[发明专利]一种基于自适应预测的水下机器人三维轨迹跟踪控制方法

说明书

本发明公开了一种基于自适应预测的水下机器人三维轨迹跟踪控制方法，步骤一：根据水下机器人的实际工况，对水下机器人在三维空间内的实际运动模型进行适当简化；步骤二：根据当前任务的期望轨迹，将期望轨迹的信息传输给AUV，通过AUV自带的相关设备采集到数据后，得到当前位置信息η_d＝[x_d(t)y_d(t)z_d(t)]^T、姿态信息ψ_d(t)、速度信息v_d＝[u_d(t)v_d(t)w_d(t)r_d(t)]^T，进一步给出水下机器人三维轨迹跟踪的控制模型；u(t)为AUV的进退速度，v(t)为AUV的纵荡速度，w(t)代表AUV的浮潜速度，r(t)代表AUV的艏摇速度；当水下机器人到达新位置时，基于当前实际状态和期望轨迹重新计算下一个最优输入，在每个控制周期内迭代进行，以实现对被控对象的持续控制，保证控制精度。

技术领域

本发明属于无人自治水下机器人的运动控制领技术领域，具体涉及一种基于自适应预测的水下机器人三维轨迹跟踪控制方法。

背景技术

无人自治水下机器人作为人类探索和开发海洋的利器，已经引起研究者广泛关注。近年来，水下机器人广泛应用于科学、工业、商业和军事等领域。主要包括海洋测绘、深海勘探、海上油气开发、管道维护、海上救援、水下目标跟踪与巡逻等。为了更好的应用于上述场合，水下机器人的精确控制显得极其重要。然而，水下机器人推进系统存在非线性、强耦合、外部不确定扰动等因素影响，从而使得水下机器人高精度路径跟踪控制技术成为一个具有挑战的研究热点。

由物理或安全限制引起的系统约束广泛存在于所有控制系统中。预测控制方法作为一种闭环最优控制策略，与其他控制方法相比，它可以提供一种系统的方法来处理输入和状态约束。但预测控制内部的预测模型参数不会根据时间改变，像水下机器人系统这样的强非线性系统随时间变化剧烈，可能使得预测控制中采用的线性离散方程的预测精度大大降低，从而导致预测控制的控制性能大大下降。此外，现在的一些技术针对水下机器人的轨迹跟踪只进行了一些简单的模拟仿真，与实际工况差距较大。

发明内容

本发明为了实现AUV三维空间内的精确轨迹跟踪控制，提供一种基于自适应预测的水下机器人三维轨迹跟踪控制方法，该方法中明确考虑了输入和状态约束，然后将轨迹跟踪问题转化为具有输入和状态约束的可在线计算的标准二次规划问题。当水下机器人到达新位置时，基于当前实际状态和期望轨迹重新计算下一个时刻的最优输入，进而在每个控制周期内迭代进行，以实现对被控对象的持续控制。然后，为了消除传统预测控制在水下机器人非线性模型线性化过程中产生的误差及解决强非线性工况下控制器鲁棒性变差的问题，本文在预测控制算法的基础上，利用卡尔曼滤波算法调整控制时域模型参数，补偿其非线性时变特性量，实现自适应预测控制。提高水下机器人轨迹跟踪时的控制精度、抗干扰性能及鲁棒性。

为实现上述目的，本发明提供如下技术方案：一种基于自适应预测的水下机器人三维轨迹跟踪控制方法，其特征在于：包括以下步骤：

步骤一：根据水下机器人的实际工况，对水下机器人在三维空间内的实际运动模型进行适当简化；

步骤二：根据当前任务的期望轨迹，将期望轨迹的信息传输给AUV，通过AUV自带的相关设备采集到数据后，得到当前位置信息η_d＝[x_d(t)y_d(t)z_d(t)]^T、姿态信息ψ_d(t)、速度信息v_d＝[u_d(t)v_d(t)w_d(t)r_d(t)]^T，进一步给出水下机器人三维轨迹跟踪的控制模型；u(t)为AUV的进退速度，v(t)为AUV的纵荡速度，w(t)代表AUV的浮潜速度，r(t)代表AUV的艏摇速度；