基于Lyapunov的控制器设计用于自主水下车辆（AUV）的轨迹跟踪，对于欠驱动的自主水下车辆（AUV）进行二维轨迹跟踪的仿真Lyapunov控制器设计（Simulink仿真、Matlab代码实现）

程序辅导帮

于 2024-07-20 08:40:05 发布

阅读量909

点赞数 10

文章标签： matlab 机器学习开发语言

本文链接：https://blog.csdn.net/2201_75454341/article/details/140565146

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

AUV动力学模型简化

设计目标

Lyapunov函数构造

Lyapunov稳定性分析

仿真验证

总结

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码、Simulink仿真实现

💥1 概述

Lyapunov控制器是一种常用的控制方法，用于设计稳定的控制系统。在设计自主水下车辆（AUV）的轨迹跟踪控制器时，可以使用Lyapunov方法来保证系统的稳定性和收敛性。以下是基于Lyapunov的控制器设计步骤，以实现欠驱动的自主水下车辆的二维轨迹跟踪：

1. **系统建模**：
首先，需要对水下车辆的动力学进行建模。对于二维轨迹跟踪，通常可以采用简化的二自由度模型。这个模型至少包括位置和航向角，可能还包括速度等状态变量。

2. **定义Lyapunov函数**：
设计一个Lyapunov函数，用于描述系统的能量或者“距离”函数。该函数的导数应该为负，以确保系统的稳定性。在这种情况下，我们可以选择系统误差的平方和作为Lyapunov函数。

3. **设计控制器**：
根据Lyapunov函数的导数，设计控制器以实现Lyapunov稳定性条件。通常，控制器的设计需要考虑系统状态的误差以及其导数。控制器的设计可以是线性或非线性的，但必须满足Lyapunov稳定性条件。

4. **仿真验证**：
使用仿真软件（如MATLAB/Simulink、Python等）对设计的控制器进行验证。在仿真中，将模型与所需的轨迹进行比较，并评估控制器的性能。

以下是一个简单的基于Lyapunov的控制器设计示例，假设系统的状态为位置误差 \( e = r - r_d \)，其中 \( r \) 是实际位置， \( r_d \) 是期望位置，且航向角误差 \( \theta_e = \theta - \theta_d \)，其中 \( \theta \) 是实际航向角， \( \theta_d \) 是期望航向角。

1. **系统建模**：
假设二维轨迹跟踪系统的动力学模型如下：
\[
\dot{r} = v \cos(\theta)
\]
\[
\dot{\theta} = u
\]
其中 \( v \) 是速度， \( u \) 是舵角。

2. **Lyapunov函数**：
定义Lyapunov函数 \( V(e, \theta_e) = \frac{1}{2} e^2 + \frac{1}{2} k_{\theta} \theta_e^2 \)，其中 \( k_{\theta} \) 是控制器参数。

3. **设计控制器**：
设计控制器 \( u = -k_r e - k_{\theta} \theta_e \)，其中 \( k_r \) 是位置误差的增益，\( k_{\theta} \) 是航向角误差的增益。

4. **仿真验证**：
使用仿真软件验证控制器的性能，包括轨迹跟踪精度和系统的稳定性。

需要注意的是，Lyapunov控制器的设计需要考虑系统的具体动力学特性以及轨迹跟踪的要求。在实际应用中，可能需要对控制器进行调整和优化，以满足性能和稳定性的要求。

基于Lyapunov的控制器设计方法在控制理论中被广泛应用，因为它们能够提供系统稳定性的确切证明，并且能够直观地设计控制器以满足特定性能指标。对于欠驱动的自主水下车辆（AUV），即控制输入少于系统自由度的情况，采用Lyapunov方法设计轨迹跟踪控制器特别具有挑战性但也非常吸引人，因为它可以处理非线性动力学和系统约束。以下是一个简化的示例，说明如何基于Lyapunov方法为二维轨迹跟踪任务设计控制器。

