波浪環(huán)境下無(wú)人水面艇改進(jìn)MFAC 節(jié)能控制方法

魏佳廣 ,張拓圣 ,辛筠煒 ,李懷亮 ,張西偉

(1.海洋石油工程股份有限公司 工程技術(shù)中心,天津,300461;2.哈爾濱工程大學(xué) 智能海洋航行器技術(shù)全國(guó)重點(diǎn)實(shí)驗(yàn)室,黑龍江 哈爾濱,15001)

0 引言

無(wú)人水面艇(簡(jiǎn)稱無(wú)人艇)是一種漂浮在水面的小型智能平臺(tái),作為一種海洋智能裝備,其具有環(huán)境適應(yīng)力強(qiáng)、成本低、可搭載多種任務(wù)載荷等特點(diǎn),對(duì)于充分利用海洋資源具有重要且廣泛的應(yīng)用價(jià)值[1]。

目前,無(wú)人艇的運(yùn)動(dòng)控制研究屬于熱點(diǎn)問題,主要的控制方法有比例-積分-微分(proportionalintegral-derivative control,PID)控制[2-3]、S 面[4-5]、神經(jīng)網(wǎng)絡(luò)[6-7]、模糊PID 控制[8-9]、自適應(yīng)控制[10]、反步法[11]、滑模控制[12]、無(wú)模型自適應(yīng)控制(modelfree adaptive control,MFAC)[13-14]、人工魚群算法[15]、自抗擾控制[16]以及模型預(yù)測(cè)控制[17]等。由于受到外界環(huán)境擾動(dòng)和模型攝動(dòng)等不確定因素影響,無(wú)人艇的運(yùn)動(dòng)數(shù)學(xué)模型具有較強(qiáng)的非線性和耦合性,在設(shè)計(jì)過程中難以為控制器提供精準(zhǔn)的數(shù)學(xué)模型[13]。因此,僅利用受控系統(tǒng)的離、在線輸入/輸出數(shù)據(jù)來(lái)設(shè)計(jì)控制器的數(shù)據(jù)驅(qū)動(dòng)控制方法進(jìn)入人們的視野中[18]。侯忠生等[19]提出了一種數(shù)據(jù)驅(qū)動(dòng)控制方法——MFAC 方法,經(jīng)過不斷的發(fā)展和完善,已逐漸形成一套完整的控制理論體系。廖煜雷等[13]針對(duì)無(wú)人艇艏向控制子系統(tǒng)的特殊動(dòng)力學(xué)特性,引入重定義輸出增益,提出了重定義MFAC(redefine MFAC,RMFAC)方法,并通過仿真實(shí)驗(yàn)及外場(chǎng)試驗(yàn)驗(yàn)證了該方法的有效性和實(shí)用性。杜廷朋[20]針對(duì)使用標(biāo)準(zhǔn)MFAC 時(shí)無(wú)人艇出現(xiàn)的航向響應(yīng)振蕩、不能收斂的現(xiàn)象,提出了差分型MFAC和非增量型MFAC 方法,解決了標(biāo)準(zhǔn)MFAC 方法應(yīng)用過程中存在的問題。

在運(yùn)動(dòng)控制方法研究的基礎(chǔ)上,針對(duì)無(wú)人艇節(jié)能控制方法研究也不斷展開。魏紅艷[21]將無(wú)人艇路徑跟蹤滑模控制器與基于障礙李雅普諾夫函數(shù)的原理相結(jié)合,設(shè)計(jì)了無(wú)人艇區(qū)域保持控制器,同時(shí)設(shè)計(jì)了環(huán)境最優(yōu)區(qū)域保持不連續(xù)控制器,從而減少了能耗,增加了推進(jìn)器持續(xù)工作時(shí)長(zhǎng)。周韜等[22]使用非線性反饋技術(shù)對(duì)航向保持控制進(jìn)行優(yōu)化,采用模糊PID 控制器對(duì)航向保持控制方法進(jìn)行設(shè)計(jì),仿真實(shí)驗(yàn)證明了其可行性。馮永孝[23]將非線性饋飾技術(shù)與模糊PID 控制器相結(jié)合,使控制性能得到提升,并在一定程度上減少了能耗。

