一种用于海上风电场运维的混合式波浪补偿登机平台的鲁棒非线性模型基控制器设计
《Ocean Engineering》:A robust nonlinear model-based controller design for a hybrid wave compensation boarding platform for offshore wind farm operation and maintenance
【字体:
大
中
小
】
时间:2026年07月24日
来源:Ocean Engineering 6.3
编辑推荐:
•针对9自由度混合波浪补偿平台,本文提出了一种基于新型非线性扩展状态观测器(NLESO)的非线性模型预测控制器,该控制器能够有效估计并补偿冗余系统中的各种扰动(风、浪、流以及动态耦合效应)。•在非惯性参考系中建立了斯图尔特平台与登船通道的运动学和动力学模型,并引入了任务优先级运动
•针对9自由度混合波浪补偿平台,本文提出了一种基于新型非线性扩展状态观测器(NLESO)的非线性模型预测控制器,该控制器能够有效估计并补偿冗余系统中的各种扰动(风、浪、流以及动态耦合效应)。•在非惯性参考系中建立了斯图尔特平台与登船通道的运动学和动力学模型,并引入了任务优先级运动规划方法,以解决运动学冗余问题并生成所需的补偿轨迹。•整个闭环系统被表示为Lure系统,从而为所设计的观测器-控制器组合提供了理论上的稳定性保证。•仿真研究表明,所提出的策略在跟踪精度方面优于三种基准控制器,在外部扰动作用下具有更出色的稳定性和控制精度。
引言
海上风电场的运营维护工作涉及油井平台、风力发电机以及起重机操作等多个领域,而这些工作的顺利进行在很大程度上依赖于人员和设备在船舶之间或从船舶到固定海上结构物之间的安全转移。然而,船舶运行不可避免地会受到风、浪和流等环境因素的干扰,从而导致连续的六自由度运动:横摇、纵摇、垂荡、起伏、侧摆和航向偏移。在工程实践中,这些动态的环境扰动会显著降低作业效率和经济性。用于海上风电场运维的混合波浪补偿登船平台利用波浪补偿原理来抵消上述动态条件带来的扰动,从而确保在全局坐标系(惯性参考系)中实现人员和设备的稳定转移。这不仅保障了作业人员及机械设备的安全,还能提高在复杂海况下各类海洋工程任务的执行效率。
传统的波浪补偿系统如图1所示,是一种基于串联机构的三自由度登船通道系统。该系统旨在补偿船舶在横摇、纵摇和垂荡方向上的运动(Liang等人,2020年)。而其余三个自由度的补偿则依靠船舶自身的动态定位系统来实现。不过,为船舶配备高精度的动态定位系统需要较高的成本,且在海上作业时还会增加能耗。为了进一步提升波浪补偿系统的补偿精度和承载能力,人们开发出了混合机构补偿系统。该系统将三自由度登船通道与六自由度斯图尔特并联机构相结合,既发挥了并联机构具有的高承载能力、高补偿精度以及快速响应等优点,又具备了串联机构较大的运动补偿范围。因此,这种混合系统更适用于在复杂海洋环境中执行波浪补偿任务。在海上运维场景中,登船平台主要处于三种功能模式:对接模式、全自由度主动补偿模式以及收拢模式。本研究将重点针对这种混合机构系统的全自由度主动补偿任务,开发一种专门的主动控制策略。
波浪补偿系统存在显著的非线性和不确定性——比如斯图尔特平台六个执行器之间的耦合效应、登船通道与斯图尔特平台之间的动态相互作用、船舶运动引发的扰动以及外部未知力扰动等——这些因素极大地增加了建模和控制的难度。正因如此,传统的线性控制方法往往无法实现精确的补偿。为此,研究人员提出了多种先进的控制策略。现有文献表明,关于三自由度和六自由度波浪补偿系统的研究已经较为成熟,而针对九自由度混合波浪补偿系统的相关研究则相对较少。表1对以往的一些重要研究成果进行了总结与比较,以便明确不同方法的优势与局限性。
此外,大多数控制方法主要侧重于对当前系统状态的稳健调控,缺乏预测能力,通常难以应对系统中固有的多变量耦合关系和显式约束条件。相比之下,非线性模型预测控制方法被广泛用于具有约束条件的复杂非线性系统的闭环性能优化,其应用领域涵盖轨迹跟踪、机械臂操控、无人机控制以及船舶导航等方面(Niccolai等人,2025年;Panda等人,2025年;Tian等人,2022年;Zhang等人,2025年)。该方法通过在每个控制间隔内求解最优控制问题来确定最优控制策略。这个基于系统模型和当前观测状态构建的最优控制问题,旨在在有限的预测时间内使累积阶段成本达到最小。为了解决实时NMPC控制中的难题,人们已经开发出了多种高效的求解器,如ACADO(Ferreau等人,2010年)和CasADi(Andersson等人,2019年)。然而,NMPC的闭环性能在很大程度上取决于系统精确的数学模型。若存在严重的未建模不确定性,就会给控制带来巨大挑战。为应对这一问题,研究人员开发出了稳健的非线性模型预测控制方法。对于船载海上起重机,Chen等人(2025年)设计了一种将自适应稳健滑模控制与NMPC相结合的控制算法,该混合策略能够有效应对时变扰动和与系统相匹配的不确定性,同时还能处理模型非线性和物理约束问题。