基于价值迭代和滑模控制的UVMS鲁棒模型预测控制方法研究

《Ocean Engineering》：A value-iteration and sliding-mode based tube model predictive control for multi-degree-of-freedom underwater vehicle-manipulator system

本文针对水下无人系统（UVMS）在复杂海洋环境中面临的建模不确定性和外部扰动问题，提出了一种结合价值迭代快速初始化（FIVMPC）和滑模控制（SMC）的鲁棒模型预测控制策略。通过构建离散线性化模型和自适应滑模补偿机制，实现了对系统轨迹的精确跟踪和强扰动抑制。仿真验证表明，该方法在保证控制精度的同时显著提升了系统抗干扰能力，为深海作业装备的智能控制提供了新思路。

　　

随着海洋资源勘探和深海工程的发展，水下无人系统（UVMS）因其在海底测绘、管道检测、生物采样等领域的应用价值而受到广泛关注。然而，UVMS在复杂海洋环境中面临多重挑战：强洋流扰动、模型参数不确定性、执行器饱和以及机械臂与载体之间的动态耦合效应，这些因素严重制约了系统的控制精度和作业可靠性。传统控制方法如PID（比例-积分-微分）控制或线性二次型调节器（LQR）难以有效处理非线性动力学和时变扰动，而常规模型预测控制（MPC）对模型误差的敏感性较高，亟需开发兼具优化性能和鲁棒性的新型控制策略。

为应对上述挑战，本研究提出了一种融合价值迭代快速初始化模型预测控制（FIVMPC）与滑模控制（SMC）的复合控制框架。该研究以六自由度水下航行器搭载六关节机械臂的UVMS为对象，通过欧拉-拉格朗日方程建立系统动力学模型，并引入离散化线性逼近方法构建预测模型。核心创新在于将MPC的滚动优化与SMC的扰动抑制能力相结合：首先利用价值迭代算法快速求解MPC的初始控制序列，降低在线计算负担；继而设计基于自适应饱和函数的滑模补偿器，通过实时估计扰动边界动态调整控制增益，形成“MPC主控制器+SMC辅助补偿器”的双层控制结构。

关键技术方法包括：（1）系统离散化线性建模，将连续动力学方程转化为状态空间形式；（2）价值迭代优化算法，通过贝尔曼方程迭代求解MPC最优控制律；（3）滑模面设计，采用线性切换函数结合边界层方法抑制抖振；（4）自适应扰动观测器，根据滑动模态变化实时更新扰动估计参数。研究通过数值仿真验证控制性能，选取典型轨迹跟踪任务作为测试场景。

系统建模与离散化

通过拉格朗日力学推导出UVMS的24维状态空间模型，包含载体位姿、关节角度及其一阶导数。考虑流体阻尼、浮力、重力耦合效应，将连续系统在采样周期T内离散化，得到线性时变状态方程。通过雅可比矩阵线性化处理非线性项，为MPC预测提供基础模型。

价值迭代FIVMPC设计

针对离散系统设计无限时域二次型代价函数，引入终端权重矩阵保证稳定性。采用价值迭代策略加速优化过程：先以LQR（线性二次调节器）控制律构造初始价值函数，再通过贝尔曼最优性原理迭代更新控制序列。仿真表明，该算法在5次迭代内即可收敛至次优解，计算效率较传统MPC提升40%。

滑模辅助控制器构建

定义滑动变量为误差状态的线性组合，设计包含饱和函数的自适应趋近律。通过李雅普诺夫分析证明滑动模态的有限时间收敛性，并推导出控制增益的上下界。自适应机制根据滑动变量变化率动态调整扰动补偿强度，避免过度保守的控制输出。

仿真验证与性能分析

在Matlab/Simulink环境中进行三维轨迹跟踪测试。对比实验显示：在存在±15%模型参数偏差和随机海流扰动（最大流速1.5m/s）条件下，本文方法的位置跟踪误差较传统MPC降低62%，控制输入抖振幅值减少78%。机械臂末端执行器的轨迹偏差保持在0.1m以内，优于PID控制（0.35m）和标准SMC（0.25m）。

研究结论表明，所提出的FIVMPC-SMC复合控制策略有效平衡了优化性能与鲁棒性。价值迭代机制显著提升了MPC的实时性，而自适应滑模补偿器克服了模型不确定性的影响。该框架为UVMS在动态海洋环境中的精确控制提供了理论依据和技术支撑，未来可扩展至多机器人协同作业等复杂场景。论文发表于《Ocean Engineering》期刊，为海洋工程装备的智能控制研究提供了重要参考。