ROV水下對接液壓飛頭過程的位姿控制方法研究

程友祥+葉天源+宋琦+譚西都+劉晨曦

摘要：ROV位姿控制的快速性與穩定性是MQC（液壓飛頭）水下對接成功的關鍵。本文針對MQC水下對接過程中，海流推力、對接反力等外擾巨大且無法預估的問題，提出了機械臂輔助下的ROV位姿控制的系統結構與工作原理，并在此基礎上分析比較了Z-N整定法和模糊算法等PID控制參數優化方法，仿真結果表明，集模糊算法、Z-N整定法于一體的模糊-PID控制算法可以最大限度地提高ROV位姿控制性能，提高MQC水下對接穩定性，提高水下對接成功率。

關鍵詞：MQC對接，ROV位姿控制，Z-N整定，模糊算法，模糊-PID控制

0 引言

MQC（液壓飛頭）是用來在水下同時連接多個接頭的裝置，主要用以分配水下液壓控制信號。MQC對接是由ROV將移動端與海底設備上的固定端對接，從而實現管路的連通[1]。在MQC對接過程中，ROV位姿控制非常重要。

1 結構與工作原理

ROV是有纜水下自治機器人，通過推進器合理排布實現前、后、左、右、上浮、下沉運動，其攜帶如機械手、扭矩工具等作業工具，能夠輔助完成復雜的作業任務。

ROV的基座處于浮游狀態，即ROV并非固定狀態，存在自由度冗余，這使得操作具有更高的靈活性，但也造成了運動學反解的不唯一性；同時，ROV的機械手與ROV本體之間存在動力學耦合，機械手的運動會引起ROV的運動，進而導致機械手末端執行器不能準確地定位，不利于末端軌跡的跟蹤控制；另外，ROV工作環境面臨諸多未知問題，通常都比較復雜，比如海水的作用力、移動端和固定端對接的相互作用力等等對系統的操作都有很大的影響。這些都大大增加了ROV位姿研究的難度[2]。

2 基于ROV的MQC對接過程

深水環境下的MQC對接，潛水員作業受限，需要借助水下機器人進行操作，利用基于ROV進行MQC對接過程如下：首先母船裝載所有對接設備預先定位到對接地點的水面上，并把所有設備輸送到水下對接地點，準備進行對接；然后ROV向海底設備移動，機械手上帶有的扭矩工具從暫置位上取下MQC移動端；ROV再次移動，攜帶MQC移動端駛向海底固定設備，到達目標地點后機械手將移動端與固定端對接，完成對接后ROV撤離。若對接過程中ROV姿態發生變動，有可能導致對接失敗，甚至引起重大事故。

3 ROV位姿PID控制參數優化方法概述

所謂ROV位姿是指在MQC對接過程中，ROV上各點相對參考坐標系的空間位置，穩定性即ROV受到干擾后能否回到原來姿態的性能。ROV運動位姿控制采用PID控制，PID控制從無到有已經經歷了近一個世紀，它結構簡單、穩定性能好、可靠性高的優點使其至今依然能得到廣泛的應用[3]。PID三個參數需要通過優化使系統獲得良好的快速性和穩定性，其優化可以通過不同的控制算法實現，優化目的是降低超調，對干擾做出迅速的響應。ROV位姿控制系統是一個非線性流體動力學的系統，其中的多個狀態變量多有耦合，以及系統本身的不確定性和環境的多變性都給控制帶來挑戰。PID控制參數優化方法有多種，這里介紹PID控制參數的Z-N整定法和模糊算法優化方法。

3.1 PID控制參數的Z-N整定法

Z-N整定法是Ziegler和Nichols在1942年提出來的PID控制參數的經驗整定公式，在實際工業過程中，大多數被控對象獲得數學模型后，即可通過時域或頻域數據，根據表1所示的Z-N整定經驗公式計算PID控制參數。

表1 PID控制參數的Z-N經驗整定公式

這里借助MATLAB環境進行整定將會很方便，在得到被控對象傳遞函數后可以利用MATLAB求得幅值裕量、剪切頻率等參數，而后根據上表公式設計PID控制器。但是這樣得到的PID控制在面對復雜多變的深水環境時可能得不到預期效果。

3.2 PID控制參數模糊算法優化法

由于PID控制更加適合具有精確數學模型的系統，而實際工業中大多數系統常常比較復雜，再加上深水環境充滿了不確定性和未知性，被控對象的參數甚至模型結構都會隨之不斷發生變化。因此我們希望PID控制器參數最好能夠具有自適應性，能夠對外界干擾做出快速的反應。于是引入了一個算法——模糊算法。模糊算法是一種根據“相似度”來描述問題的。模糊算法中所有輸入變量基于經驗值，每個變量對應幾個模糊設置，根據從屬函數得到解；而抉擇邏輯，即模糊規則是自變量和因變量之間的關系，這是基于已有的知識經驗；模糊推論則是基于歸納演繹方法；最終得到輸出。總而言之，模糊算法針對系統的不確定性和非線性[4]。

