基于模糊自適應滑模方法的AUV軌跡跟蹤控制

孫巧梅，陳金國，余 萬

(1. 三峽大學 水電機械設備設計與維護湖北省重點實驗室，湖北 宜昌 443002；2. 中國船舶重工集團公司第七一〇研究所，湖北 宜昌 443003)

基于模糊自適應滑模方法的AUV軌跡跟蹤控制

孫巧梅1，陳金國2，余 萬2

(1. 三峽大學 水電機械設備設計與維護湖北省重點實驗室，湖北 宜昌 443002；2. 中國船舶重工集團公司第七一〇研究所，湖北 宜昌 443003)

針對水下航行環境中自治水下機器人（Autonomous Underwater Vehicles，AUV）航跡精確跟蹤問題，提出一種基于模糊自適應滑模方法的AUV航跡跟蹤控制算法。在建立AUV系統動力學模型基礎上，將其運動通過變結構滑?？刂坡山Y合模糊逼近設計出AUV航跡跟蹤控制系統，采用模糊系統實現模型未知干擾的自適應逼近，基于Lyapunov穩定性理論，討論了閉環系統的穩定性。在考慮加入外界干擾的條件下使用Matlab/Simulink軟件，進行數值仿真，模擬軌跡跟蹤能夠達到穩定并且較平滑連續跟蹤預定航跡，對干擾有較好的抑制作用。仿真結果表明了所提控制方法的有效性。

航跡跟蹤；滑模算法；模糊控制；自適應控制

0 引 言

自治水下機器人系統（AUV）是一種典型的非線性強耦合系統。實現AUV控制系統的高精度軌跡跟蹤是確保其在水下進行復雜作業并穩定可靠工作的關鍵。由于AUV工作環境復雜、水動力參數難以精確求解等原因，AUV非線性系統的運動控制問題成為控制領域的一個重要研究方向。

AUV軌跡跟蹤控制的目標是設計有效的控制律，使其從初始狀態跟蹤參考軌跡，并保證跟蹤位置誤差的全局一致漸進穩定[1–2]。目前的研究成果采用的控制方法主要有傳統PID控制方法、滑?？刂品椒?、反演控制方法、神經網絡法。由于傳統PID參數需要適應模型參數的變化，而AUV動力學模型參數存在不確定性，因此很難滿足需要。

胡志強等[3]提出了USV系統航向在線自優化PID（比例、積分、微分）控制算法。張利軍等[4]針對垂直面欠驅動水下機器人定深控制問題，基于反演法設計出了自適應輸出反饋控制器。俞建成等[5]提出了基于廣義動態模糊神經網絡的水下機器人直接自適應控制方法，通過在線自適應學習算法構建水下機器人的逆動力學模型，提出基于網絡結構的水下機器人直接自適應控制器，利用Lyapunov穩定理論，證明基于該控制器的水下機器人控制系統閉環穩定性。 Lee等[6]為提高魯棒性、解決系統耦合項縱向速度對航向的影響，設計了性能較好的AUV深度L1自適應控制器。

變結構滑?？刂茟{借其強魯棒性，在AUV的軌跡跟蹤控制中取得一些成果[7–8]。魏延輝等[9]提出一種基于解耦模型的多控制器聯合控制方法，對解耦后的AUV運動模型進行軌跡跟蹤控制器的設計，為軸向和側向運動設計自適應反演滑?？刂破?，為首向運動設計帶有干擾觀測器的自適應終端滑模控制器。Conte等[10]采用滑?？刂坡商岢鲆环N小型水面船跟蹤水下目標的軌跡跟蹤控制系統，取得了滿意的效果。Zool H.Ismail等[11]提出了一種基于魯棒動態區域的滑?？刂撇糜谒聶C器人的軌跡跟蹤，并與模糊滑模和自適應模糊控制進行比較，取得了滿意的效果。Gao等[12]將AUV六自由度運動模型解耦成垂直和水平面2部分，并且分別設計了有效的滑模控制器。Hnagil J等[13]針對存在未知干擾的AUV三維運動，采用二階滑?？刂破鳎ㄟ^實驗證明控制器能夠提高軌跡跟蹤的精度。賈鶴鳴等[14]提出了基于神經網絡的自適應輸出反饋控制方法來研究水下機器人三維軌跡跟蹤，控制器由基于動態補償器的輸出反饋控制項、神經網絡自適應控制項和魯棒控制項。 Liu等[15]提出了一種基于模糊神經網絡的魯棒自適應控制策略，模糊神經網絡是用來估計反演控制律。反演控制策略也是AUV常用的控制方法。如Lionel L等[16]提出的基于反步控制與Lypaunov函數的AUV非線性路徑跟蹤控制方法，Jon E R等[17]將反步控制與模型反饋控制結合應用于欠驅動水下機器人控制之中。

本文針對水下航行環境中AUV航跡精確跟蹤問題，提出了模糊自適應滑模跟蹤控制器?；贚yapunov穩定性理論分析了整個閉環系統的穩定性。在Matlab軟件上通過對光滑的指令航線進行跟蹤仿真，結果表明所設計的控制器可以很好地克服外界干擾，取得理想的航跡跟蹤效果。