Yan等人(2022年)为受生物启发的水下机器人解决了轨迹跟踪控制问题,他们开发了一种新的二维跟踪方法,将该方法与稳健非线性模型预测控制以及中央模式发生器相结合,旨在在外部扰动作用下实现精准跟踪。S. Wang等人(2025年)提出了一种EF-NMPC方案,该方案结合了基于EKF的参数识别方法以及一种新型的非线性扰动观测器,用于在存在不确定时变扰动和执行器饱和情况下对无人水面艇的轨迹进行跟踪控制。Yang等人(2020年)为动态定位船舶开发了一种非线性扰动观测器,用于估计未知的扰动和不确定性,然后将这些扰动估计值纳入预测模型中,进而构建NMPC优化问题,从而提升系统抵抗扰动的能力。
为解决系统冗余性和复杂动态约束所带来的上述问题,本文提出了一种新的控制框架,该框架将任务优先级运动规划与基于NLESO的NMPC相结合,用于混合波浪补偿系统。本研究的主要贡献如下:
1. 针对混合波浪补偿系统,在非惯性参考系中建立了斯图尔特平台与登船通道的运动学和动力学模型,分析了二者之间的耦合运动学和动力学关系,为设计主动波浪补偿控制算法奠定了基础。
2. 对混合系统的波浪补偿原理进行了分析。为解决由运动学冗余导致的运动分配问题,采用了任务优先级方法进行运动规划,充分考虑了斯图尔特平台与登船通道不同的运动学特性,随后通过NLESO-NMPC策略实现了对混合系统的协同控制。
3. 为了评估混合系统的补偿性能,对四种控制策略——LESO-SMC、LESO-Backstepping Control、LESO-LMPC以及本文提出的NLESO-NMPC——进行了对比研究,以此评估它们的轨迹跟踪能力。
章节节选
船载斯图尔特-登船通道系统的坐标系
如图2所示,运维船舶在波浪作用下会产生六自由度运动。斯图尔特登船通道系统安装在船舶甲板上,其基座平台正上方装有惯性测量单元传感器,用于检测系统所需的补偿量。通过对斯图尔特平台与登船通道的协同控制,可使登船通道的末端执行器保持相对固定的位置。
基于任务优先级的冗余消除方法
该混合机构具有冗余自由度结构,这会在零空间内产生内部运动。这类运动仅影响机构内部的关节位移,与末端执行器的运动状态无关。为考虑这一效应,将与零空间相关的次要任务运动学方程整合到加权伪逆框架中,具体表达式如公式(51)所示。
ζ˙=Jtask+Vstgw+(IN?JW+JW)ζ˙aJW+=W?1Jtask
基于NLESO的NMPC设计
本节重点介绍基于斯图尔特-登船通道系统综合动力学模型(见公式(47)),将NLESO与NMPC相结合的控制器设计方法。整体设计流程包括离散时间NLESO设计、离散时间NMPC设计、基于观测器的NMPC框架设计,以及所提出的基于NLESO的NMPC方案的稳定性分析。这些内容将在后续小节中详细阐述。
工作空间分析
为验证所设计的斯图尔特平台登船通道系统的参数是否满足补偿要求,需要进行工作空间分析。对于作为串联结构的登船通道,其工作空间可直接根据其关节极限来确定。而对于斯图尔特平台,其工作空间则受到其执行器行程限制以及基座平台与移动平台上铰点之间的空间几何关系的制约。在本研究中,采用了蒙特卡洛方法来解决相关问题。
仿真分析
本节通过仿真结果来验证控制算法的性能。如图7所示,首先在SolidWorks中建立斯图尔特-登船通道系统的虚拟原型模型,然后再将其导入Matlab/Simscape环境。该模型由两个斯图尔特平台和一个登船通道组成,下方的斯图尔特平台用于模拟船舶引发的运动,而上方的斯图尔特平台则与登船通道相连,用于实现运动控制。
结论
本文提出了一种基于非线性扩展状态观测器的非线性模型预测控制策略,旨在解决在非线性、强耦合以及随机海况扰动影响下,如何实现对登船通道系统进行精确控制的难题。首先,建立了登船通道系统的动力学模型,为控制器的设计提供了准确的建模基础。通过合理分配船舶的6自由度运动,从而确定出期望的轨迹。
作者贡献说明
Boxuan Chen:概念构思、数据整理、形式分析、研究调查、方法设计。Lei Tan:数据整理、方法设计。Peng Li:概念构思、资金筹集。Lun Tan:数据整理、形式分析。Hongbo Wang:研究调查、方法设计。Chaohe Chen:形式分析、资金筹集、研究调查、方法设计。
利益冲突声明
作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。
致谢
本研究得到了广东省重点领域研发计划(项目编号:2021B0707040002)以及中国广东省海洋经济发展计划的联合支持(项目编号:GDNRC[2021]39)。
Boxuan Chen|Lei Tan|Peng Li|Lun Tan|Hongbo Wang|Chaohe Chen
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