双体槽道型双泵喷水推进无人艇航向控制算法研究

窦强

doi:10.3969/j.issn.1673-3819.2021.04.004

指挥控制与仿真 >

2021 , Vol. 43 >Issue 4: 17 - 20

DOI: https://doi.org/10.3969/j.issn.1673-3819.2021.04.004

专题：无人作战系统

双体槽道型双泵喷水推进无人艇航向控制算法研究

窦强

展开

海装驻连云港地区军事代表室, 江苏连云港 222061

窦强(1979—),男,陕西宝鸡人,工程师,研究方向为指挥与控制。

Copy editor: 胡志强

收稿日期: 2021-01-17

修回日期: 2021-04-07

网络出版日期: 2022-05-20

收起

Research on Heading Control Algorithm of Double-body Channel Dual-pump Water Jet Propulsion USV

DOU Qiang

Expand

Military Representative Office of Naval Armaments Department in Lianyungang Area, Lianyungang 222061, China

Received date: 2021-01-17

Revised date: 2021-04-07

Online published: 2022-05-20

Fold

摘要

针对双体槽道型无人艇自主航行控制需求,分析无人艇航向控制操作流程,采用模糊数学理论,构建无人艇航向控制模糊集合,设计模糊规则和推理,进而实现不依赖于无人艇动力学模型的模糊PID航向控制算法,并将设计的算法应用于某型无人艇航控系统,进行实艇海上航行试验,从采集数据分析,模糊PID航向控制算法能够快速收敛至期望航向,能够在线自修订PID控制参数,具有较强的环境适应能力。

关键词： 无人艇; 双体槽道型; 模糊控制; 航向控制器

本文引用格式

窦强 . 双体槽道型双泵喷水推进无人艇航向控制算法研究[J]. 指挥控制与仿真, 2021 , 43(4) : 17 -20 . DOI: 10.3969/j.issn.1673-3819.2021.04.004

Abstract

Aiming at the demand for autonomous navigation control of double-body channel USV, this paper analyzes the USV heading control operation process, adopts fuzzy mathematics theory, successfully constructs the USV heading control fuzzy set and further designed fuzzy rules and reasoning to realize the fuzzy PID heading control algorithm independent of the USV dynamic model. Later, the designed algorithm is applied to a certain type of USV navigation control system to carry out the real ship sea navigation test. From the collected data analysis, the fuzzy PID heading control algorithm can quickly converge to the desired heading, is capable of self-revision of PID control parameters online, and has strong environmental adaptability.

Key words： USV; double-body channel type; fuzzy control; heading controller

随着人工智能,自主控制等技术的发展,无人自主艇自主航行,自主任务执行成为可能,为无人艇在军事领域的应用打开了广阔的前景,当前主要被应用于海洋环境勘测、情报搜集、目标跟踪等。无人艇以其无人化、自主化、环境适应能力强的优势,作为武器平台执行目标打击任务越来越受到世界各科技强国的重视,以色列、美国、德国、日本等国家投入大量资金进行技术验证和原型艇试验,其中以色列的“海上骑士”无人艇成为世界首款装备导弹并完成发射试验的无人艇。

无人作战艇在设计时,需要具备高速性,在执行打击任务时,能够快速占领有利于目标打击的武器发射阵位;高机动性,在遇到危险或非法逼近时,能够以其高机动性摆脱非法劫艇;大甲板面,能够尽可能多地布置武器数量和种类。双体槽道型艇采用槽道滑行艇艇型,艇底部有一槽道,当艇处于低速或静浮航行时,双体之间的槽道和两侧片体完全浸于水中,较大的型宽和两侧片体有利于艇的平衡,在高速航行时,两侧片体的楔形横剖面大大降低了波浪中的砰击力,从而获得高速平稳的行驶性能,海上行驶时,该型艇具有抗风浪能力强、波浪中失速小、耐波性能好、波浪中碰击载荷小、乘坐平稳舒适、抗沉抗翻性好、航行速度快、海上突防能力强、续航距离远、载重量大、甲板有效装载面积大、甲板淹湿量少等显著优点,从而在无人作战艇艇型选择上选用了双体槽道型艇,以保证无人艇的高速性、高机动性和大甲板面。喷水推进装置是一种新型特种动力装置,通过船底管道吸进水流,推进泵喷出水流形成的反作用力驱动船舶向前运动,因此具有操纵灵活、机动性强、噪声和振动小、吃水浅、浅水效应小等优点^[1],在民用船舶和军用舰艇均广泛采用喷水推进技术,本文涉及的无人艇采用了2台喷水推进器。