1 AUV數學模型

滑?？刂破鞯脑O計對系統攝動或外部干擾的要求比較寬松，所以對系統的數學模型要求也比較寬松，水下機器人運動控制系統的各耦合項和非線性項均可以歸入不可測干擾內，模型處理也相對簡單。假設AUV具有截面、切面和斷面3個嚴格對稱的對稱面，且假設重力和浮力相等，慣性坐標系和載體坐標系作為參考坐標系。根據牛頓歐拉公式，AUV的水平面動力學數學模型可以用式（1）來表示

由式（1）可以得到

式中：

2 軌跡跟蹤控制器設計

控制目標為設計一個自適應魯棒控制器使AUV狀態向量跟蹤預定航跡，跟蹤誤差趨近于0。航跡跟蹤控制的目的是設計控制律滿足使AUV系統狀態趨近于，為了保證控制系統的魯棒性，這里將狀態誤差向量空間作為滑模面的定義空間，跟蹤誤差為位置姿態誤差向量和速度誤差向量。

滑?？刂葡到y設計為狀態反饋，設定義滑模面為：

為了使滑模面動態全局漸進穩定，那么

上式對任意的t＞0均成立，所以有根據標準的滑模控制律形式有

又由式（3）和式（1），可得

控制律可以分為前饋、非線性反饋和切換項3部分，如下式所示：

3 模糊系統設計及穩定性分析

在式（10）～式（13）所示的控制律中，外界干擾較難測量和估計，由于模糊系統具有萬能逼近特性，這里采用模糊自適應算法來估計干擾。使用滑模函數σ作為模糊系統輸入，分別設計5個模糊子集。模糊推理系統的規則采用下式表達：

式中：Air是模糊集，隸屬度函數形式如圖1所示。是各模糊規則的輸出，最終輸出采用重心法，即

用向量的形式可以表示為

其中：

參數采用如式（17）的自適應律自動更新，其中θi為正常數。

定義最優參數為

那么有

4 仿真驗證

采用前面所設計的模糊自適應滑模控制器，在Matlab/Simulink環境下進行仿真，通過控制AUV在給定參考航跡下進行軌跡跟蹤，同時也對傳統滑?？刂破髯饔孟碌腁UV軌跡跟蹤進行對比，從而驗證本文提出的模糊自適應滑模算法的有效性。

本文研究對象的主要物理模型參數如表1所示。AUV的初始位置為（0，0），初始受向角也為0，控制器輸出限定為±1 0 0 N。，，。同時假設AUV受到的環境干擾為

給定目標軌跡為：

圖3～圖6給出了在滑?？刂破髯饔孟碌姆抡娼Y果。從圖3可以看出AUV水平面上航跡跟蹤曲線與預先給定的航跡曲線較吻合，雖然AUV的初始位置和給定航跡不同，滑?？刂破髂軌蛲瓿赡繕塑壽E的跟蹤。圖4為單獨每個自由度的跟蹤曲線，與給定的期望值相一致。圖5為滑?？刂破鞯妮敵觯嬖诿黠@的抖振現象。從圖6可以看出跟蹤軌跡在各自由度上的誤差均較小，5 s后最大值約0.04，說明存在外界干擾的情況下，滑?？刂破髯饔玫腁UV能較好地跟蹤上給定軌跡，克服外界干擾，在各自由度上跟蹤誤差小，具有較強的魯棒性。

圖7～圖10給出了在模糊自適應滑?？刂破髯饔孟碌姆抡娼Y果。從圖7可以看出AUV水平面上航跡跟蹤曲線與預先給定的航跡曲線較吻合，雖然AUV的初始位置和給定航跡不同，模糊自適應滑模控制器也能夠完成目標軌跡的跟蹤。圖8為單獨每個自由度的曲線跟蹤，與給定的期望值一致。圖9為模糊自適應滑?？刂破鞯妮敵觯c單獨的滑?？刂破髯饔茫ㄒ妶D5）相比，消除了抖振現象。從圖10可以看出跟蹤軌跡在各自由度上的誤差均較小，2 s后最大值約0.01，說明存在外界干擾的情況下，模糊自適應滑?？刂破髯饔玫腁UV能很好地克服外界干擾，精確跟蹤給定軌跡，而且控制輸出無抖振現象，在各自由度上跟蹤誤差小，具有很好的魯棒性。

表1 AUV主要參數Tab. 1 Main parameters of AUV

5 結 語

本文針對AUV軌跡跟蹤問題，建立了AUV動態系統數學模型，利用模糊自適應滑模算法構建了軌跡跟蹤控制系統，在給定的水平面光滑航跡下進行控制系統的仿真實驗，并且與滑?？刂破鞯淖饔眯ЧM行對比。由結果可以看出2種方法設計的控制器都能使AUV快速有效跟蹤給定水平面軌跡，具有較高的跟蹤精度，具有較強的魯棒性，而且相比于滑?？刂破鱽碚f，模糊自適應滑模更能有效地抑制外界干擾，還能消除抖振，具有很強的自適應能力，達到了理想控制效果。

[ 1 ]朱大奇, 楊蕊蕊. 生物啟發神經動力學模型的自治水下機器人反演跟蹤控制[J]. 控制理論與應用, 2012, 29(10):1309–1316.

