基于干擾觀測器的欠驅動AUV自適應反演控制

陳巍，魏延輝，曾建輝，胡佳興，王澤鵬

?

基于干擾觀測器的欠驅動AUV自適應反演控制

陳巍，魏延輝，曾建輝，胡佳興，王澤鵬

(哈爾濱工程大學自動化學院，黑龍江哈爾濱，150001)

針對未知外界干擾存在的情況，提出一種基于非線性干擾觀測器(NDO)的自適應反演控制，用于改善欠驅動自治水下機器人(AUV)深度跟蹤控制性能。首先對欠驅動自治水下機器人的垂直面模型進行有條件的簡化，得到新的運動學及動力學方程，建立簡化后模型的狀態方程；其次根據系統狀態方程構建非線性觀測器，設計自適應反演控制器，輸出控制量根據李雅普諾夫穩定原理推導得出，確保包含非線性干擾觀測器及自適應反演控制器在內的控制系統的一致漸進穩定性。研究結果表明：所設計的非線性干擾觀測器以及自適應反演控制器可以實現欠驅動自治水下機器人在存在外界未知干擾情況下深度軌跡跟蹤，具有較強的魯棒性。

欠驅動自治水下機器人；深度跟蹤；非線性干擾觀測器；自適應；反演法

自治水下機器人(AUV)是一種能夠進行自主運行，不需要實時干預過程的水下智能機器人，相對于遙控水下機器人而言，AUV具有作業范圍約束少，作業過程中可深可淺，可單個作業，亦可多個協同工作等特點[1?2]。由于其獨特的優勢，AUV被廣泛用于深海的各種作業活動，諸如海底礦物勘測，海圖繪制，軍事偵察等。水下機器人由于需要完成各式各樣的任務，故對于其姿態控制以及運動控制的設計十分重要。欠驅動AUV是AUV中一種常見的類型，其特點是控制輸入的數目小于運動所涉及自由度的數目。目前針對欠驅動AUV控制的研究主要包括水平面，垂直面，以及三維軌跡跟蹤等研究方向[3?6]，賈鶴鳴等[6]基于自適應反步法設計實現了欠驅動AUV對時變航跡進行跟隨控制的目標。ZHANG等[7]構建了一種新型的自適應控制器，該方法基于 DRFNN實現在線預測動態特性未知的非線性路徑。RAIMONDI等[8]建立了一個多閉環模糊控制器用來實現欠驅動AUV水平面內橫向運動的控制。高劍等[9]基于級聯系統理論，獨立設計了位置以及航向角2個獨立的跟蹤控制器，研究了欠驅動AUV水平面軌跡跟蹤問題。萬磊等[10]針對模型不確定情況下的欠驅動AUV水平面內軌跡跟隨問題，設計了可以有效避免系統抖振現象的自適應模糊滑模控制器。LI等[11]將AUV的垂直面內動力學模型簡化為嚴格的非線性反饋系統，從而實現垂直面內運動的控制。NAIK等[12]將欠驅動AUV深度控制的限制問題等轉換為依據SDRE方法設計一個增廣系統控制器，實現了問題的轉化。陳子印等[13]通過自適應控制器對神經網絡控制器誤差進行消除，提出了針對AUV反饋增益的變深控制方法。周佳加等[14]對于無人水下航行器UUV的水平面路徑跟蹤，提出了一種自適應神經控制方法。非線性干擾觀測器(NDO)大多數用于非線性系統以及存在未知外界干擾的情況下，對所控制系統的各類不確定項進行補償，從而改善系統對于不確定外界干擾的承受能力[15?16]。喬繼紅等[15, 17]基于NDO的思想，分別觀測直升機系統和高超聲速飛行器系統包括外干擾在內的不確定項，提高了系統跟蹤期望軌跡的性能；自適應反演控制方法由自適應算法和反演控制相結合得到，可以消除被控系統時變參數以及未知外界干擾對系統的影響，具有廣泛的應用領域，張利軍等[3, 6, 17]分別在AUV深度、AUV三維航跡跟蹤以及飛行器的滑模控制等控制器設計過程中引入自適應反演算法，提升了系統的動態性能。近年來，針對欠驅動AUV受到外界干擾的控制研究大多集中在系統本身參數自適應規律的設計上，在此基礎上引入智能控制、魯棒控制、增益調節等，設計過程較為復雜，卻相對較少關注干擾本身的預測和估計。基于NDO的自適應反演控制算法，可以實現外界干擾的觀測以及控制輸入的補償，降低控制器的設計難度。本文作者采用基于非線性干擾觀測器的自適應控制方法來解決在不確定外干擾條件下，依靠舵角控制，實現欠驅動自治水下機器人跟蹤期望深度。根據李雅普諾夫穩定性理論，在確保系統一致漸近穩定的前提下，設計與構建了非線性干擾觀測器和自適應控制器，確定了舵角控制的表達式和自適應規律。最后仿真實驗的結果可以驗證該控制方法在滿足欠驅動AUV垂直面簡化模型的相關條件下，能很好地實現控制目標，表現出較強的抵抗外界未知干擾的魯棒性。