上述文獻(xiàn)在運(yùn)動(dòng)控制研究中大多實(shí)現(xiàn)了更快、更精確的無(wú)人艇運(yùn)動(dòng)響應(yīng),但是沒有考慮運(yùn)動(dòng)控制過程中的能耗過大及設(shè)備壽命等問題。為此,文中首先建立無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型和波浪干擾下運(yùn)動(dòng)力學(xué)模型;其次,設(shè)計(jì)了模糊RMFAC(fuzzy RMFAC,FRMFAC)方法;最后,對(duì)波浪影響下無(wú)人艇節(jié)能運(yùn)動(dòng)控制仿真進(jìn)行研究,以驗(yàn)證控制器的節(jié)能控制效果。

1 無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型及波浪干擾分析

1.1 運(yùn)動(dòng)數(shù)學(xué)模型

文中研究對(duì)象為船長(zhǎng)5.2 m,排水量1 900 kg的噴水推進(jìn)單體無(wú)人艇。建立其慣性坐標(biāo)系OEXEYEZE和船體坐標(biāo)系Ob-XbYbZb,各坐標(biāo)系均按照右手法則設(shè)計(jì),如圖1 所示。

圖1 慣性坐標(biāo)系和船體坐標(biāo)系Fig.1 Inertial coordinate system and hull coordinate system of ship

由這2 個(gè)坐標(biāo)系可得無(wú)人艇的6 自由度運(yùn)動(dòng)數(shù)學(xué)模型,并簡(jiǎn)化為水平面3 自由度的運(yùn)動(dòng)數(shù)學(xué)模型[24]

式中:x,y分別為橫向和縱向位移;ψ為艏向角；u,v分別為縱向和橫向速度;r為艏搖角速度;Fu和Tr分別為縱向推力與轉(zhuǎn)艏力矩;du、dv分別為波浪等環(huán)境干擾造成的橫向和縱向干擾力;dr為環(huán)境干擾力矩。

該無(wú)人艇的運(yùn)動(dòng)模型參考文獻(xiàn)[25],通過對(duì)其辨識(shí)得到的水動(dòng)力系數(shù)進(jìn)行適當(dāng)選取與轉(zhuǎn)化,得到文中的運(yùn)動(dòng)參數(shù)為: 船體坐標(biāo)系中3 個(gè)坐標(biāo)軸下的慣性系數(shù)m11=2.4×103kg、m22=3.35×103kg、m33=2.49×105kg;阻尼系數(shù)d11=255 kg/s、d22=2.92×103kg/s、d33=1.22×104kg·m2/s。

1.2 波浪對(duì)無(wú)人艇的干擾建模

真實(shí)情況下波浪是不規(guī)則的,通常采用相位調(diào)制(phase modulation,PM)波能譜密度函數(shù)公式對(duì)波浪進(jìn)行建模[26]

式中: ω為波浪頻率;hs為有義波高;g為重力加速度。

當(dāng)hs=0.2、0.4、0.6m 時(shí),對(duì)應(yīng)的PM 波能譜密度曲線如圖2 所示。

圖2 PM 波能譜密度曲線Fig.2 Curves of PM wave energy spectral density

波浪擾動(dòng)函數(shù)為

式中: ωi為第i個(gè)單元的特征頻率;εi為[0,2π]上均勻分布的隨機(jī)數(shù);H(t)為實(shí)時(shí)波高。

hs=0.6 m時(shí)的波浪仿真如圖3 所示(圖中,H為波高)。

圖3 實(shí)時(shí)波浪仿真Fig.3 Simulation of real time wave

使用Daidola 提出的對(duì)無(wú)人艇在波浪干擾情況下的受力計(jì)算公式對(duì)2 階波浪力和力矩進(jìn)行計(jì)算[26],由于實(shí)時(shí)波浪力計(jì)算十分繁瑣,因此采用平均波高進(jìn)行計(jì)算,其公式如下

由于無(wú)人艇順浪與逆浪情況下遭遇角對(duì)稱相等,仿真中的波浪方向恒定沿Y軸(慣性坐標(biāo)系下)負(fù)方向;而無(wú)人艇艏向以Y軸正方為0 度,以逆時(shí)針方向?yàn)檎?因此遭遇角 χ=|π -ψ|。

