于變船長比的無人水面艇路徑跟蹤方法[J]. 計算機測量與控制, 2016, 24(3): 163-167. Zheng Tiqiang, Wang Jianhua, Zhao Mengkai, et al. Path following method of unmanned surface vehicle based on variable ship length rate under the wind interfere-nce[J]. Computer Measurement&Control, 2016, 24(3): 163-167.

[46] 祝鏡, 王建華, 趙夢鎧, 等. 關于無人水面艇路徑跟蹤優(yōu)化控制仿真[J]. 計算機仿真, 2016, 33(6): 362-367. Zhu Jing, Wang Jianhua, Zhao Mengkai, et al. Simulation of path following optimization control of unmanned surface vehicle[J]. Computer Simulation, 2016, 33(6): 362-367.

[47] 吳恭興. 無人艇操縱性與智能控制技術研究[D]. 哈爾濱: 哈爾濱工程大學, 2011. Wu Gongxing. Research on the maneuverability and intelligent control technology of unmanned surface vehicle[D]. Harbin: Harbin Engineering University, 2011.

[48] 曾海虹, 李向軍, 丁麗娜, 等. 風浪流干擾下的無人艇航向模糊自適應模型的研究[J]. 艦船電子工程, 2018, 38(4): 27-30. Zeng Haihong, Li Xiangjun, Ding Lina, et al. Fuzzy adaptive model for unmanned surface vessel cours under the interfering of wind and wave based on Nomoto model[J].Ship Electronic Engineering, 2018, 38(4): 27-30.

[49] 段夢霞. 基于模糊PID控制的無人船舵機控制系統(tǒng)研究[D]. ?？? 海南大學, 2017. Duan Mengxia. The study of srrov control system for unmanned surface vehicle based on fuzzy PID control[D]. Haikou: Hainan University, 2017.

[50] Wang Changshun, Zhang Huang, You Yu. USV trajectory tracking control system based on ADRC[C]// IEEE. 2017 Chinese Automation Congress. Jinan, China: IEEE, 2017: 7534-7538.

[51] 張玉喜, 孫大銘, 徐海軍, 等. 船舶航向自動保持控制及設計[J]. 艦船科學技術, 2017, 39(10): 64-66.Zhang Yuxi, Sun Daming, Xu Haijun, et al. Ship course- keeping control and design[J]. Ship Science and Tech-nology, 2017, 39(10): 64-66.

[52] 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]//IEEE. 2008 47th IEEE Conference on Decision & Control (47). Cancun, Mexico: IEEE, 2008: 4984- 4991.

[53] Zeng Jiangfeng, Wan Lei, Li Yueming, et al. Robust composite neural dynamic surface control for the path following of unmanned marine surface vessels with unknown disturbance[J]. International Journal of Advanced Robotic Systems, 2018, 15(4): 1-14.

[54] 廖煜雷, 龐永杰, 莊佳園. 噴水推進型無人艇航向跟蹤的反步自適應滑模控制[J]. 計算機應用研究, 2012, 29(1): 82-84. Liao Yulei, Pang Yongjie, Zhuang Jiayuan. Backstepping adaptive sliding mode control for unmanned surface vessel course tracking with water-jet-propelled[J]. Appli-cation Research of Computers, 2012, 29(1): 82-84.

[55] Liu Lu, Wang Dan, Peng Zhouhua. Path following of marine surface vehicles with dynamical uncertainty and time-varying ocean disturbances[J]. Neurocomputing, 2016, 173: 799-808.

[56] Mu Dongdong, Wang Guofeng, Fan Yunsheng, et al. Adaptive trajectory tracking control for underactuated unmanned surface vehicle subject to unknown dynamics and time-varing disturbances[J]. Applied Science, 2018, 574(8): 1-16.

[57] 劉陸. 欠驅動無人船的路徑跟蹤與協(xié)同控制[D]. 大連: 大連海事大學, 2018. Liu Lu. Path following and cooperative control of underactuated unmanned surface vehicles[D]. Dalian: Dalian Maritime University, 2018.

[58] 高斌. 舵減橫搖系統(tǒng)分析與設計[D]. 哈爾濱: 哈爾濱工程大學, 2012. Gao Bin. Rudder roll stabilization system analyse and design[D]. Harbin: Harbin Engineering University, 2012.

[59] 張樹豪. 基于自抗擾控制的船舶橫搖控制研究[D]. 大連: 大連海事大學, 2016. Zhang Shuhao. Ship rolling control based on active disturbance rejection control[D]. Dalian: Dalian Mari-time University, 2013.

[60] 張文穎, 彭秀艷.基于T-S模糊模型的船舶舵減橫搖∞狀態(tài)反饋控制[J]. 船舶工程, 2013, 35(5): 51-54. Zhang Wenying, Peng Xiuyan.∞State-feedback control for ship rudder roll damping system based on T-S fuzzy model[J]. Ship Engineering, 2013, 35(5): 51-54.

Overview of unmanned surface vehicle motion control methods

PEI Zhi-yuan1, DAI Yong-shou1, LI Li-gang1, JIN Jiu-cai2, SHAO Feng1

(1. College of Information and Control Engineering, China University of Petroleum, Qingdao 266580, China; 2. First Institute of Oceanography, Ministry of Natural Resources, Qingdao 266061, China)

To realize the autonomous operation of unmanned surface vehicles (USVs) at sea, the rapidity, accuracy, and robustness of USV motion control need to be improved urgently. First, from the angle of full drive control and underactuated control, the main control methods of course control, speed control, track tracking control, and path tracking control are summarized. Second, the research progress of dealing with uncertain disturbance in marine environments is described, including the mainstream methods of disturbance modeling and disturbance elimination and suppression. Finally, the present situation and existing problems of USV motion control are outlined, and future research directions are proposed from the perspectives of engineering application and theoretical research.

unmanned surface vehicles; motion control; model uncertainty; environmental disturbance management

Jun. 11, 2019

U664.82

A

1000-3096(2020)03-0153-10

10.11759/hykx20190611004

2019-06-11;

2019-11-21

國家重點研發(fā)計劃項目(2017YFC1405203); 中央高?；究蒲袠I(yè)務費專項資助(19CX05003A-1); 中央高?；究蒲袠I(yè)務費專項資助(17CX02079)

[The National Key Research and Development Program of China, No. 2017YFC1405203; the Fundamental Research for the Central Universities, No. 19CX05003A-1; the Fundamental Research for the Central Universities, No. 17CX02079]

裴志遠(1996-), 男, 山東濰坊人, 碩士研究生, 主要從事無人船控制研究, 電話: 15666791591, E-mail: 577232138@qq.com; 戴永壽(1963-),

, 男, 安徽巢湖人, 博士, 教授, 博士生導師, 主要從事無人船控制研究, 電話: 13305468631, E-mail: daiys@upc.edu.cn

(本文編輯: 劉珊珊)