1 欠驅動AUV垂直面模型

對于AUV而言，通常采用牛頓?歐拉方法建立其六自由度的運動學及動力學模型[6]，其矩陣表示形式如下：

為得到欠驅動AUV垂直面運動學以及動力學模型，假設AUV水平面與垂直面運動實現解耦，且滿足，，，忽略橫搖運動對于縱搖以及垂蕩運動的干擾，可以得到如下簡化的垂直面模型[12]，這里假設由主推進器保證縱向線速度維持在常值，并且滿足＞0，欠驅動AUV完成深度跟蹤主要依靠舵角作為控制輸入。

(2)

(3)

(4)

其中：為垂蕩速度；為縱傾角速度；為縱傾角；為AUV下潛深度；為縱向速度，假設其維持在常值；為AUV質量；為AUV重力；B為AUV所受浮力；I為繞軸轉動慣量；M和Z為舵角系數，和分別為水動力參數和黏滯參數；為舵角控制輸入；ext為作用在AUV上的干擾力矩；G和G分別為AUV重心在體坐標系內的坐標分量；B和B分別為AUV浮心在體坐標系內的坐標分量。

因研究需要，對上述模型進一步簡化，假設AUV的垂蕩速度滿足，，縱傾角處于比較小的范圍內變化，基本滿足，，，，忽略二階及其以上小項，根據式(3)~(5)得到新的垂直面運動模型[18]：

2 基于非線性干擾觀測器的自適應反演設計

為了使得依靠舵角控制實現跟蹤目標深度，在存在未知外界干擾的情況下，單純的自適應反演控制器已經無法滿足在相對小的控制量前提下實現控制目標。通過引入非線性觀測器的設計，可以得到來自于其的補償輸入，彌補了自適應控制器應對突變未知干擾的不足。整個控制系統的設計思路如圖1所示。

2.1 非線性干擾觀測器的設計

參考非線性觀測器的設計方法[19?20]，為方便NDO的設計，定義狀態變量，則狀態方程可以寫成向量形式的表達式。

考慮到非線性干擾觀測器的形式，

圖1 基于NDO的自適應反演控制系統結構

進一步可知

(11)

定義觀測器輸出控制量為

2.2 自適應反步法控制器設計

由于對于外干擾的無法預知性，為保證系統的最佳控制性能，需要對觀測器得到的干擾誤差量進行估計，假設其估計值為，則估計誤差量，同樣假設觀測器得到的干擾誤差量相對于控制系統的動態性變化緩慢，即滿足，則有，進而設計和引入自適應控制。

根據狀態方程，利用反演法設計控制器定義誤差變量以及虛擬輸入。

(15)

定義控制器第1個虛擬控制量：

定義縱傾角的跟蹤誤差量以及Lyapunov函數

(17)

定義控制器第2個虛擬控制量：

k＞0 (19)

定義縱傾角角速度的跟蹤誤差量以及Lyapunov函數：

(21)

對式(14)，(17)和(20)求導可得

(23)

，＞0 (25)

對4求導，得到：

(26)

選取自適應控制律為

選取自適應反演控制器輸出控制量為：

則結合式(26)可知

(29)