1.3 波浪影響下無(wú)人艇回轉(zhuǎn)仿真實(shí)驗(yàn)

對(duì)無(wú)人艇在不同波浪情況下進(jìn)行回轉(zhuǎn)仿真。實(shí)驗(yàn)恒定推力Fu=500 N,恒定扭矩Tr=300 N·m,同時(shí)設(shè)定恒定的波浪方向沿Y軸負(fù)方向。仿真結(jié)果如圖4 所示,圖中星號(hào)為航行起點(diǎn),三角箭頭為終點(diǎn)。

圖4 不同波高時(shí)無(wú)人艇回轉(zhuǎn)軌跡Fig.4 The rotation trajectory of the unmanned surface vessel at different wave heights

分析可知,在無(wú)人艇運(yùn)動(dòng)過程中,波高越大無(wú)人艇產(chǎn)生的扭轉(zhuǎn)力矩越大,無(wú)人艇的航跡和偏移距離也越大。由于無(wú)人艇回轉(zhuǎn)運(yùn)動(dòng)時(shí)艇體各方向都會(huì)受到波浪力的干擾,導(dǎo)致無(wú)人艇運(yùn)動(dòng)軌跡發(fā)生偏轉(zhuǎn)的方向大致與波浪方向一致。

2 無(wú)人艇運(yùn)動(dòng)控制應(yīng)用分析及方法設(shè)計(jì)

無(wú)人艇在不同波浪環(huán)境下運(yùn)動(dòng)時(shí),固定的控制參數(shù)會(huì)造成控制響應(yīng)趨于一致,但實(shí)際在順浪和逆浪情況下無(wú)人艇對(duì)控制器響應(yīng)速度的要求是不同的。順浪情況下,控制器需要靈敏地作出響應(yīng),以防止偏離期望艏向造成較大誤差;逆浪情況下,控制器可較為緩慢地響應(yīng),以節(jié)約能量消耗減少機(jī)械結(jié)構(gòu)磨損。

文中針對(duì)無(wú)人艇在波浪環(huán)境中的艏向控制問題,基于RMFAC 方法[13],并結(jié)合模糊控制提出一種FRMFAC 方法,以使無(wú)人艇適應(yīng)更多復(fù)雜海況。通過分析不同波浪情況及控制參數(shù)對(duì)無(wú)人艇的控制效果,設(shè)計(jì)相應(yīng)的模糊控制規(guī)則。該方法可根據(jù)不同波浪環(huán)境對(duì)RMFAC 參數(shù)進(jìn)行在線調(diào)整,在保證控制效果的基礎(chǔ)上,達(dá)到節(jié)能的效果。

2.1 RMFAC 方法

考慮在無(wú)人艇艏向控制系統(tǒng)下,探究緊格式動(dòng)態(tài)線性化MFAC(compact form dynamic linearization MFAC,CFDL-MFAC)方法[19]的應(yīng)用問題,其控制方法為

式中:λ＞0為權(quán)重系數(shù);y*(k+1)為期望輸出;ρ ∈(0,1]。

式中: μ＞0為權(quán)重系數(shù);η ∈(0,1]為步長(zhǎng)因子;ε為1 個(gè)充分小的正數(shù);(k)為?(k)的估計(jì)值;(1)為??(k)的初值。

式(8)是算法重置機(jī)制。該算法不包含任何模型信息,且對(duì)時(shí)變信息不敏感,算法的重置機(jī)制也提高了偽偏導(dǎo)數(shù)估計(jì)算法跟蹤數(shù)據(jù)隨時(shí)間變化的能力。然而為了嚴(yán)謹(jǐn)?shù)刈C明控制系統(tǒng)的穩(wěn)定性,還需滿足如下假設(shè):

假設(shè)1:期望輸出信號(hào)y*(k+1)是有界的,則存在1 個(gè)有界的u*(k),將此信號(hào)輸入到系統(tǒng)中,使其輸出等于y*(k+1)。

