《Ocean Engineering》：LADRC-based wake tracking control via sideslip angle estimation for AUVs following the trajectories of near-surface targets
编辑推荐：
自主水下车辆（AUV）尾流跟踪面临非线性耦合、环境干扰和侧滑角问题，本文提出融合侧滑角估计与主动干扰抑制的控制器。通过降阶扩展状态观测器实时估计侧滑角，设计基于侧滑补偿的LOS导引律，并采用线性ADRC解耦控制 yaw和surge通道，仿真验证其优于传统PID和LOS方法。
何伟超|孟兆辰|李远征|徐鹏|万兴福|刘建华|金浩|张克成|谢光明|徐敏毅
大连海事大学海洋工程学院，中国大连，116026
摘要
自主水下航行器（AUV）在跟踪近海目标轨迹时面临诸多挑战，这些挑战源于非线性耦合、环境干扰以及显著的侧滑效应，这些因素严重降低了控制系统的稳定性和准确性。本文提出了一种用于AUV跟踪水面目标轨迹的尾流跟踪控制方法。该控制器将侧滑角估计与主动干扰抑制相结合。通过构建降阶扩展状态观测器来实时估计侧滑角，该角表示由于尾流干扰导致的车辆航向与其实际运动方向之间的偏差。此外，还开发了一种基于侧滑角估计的视线（LOS）引导律，以生成协调的偏航角和纵摇速度指令，从而在尾流跟踪过程中同时改善方向控制和速度调节。随后设计了两个线性主动干扰抑制控制器，以实现偏航和纵摇通道的解耦和鲁棒控制。仿真结果表明，所提出的方法在轨迹精度、横向偏差抑制、收敛速度和能源效率方面均优于传统的LOS引导和结合干扰观测器的PID控制器，从而使AUV能够在复杂的近海环境中稳定可靠地跟踪尾流。
引言
自主水下航行器（AUV）因其出色的机动性和高自主性，已成为海洋勘探、资源调查和环境监测的关键工具。在其多样化的任务中，跟踪水面船舶的尾流是一项关键但具有挑战性的任务。由于船舶的尾流通常表现为一个空间分布的湍流区域而非单一曲线，因此跟踪整个区域是不切实际的。因此，通常将尾流的中心线视为期望的路径。这一中心区域对应于船上传感器感知到最强信号的位置，这对于尾流识别和轨迹控制提供了有代表性的参考。然而，尾流本身会对AUV的运动产生显著且非结构化的流体动力干扰。为了确保可靠的感知和连续跟踪，AUV必须严格保持在尾流走廊内，同时补偿这些强烈的干扰。这些严格的要求使得尾流跟踪在智能协作导航和军事侦察等应用中具有很高的价值，但同时也对AUV控制系统的智能性和鲁棒性提出了巨大挑战。
尽管如此，海洋环境的复杂性和非线性流体动力学特性在近海操作中带来了重大挑战。一个经常被忽视的关键问题是强尾流湍流和横流引起的侧滑角。这种偏差意味着车辆的航向与其实际速度矢量存在显著差异，这种现象在上升过程中尤为明显，因为此时近海流体干扰最为强烈。这样的侧滑角破坏了许多基于航向的引导策略的基本假设，导致横向误差无法收敛和轨迹偏差较大。虽然已有大量研究致力于减轻这些影响，但现有方法主要集中在路径规划或状态融合上，对于实时估计和补偿侧滑角以用于控制目的的研究较少。例如，先前的工作通过流场感知建模（徐和潘，2022年）、姿态融合估计（郑和科，2024年）（布奇等人，2022年）（王等人，2025年）、模糊估计（范等人，2024年）（诺尔莫哈马迪和萨贝特，2025年）以及冗余导航信息融合（吕等人，2020年）来提高鲁棒性。然而，这些方法大多忽略了侧滑角的显式估计，而是侧重于导航滤波。尽管最近的一些工作开始解决这个问题。例如（萨贝特和诺尔莫哈马迪，2022年）提出了一种基于伯努利的流速传感器，（德巴罗斯等人，2009年）使用CFD和实验分析了不同侧滑角下的流体动力矩。然而，这些方法尚未完全集成到闭环控制系统中以实现实时补偿，限制了它们在高度扰动尾流环境中的适应性。
引导律也得到了广泛研究，常用的方法包括纯跟踪和基于曲率的方法。这些方法通过目标点或曲率参考提供直观的偏航控制，并已成功应用于地面车辆（金等人，2023年）（文等人，2025年）（冈萨雷斯-卡尔文等人，2025年）和水下机器人（徐等人，2024年）。还探索了特定的基于逻辑的尾流归航策略。例如，金（2024年）提出了一种基于虚拟尾流边界估计的引导逻辑，以保持车辆在尾流区域内。然而，这些几何或逻辑切换方法通常将尾流跟踪视为边界检测问题，常常忽略了湍流尾流本身引起的动态侧滑效应。为了解决连续轨迹跟踪问题，视线（LOS）引导已成为主流方法，因为它简单且鲁棒（顾等人，2022年）。已经提出了各种改进措施，如引入积分误差项（杜等人，2023年）、设计能量最优框架（杨等人，2023年）、在通信约束下提出自适应策略（徐等人，2023年）以及引入带有在线蟹角估计的自适应LOS（福森，2023年）。然而，一个根本的限制仍然存在：大多数现有的ALOS方法依赖于自适应积分项进行漂移补偿。这种被动适应在时变干扰下存在相位滞后和收敛速度慢的问题，相比之下，基于观测器的主动估计更为有效。这一限制尤其成问题，因为尾流跟踪与一般轨迹跟踪在海洋流场中的情况有根本不同。与缓慢变化的全局流场不同，尾流代表了一个空间局部化且高度湍流的干扰场（乔等人，2023年），这需要一种能够快速动态补偿的控制策略。此外，大多数方法假设推进速度恒定，仅生成偏航指令，缺乏解决尾流跟踪场景中偏航和纵摇动态之间强耦合的协调控制策略。