无人艇运动控制是无人作战艇最基础、最重要的功能,是无人艇自主多任务执行,发挥其固有优势的必备前提条件。在传统船舶运动控制中,任务系统进行航路规划,向航行控制系统发送期望航向角,航行控制系统控制船舶转向期望的航向角,因此无人艇运动控制中航向控制占有极其重要的位置。为将操舵手从船舶驾驶中解放出来,自20世纪20年代开始,共历经了四代船舶自动操舵控制装置的发展,第一代机械自动舵^[1],采用比例控制技术,首次实现船舶航向自动控制,但航向保持精度较低;第二代自动舵^[3-4]应用PID控制方法,控制精度明显提高,但对环境应变能力差,操舵频繁、幅度大,能耗显著;第三代自适应舵^[5-6]应用最优控制、稳定性理论以及自适应控制等现代控制理论,但设备成本高、参数调整难度大,受船舶所处环境的非线性和不确定性,系统的稳定性难以保证;第四代智能舵^{[7⇓⇓⇓-11]}采用模糊控制、神经网络、人工免疫等智能控制方法,自适应性、鲁棒性、稳定性均有显著改善,但控制器复杂、参数调整较难,需要样本数据积累。针对本文涉及无人艇,双体槽道型双泵喷水推进,吨位小,受海洋环境干扰大,无人自主航行,自动舵设备安装空间有限,本文通过研究无人艇航向控制算法并应用于无人艇航控系统,实现无人艇的航向和姿态控制。

1 航向控制算法研究

无人艇航行时受到兴波阻力、黏性阻力、飞沫阻力、静浮力、动压力、水动升力、水动阻力、水动侧力、摩擦阻力、艇体重力、动排水浮力、喷泵推力等的共同作用,同时受到海洋环境(如:海浪、海风等)的扰动影响,其是一个非线性、不确定性和动态不稳定性系统,在无人艇适装性和经济性方面可选择的自动舵系统均不能将无人艇的航向控制在规定的精度范围内。

1.1 传统PID航向控制算法

PID控制因其算法简单、可靠性强、物理意义明确,在20世纪50年代便被用于自动舵,较第一代自动舵大幅提升了航向控制精度,控制系统原理图如图1所示。

显示原图|下载原图ZIP|生成PPT

图1 传统PID控制原理图

传统PID航向控制算法是针对期望航向r(t)与实际运动航向c(t)的偏差e(t)=r(t)-c(t)进行比例、积分、微分运算,解算输出舵角u(t),通过限幅机构将舵

角变化值限定在安全范围内,进而对无人艇进行控制,其控制原理为

(1)u(t)=K_pe(t)+K_d

d e (t) d t

+K_i

∫ 0 t

e(t)dt

传统PID航向控制算法通过调节K_p、K_i、K_d实现航向自动控制,其中K_p影响系统响应速度和控制精度,过大易引起震荡,过小则降低系统响应速度和调节精度,在船舶类平台会破坏系统动态和静态特性;K_i起到消除系统稳态误差的作用,过大会引起超调,否则降低控制精度;K_d用于预测偏差变化,适当的值可有效提升系统动态特性^[12]。综上可见,传统PID航向控制算法具有结构简单,使用方便,鲁棒性强等优点,但当无人艇动态特性(速度、载重、水深、外型等)或所处环境(风、浪、流等)发生变化时,其控制参数需进行适应性修订,否则将导致航向控制效果变差(如频繁操舵、大幅度操舵等),然而参数的修订受到人员经验、外界干扰等影响,不可控且低重复性,因此为提升传统PID航向控制算法性能,增强其适应性,需要对传统PID航向控制算法进行优化改进。

模糊理论引入隶属度函数描述某个状态介于“0”或“1”之间的程度。基于模糊理论的控制器是建立在人工操舵基础上,操舵手在没有精确数学模型的前提下,根据经验,采取相应的对策,对船舶进行定量控制。针对传统PID航向控制算法参数选定困难的问题,引入模糊控制算法,实时监测输出误差e(t),计算误差变化率

e ˙

(t),根据e(t)和

e ˙

(t),查询模糊规则表获取控制量,进而实现实时调整PID控制参数^[13]。

1.2 模糊PID航向控制算法

无人艇模糊PID航向控制算法就是运用模糊理论,构建模糊控制规则表,根据无人艇航向的实际误差及误差变化率,实现PID控制器控制参数自适应调整,进而增强无人艇航向控制的环境应变能力。其原理图如图2所示。