綜上可以得到AUV的舵角控制規律為

3 仿真實驗

某型欠驅動AUV仿真所需相關參數如表1所示，選取設計非線性干擾觀測器的參數為：1=1，2=1，3=9 ；自適應反演控制器的參數如下：1=1，2=1.5，3=1，。

表1 AUV仿真參數表

設置AUV的初始深度為5.8 m，其后控制規律控制AUV使其跟蹤目標深度，在其運動過程中，對于AUV施加外力矩干擾，設計的AUV目標深度d以及外力矩干擾ext表達式如下:

(32)

在AUV跟蹤目標深度過程中，舵角控制量由控制器輸出控制量以及觀測器輸出控制量2部分組成。在80≤＜120 s和140≤＜200 s分別對AUV施加突變外力矩干擾和時變外力矩干擾，如圖2和圖3所示，包含有觀測器控制輸出量的AUV在受到外界干擾時，幾乎完全實現目標深度跟蹤；而無觀測器控制輸出時，如圖4和圖5所示，AUV深度跟蹤在受到干擾時，無法實現完全跟蹤目標深度，會出現較大幅度的跟蹤誤差，最大誤差達到0.2 m，相當于變化期望深度幅值 1 m的20%。由圖3與圖5對比后可見引入非線性干擾觀測器對于抵抗外界干擾是十分有效的。

在引入非線性干擾觀測器的系統中，干擾力矩實際值及觀測值如圖6所示。由圖6可知：外加干擾力矩的實際值與觀測器得到的觀測值相差不大，觀測器起到了良好的控制補償作用，并對于干擾力矩實際值與觀測值的誤差量，引入自適應控制規律得到其估計值，如圖7所示。由圖7可知：設計的自適應控制律實現了誤差的估計，提高了系統的控制精度。

1—AUV目標深度；2—AUV實際深度。

圖3 有觀測器時AUV深度跟蹤誤差

1—AUV目標深度；2—AUV實際深度。

圖5 無觀測器時AUV深度跟蹤誤差

1—干擾實際值d；2—干擾觀測值。

1—誤差實際值；2—誤差估計值。

為了驗證所設計控制算法的有效性，在突變干擾以及連續干擾時，使用基本PID控制方法進行仿真，對應結果如圖10所示。對比所設計的基于NDO的自適應反演控制仿真結果，可以得出所設計控制算法魯棒性強，控制精度高，跟蹤誤差小。

基于NDO 自適應反演算法控制AUV跟蹤目標深度的過程中，可以得到其各個狀態變量的變化曲線，如圖11所示。由圖11可以看出：在平穩跟蹤過程中，縱傾角最大值只有10°左右，垂蕩速度m/s，滿足模型簡化的條件。綜上，可以得出該基于非線性 干擾觀測器的自適應反演控制取得了較好的控制效果。

1—ud；2—us。

圖9 舵角控制量

(a) AUV深度跟蹤；(b) 深度跟蹤誤差；(c) PID舵角控制

(a) θ; (b) q; (c) w

4 結論

1) 通過對欠驅動AUV的垂直面內運動學以及動力學方程提出簡化條件進行簡化，得到簡化的欠驅動模型。

2) 針對AUV受到外界干擾情況，引入非線性干擾觀測器，并對于觀測器觀測的外界干擾誤差引入自適應控制規律，在此基礎上，設計了自適應反演控制器。

3) 通過給定具體的AUV仿真參數進行仿真實驗，得到在外界干擾作用下，干擾觀測值、控制器輸出控制量、觀測器輸出控制量和舵角控制量等一系列變量曲線，基于其變化規律的分析，驗證了所設計控制方法良好的控制性能。

[1] 封錫盛, 李一平, 徐紅麗. 下一代海洋機器人: 寫在人類創造下潛深度世界記錄10 912 m 50周年之際[J]. 機器人, 2011, 33(1): 113?118. FENG Xisheng, LI Yiping, XU Hongli. The next generation of unmanned marine vehicles dedicated to the 50 anniversary of the human world record diving 10 912 m[J]. Robot, 2011, 33(1): 113?118.

[2] 徐玉如, 肖坤. 智能海洋機器人技術進展[J]. 自動化學報, 2007, 33(5): 518?521. XU Yuru, XIAO Kun. Technology development of autonomous ocean vehicle[J]. Acta Automatica Sinica, 2007, 33(5): 518?521.

