基于多权重控制并避免松弛的轨迹跟踪方法在模块化并联肌腱驱动关节中的应用
《Mechatronics》:Trajectory tracking through Multiple Weight Control with slackness avoidance for modular parallel tendon-driven joints
【字体:
大
中
小
】
时间:2026年02月11日
来源:Mechatronics 3.2
编辑推荐:
杨光浩|李乐|张康|刘伟东
西北工业大学海洋科学与技术学院,中国西安友谊西路127号,邮编710072
摘要
本文研究了存在海流干扰时的欠驱动自主水下航行器路径跟踪问题。在外环采用视距引导律,而在内环设计基于李雅普诺夫的模型预测控制器,以确保自主水下航行器能够在海流
杨光浩|李乐|张康|刘伟东
西北工业大学海洋科学与技术学院,中国西安友谊西路127号,邮编710072
摘要
本文研究了存在海流干扰时的欠驱动自主水下航行器路径跟踪问题。在外环采用视距引导律,而在内环设计基于李雅普诺夫的模型预测控制器,以确保自主水下航行器能够在海流干扰下完成路径跟踪任务。所提出的视距-模型预测控制器结合了基于扩展状态观测器的辅助控制律的稳定性与鲁棒性,并通过在线优化提升自主水下航行器系统的路径跟踪性能。“麒麟”号自主水下航行器的仿真与硬件实验证明了该方法的有效性。
引言
海洋覆盖了地球表面70%以上的面积,拥有丰富的生物资源及未开发的矿产资源,是全球经济、生态稳定和科学研究的基石。在此背景下,先进的技术创新对于推进海洋探索尤为重要,尤其是在充满挑战的深海环境之中[1]。其中,自主水下航行器因其成本效益高、安全性好以及功能多样性强,已成为自主海上任务中不可或缺的工具[2][3]。
自主水下航行器的核心优势在于能够独立于人类干预执行复杂的自主任务。因此,强大的控制器设计成为确保其性能与运行可靠性的关键[4][5][6][7]。对于那些独立控制输入数量少于自由度数量的欠驱动自主水下航行器,通常采用分层的内外环控制架构来解决路径跟踪问题[8]。然而,非线性动力学特性、不可预测的环境干扰以及有限的驱动能力,给有效控制律的开发带来了巨大挑战[9][10]。
自主水下航行器的路径跟踪控制问题通常分为导航、引导和控制三个层次。大多数研究集中在后两个层次[11]。常见的引导策略包括纯追踪、恒方位角引导以及视距引导等几何法则[12][13]。近年来,还出现了更为复杂的引导框架,例如将3D并行搜索引导与动态事件触发控制相结合的方法,用于异构水下航行器群体[14]。此外,张等人[15]提出了一种基于虚拟船舶的自主避障逻辑路径生成方法,通过基于神经网络补偿的自适应迭代学习控制实现高精度路径跟踪。视距引导依然是基础路径跟踪任务的基准方法,其之所以长期占据主导地位,是因为结构简单、计算要求低且参数调优直观。更重要的是,它拥有成熟的基于李雅普诺夫的稳定性分析框架,以及对模型不确定性的良好鲁棒性,因此非常适合实际工程应用[11]。近年来,人们致力于改进视距引导技术,形成了多种针对不同控制目标的特殊版本:用于基本跟踪的比例视距引导、用于补偿漂移的积分视距引导、用于处理不确定性的自适应视距引导,以及用于应对状态空间限制的误差约束视距引导。由于各层次之间存在内在耦合关系,引导与控制律通常在级联框架中共同设计。为进一步提升收敛性能,宋等人[29]提出了一种将固定时间视距引导与快速有限时间滑模控制相结合的级联策略,无论初始误差如何,都能在规定时间内实现快速平稳的路径跟踪。为满足操作安全需求,袁等人[30]开发了一种改进的实时避让视距引导方法,该方案能实时调整姿态;再结合改进的终端滑模控制,可使自主水下航行器在复杂水下障碍物环境中依然能够完成路径跟踪。向3D环境拓展也是研究重点之一。例如,沈等人[31]采用了基于3D罗德里格斯旋转矩阵的视距引导律,结合混合轨迹有限时间控制方法,成功解决了6自由度欠驱动自主水下航行器的3D路径跟踪问题,同时消除了姿态奇异性。类似地,何等人[32]将自适应视距引导与反步控制策略相结合,实现了在未知海流干扰下的高精度3D跟踪。最后,在多智能体场景中,王等人[33]将固定时间视距引导与自适应模糊逻辑系统相结合,实现了在恶劣条件下的水下航行器高效集群控制。