显示原图|下载原图ZIP|生成PPT

图2 模糊PID航向控制原理图

模糊PID航向控制算法在执行过程中,不断检测误差e(t)以及误差变化率

e ˙

(t),进行模糊化处理,根据模糊规则,调整PID控制器的K_p、K_d、K_i参数,进而使无人艇航向控制具有良好的动态性。

1)模糊集合

模糊PID航向控制算法有二个输入(e(t)、

e ˙

(t))和三个输出(K_p、K_d、K_i),其模糊集划分为{负大(-B)、负中(-M)、负小(-S)、零(0)、正小(+S)、正中(+M)、正大(+B)}。根据参数的物理意义及无人艇特性,结合试验数据,分别选定e(t)、

e ˙

(t)、K_p、K_d、K_i的论域为[-20,20]、[-3,3]、[-3,3]、[-10,10]、[-0.2,0.2],e(t)、

e ˙

(t)的隶属函数选取对称、均匀分布的高斯函数:

(2)A(x)=

e - (x - χ) 2 2 σ 2

其中χ表示中心值,σ表示取值范围,对应设计的模糊集划分和论域,其图形如图3所示。

显示原图|下载原图ZIP|生成PPT

图3 航向误差和航向误差变化率隶属函数图形

2)模糊规则

无人艇模糊控制是基于操船员在航向控制时的操作经验归纳总结,形成模糊控制规则。人工操作喷水推进船舶转向时,一般先给一个较大的喷口转角,让转向运动快速启动、加速,此为启动阶段;待回转角速度达到稳态后,用一个适当的转角维持等速回转,此为稳态回转阶段;当航向接近期望航向时,再加一个较小的反舵,阻止过调,此为转向结束阶段^[14-15]。根据上述人工操舵设计模糊规则表,见表1—表3。

**表1 K_p模糊规则表**

$e ˙$ (t) e(t) K_p	-B	-M	-S	0	+S	+M	+B
-B	+B	+B	+M	+M	+S	+S	0
-M	+B	+B	+M	+S	+S	0	-S
-S	+B	+M	+M	+S	0	-S	-S
0	+M	+M	+S	0	-S	-M	-M
+S	+S	+S	0	-S	-S	-M	-M
+M	+S	0	-S	-M	-M	-M	-B
+B	0	0	-M	-M	-M	-B	-B

**表2 K_d模糊规则表**

$e ˙$ (t) e(t) K_d	-B	-M	-S	0	+S	+M	+B
-B	+S	-S	-B	-B	-B	-M	+S
-M	+S	-S	-B	-M	-M	-S	0
-S	0	-S	-M	-M	-S	-S	0
0	0	-S	-S	-S	-S	-S	0
+S	0	0	0	0	0	0	0
+M	+B	-S	-S	+S	+S	+S	+B
+B	+B	+M	+M	+M	+S	+S	+B

**表3 K_i模糊规则表**

$e ˙$ (t) e(t) K_i	-B	-M	-S	0	+S	+M	+B
-B	-B	-B	-M	-M	-S	0	0
-M	-B	-B	-M	-S	-S	0	0
-S	-B	-M	-S	-S	0	+S	+S
0	-M	-M	-S	0	+S	+M	+M
+S	-M	-S	0	+S	+S	+M	+B
+M	0	0	+S	+S	+M	+M	+B
+B	0	0	+S	+M	+M	+B	+B

3)模糊推理

通过Matlab进行仿真模糊推理,模糊控制器结构图如图4所示(参数K_d结构图),根据模糊规则表,转换为模糊语句“If (e is XX) and (de/dt is YY) then (Kd isZZ)”,设置模糊推理器,解模糊后输出结果见图5。

显示原图|下载原图ZIP|生成PPT

图4 模糊控制器控制结构图

显示原图|下载原图ZIP|生成PPT

**图5 控制参数器K_p、K_d、K_i与e(t)、 $e ˙$ (t)模糊关系图**

2 试验结果

将模糊航向控制算法应用于无人艇航行控制决策系统中,在2级海况下,近海区域进行验证,测试数据分析结果见图6,a)为10节定速模式下的航路跟踪,实际航向能够跟随期望航向快速收敛,抖动小;b)为定速定向模式下航行控制试验,航速6 kn,以90°期望航向航行170 s后设置期望航向180°,24 s后,航向稳定在180°±2°误差范围内。从试验数据可以看出,该航向控制算法在真实环境中能够快速控制无人艇收敛到期望航向。