假設(shè)2:當(dāng)任意時(shí)刻k及Δu(k)≠0時(shí),偽偏導(dǎo)數(shù)的正負(fù)不會(huì)發(fā)生改變,即滿足? (k)＞ε ＞0,或?(k)＜-ε。

在無(wú)人艇艏向控制系統(tǒng)中,由于其艏向輸出范圍為-180°～180°,當(dāng)控制輸入(舵角或偏航力矩)增大時(shí),受控系統(tǒng)輸出(艏向角)并不是一直增大,不滿足CFDL-MFAC 方法對(duì)受控系統(tǒng)的“擬線性”假設(shè)2,導(dǎo)致該方法不能直接應(yīng)用于艏向控制子系統(tǒng)中。

針對(duì)艏向控制子系統(tǒng)不滿足上述假設(shè)2 的問題,廖煜雷等[13]針對(duì)艏向控制子系統(tǒng)的特殊動(dòng)力學(xué)特性,引入重定義輸出增益,提出了RMFAC 方法。其原理如圖5 所示。

圖5 RMFAC 原理圖Fig.5 Principle of RMFAC method

引入重定義輸出

如果選擇合適的參數(shù)K1,當(dāng)控制輸入增大時(shí),K1r持 續(xù)增大,抵消艏向 ψ減小的問題,確保受控輸出ψ+K1r也隨之增大,從而滿足了假設(shè)2 的要求[13]。

針對(duì)無(wú)人艇艏向控制子系統(tǒng),對(duì)于式(9),選擇參數(shù)滿足K1=1min＞2π/(maxTs)時(shí),偽偏導(dǎo)數(shù)?(k)＞0 恒成立;同理,當(dāng) ΔTr(k)＜0,也存在合適的K1使 得 ?(k)＞0恒成立,即假設(shè)2 得以滿足。其中,max為單位時(shí)間內(nèi)最大正向轉(zhuǎn)艏角速度。

2.2 FRMFAC 方法設(shè)計(jì)

2.2.1 重定義輸出增益對(duì)控制效果影響分析

基于無(wú)人艇水平面運(yùn)動(dòng)模型,利用重定義輸出增益分別嘗試不同的K1值進(jìn)行仿真實(shí)驗(yàn)。實(shí)驗(yàn)分別設(shè)置了K1=0、10、20和30等4 種情況,期望艏向角 ψ0為90°,仿真結(jié)果如圖6 所示。

圖6 不同重定義輸出增益仿真對(duì)比Fig.6 Simulation comparison of different redefined output gains

對(duì)比可知,隨著K1值的增加,無(wú)人艇的艏向控制效果越來(lái)越好,最大超調(diào)量逐漸減小,但也由此導(dǎo)致上升時(shí)間越來(lái)越長(zhǎng)。因此,為了提高控制系統(tǒng)的響應(yīng)速度,可適當(dāng)減小K1值;相反為了降低控制系統(tǒng)的響應(yīng)速度,可適當(dāng)增加K1值?？紤]波浪干擾情況下無(wú)人艇運(yùn)動(dòng)情況,在順浪或逆浪情況下,無(wú)人艇受到的外界波浪干擾力是不同的,因此控制系統(tǒng)的響應(yīng)速度可以在航行過程中進(jìn)行相應(yīng)調(diào)整,以更好地適應(yīng)波浪環(huán)境。

2.2.2 方法步驟

針對(duì)無(wú)人艇在波浪干擾情況下的運(yùn)動(dòng)問題,并基于上述RMFAC 方法中重定義輸出增益系數(shù)K1的不同對(duì)控制效果的影響,設(shè)計(jì)了FRMFAC 方法。該方法的設(shè)計(jì)思路為: 根據(jù)不同波浪及遭遇角情況,在順浪和逆浪時(shí)采用不同的控制參數(shù)對(duì)無(wú)人艇進(jìn)行控制。無(wú)人艇運(yùn)動(dòng)過程中其艏向與波浪方向是不斷變化的,因此,需要考慮遭遇角與控制參數(shù)之間的關(guān)系,即: 順浪情況下,應(yīng)加快無(wú)人艇響應(yīng)速度,對(duì)偏差快速進(jìn)行調(diào)整;逆浪情況下,應(yīng)減慢無(wú)人艇響應(yīng)速度,防止振蕩發(fā)生。同時(shí),在不同波浪干擾條件下的控制參數(shù)也需要隨著波高的增高而改變,即: 波高較小時(shí),無(wú)人艇自身擾動(dòng)不大,可以適當(dāng)降低響應(yīng)速度;相反,波高較大時(shí),無(wú)人艇受到的擾動(dòng)增大,需要提高其響應(yīng)速度,防止發(fā)生危險(xiǎn)。該控制方法原理如圖7 所示。

