带宽约束下基于编解码的无人船数据驱动路径跟踪控制方法
本发明涉及无人船自动驾驶的,尤其涉及一种带宽约束下基于编解码的无人船数据驱动路径跟踪控制方法。
背景技术:
1、无人船具有自主航行、远程操控和作业灵活等特点,已广泛应用于海洋测绘、环境监测、水域巡检、搜救保障以及海事监管等任务中。路径跟踪控制是无人船自主航行中的关键技术,其目标是使无人船在不严格依赖时间约束的情况下,沿预定路径稳定航行。然而,在实际应用中,无人船路径跟踪仍面临精确模型难以建立和通信带宽受限等问题。
2、一、精确模型难以建立带来的控制问题
3、无人船是一类典型的非线性、强耦合、参数不确定系统,其运动过程受到船体结构、水动力参数、载荷变化以及风、浪、流等外部扰动的影响。传统基于模型的控制方法通常需要建立较为精确的运动学和动力学模型,并依赖质量、阻尼、水动力系数等参数信息。当模型参数难以准确获得或运行环境发生变化时,控制器性能容易下降,进而影响路径跟踪精度。
4、此外,无人船通常仅具有纵向推进力和艏摇控制力矩,缺少横向方向的独立控制输入,属于典型欠驱动系统。因此,路径跟踪问题不能直接按照全驱动位置跟踪方式处理,通常需要通过视线制导或积分视线制导方法生成期望航向角,再由控制器实现航向和纵向速度跟踪。
5、为降低对精确模型的依赖,已有技术提出无模型自适应控制方法。该方法利用系统输入输出数据构造动态线性化数据模型,并通过伪偏导数在线估计输入增量与输出增量之间的关系,从而实现不依赖精确动力学模型的控制器设计。
6、二、通信带宽受限带来的控制问题
7、在无人船远程航行和自主作业过程中,位置、航向角、速度及其增量等信息通常需要通过无线通信链路传输至控制端。受通信距离、信道质量、水域遮挡以及多源数据传输等因素影响,实际通信链路往往存在带宽有限、传输资源不足和数据更新受限等问题。若仍采用传统方式传输高精度连续数据,将增加通信负担,不利于控制系统在带宽受限条件下稳定运行。
8、均匀量化器能够将连续实值信号转换为有限量化等级或整数编码,从而减少数据传输量,适合用于带宽受限通信场景。但是,直接量化信号会引入量化误差,使控制器接收到的信息与真实状态之间存在偏差,进而影响无模型自适应控制器中的伪偏导数估计和控制输入计算。
9、因此,如何在不依赖无人船精确动力学模型的基础上,结合积分视线制导、无模型自适应控制以及基于均匀量化器的编码解码机制,减少通信数据传输量并保持路径跟踪精度,是当前带宽受限条件下无人船路径跟踪控制中亟需解决的技术问题。
技术实现思路
1、针对现有无人船路径跟踪控制中存在的精确动力学模型难以建立以及远程通信环境中数据传输受带宽限制的技术问题,本发明提出一种带宽约束下基于编解码的无人船数据驱动路径跟踪控制方法,在不依赖无人船精确动力学模型的情况下,对无人船状态信息进行量化编码和解码重构,并基于解码状态完成期望航向生成、艏摇控制力矩和纵向推进力计算,从而实现通信带宽受限条件下欠驱动无人船的稳定路径跟踪。
2、为了达到上述目的,本发明的技术方案是这样实现的:带宽约束下基于编解码的无人船数据驱动路径跟踪控制方法,步骤包括:
3、s1、获取无人船的状态信息、增量状态信息、可控通道、期望路径信息和期望纵向速度;
4、s2、设计基于均匀量化器的编码解码机制,对状态信息和增量状态信息依次进行编码、量化、传输及解码重构,得到解码后的位置信息、航向角及航向角增量、纵向速度及纵向速度增量;
5、s3、根据期望路径信息、解码后的位置信息,计算无人船在当前跟踪路径段的横向误差及横向误差积分,并通过积分视线制导律生成期望航向角;
6、s4、根据期望航向角、解码后的航向角及航向角增量,构造航向通道动态线性化数据模型,设计航向无模型自适应控制器,输出艏摇控制力矩;
7、s5、根据期望纵向速度、解码后的纵向速度及纵向速度增量,构造纵向速度通道动态线性化数据模型,设计纵向速度无模型自适应控制器,输出纵向推进力;将艏摇控制力矩和纵向推进力共同作用于无人船,完成带宽受限通信条件下的数据驱动路径跟踪控制。
8、所述对状态信息和增量状态信息进行编码的方法为:
9、对于任一待编码状态信息,待编码状态信息包括位置信息、航向角和纵向速度,状态信息编码器为:
10、;
11、其中,为均匀量化器,为状态信息编码器输出的量化编码信号,为时刻状态信息编码器内部状态,为时刻状态信息编码器内部状态,为时刻状态信息,为量化尺度函数,满足且;
12、对于任一待编码增量状态信息,待编码增量状态信息包括航向角增量和纵向速度增量,增量状态信息编码器为:
13、;
14、其中,为增量状态信息编码器输出的量化编码信号,为时刻增量状态信息,为时刻增量状态信息编码器内部状态,为时刻增量状态信息编码器内部状态。
15、所述对状态信息和增量状态信息进行解码重构的方法为:
16、控制端接收到状态信息编码器输出的量化编码信号后,状态信息解码器为:
17、;