显示原图|下载原图ZIP|生成PPT

图6 海上试验数据分析结果

3 结束语

模糊PID航向控制算法以传统PID控制为基础,引入模糊数学理论,无须构建无人艇动力学数学模型,根据航向误差e(t)和误差变化率

e ˙

(t)自动调节PID控制参数。从试验结果可以看出,设计的模糊航向控制算法可控制无人艇航向快速收敛到期望航向,且航向控制抖动小,精度高。模糊PID航向控制算法克服了传统PID控制算法人工参数修订的不可控和低重复性,同时因为其能够在线自修订参数,因此也具有较强的环境适应能力和较好的鲁棒性。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序

[1]	张磊, 庄佳园, 等. 水面无人艇技术[M]. 上海: 上海交通大学出版社, 2018:32-33.

[2]	Sperry E. Directional Stability of Automatically Steered Bodies[J]. Journal of the American Society of Naval Engineers, 1922, 42(1): 2-13.

[3]	Tahiyatul Asfihani, Didik Khusnul Arif, Subch an, et al. Comparison of LQG and Adaptive PID Controller for USV Heading Control[J]. Journal of Physics Conference Series, 2019, 1218(1):012058 DOI

[4]	Motora S. On The Automatic steering and Yawing of Shi+S in Rough Seas[J]. Journal Society of Naval Architects, Japan, 1953, 12(2): 94-113.

[5]	Triantafyllou M. Real time estimation of ship motio-S using Kalman filtering techniques[J]. IEEE Journal of Oceanic Engineering, 1983, 8(1):9-20. DOI

[6]	Arie T, Itoh M, Senoh A. An adaptive steering system for a ship[J]. IEEE Control System Magazine, 1986, 10(2):30-37.

[7]	Jeffery R L. Fuzzy model reference learning control for cargo ship steering[J]. IEEE Control System Magazine, 1993, 13(5): 23-34.

[8]	Hearn G. E., et al. Comparison of SISO neural control strategies for ship track keeping[J]. IEEE Proceeding of Control Theory and Application, 1997, 144(2):153-165.

[9]	Sutton R. Neuro-fuzzy techniques applied to a ship autopilot[J]. Journal of Navigation, 1996, 49(3):410-430. DOI

[10]	Sutton R. A fuzzy autopilot optimized using a genetic algorithm[J]. Journal of Navigation, 1997, 50(1):120-131. DOI

[11]	Brown, et al. Factors to co-Sider in developing a knowledge-based autopilot expert system for ship maneuvering simulation[C]// Proceedings of the 14th Ship Technology and Research Symposium. USA. 1989. 1-11.

[12]	张金越. 无人艇航向控制算法研究及应用[D]. 厦门: 集美大学, 2019.

[13]	高双, 朱齐丹, 李磊. 基于神经网络的高速无人艇模糊PID控制[J]. 系统仿真学报, 2007, 19(4):776-779.

[14]	刘思行. 新型自校正自适应原理研究及在船舶操纵中的应用[J]. 控制理论与应用, 1993, 10(2):198-204.

[15]	韦巍, 何衍. 智能控制基础[M]. 北京: 清华大学出版社, 2008:21-55.

Options

文章导航

$e ˙$ (t) e(t) K_p	-B	-M	-S	0	+S	+M	+B
-B	+B	+B	+M	+M	+S	+S	0
-M	+B	+B	+M	+S	+S	0	-S
-S	+B	+M	+M	+S	0	-S	-S
0	+M	+M	+S	0	-S	-M	-M
+S	+S	+S	0	-S	-S	-M	-M
+M	+S	0	-S	-M	-M	-M	-B
+B	0	0	-M	-M	-M	-B	-B

$e ˙$ (t) e(t) K_d	-B	-M	-S	0	+S	+M	+B
-B	+S	-S	-B	-B	-B	-M	+S
-M	+S	-S	-B	-M	-M	-S	0
-S	0	-S	-M	-M	-S	-S	0
0	0	-S	-S	-S	-S	-S	0
+S	0	0	0	0	0	0	0
+M	+B	-S	-S	+S	+S	+S	+B
+B	+B	+M	+M	+M	+S	+S	+B