[3] 張利軍, 齊雪, 趙杰梅, 等. 垂直面欠驅動自治水下機器人定深問題的自適應輸出反饋控制[J]. 控制理論與應用, 2012, 29(10): 1371?1376.ZHANG Lijun, QI Xue, ZHAO Jiemei, et al. Depth-keeping control for autonomous underwater vehicle in vertical plane using adaptive output feedback controller[J]. Control Theory & Applications, 2012, 29(10): 1371?1376.

[4] 俞建成, 張艾群, 王曉輝, 等. 基于模糊神經網絡水下機器人直接自適應控制[J]. 自動化學報, 2007, 33(8): 840?846. YU Jiancheng, ZHANG Aiqun, WANG Xiaohui, et al, Direct adaptive control of underwater vehicles based on fuzzy neural networks[J]. Acta Automatica Sinica, 2007, 33(8): 840?846.

[5] 魏延輝, 彭富國, 盛超, 等. 自主式水下機器人運動穩定性控制方法[J]. 華中科技大學學報(自然科學版), 2014, 42(2): 127?132. WEI Yanhui, PENG Fuguo, SHENG Chao, et al. Control method of the stability of AUV[J]. Journal of Huazhong University of Science and Technology (Natural Science Edition), 2014, 42(2): 127?132.

[6] 賈鶴鳴, 程相勤, 張利軍, 等. 基于自適應Backstepping的欠驅動AUV三維軌跡跟蹤控制[J]. 控制與決策, 2012, 27(5): 652?657. JIA Heming, CHENG Xiangqin, ZHANG Lijun, et al. Three-dimensional path tracking control for underactuated AUV based on adaptive backstepping[J]. Control and Decision, 2012, 27(5): 652?657.

[7] ZHANG Lijun, QI Xue, PANG Yongjie. Adaptive output feedback control based on DRFNN for AUV[J]. Ocean Engineering, 2009, 36: 716?722.

[8] RAIMONDI F M, MELLUSO M. Hierarchical fuzzy/Lyapunov control for horizontal plane trajectory tracking of?under- actuated?AUV[C]// Proceeding of 2010 IEEE International Symposium on Industrial Electronics. Bari, Italy: IEEE, 2010: 1875?1882.

[9] 高劍, 徐德民, 嚴衛生, 等. 欠驅動自主水下航行器軌跡跟蹤控制[J]. 西北工業大學學報, 2010, 28(3): 404?408. GAO Jian, XU Demin, YAN Weisheng, et al. Applying cascaded systems theory to ensuring globally uniformly asymptotical stability of trajectory tracking controller of underactuated autonomous underwater vehicle(AUV)[J]. Journal of Northwestern Polytechnical University, 2010, 28(3): 404?408.

[10] 萬磊, 崔士鵬, 張國成, 等. 欠驅動水下機器人航跡跟蹤控制[J]. 電機與控制學報, 2013, 17(2): 103?111. WAN Lei, CUI Shipeng, ZHANG Guocheng, et al. Path following control of underactuated autonomous underwater vehicles[J]. Electric Machines and Control, 2013, 17(2): 103?111.

[11] LI J H, LEE P M. Path tracking in dive plane for a class of torpedo-type underactuated AUVs[C]// Proceedings of the 7th Asian Control Conference. Hong Kong, China: IEEE, 2009: 360?365.

[12] NAIK M S, SINGH S N. State-dependent Riccati equation-based robust dive plane control of AUV with control constraints[J]. Ocean Engineering, 2007, 34(11/12): 1711?1723.

[13] 陳子印, 王宏健, 邊信黔, 等. 基于反饋增益的AUV穩定神經網絡反步變深控制[J]. 控制與決策, 2013, 28(3): 407?412. CHEN Ziyin, WANG Hongjian, BIAN Xinqian, et al. Stable neural network backstepping for diving control of AUV based on feedback gain[J]. Control and Decision, 2013, 28(3): 407?412.