AUV动力学模型简化

假设AUV在二维平面内运动，仅考虑横纵坐标(x,y)和平面内的航向角θ，忽略深度和翻滚等动态。动力学模型可以简化为： [ \begin{cases} \dot{x} = v\cos(\theta) \ \dot{y} = v\sin(\theta) \ \dot{\theta} = \omega \end{cases} ] 其中，𝑣v是AUV的速度，𝜔ω是角速度，假设它们是控制输入。

设计目标

我们的目标是设计一个控制器，使得AUV能够追踪给定的二维轨迹(𝑥𝑑(𝑡),𝑦𝑑(𝑡))(xd(t),yd(t))，并且维持期望的航向角𝜃𝑑(𝑡)θd(t)。

Lyapunov函数构造

Lyapunov稳定性分析

接下来，我们设计控制律使𝑉˙V˙负定。一个直观的选择是基于比例-微分(PD)控制： [ \begin{cases} v = k_p(e_x\cos(e_{\theta}) + e_y\sin(e_{\theta})) + k_d(\dot{x}d\cos(e{\theta}) + \dot{y}d\sin(e{\theta})) \ \omega = k_{\theta}e_{\theta} \end{cases} ] 这里，𝑘𝑝,𝑘𝑑,𝑘𝜃kp,kd,kθ是比例、微分和航向增益。

仿真验证

实现上述控制律并将其集成到AUV的动力学模型中。
使用MATLAB/Simulink或其他仿真软件设置仿真环境，包括轨迹设定、初始条件、模型参数等。
运行仿真，观察AUV的轨迹是否能准确跟踪预定路径，检查误差项𝑒𝑥,𝑒𝑦,𝑒𝜃ex,ey,eθ随时间的变化，验证系统的稳定性。
根据仿真结果调整增益参数以优化性能。

总结

基于Lyapunov的控制器设计为欠驱动AUV的轨迹跟踪提供了理论上的稳定性保证。通过精心设计的Lyapunov函数和控制律，可以实现期望的轨迹跟踪性能。然而，实际应用中还需考虑更多因素，如非线性动力学效应、外界干扰、传感器噪声和执行器限制等，可能需要更复杂的控制策略和更精细的参数调校。

📚2 运行结果

部分代码：

%% Trajectory planning and Tracking control of underactuated AUV

% Constants
global m
global onebym
global d

mass = 185.0;
Iz = 50.0;
Xu = -30.0;
Yv = -90.0;
Nr = -30.0;

m = [(mass-Xu), (mass-Yv), (Iz-Nr)];
onebym = [1.0/(mass-Xu), 1.0/(mass-Yv), 1.0/(Iz-Nr)];
d = [70.0, 100.0, 50.0];
j = 100;

% AUV values
auv = zeros(6, j);
auv(:, 1) = [10, 5.0, 0, 0, 0, 0];
disp('Auv');
disp(auv(:, 1));

global Fin
Fin = [0; 0];

%% Path Tracking

for i = 1:j
ts = 1;
disp(i);

% Control input
Fin(1) = 7.004;
Fin(2) = -0.488;

% q(2) + m(3)*Tr + (d(3)*Error(6,i)) + ( (m(2)-m(1)) * ( Error(4,i)*(Error(5,i)+Reqd(5,i)) + Reqd(4,i)*Error(5,i) ) ) ];

% ODE solver to update auv values
V0 = auv(:,i); % input to ODE45
[t1, p] = ode45('Trackfn', [0 ts], V0); % ODE45
auv(:,i+1) = p(end,:); % update auv parameters
auv(3,i+1) = angwrapfn(auv(3,i+1)); % psi in ( 0 to 6.28 )

% Plots
figure(3)
plot(auv(1,1:i), auv(2,1:i), 'b'); % plots auv's path

% Display
disp('Fin');
disp(Fin);
disp('Auv');
disp(auv(1:6,i+1));

end