在控制执行方面，PID、滑模控制（SMC）和模型预测控制（MPC）等方法各有局限性。PID应用广泛，但在强干扰下性能下降（哈桑和阿巴斯，2023年）。SMC具有鲁棒性，但存在抖动问题（严等人，2022年），而MPC提供高精度，但需要精确的模型和大量的计算资源（郝等人，2023年）。主动干扰抑制控制（ADRC）通过使用扩展状态观测器（ESO）实时估计和补偿总干扰，提供了鲁棒性，无需精确模型。最近对ADRC的改进包括针对周期性干扰的通用ESO（拉姆拉维和朱，2019年），以及针对输入非线性的ADRC-PTOC用于航向控制（安等人，2020年）。还开发了结合ADRC与SMC（刘等人，2024年）或MPC（阿科斯-莱加达和古铁雷斯，2023年）的混合方法。尽管有这些进展，大多数现有方法仍然关注单通道控制，未能解决偏航和推进速度之间的动态耦合问题。此外，它们通常忽略侧滑效应的显式建模和在线补偿，而这正是扰动尾流条件下轨迹不准确的主要原因。
总之，本研究探讨了欠驱动AUV对近海目标尾流跟踪控制问题。为了解决上述限制，本文的主要贡献如下：
(1)为了解决近海环境中尾流干扰常见的侧滑效应，开发了一种基于降阶ESO的侧滑角估计方法。该方法利用姿态和速度等运动信息实时估计侧滑角，有效减少了观测器维度和计算复杂性，同时通过李雅普诺夫理论确保了严格的收敛性。
(2)提出了一种基于侧滑角估计的视线（SELOS）引导律，以提高收敛速度和跟踪稳定性。通过利用主动估计的侧滑角进行前馈补偿，该设计克服了传统基于积分方法的滞后问题，并明确考虑了纵向误差与纵摇速度调整之间的耦合。
(3)在线性ADRC框架内设计了独立的姿态和纵摇控制器，以实现显式解耦。结合干扰补偿和侧滑校正机制，这两个控制器能够高精度地跟踪双输出参考值，显著增强了对抗尾流干扰和建模不确定性的鲁棒性。
部分摘录
尾流跟踪问题的表述
为了在高精度尾流跟踪欠驱动AUV时，需要建立一个数学模型，该模型能够捕捉车辆的非线性动力学特性和由尾流引起的外部干扰。这为后续的控制器设计提供了理论基础。
在本研究中，AUV的动力学由一个降阶五自由度（DOF）模型表示，其中忽略了滚动运动，并假设俯仰角很小。
引导律设计
为了在存在不可测量状态和外部干扰的情况下分析稳定性和鲁棒性，本节介绍了一些基本定义和引理。这些理论工具为分析所提出的侧滑角观测器和尾流跟踪引导律的收敛行为提供了基础。特别是采用了输入到状态稳定性（ISS）理论，以确保在有限扰动下的有界跟踪性能。
定义1
(Sontag和
尾流跟踪控制器设计
在现实海洋环境中，AUV经常需要跟踪水面附近的动态目标或尾流区域内的目标，例如由水面船舶产生的尾流。为了完成这些任务，操作过程分为两个阶段：上升阶段和跟踪阶段。在上升阶段，AUV从水下巡航深度上升到指定的操作深度。由于此阶段的主要目标是深度调节，而不是
仿真
为了验证所提出的控制策略在复杂近海干扰下的有效性和鲁棒性，构建了一个全面的AUV仿真平台。该平台包括一个完整的非线性动态模型以及多个环境干扰源。AUV的动力学采用Infante型五维非线性模型，系统参数配置如下：车辆质量为
结论
本文解决了AUV近海尾流跟踪中的关键挑战，包括强干扰、多源不确定性和侧滑引起的漂移。提出了一种混合控制框架，结合了SELOS和ADRC。在该框架中，使用降阶ESO动态估计侧滑角，并严格分析了估计误差的稳定性。基于此估计，开发了一种新的引导律，并使用ISS理论确保了其稳定性。
CRediT作者贡献声明
何伟超：撰写——原始草案、验证、软件、方法论、调查、形式分析、概念化。孟兆辰：方法论、调查。李远征：可视化。徐鹏：撰写——审稿与编辑、监督、资源、方法论、调查。万兴福：验证、调查。刘建华：方法论、概念化。金浩：数据整理、概念化。张克成：形式分析。谢光明：撰写——审稿与编辑、监督。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究部分得到了国家自然科学基金（52371345、52401399）、中国博士后科学基金会的博士后奖学金计划（GZC20230062）、大连杰出青年科技人才项目（2021RJ11）以及青年教师科研创新能力支持项目（ZYGXQNJSKYCXNLZCXM-O1P）的支持。