尽管上述内环控制方法效果显著,但在面临执行器饱和或安全相关限制等物理约束时,往往难以保持最佳性能。相比之下,模型预测控制被认为是少数能够同时处理系统约束并优化控制性能的控制范式之一[34][35]。因此,模型预测控制已被广泛应用于能源管理[36]、自动驾驶[37]以及电力电子领域[38]。在某些研究中,误差约束视距引导与模型预测控制相整合,通过专门的控制层来强制满足物理输入约束,同时引入扩展状态观测器来补偿模型在线偏差,从而形成一种兼具鲁棒性与约束安全性的路径跟踪方案[39]。另有研究将自适应视距引导与事件触发型鲁棒模型预测控制相结合,通过事件触发机制在复杂环境中实现稳定跟踪,同时降低能耗[25]。还有研究将自适应视距引导与模型预测控制以及专门设计的障碍物规避几何算法相结合,构建了完整的控制架构[40]。不过,上述方案中的控制层均依赖围绕期望工作点的泰勒级数展开进行模型近似。由于自主水下航行器的动力学本质上是高度非线性的,这种基于线性化的方法缺乏数学严谨性,也无法为级联内外环系统提供严格的稳定性分析。
因此,一些研究尝试将视距引导与非线性模型预测控制相结合,以保留系统动力学的非线性特征和高保真度。在某些研究中,作者将视距引导与管状模型预测控制相结合,设计了能够减轻海流干扰和模型不确定性影响的平滑着陆控制方案[41]。还有研究将误差约束视距引导与非线性模型预测控制整合,实现了高精度、平滑且鲁棒的路径跟踪,但其稳定性分析将内外环视为相互独立的实体,缺乏足够严谨性。实际上,内环控制器的性能与稳定性与其所受到的外环运动学引导指令及约束密切相关。在群体控制领域,阿尔穆扎伊尼和萨夫金[43]研究了一种用于在未知且地形复杂的海底环境中进行扫掠式视频感知的在线多自主水下航行器轨迹规划算法。该算法通过将视距引导与模型预测控制相结合,实现了在完全未知的复杂海底地形上的高效安全协同视频测绘。在另一项研究中,通过将引导速率设计与模型预测控制相结合,并融入等高线规划目标,开发出了用于水下航行器集群控制的模型预测等高线控制算法[44]。不过,与前述研究类似,这些整合方案仍缺乏对闭环稳定性的严格证明。
关于非线性模型预测控制的稳定性问题,陈和阿尔戈韦尔[34]以及梅因等人[45]提出了基于李雅普诺夫的终端不变集理论来保证系统收敛性,相关研究还在后续工作中得到进一步探讨[46][47]。然而,当将非线性模型预测控制与外环视距引导相结合时,会出现一个根本性挑战:与能够直接构建级联李雅普诺夫框架的滑模控制不同,非线性模型预测控制是一种优化问题。这种隐式特性使得难以通过传统的级联分析方法为耦合的引导控制环提供严格的稳定性证明。此外,构建鲁棒的终端不变集通常十分困难,还会带来较大的计算负担。为解决这些问题,近期有一些研究尝试利用强化学习技术在线学习终端约束条件[48][49]。
与此同时,自主水下航行器往往会受到不确定海流带来的干扰。为解决这一问题,有人提出了管状模型预测控制方法[50],但该方法同样存在较高的计算成本[51]。最近,基于李雅普诺夫的模型预测控制被作为一种有效方法,用于避免与终端约束集相关的计算负担[52][53][54]。受此启发,本文提出了视距-模型预测控制器,该控制器将视距引导与辅助控制律相结合,构建了新的级联稳定性框架。此外,为解决干扰问题,该控制器还在辅助控制律中加入了扩展状态观测器。
主要贡献如下:
• 综合视距-模型预测控制器框架:为解决欠驱动自主水下航行器的路径跟踪问题,本文提出了一种综合考虑控制约束的集成视距-模型预测控制器方案。其主要贡献在于建立了一种新的分析框架,弥补了基于级联模型预测控制的引导系统在稳定性分析方面的不足,为递归可行性和闭环稳定性提供了严格的数学保障。
• 鲁棒干扰抑制能力:该框架通过引入扩展状态观测器,能够实时估计并补偿未知的海流干扰,从而在环境扰动作用下保持系统鲁棒性能,且相比传统干扰抑制方法具有更低的计算开销。
• 全面验证:通过大量的数值仿真和硬件实验,验证了所提策略的理论合理性及其在实际海洋应用中的可行性。
本文结构如下:第2节介绍3自由度自主水下航行器的运动学与动力学模型;第3节阐述路径跟踪问题;第4节介绍级联控制系统;第5节给出仿真验证结果;第6节详细描述硬件实验情况;最后,第7节总结主要贡献并得出结论。
