滑模方法设计AUV路径跟踪转艏力矩

前言

本文通过滑模方法对AUV的直线路径跟踪的转艏力矩进行设计,主要目的是介绍滑模变结构控制的基本原理和滑模方法在AUV控制中的简单运用。

一、滑模控制的基本原理介绍

滑模变结构控制是一种非线性的控制方法,又称为变结构控制,其控制结构是不固定的,会随着整个系统的状态变化而变化。根据系统运动轨迹可以通过切换控制量进行控制,滑模控制的结构简单,对精确的数学模型的依赖性不强,同时易于控制而且响应较快,缺点是其不连续的特性会导致抖振现象产生,系统的状态在切换面的左右 进行抖动,无法对切换面进行实际上的趋近和贴合。
滑模运动主要包括趋近运动和滑模运动两部分。
趋近运动:要求状态空间不断向切换面靠近,对具体的趋近过程未作限制;
滑模运动:系统状态在滑模面附近继续运动;
具体定义如下:
假设存在控制系统: x ˙ = f ( x , u , t ) \dot{x}=f(x,u,t) x˙=f(x,u,t)
确定一个切换函数 s ( x ) s(x) s(x),切换面可以表示为: s ( x ) = s = 0 s(x)=s=0 s(x)=s=0
此处的切换面是一个超曲面,它将整个状态空间分为两个部分,如下图所示:
在这里插入图片描述
此时要求控制量 u u u在切换面附近的切换为:
u = { u + ( x ) s ( x ) > 0 u − ( x ) s ( x ) < 0 u = \begin{cases}u^{+}(x) &s(x)>0\\u^{-}(x)& s(x)<0&\end{cases} u={u+(x)u(x)s(x)>0s(x)<0
若能满足上式,则称滑动模态存在。一种控制能称为滑模变结构控制,不仅要求滑动模态存在,同时在有限时间能达到滑模面,且过程要保持稳定。
应用滑模理论解决跟踪问题时,基本思路是通过设计关于跟踪误差的滑模函数,设计控制率使滑模函数收敛,进而保证误差的收敛,最终达到控制目的,下面进行简单说明。
设计的滑模函数为: s ( t ) = c e ( t ) + e ˙ ( t ) s(t)=ce(t)+\dot{e}(t) s(t)=ce(t)+e˙(t)其中 e ( t ) e(t) e(t) e ˙ ( t ) \dot{e}(t) e˙(t)分别为误差和误差随时间的变化率,参数 c c c满足相应的参数选择条件,即大于零。
s ( t ) = 0 s(t)=0 s(t)=0时,滑模函数变为:
e ˙ ( t ) / e ( t ) = − c \dot{e}(t)/e(t)=-c e˙(t)/e(t)=c对两侧同时积分:
l n ( e ( t ) / e ( 0 ) ) = − c t ln(e(t)/e(0))=-ct ln(e(t)/e(0))=ct最终的收敛结果为:
e ( t ) = e ( 0 ) e x p ( − c t ) e(t)=e(0)exp(-ct) e(t)=e(0)exp(ct) t → ∞ t\rightarrow\infty t时,系统误差会以指数形式收敛到0,收敛的速度与参数 c c c的选择有关。则若通过设计相应的控制率使滑膜函数收敛于0,那么误差在 t → ∞ t\rightarrow\infty t时也可指数收敛于0。

二、几种典型的趋近率

滑模控制包含趋近运动和滑模运动,前者指系统状态从所给定的初始位置趋向切换面,后者指系统状态到达切换面时无限趋近于切换面,此过程即为 s → ∞ s\rightarrow\infty s的过程,合理的趋近率选择可以保证快速趋近且有效消除抖振现象,下面介绍几种典型的趋近率。

2.1等速趋近率

s ˙ = − ϵ s g n s , ϵ > 0 \dot{s}=-\epsilon sgns,\epsilon>0 s˙=ϵsgns,ϵ>0 s g n s sgns sgns为符号函数, ϵ \epsilon ϵ为增益参数,系统状态趋近于切换面的速度与之相关:较大的 ϵ \epsilon ϵ会使趋近速度变快,但同时产生的抖振现象也会更加明显;较小的 ϵ \epsilon ϵ会使趋近速度变慢,同时引起的抖振也会更小。

2.2指数趋近率

s ˙ = − ϵ s g n s − k s , ϵ > 0 , k > 0 \dot{s}=-\epsilon sgns-ks ,\epsilon>0,k>0 s˙=ϵsgnsks,ϵ>0,k>0由上式知,指数趋近率由等效趋近率和指数项 s ˙ = − k s \dot{s}=-ks s˙=ks组成,其中指数项主要控制趋近的速率,较大的增益能使系统状态趋近至滑模面的时间变短,其解为 s = s ( 0 ) e − k t s=s(0)e^{-kt} s=s(0)ekt

对指数趋近率进行分析,取李雅普诺夫函数:
V = 1 2 s 2 V=\frac{1}{2}s^{2} V=21s2采用指数趋近率并对上式进行求导,得到:
V ˙ ≤ − ϵ ∣ s ∣ − k s 2 = − k 2 V − ϵ ∣ s ∣ ≤ − k 2 V \dot{V}\leq-\epsilon\mid s\mid-ks^{2}=-\frac{k}{2}V-\epsilon\mid s\mid\leq-\frac{k}{2}V V˙ϵsks2=2kVϵs∣≤2kV求解该不等式可得:
V ( t ) ≤ e − k 2 ( t − t 0 ) V ( t 0 ) V(t)\leq e^{-\frac{k}{2}(t-t_{0})}V(t_{0}) V(t)e2ktt0)V(t0) V ( t ) V(t) V(t)指数收敛于零,收敛速度由 k k k的大小决定。在指数收敛中,收敛速度会随时间推移逐渐减小为零,这就使当系统状态接近切换面时速度较小。
倘若只存在指数趋近,系统只能无限趋近于切换面但最终无法达到,此时便无滑动模态。当引入等速趋近项 s ˙ = − ϵ s g n ( s ) \dot{s}=-\epsilon sgn(s) s˙=ϵsgn(s),此时靠近切换面时,其收敛速度是 ϵ \epsilon ϵ而非零,使其最终能达到滑模面。