18、其中,为时刻状态信息的解码重构值,为时刻状态信息的解码重构值;
19、控制端接收到增量状态信息编码器输出的量化编码信号后,增量状态信息解码器为:
20、;
21、其中,为时刻增量状态信息的解码重构值,为增量状态信息的解码重构值。
22、所述根据期望路径信息、解码后的位置信息,计算无人船在当前跟踪路径段的横向误差及横向误差积分的方法为:
23、构造无人船的解码位置向量:;其中,为解码后的无人船位置坐标;
24、根据当前跟踪路径段及当前跟踪路径段方向角,计算无人船当前跟踪路径段的横向误差为:;其中,为当前跟踪路径段起点位置坐标,为矩阵转置;
25、引入横向误差积分项:;其中,为采样周期,为前视距离,为预设的积分增益,为时刻的横向误差积分项,为时刻的横向误差积分项。
26、所述通过积分视线制导律生成期望航向角的方法为:
27、根据无人船当前跟踪路径段方向角、横向误差和横向误差积分项,设计积分视线制导律,生成期望航向角:
28、;
29、其中,为积分视线制导律输出的期望航向角。
30、所述构造航向通道动态线性化数据模型的方法为:
31、将无人船航向通道视为未知非线性离散系统,以艏摇控制力矩作为航向通道控制输入,以无人船航向角作为航向通道输出,建立航向通道的广义离散非线性输入输出关系:
32、;
33、其中,为时刻的无人船航向角,为未知非线性函数,和分别为航向通道输出和输入的未知阶次;
34、基于动态线性化思想,航向通道在相邻时刻的输入输出增量关系为:
35、;
36、其中,为航向角增量,为艏摇控制力矩增量,为航向通道伪偏导数。
37、所述设计航向无模型自适应控制器,输出艏摇控制力矩的方法为:
38、航向无模型自适应控制器计算得到的艏摇控制力矩为:
39、;
40、其中,为时刻航向无模型自适应控制器计算得到的艏摇控制力矩,为解码后的航向角,为航向通道伪偏导数估计值,为时刻的实际艏摇控制力矩,为航向通道控制步长因子,为航向通道控制权重因子,为权重因子;
41、考虑无人船艏摇控制力矩的幅值约束,实际艏摇控制力矩为:
42、;
43、其中,、分别为艏摇控制力矩的下限和上限;为饱和函数。
44、所述航向通道伪偏导数估计的方法为:
45、基于解码后的航向角增量和时刻的艏摇控制力矩增量,设计航向通道伪偏导数估计为:
46、;
47、其中,为航向通道估计步长因子,为航向通道权重因子,为时刻的航向通道伪偏导数估计值;
48、设置航向通道伪偏导数估计的重置条件:
49、;
50、;
51、其中,为航向通道伪偏导数初始值,为预设小正数,为符号函数。
52、所述构造纵向速度通道动态线性化数据模型的方法为:
53、将无人船纵向速度通道视为未知非线性离散系统,以纵向推进力作为纵向速度通道控制输入,以无人船纵向速度作为纵向速度通道输出,建立纵向速度通道的广义离散非线性输入输出关系:
54、;
55、其中,为时刻的无人船纵向速度,为未知非线性函数,、分别为纵向速度通道输出和输入的未知阶次;
56、基于动态线性化思想,纵向速度通道在相邻时刻的输入输出增量关系为:
57、;
58、其中,为纵向速度增量,纵向推进力增量,为纵向速度通道伪偏导数。
59、所述设计纵向速度无模型自适应控制器,输出纵向推进力的方法为:
60、纵向速度无模型自适应控制器计算得到纵向推进力为:
61、;
62、其中,为时刻纵向速度无模型自适应控制器计算得到纵向推进力,为解码后的纵向速度,为期望纵向速度,为纵向速度通道控制步长因子,为纵向速度通道控制权重因子,为纵向速度通道伪偏导数估计值;
63、基于解码后的纵向速度增量和时刻的纵向推进力增量,设计纵向速度通道伪偏导数估计:
64、;
65、其中,为纵向速度通道估计步长因子,为纵向速度通道权重因子,为时刻的纵向速度通道伪偏导数估计值;
66、设置纵向速度通道伪偏导数估计的重置条件:
67、;
68、;
69、其中,为纵向速度通道伪偏导数初始值,为预设小正数。
70、本发明的有益效果:
71、1、采用无模型自适应控制方法分别设计航向控制器和纵向速度控制器,通过输入输出数据构造动态线性化数据模型,并在线估计伪偏导数,无需依赖精确的无人船动力学模型及水动力参数,从而提高控制方法对模型不确定性、参数变化和复杂水域环境的适应能力。
72、2、在信息传输过程中引入基于均匀量化器的编码解码机制,对航向角、航向角增量、纵向速度和纵向速度增量等数据进行量化编码和解码重构,减少通信链路中的数据传输量,降低远程无线通信条件下的带宽占用。
73、3、将量化编码解码机制与无模型自适应控制相结合,使控制器能够利用解码后的反馈信息完成航向和速度控制计算,在降低通信负担的同时减小直接量化误差对控制性能的影响,从而提升带宽受限条件下无人船路径跟踪控制的稳定性和工程适用性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com