圖7 FRMFAC 原理圖Fig.7 Principle of FRMFAC method

該算法主要包含以下步驟。

1) 確定控制器的輸入輸出變量,設(shè)定相應(yīng)的論域?？刂破鞑捎枚S輸入,系統(tǒng)的輸入分別為波高H、波浪遭遇角 χ,輸出值為K1。接下來(lái)進(jìn)行模糊化,將模糊子集分別用NB(負(fù)大)、NM(負(fù)中)、NS(負(fù)小)、ZO(零)、PS(正小)、PM(正中)、PB(正大)表示[28]。根據(jù)實(shí)際工況條件,設(shè)定H的論域?yàn)?0,0.2,0.4,0.6),其模糊子集表示為{ZO,PS,PM,PB}。遭遇角 χ的范圍為(0,2π),由于無(wú)人艇在順浪與逆浪航向時(shí)的遭遇角呈現(xiàn)鏡像的特點(diǎn),因此,其論域可定義為(0,π/6,π/3,π/2,2π/3,5π/6,π),于是遭遇角的模糊子集為{NB,NM,NS,ZO,PS,PM,PB}。輸出參數(shù)K1的論域可根據(jù)實(shí)際經(jīng)驗(yàn)與實(shí)驗(yàn)得出。

2) 確定各模糊變量的隸屬度函數(shù),將系統(tǒng)輸入進(jìn)行模糊化。文中采用三角形函數(shù)作為隸屬函數(shù)[29]。

3) 根據(jù)設(shè)計(jì)思路對(duì)模糊規(guī)則進(jìn)行設(shè)計(jì)。根據(jù)不同波浪情況,依據(jù)控制原理對(duì)模糊控制規(guī)則進(jìn)行設(shè)計(jì),如表1 所示。

表1 K1模糊控制規(guī)則Table 1 K1 Fuzzy control rules

得到3 個(gè)控制參數(shù)的三維曲面圖,如圖8 所示。

圖8 K1三維曲面圖Fig.8 Three-dimensional surface diagram of K1

4) 進(jìn)行解模糊操作,最終得到輸出值。得到模糊輸出子集后,選用面積重心法進(jìn)行去模糊化[30]。

2.3 基于視線法的路徑跟蹤方法

給定一條以參數(shù)化表示的路徑曲線(Xd(θ),Yd(θ)),其中θ為與時(shí)間無(wú)關(guān)的曲線參數(shù)。

定義曲線的切向角

以跟蹤點(diǎn)為原點(diǎn)建立S-F坐標(biāo)系如圖9 所示,對(duì)于在 (x,y)處的無(wú)人艇,其縱向跟蹤誤差xe和橫向跟蹤誤差ye可以表示為

圖9 無(wú)人艇路徑跟蹤示意圖Fig.9 Schematic diagram of of path tracking

分別對(duì)xe和ye求導(dǎo),通過聯(lián)立可得

視線法制導(dǎo)律為

式中,Δ ＞0為無(wú)人艇的前視距離。

九曲蔣家208斷裂總體傾角30°，2號(hào)主礦體與其產(chǎn)狀基本相似，向深部愈加富集，局部?jī)A角由陡變緩的地段往往是厚大礦體賦存位置，這也符合膠西北大型控礦斷裂變緩控礦的規(guī)律[16-19]。