一般模糊控制器采用二維模糊輸入，其結構框圖如圖1所示。從中可以看出，輸入偏差E和其變化率EC經過量化因子變換后得到模糊論域，然后經過模糊化環節再進行模糊邏輯推理，可以得到輸出模糊子集，最后經過解模糊化處理并經過轉換，可以得到實際控制量u的輸出。這里即采用三個模糊控制器分別對PID控制三個參數進行優化，得到實際的控制參數。模糊算法的穩態性能較好，但會同時犧牲動態性能，降低系統響應快速性。

3.3參數自適應調節模糊-PID控制的參數優化方法

ROV的位姿控制是一個復雜系統，并且外界條件在不斷變化，傳統的PID控制的控制效果差，如果在被控對象變化的不同階段采用不同的PID控制就可以實現復雜系統的簡單控制。結合深水環境被控對象的特點以及PID控制參數優化方法的優缺點，本文提出了結合Z-N整定法以及模糊算法的方法對PID控制參數進行優化，即模糊-PID控制方法，先通過模糊算法分析偏差和偏差變化率，在線調整PID控制參數——比例系數、積分系數、微分系數的增量，再通過Z-N整定法獲得最終優化的參數，實現系統的參數自調節模糊-PID控制。

4 仿真

本文采用MATLAB/Simulink軟件進行仿真。仿真模型結構如圖2，假設輸入信號為一個正弦信號，在2s的時候加入由階躍信號經過加法器構造的持續時間0.5s的干擾。仿真結果是得到輸入信號受到干擾下情況下原被控模型曲線、只經過Z-N整定后的模型曲線、只經過模糊算法優化后的模型曲線和經過模糊-PID控制方法優化后的模型曲線，通過對比上升時間和超調來比較快速性和穩定性，從而得出MQC對接中ROV位姿PID控制參數優化的最優方法。

首先利用MATLAB得到開環傳遞函數的幅值裕量和剪切頻率等參數，再根據表1求得Z-N整定后的PID控制器的比例系數、積分系數和微分系數，然后在simulink子系統里建立Z-N整定后的PID控制器，如圖3，可獲得只有Z-N整定PID控制的模型曲線。

而模糊算法子系統中的模糊控制結構如圖4，比例系數、積分系數、微分系數各有一個調節器，并設計合理的模糊語言變量，制定模糊規則，最終得到三個參數的增量，再經過解模糊可以得到最終的輸出，得到模糊算法優化后的模型曲線。若同時結合Z-N整定法，則還要與Z-N整定后PID控制器的三個參數累計求和，如圖5，最后解模糊得到實際輸出，得到模糊-PID控制優化后的模型曲線。

最終得到如圖6所示結果圖。在2s中加入階躍信號干擾后，Z-N整定后的PID控制模型響應速度很快，但是超調很大，穩定性能不好，而加入模糊算法的兩種模型則具有很小的超調量，約為Z-N整定模型的10%，穩定性能很好，只是響應速度較慢，犧牲了部分動態性能。而只有模糊算法的模型和模糊-PID控制模型相比，模糊-PID控制模型具有更好的穩定性。

綜上所述，模糊-PID控制優化算法可以使模型受到干擾后，以較快地速度響應并具有很好的穩定性，是幾種算法中的最優方法，符合MQC對接過程中ROV位姿控制的要求。

5 結論

本文介紹了基于ROV的MQC對接過程，分析了對接過程中ROV位姿控制的重要性，并介紹了幾種ROV的PID控制參數優化的方法，分析比較了其優缺點，最終提出了一種參數自適應調節模糊-PID控制方法，理論上能夠實現在復雜多變的深水環境中，較快速地優化PID控制參數，并具有很好的穩定性，使得ROV在受到干擾后能夠快速而穩定地做出最優響應，從而完成MQC對接作業。

參考文獻：

[1]王鳳云，劉立新等. 水下多功能液壓快速接頭的研究概述[J]， 機械工程師， 2015.3（5）：143–146.

[2]徐長密. 水下機器人-機械手系統動力學建模及運動控制研究[D].山東：中國海洋大學，2010.

[3]石振華. PID的自整定控制及其研究[D].內蒙古：內蒙古科技大學，2008. .

[4]J. M. Larrazabal and M. S. Peňas， “Intelligent rudder control of an unmanned surface vessel，” Expert Syst. Appl.， vol. 55， pp. 106–117， 2016.