[ 2 ]周超, 曹志強, 王碩, 等. 微小型仿生機器魚設計與實時路徑規劃[J]. 自動化學報, 2008, 34(7): 772–777.

[ 3 ]胡志強, 周煥銀, 林揚, 等. 基于在線自優化PID算法的USV系統航向控制[J]. 機器人, 2013, 35(3): 263–268.

[ 4 ]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.

[ 5 ]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 Jian-cheng, ZHANG A i-qun, WANG Xiao-hui, et al.Direct adaptive control of underwater vehicles based on fuzzy neural networks[J]. Acta A tuomatica Sinica, 2007, 33(8):840–846.

[ 6 ]LEE K W, KEUM W, SINGH S N, et al. Multi input submarine control via L1 adaptive feedback despite uncertainties[J]. Journal of System and Control Engineers,2014, 228(5): 330–347.

[ 7 ]BAGHERI A, MOGHADDAM J J. Simulation and tracking control based on neural-network strategy and sliding-mode contro l for under water remotely operated vehicle [J].Neurocomputing, 2009, 72(8): 1934–1950.

[ 8 ]WALLACE M B, MAX S D, EDW IN K. Depth control of remotely operated underwater vehicles using an adaptive fuzzy slid ing m ode controller [J]. Robotics and Autonomous Systems, 2008, 56(8): 670–677.

[ 9 ]魏延輝, 周衛祥, 賈獻強, 等. AUV模型解耦水平運動多控制器聯合控制[J]. 華中科技大學學報(自然科學版)2016, 44(4):37–42.

[10]G CONTE, G P DE CAPUA, D SCARADOZZI. Designing the NGC system of a small ASV for tracking underwater targets[J]. Robotics and Autonomous Systems, 2016(76): 46–57.

[11]ZOOL H I, MOHD B M Mokhar, VINA W E P, et al. A robust dynamic region-based control scheme for an autonomous underw ater vehicle [J]. Ocean Engineering, 2016(111):155–165.

[12]GAO Fu-dong, PAN Cun-yun, HAN Yan-yan, et al. Nonliear traiectory tracking control of a new autonomous underwater vehicle in complex sea conditions [J]. Journal of Central South University, 2012, 19(7): 1859–1868.

[13]HNAGIL J, M INSUNG K, SON CHEOL Y. Second order sliding mode controller for autonomous underwater vehicle in the presence of unknown disturbances [J]. Non linear Dynamics, 2014, 78(1): 183–196.

[14]賈鶴鳴, 張利軍, 齊雪, 等. 基于神經網絡的水下機器人三維航跡跟蹤控制[J]. 控制理論與應用, 2012, 29(7): 877–883.JIA He-m ing, ZHANG Li-jun, Q I Xue, et al. Threedimensional path tracking control for autonomous underwater vehicle based on neu ral netw ork[J]. Con tro l Theory &Applications, 2012, 29(7): 877–883.

[15]LIU Yan-cheng, LIU Si-yuan, WANG Ning. Fully-tuned fuzzy neural network based robust adaptive tracking control of unmanned underwater vehicle w ith thruster dynamics [J].Neurocomputing, 2016, 196: 1–13.

[16]JON E R, ASGEIR J S. KRISTIN Y P. M odel-based output feedback control of slender-body underactuated AUVs: theory and experiments [J]. IEEE Transactions on Control Systems Technology, 2008, 16(5): 930–946.

[17]LIONEL L, BRUNO J. Robust nonlinear path-following control of AUV [J]. IEEE Journal of Oceanic Engineering,2008, 33(2): 89–102.

Trajectory-tracking control of autonomous underwater vehicles based on fuzzy adaptive sliding mode method

SUN Qiao-mei1, CHEN Jin-guo2, YU Wan2
(1. Hubei Key Laboratory of Hydroelectric Machinery Design and Maintenance,China Three Gorges University, Yichang 443002, China;2. The 710 Research Institute of CSIC, Yichang 443003, China)

In this paper, a control system is developed based on fuzzy adaptive sliding mode method for Autonomous Underwater Vehicles (AUV) precisely trajectory-tracking. With AUV dynamic model established, variable structure sliding mode strategy and fuzzy logic methods are adopted to design the path tracking controller. Environmental disturbances are compensated by the adaptive fuzzy algorithm. The stability of the control system is discussed using Lyapunov stability theory. Numerical simulations are conducted on Matlab/Simulink and show that the proposed approach can achieve smooth continuous outputs in the condition of environment disturbances. The ability of restraining interference is enhanced. The performance of the proposed control law is evaluated by simulation results.

trajectory tracking；sliding mode strategy；fuzzy control；adaptive control

TP242

A

1672–7649(2017)12–0053–06

10.3404/j.issn.1672–7649.2017.12.012

2017–08–16；

2017–09–06

水電機械設備設計與維護湖北省重點實驗室資助項目(2016KJX16)

孫巧梅(1983–)，女，講師，主要從事船舶運動控制方向的研究。