[发明专利]一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法

说明书

一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法，属于水下机器人轨迹跟踪控制领域。本发明是为了解决传统预设性能控制方法引入的性能函数参数和实际误差收敛速率没有明确的数学关系，而导致误差收敛时间不确定且超调较大的问题。本发明所述方法包括：根据AUV的控制力和力矩，得到AUV推力器故障影响下的实际的控制力和力矩；建立改进的性能函数，通过改进的性能函数确定轨迹跟踪误差的上下界；根据确定的轨迹跟踪误差的上下界，得到转换后的误差；基于转换后的误差设计虚拟控制器；基于虚拟控制器设计预设性能跟踪控制器。本发明用于AUV的轨迹跟踪控制。

技术领域

本发明涉及一种基于新型误差变换的AUV预设性能轨迹跟踪控制方法。属于水下机器人轨迹跟踪控制领域。

背景技术

近年来，自主式水下航行器(Autonomous underwater vehicle，AUV)在海洋环境观测、军事情报搜集等研究领域已经得到了广泛的应用。随着海洋开发力度的增强，AUV的应用逐渐从观测向轻度作业拓展。例如水下基础设施的检查、深海油气勘探等等。水下机器人的控制系统就相当于是AUV的“大脑”，是AUV研究中的关键。为了能够实现水下机器人更高精度的轨迹跟踪控制，一种名为预设性能的控制方法逐渐被用于水下机器人控制系统的设计。

神经网络多用于处理AUV模型不确定性或未知的外部扰动问题，使用神经网络估计上述扰动，通过运用一些常用的控制方法，如PID控制、滑模控制、反步控制、自适应控制等，从而获得相对较好的控制方案。如文献[李金林.水下机器人—机械手结构设计及自适应神经网络控制研究[D].哈尔滨工程大学,2018.]对一种具有双关节的小型水下电动机械手进行了研制，并针对该机械手设计了一种自适应控制与神经网络控制相结合的方法。但此方案因为计算量过大而无法满足系统快速性的要求。

文献[Yana Yang,Chao Ge,Hong Wang,Xiaoyi Li,Changchun Hua.Adaptiveneural network based prescribed performance control for teleoperation systemunder input saturation[J].Journal of the Franklin Institute,2015,352(5).]在存在系统不确定性以及存在外部干扰的情况下，设计了基于相应的自适应控制与神经网络控制相结合的预设性能控制方案，并将该方案与PD(比例加微分)控制器进行了仿真比较，从而证明了该预设性能控制方法的有效性。文献[Zeyang Yin,Jianjun Luo,CaishengWei.Quasi fixed-time fault-tolerant control for nonlinear mechanical systemswith enhanced performance[J].Applied Mathematics and Computation,2019,352.]研究了一种十分新颖的采用准定时的预设性能控制方法，发现其具有固定的收敛时间可以预先进行指定的突出优点。文献[Charalampos P.Bechlioulis,George A.Rovithakis.Alow-complexity global approximation-free control scheme with prescribedperformance for unknown pure feedback systems[J].Automatica,2014,50(4).]针对未知的纯反馈系统，使用预设性能控制方法进行了控制器设计，提出了一种通用的无近似状态的反馈控制方案。该方案能够使输出的误差收敛到预设的任意小值，并且避免了传统反步法带来的复杂性问题。但上述方案没有考虑控制的超调问题，且设计的性能函数的参数和实际的误差收敛速率之间较难建立一个明确的数学关系。

传统的预设性能控制方法存在一定缺陷，其引入的性能函数通常采用普通的指数收敛形式，导致设计的性能函数的参数和实际的误差收敛速率之间较难建立一个明确的数学关系，误差收敛时间不宜确定，且超调较大。

发明内容