$e ˙$ (t) e(t) K_i	-B	-M	-S	0	+S	+M	+B
-B	-B	-B	-M	-M	-S	0	0
-M	-B	-B	-M	-S	-S	0	0
-S	-B	-M	-S	-S	0	+S	+S
0	-M	-M	-S	0	+S	+M	+M
+S	-M	-S	0	+S	+S	+M	+B
+M	0	0	+S	+S	+M	+M	+B
+B	0	0	+S	+M	+M	+B	+B

$e ˙$ (t) e(t) K_p	-B	-M	-S	0	+S	+M	+B
-B	+B	+B	+M	+M	+S	+S	0
-M	+B	+B	+M	+S	+S	0	-S
-S	+B	+M	+M	+S	0	-S	-S
0	+M	+M	+S	0	-S	-M	-M
+S	+S	+S	0	-S	-S	-M	-M
+M	+S	0	-S	-M	-M	-M	-B
+B	0	0	-M	-M	-M	-B	-B

$e ˙$ (t) e(t) K_d	-B	-M	-S	0	+S	+M	+B
-B	+S	-S	-B	-B	-B	-M	+S
-M	+S	-S	-B	-M	-M	-S	0
-S	0	-S	-M	-M	-S	-S	0
0	0	-S	-S	-S	-S	-S	0
+S	0	0	0	0	0	0	0
+M	+B	-S	-S	+S	+S	+S	+B
+B	+B	+M	+M	+M	+S	+S	+B

$e ˙$ (t) e(t) K_i	-B	-M	-S	0	+S	+M	+B
-B	-B	-B	-M	-M	-S	0	0
-M	-B	-B	-M	-S	-S	0	0
-S	-B	-M	-S	-S	0	+S	+S
0	-M	-M	-S	0	+S	+M	+M
+S	-M	-S	0	+S	+S	+M	+B
+M	0	0	+S	+S	+M	+M	+B
+B	0	0	+S	+M	+M	+B	+B

模态框（Modal）标题

摘要

本文引用格式

Abstract

1 航向控制算法研究

1.1 传统PID航向控制算法

图1 传统PID控制原理图

1.2 模糊PID航向控制算法

图2 模糊PID航向控制原理图

图3 航向误差和航向误差变化率隶属函数图形

表1 Kp模糊规则表

表2 Kd模糊规则表

表3 Ki模糊规则表

图4 模糊控制器控制结构图

图5 控制参数器Kp、Kd、Ki与e(t)、 e ˙(t)模糊关系图

2 试验结果

图6 海上试验数据分析结果

3 结束语

参考文献

**表1 K_p模糊规则表**

**表2 K_d模糊规则表**

**表3 K_i模糊规则表**

**图5 控制参数器K_p、K_d、K_i与e(t)、 $e ˙$ (t)模糊关系图**

$e ˙$ (t) e(t) K_p	-B	-M	-S	0	+S	+M	+B
-B	+B	+B	+M	+M	+S	+S	0
-M	+B	+B	+M	+S	+S	0	-S
-S	+B	+M	+M	+S	0	-S	-S
0	+M	+M	+S	0	-S	-M	-M
+S	+S	+S	0	-S	-S	-M	-M
+M	+S	0	-S	-M	-M	-M	-B
+B	0	0	-M	-M	-M	-B	-B

$e ˙$ (t) e(t) K_d	-B	-M	-S	0	+S	+M	+B
-B	+S	-S	-B	-B	-B	-M	+S
-M	+S	-S	-B	-M	-M	-S	0
-S	0	-S	-M	-M	-S	-S	0
0	0	-S	-S	-S	-S	-S	0
+S	0	0	0	0	0	0	0
+M	+B	-S	-S	+S	+S	+S	+B
+B	+B	+M	+M	+M	+S	+S	+B

$e ˙$ (t) e(t) K_i	-B	-M	-S	0	+S	+M	+B
-B	-B	-B	-M	-M	-S	0	0
-M	-B	-B	-M	-S	-S	0	0
-S	-B	-M	-S	-S	0	+S	+S
0	-M	-M	-S	0	+S	+M	+M
+S	-M	-S	0	+S	+S	+M	+B
+M	0	0	+S	+S	+M	+M	+B
+B	0	0	+S	+M	+M	+B	+B