[14] 周佳加, 嚴浙平, 賈鶴鳴, 等. 改進規則下自適應神經網絡的UUV水平面路徑跟隨控制[J]. 中南大學學報(自然科學版), 2014, 45(9): 3021?3028. ZHOU Jiajia, YAN Zheping, JIA Heming, et al. Improved path-following in horizontal plane for UUV using adaptive neural network controller[J]. Journal of Central South University (Science and Technology), 2014, 45(9): 3021?3028.

[15] 喬繼紅, 戴亞平, 劉金琨. 基于非線性干擾觀測器的直升機滑模反演控制[J]. 北京理工大學學報, 2009, 29(3): 224?228. QIAO Jihong, DAI Yaping, LIU Jinkun. Sliding backstepping control for helicopters with nonlinear disturbance observer[J]. Transactions of Beijing Institute of Technology, 2009, 29(3): 224?228.

[16] 賈鶴鳴, 宋文龍. 基于非線性干擾觀測器的L2濾波反步控制[J]. 中南大學學報(自然科學版), 2014, 45(8): 2640?2647. JIA Heming, SONG Wenlong. L2 filtered backstepping control based on nonlinear disturbance observer[J]. Journal of Central South University (Science and Technology), 2014, 45(8): 2640?2647.

[17] 宋超, 趙國榮, 蓋俊峰. 基于非線性干擾觀測器的高超聲速飛行器反演滑模控[J]. 系統工程與電子技術, 2012, 34(6): 1231?1234. SONG Chao, ZHAO Guorong, GAI Junfeng. Sliding mode backstepping control for hypersonic aircraft based on nonlinear disturbance observer[J]. Systems Engineering and Electronics, 2012, 34(6): 1231?1234.

[18] KELLER J J. Tracking control of autonomous underwater vehicles[D]. Monterey, CA: School of Naval Postgraduate. Department of Mechanical Engineering, 2002: 5?7.

[19] MOHAMMED S, HUO W G, HUANG J, et al. Nonlinear disturbance observer based sliding mode control of a human-driven knee joint orthosis[J]. Robotics and Autonomous Systems, 2016, 75: 41?49.

[20] CHEN W H, BALANCE D J, GAWTHROP P J. A nonlinear disturbance observer for robotic manipulators[J]. IEEE Transactions on Industrial Electronics, 2000, 47(4): 932?938.

(編輯 楊幼平)

Adaptive backstepping control of underactuated AUV based on disturbance observer

CHEN Wei, WEI Yanhui, ZENG Jianhui, HU Jiaxing, WANG Zepeng

(College of Automation, Harbin Engineering University, Harbin 150001, China)

In order to improve the depth tracking control performance of underactuated autonomous underwater vehicle (AUV), an adaptive backstepping controller based on nonlinear disturbance observer (NDO) was proposed considering unknown external disturbance. Firstly, the vertical plane motion model of underactuated AUV was simplified according to some limited conditions. The new kinematics and dynamics equations were obtained, and the state equations of simplified model were established as well. Secondly, on the basis of state equations, a nonlinear disturbance observer was constructed. In the meanwhile, an adaptive backstepping controller was designed based on NDO, and then the control output was obtained according to the Lyapunov stability principle, which globally guaranteed the asymptotical stability of the whole control system. The results show that designed NDO and adaptive backstepping controller can effectively achieve depth trajectory tracking of underactuated AUV in the case of unknown external disturbance, and show strong robustness to disturbance.

underactuated AUV; depth tracking; nonlinear disturbance observer; adaptive control; backstepping control

10.11817/j.issn.1672-7207.2017.01.010

TP24

A

1672?7207(2017)01?0069?08

2016?01?04；

2016?03?15

國家自然科學基金資助項目(51205074)；國家科學技術部國際科技合作項目(2014DFR10010)；中央高校基本科研業務費專項資金資助項目(HEUCF041703)；高等學校博士學科點專項科研基金資助項目(20112304120007) (Project(51205074) supported by the National Natural Science Foundation of China; Project(2014DFR10010) supported by the Ministry of Science and Technology of China; Project(HEUCF041703) supported by the Fundamental Research Funds for the Central Universities; Project(20112304120007) supported by the Research Fund for the Doctoral Program of Higher Education of China)

魏延輝，博士，碩士生導師，從事機器人控制、可重構機器人以及水下機器人等研究；E-mail: wyhhit@163.com