符号说明:x?、?和x?分别表示x的第1、2、3阶导数;对于变量x∈X,x?和x?分别表示其最大值和最小值;xT表示x的转置,diag(?)表示对角运算;|?|表示标量的绝对值,‖?‖表示向量的欧几里得范数;‖x‖P2表示加权欧几里得范数xTPx,其中P为正定矩阵,列向量操作[x1T,…,xnT]T记为col(x1,…,xn);R表示实数集。最优解对应的变量用??表示,可行解对应的变量用??表示。此外,x(s|tk)和u(s|tk)分别表示在当前时间tk下预测得到的s时刻的状态和输入值。
章节摘录
**自主水下航行器建模**
本文主要研究欠驱动自主水下航行器的3自由度水平运动特性。由于该航行器在前后方向和左右方向上都具有对称性,因此假设其横滚角?和俯仰角θ较小。通过忽略纵摇角z、横滚角?和俯仰角θ,我们使用简化模型来研究该航行器。为便于对其运动进行分析,如图1所示,定义了两个参考坐标系:固定在航行器质心上的机体坐标系b-frame。
**问题描述**
在2D路径跟踪任务中,我们定义了一条由θ∈R参数化的参考路径,θ相当于引导航行运动的虚拟领航者。该参考路径可表示为:pd(θ)=[xd(θ),yd(θ)]T。路径在θ处的切线角度定义为:ψF(θ)=atan2(y?d(θ),x?d(θ)),其中atan2(?,?)表示四象限反正切函数,可确保切线角度在[-π,π]范围内具有唯一的方位定义。
**假设3**
参考路径及其一阶、二阶……
**控制设计**
本章提出了一种视距-模型预测控制器方案,用于解决第3节中所述的、存在海洋干扰的自主水下航行器的路径跟踪问题,并给出了可行性和稳定性的严格证明。如图2所示,该方案由四个主要模块组成:(1)视距引导律;(2)扩展状态观测器;(3)辅助控制器;(4)模型预测控制器。具体而言,视距引导律用于确定期望航向,扩展状态观测器用于估计干扰情况,辅助控制器则负责……
**仿真结果**
本章通过大量仿真实验评估了所提出的级联控制器的性能。为了验证控制器的有效性,使用了两条不同的参考轨迹。比较研究了四种控制策略:带有扩展状态观测器的视距引导控制、带有扩展状态观测器的视距-模型预测控制器、不带扩展状态观测器的视距-模型预测控制器以及视距-非线性模型预测控制器。本文提出的视距-模型预测控制器框架本身已包含扩展状态观测器,但在仿真部分,仍分别对比了带有扩展状态观测器的视距-模型预测控制器与不带扩展状态观测器的版本……
**硬件实验**
硬件实验采用了与仿真相同的参数配置,是在“麒麟”号自主水下航行器上进行的,旨在进一步验证所提方案的实用性。实验在中国武汉的一个湖泊环境中进行,该地点的坐标为北纬39.075620°,东经121.151913°。图13展示了实验区域的卫星视图及对应的实地地图。图14则展示了实验装置,详细的操作流程如下:1. 初始化:通电。结论本文提出了一种LOS-LMPC算法,用于在存在未知海洋潮流干扰的情况下对自主水下航行器进行路径跟踪控制。通过将基于ESO的辅助控制器的稳定性约束纳入在线MPC优化中,显著提升了系统的控制性能和鲁棒性。所提出的LOS-LMPC方法的递归可行性和闭环稳定性都得到了充分证明。全面的仿真与硬件实验也验证了其有效性。CRediT作者贡献声明杨光浩:撰写——初稿、验证、方法论、研究设计、概念构思。雷莉:撰写——审阅与编辑、资金获取。张康:软件、资源、项目管理。刘伟东:监督、数据整理。利益冲突声明作者们声明存在以下可能被视为潜在利益冲突的财务利益/个人关系:雷莉表示获得了中国国家自然科学基金的财政支持;雷莉还表示获得了中央高校基本科研业务的财政支持;雷莉还表示获得了“111计划”的财政支持。其他作者则声明没有已知的利益冲突。致谢本研究部分得到了中国国家自然科学基金(编号61903304)、中国中央高校基本科研业务费(编号3102020HHZY030010)以及“111计划”(编号B18041)的资助。杨光浩于2025年在中国西安的西北工业大学获得控制工程硕士学位,目前正在攻读导航、制导与控制专业的博士学位。他的研究兴趣包括模型预测控制、强化学习以及水下机器人技术。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号