設(shè)計(jì)式(12)中up的表達(dá)式為

式中: κ為常量參數(shù)。

由式(15)與式(13)可得

3 仿真與分析

3.1 抗波浪干擾效果分析

通過對(duì)上文建立的無(wú)人艇運(yùn)動(dòng)數(shù)學(xué)模型進(jìn)行的大量仿真實(shí)驗(yàn),得到使用PID 控制方法時(shí)較優(yōu)的控制參數(shù)為:kp=6,ki=0.01,kd=50;RMFAC方法較優(yōu)的控制參數(shù)為: ρ=1,λ=0.1,η=0.8,μ=0.001,K1=20;FRMFAC 方法的參數(shù)為: ρ=1,λ=0.1,η=0.8,μ=0.001,其中K1由模糊規(guī)則根據(jù)實(shí)時(shí)波浪情況給出。

選取以X=100 m,Y=0 m為圓心,半徑為100 m 的圓形路徑,設(shè)定期望路徑為

無(wú)人艇初始位置為(0,0)點(diǎn),初始速度為0 m/s,初始艏向角為90°,設(shè)定前視距離 Δ=10 m。

分別在不同波浪干擾情況下,對(duì)PID、RMFAC和FRMFAC 等控制方法進(jìn)行對(duì)比實(shí)驗(yàn)。仿真結(jié)果如圖10 所示。

圖10 不同波高下控制仿真結(jié)果Fig.10 Simulation results of different control methods at different wave heights

為了更好地對(duì)比仿真效果,采用均方根誤差RRMSE對(duì)仿真誤差進(jìn)行計(jì)算(結(jié)果見表2),有

表2 不同控制方法的RMSETable 2 RMSE with different control methods

式中:d(ti)為每時(shí)刻無(wú)人艇的位置與圓心的距離;m為跟蹤一周無(wú)人艇軌跡點(diǎn)的總數(shù)。

由表2 可以看出,3 種方法在不同波浪干擾情況下均可完成路徑跟蹤任務(wù)。但不同波高下的跟蹤效果存在些許差異。隨著波高的增加,3 種控制跟蹤效果逐漸變差。在迎浪運(yùn)動(dòng)時(shí),三者差別不大;但在順浪運(yùn)動(dòng)時(shí),PID 控制過大,導(dǎo)致一直處于跟蹤路徑內(nèi)部,而RMFAC 和FRMFAC 在順浪情況下隨著波浪干擾力的增加,在誤差允許的范圍內(nèi)逐漸遠(yuǎn)離跟蹤路徑,且兩者之間的跟蹤效果幾乎重合。

3.2 節(jié)能效果分析

由于無(wú)人艇的推進(jìn)方式為噴水推進(jìn),在恒定航速情況下推力基本一致,因此能量消耗差距主要體現(xiàn)在航向控制機(jī)構(gòu)上。同時(shí),舵機(jī)轉(zhuǎn)動(dòng)機(jī)構(gòu)大范圍頻繁往復(fù)運(yùn)動(dòng)會(huì)造成機(jī)械結(jié)構(gòu)磨損甚至降低使用壽命。圖11 給出了使用PID 方法與FRMFAC方法在波高0.2 m 情況下舵機(jī)提供的轉(zhuǎn)艏力矩變化情況。

圖11 H=0.2 m 時(shí)舵機(jī)提供的轉(zhuǎn)艏力矩Fig.11 Bow turning moment provided by steering gear at H=0.2 m

由圖11 可見,在使用PID 方法時(shí)舵機(jī)一直在最大轉(zhuǎn)動(dòng)范圍內(nèi)運(yùn)動(dòng),相比之下使用FRMFAC方法僅有少數(shù)幾次轉(zhuǎn)動(dòng)會(huì)觸碰到最大舵角限制,其余時(shí)間均在正常工作范圍內(nèi)轉(zhuǎn)動(dòng)。因此,使用FRMFAC 方法可以有效降低舵角轉(zhuǎn)動(dòng)范圍,進(jìn)而提高舵機(jī)等操縱裝置的使用壽命并起到節(jié)能效果。

通過對(duì)比3 種控制方法跟蹤圓形軌跡一周舵機(jī)的能耗情況,對(duì)不同控制方法的節(jié)能效果進(jìn)行分析。首先假設(shè)在恒定航速情況下該無(wú)人艇在不同舵角情況下對(duì)應(yīng)的扭矩為線性關(guān)系,即T=Kδ,使用如下能量衡量方法對(duì)仿真結(jié)果進(jìn)行量化[23]。