2.3幂次趋近率

s ˙ = − k ∣ s ∣ α , k > 0 , 1 > α > 0 \dot{s}=-k\mid s \mid ^\alpha,k>0,1>\alpha>0 s˙=ksα,k>0,1>α>0

2.4一般趋近率

s ˙ = − ϵ s g n s − f ( s ) , ϵ > 0 \dot{s}=-\epsilon sgns-f(s),\epsilon>0 s˙=ϵsgnsf(s),ϵ>0上式中 f ( 0 ) = 0 f(0)=0 f(0)=0,当 s ≠ 0 s≠0 s=0时, s f ( s ) > 0 sf(s)>0 sf(s)>0,与上述三种趋近率类似,也有可以使系统 达到滑模动态的条件 s s ˙ < 0 s\dot{s}<0 ss˙<0

三、滑模方法设计转艏力矩

假定需要镇定的误差为:
ψ e = ψ + β − ϕ F − δ \psi_{e}=\psi+\beta-\phi_{F}-\delta ψe=ψ+βϕFδ选取的滑模函数为:
s = k 1 ψ e + ψ ˙ e s=k_{1}\psi_{e}+\dot{\psi}_{e} s=k1ψe+ψ˙e采用基于趋近率的滑模控制,选取指数趋近率: s ˙ = − ϵ t a n h ( s ) − k 2 s , ϵ > 0 , k > 0 \dot{s}=-\epsilon tanh(s)-k_{2}s,\epsilon>0,k>0 s˙=ϵtanh(s)k2s,ϵ>0,k>0此处对原本的趋近率做出了改进,用连续的双曲正切函数代替了符号函数,能够有效减小抖振现象,大大降低了趋近滑模面时的超调现象。
s ˙ = k 1 ψ ˙ e + ψ ¨ e = k 1 ψ ˙ e + ψ ¨ + β ¨ − ϕ ¨ F − δ ¨ \dot{s}=k_{1}\dot{\psi}_{e}+\ddot{\psi}_{e}=k_{1}\dot{\psi}_{e}+\ddot{\psi}+\ddot{\beta}-\ddot{\phi}_{F}-\ddot{\delta} s˙=k1ψ˙e+ψ¨e=k1ψ˙e+ψ¨+β¨ϕ¨Fδ¨运动学方程为: ψ ˙ = q s i n ϕ s e c θ + r c o s ϕ s e c θ \dot{\psi}=qsin\phi sec\theta +rcos\phi sec\theta ψ˙=qsinϕsecθ+rcosϕsecθ一般忽略横摇运动, ϕ = 0 \phi=0 ϕ=0,只考虑水平面运动,即 θ = 0 \theta=0 θ=0,则运动学方程变为: ψ ˙ = r \dot{\psi}=r ψ˙=r将其带入一阶导得到: s ˙ = k 1 ψ ˙ e + r ˙ + β ¨ − ϕ ¨ F − δ ¨ \dot{s}=k_{1}\dot{\psi}_{e}+\dot{r}+\ddot{\beta}-\ddot{\phi}_{F}-\ddot{\delta} s˙=k1ψ˙e+r˙+β¨ϕ¨Fδ¨结合指数趋近率有: − ϵ t a n h ( s ) − k 2 s = k 1 ψ ˙ e + r ˙ + β ¨ − ϕ ¨ F − δ ¨ -\epsilon tanh(s)-k_{2}s=k_{1}\dot{\psi}_{e}+\dot{r}+\ddot{\beta}-\ddot{\phi}_{F}-\ddot{\delta} ϵtanh(s)k2s=k1ψ˙e+r˙+β¨ϕ¨Fδ¨
动力学方程为:
N = m r r ˙ + d r N=m_r\dot{r}+d_{r} N=mrr˙+dr进行简单的化简:
r ˙ = N − d r m r \dot{r}=\frac{N-d_{r}}{m_{r}} r˙=mrNdr再次带入一阶导中,得到:
− ϵ t a n h ( s ) − k s = k 1 ψ ˙ e + N − d r m r + β ¨ − ϕ ¨ F − δ ¨ -\epsilon tanh(s)-ks=k_{1}\dot{\psi}_{e}+\frac{N-d_{r}}{m_{r}}+\ddot{\beta}-\ddot{\phi}_{F}-\ddot{\delta} ϵtanh(s)ks=k1ψ˙e+mrNdr+β¨ϕ¨Fδ¨需要设计的滑模控制率为:
N = m r ( − k 1 ψ ˙ e − ϵ t a n h ( s ) − k 2 s − β ¨ + ϕ ¨ F + δ ¨ ) + d r N= m_{r}(-k_{1}\dot{\psi}_{e}-\epsilon tanh(s)-k_{2}s-\ddot{\beta}+\ddot{\phi}_{F}+\ddot{\delta})+d_{r} N=mr(k1ψ˙eϵtanh(s)k2sβ¨+ϕ¨F+δ¨)+dr

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值