對(duì)上述圓形軌跡跟蹤結(jié)果見表3。

表3 跟蹤圓形軌跡一周舵機(jī)的能耗情況Table 3 Energy consumption of tracking circular trajectories one turn

從表中可看出,3 種控制方法控制艏向所消耗的能量均隨著海洋環(huán)境干擾的增大而增加。在波高相同的情況下,FRMFAC 的能耗始終小于PID控制方法,與RMFAC 方法相比有部分提升。但在波高為0.4 m 時(shí),FRMFAC 方法的節(jié)能效果達(dá)到了31.3%。在波高0.6 m 時(shí),3 種控制方法的能量消耗均有所增加,FRMFAC 方法相較RMFAC 方法的節(jié)能效果最明顯?？梢娫诓ɡ烁蓴_較大的情況下,相較其他2 種方法的效果提升十分明顯,同時(shí)驗(yàn)證了使用模糊控制的方法更能節(jié)約能量。

對(duì)這種差異的原因進(jìn)行分析。對(duì)于傳統(tǒng)固定參數(shù)的PID 控制器和RMFAC 方法來(lái)說,為了應(yīng)對(duì)多種復(fù)雜的海況環(huán)境,在設(shè)計(jì)時(shí)通常選取較大的控制參數(shù),避免因控制響應(yīng)速度不足,導(dǎo)致無(wú)人艇艏向控制失控。因此,在逆浪情況下,由于控制響應(yīng)速度過大,造成舵機(jī)反復(fù)大范圍轉(zhuǎn)動(dòng),最終導(dǎo)致其能量消耗的增加。而對(duì)于FRMFAC 控制方法,其可在合理范圍內(nèi)對(duì)控制參數(shù)進(jìn)行調(diào)節(jié),在順浪情況下,適當(dāng)減小K1值,使無(wú)人艇快速響應(yīng);在逆浪時(shí)適當(dāng)增大K1值,從而減少舵機(jī)反復(fù)轉(zhuǎn)動(dòng)角度范圍,因此該控制方法可以達(dá)到節(jié)能的效果。

4 結(jié)論

文中主要研究無(wú)人艇在波浪環(huán)境干擾下的運(yùn)動(dòng)控制方法。通過建立無(wú)人艇的數(shù)學(xué)模型與波浪干擾數(shù)學(xué)模型,對(duì)不同波浪情況下無(wú)人艇運(yùn)動(dòng)軌跡進(jìn)行仿真?；谀：刂萍癛MFAC 方法,提出了一種FRMFAC 方法,對(duì)無(wú)人艇進(jìn)行運(yùn)動(dòng)控制研究,得到以下結(jié)論:

1) 無(wú)人艇在遭受波浪環(huán)境干擾時(shí),其運(yùn)動(dòng)軌跡隨著波浪條件惡劣程度逐漸偏離期望軌跡,導(dǎo)致控制效果失效。

2) 固定參數(shù)的控制方法無(wú)法在不同波浪或遭遇角情況下對(duì)控制參數(shù)進(jìn)行實(shí)時(shí)調(diào)整,導(dǎo)致初始情況下控制響應(yīng)過快,造成能量浪費(fèi)及機(jī)械磨損。對(duì)于此問題,提出了基于模糊控制的FRMFAC 方法,使得控制參數(shù)可以根據(jù)波浪等情況自行進(jìn)行調(diào)整。

3) 通過仿真對(duì)比實(shí)驗(yàn),驗(yàn)證了文中所提控制算法可以在誤差允許的范圍內(nèi)實(shí)現(xiàn)節(jié)能運(yùn)動(dòng)控制。同時(shí),FRMFAC 方法相比固定參數(shù)的PID 或RMFAC 方法,能有效減少舵機(jī)轉(zhuǎn)動(dòng)幅度。因此,在降低艏向控制系統(tǒng)能耗的同時(shí)提高了操縱系統(tǒng)的使用壽命,進(jìn)而提高了無(wú)人艇在波浪環(huán)境中的適應(yīng)力和續(xù)航力。