基于可重构控制分配的波浪自适应无人水面艇容错轨迹跟踪
《Ocean Engineering》:Fault-tolerant trajectory tracking of a wave-adaptive USV via reconfigurable control allocation
【字体:
大
中
小
】
时间:2026年09月05日
来源:Ocean Engineering 6.3
编辑推荐:
跨域控制分配利用航迹阻力作为辅助通道。
约束感知的QP求解器动态更新锁死故障下的控制边界。
非对称航迹调整在推进器效能部分损失(LOE)条件下产生补偿性偏航力矩。
所提出策略在50%推进器LOE故障下将横向偏差降低55.2%。
引言
近年来,无人水面艇(USV)凭借其自主
跨域控制分配利用航迹阻力作为辅助通道。
约束感知的QP求解器动态更新锁死故障下的控制边界。
非对称航迹调整在推进器效能部分损失(LOE)条件下产生补偿性偏航力矩。
所提出策略在50%推进器LOE故障下将横向偏差降低55.2%。
引言
近年来,无人水面艇(USV)凭借其自主性和操作效率,在海洋科学研究、环境监测和海上作业中得到了广泛应用(Liu等人,2016;Peng等人,2018)。随着任务场景日趋复杂,现代USV需要在具有挑战性的海洋环境中自主运行。这一趋势除了对自主决策和轨迹规划提出更高要求外,也对物理平台的机动性、生存能力和容错能力提出了更高要求。
在这些应用驱动的需求之外,大量研究工作也致力于高级自主能力,包括基于深度强化学习的避障、协同编队控制和模型预测轨迹规划(Ma等人,2024;Qiao和Zhang,2020;Yao等人,2025)。
然而,高级自主算法的有效性最终取决于物理平台的机动性和生存能力。传统的单体和双体USV在高海况下往往表现出机动性下降和严重的横摇运动(Wang和Song,2024;Wang等人,2024)。为了解决这些局限,波适应模块化船舶(WAM-V)作为一种有前景的平台应运而生(Peterson,2014)。WAM-V配备了主动悬挂系统和独立可调吃水浮筒,可以主动改变船体构型以减轻波浪冲击,提高耐波性能和平台稳定性(Shen,2013)。
尽管具有这些结构优势,恶劣的海洋环境使WAM-V在长期自主任务中面临执行器故障的风险。主差动推进器容易因水草缠绕或电机退化而导致效能部分损失(LOE)(Wan等人,2022),而球螺杆驱动的悬挂执行器容易因机械卡滞或过度摩擦而出现锁死(LIP)故障(Liu和Zhang,2025)。这些非对称故障降低了可用的控制权限,产生不平衡的推力和水动力阻力,导致显著的航向偏差。因此,开发鲁棒的容错控制(FTC)策略对于确保过驱动WAM-V的机动性和生存能力至关重要(Wan等人,2022;Wang等人,2023)。
已有大量工作致力于海洋水面船舶的FTC。现有策略可大致分为两类:鲁棒控制方法,如滑模控制(Mokhtari等人,2024a;von Ellenrieder,2019)和自适应控制(Zhang等人,2022),以及模块化控制分配方法(Johansen和Fossen,2013)。对于过驱动系统,可重构控制分配(RCA)框架因其将高级运动调节与低级冗余管理解耦而获得了显著关注(Kolaric等人,2020)。在执行器故障时,RCA算法——通常表述为QP或伪逆优化——将控制力重新分配给健康执行器,而无需重新设计基准控制器(Cavanini和Ippoliti,2018;Tang等人,2025)。
然而,变几何USV的容错控制领域仍存在一个关键空白,特别是在异质执行器重构和阻力辅助控制分配方面。现有RCA策略主要利用同质执行器冗余,例如同等螺旋桨或方位推进器之间的推力重新分配(Johansen和Fossen,2013)。即使对于异质系统,大多数方法也依赖于主动力产生装置,包括舵和舵翼(Lang等人,2024)。相比之下,关于WAM-V的现有研究主要关注健康条件下对称航迹调整的耐波性能(Guo等人,2024),忽略了非对称航迹构型在故障恢复中的潜力。因此,航迹诱导的水动力阻力作为控制资源仍未被探索。为填补这一空白,本文提出了一种跨域故障容纳机制,通过非对称航迹分配产生补偿性偏航力矩来缓解推进器故障。
近期研究已探讨了多执行器故障条件下的容错控制,包括同时发生效能损失和卡滞故障的情况(Ho等人,2026;Phan和Ahn,2023;Phan等人,2025),强调了统一故障表征在复杂故障场景中的重要性。在非线性的自主系统方面也取得了重要进展,包括故障Euler-Lagrange系统的固定时间和安全关键控制(Mazare,2023b),以及针对受执行器故障和外部扰动影响的UAV的自适应容错控制与鲁棒故障检测的集成(Mazare和Ramezani,2026;Mazare等人,2024)。与此同时,基于模型无关和强化学习的方法作为故障容纳的有前景的替代方案涌现出来,减少了对精确系统模型的依赖(Mokhtari等人,2024b)。
针对受执行器故障和时变推进器故障影响的AUV,已开发的自适应和模型无关策略(Liu等人,2025;Wang等人,2026)。在多AUV和海洋多智能体系统中,分布式观测器和一致性方法解决了执行器故障、通信约束、切换拓扑以及在模型不确定性和延迟下的编队跟踪问题(Akram等人,2026;Mazare,2023a)。这些方法为故障估计、不确定性补偿和协同控制提供了有效解决方案。然而,它们主要依赖重新设计高级控制器或观测器,而在执行器分配层面上将变吃水诱导的水动力作为冗余控制资源的潜力在很大程度上仍未被探索。
现有基于优化的RCA方法在处理严重机械卡滞时仍面临困难。虽然无约束QP和伪逆方法可以通过调整分配权重来容纳部分LOE故障(Wan等人,2022),但它们通常忽略了LIP故障施加的严格物理约束,冻结的执行器改变了可行的分配空间。因此,传统分配器可能继续向锁定执行器分配指令,导致分配错误和跟踪性能下降。为解决这一限制,本文提出了一种约束感知的动态重构方法,直接在优化求解器中更新执行器边界为umin = umax = ustuck。这使得分配器能够通过利用过驱动系统的冗余来补偿未激活的阻力扰动。
为应对这些挑战,本文提出了一种基于约束感知RCA的分层FTC策略,用于过驱动WAM-V。通过将有参数水动力模型与约束QP分配器集成,所提出的框架利用非对称航迹诱导的阻力作为辅助偏航控制机制,并将其与可用的推进器权限协调。统一的故障模型使得无需修改高级控制器即可在线容纳推进器LOE、悬挂LIP以及同时发生的异质故障。仿真结果表明,在所有测试的故障场景下跟踪误差有界,并且在50%推进器LOE故障下与常规控制相比横向RMSE降低了55.2%。
本文其余部分组织如下。第2节介绍动态模型、数据驱动的水动力映射和统一故障公式。第3节介绍分层FTC策略和基于QP的RCA方案。第4节提供仿真结果,第5节总结全文。
章节摘要
运动学与动力学建模
为了系统地描述波适应模块化船舶(WAM-V)的机动运动,定义了两个参考坐标系,如图1所示:地球固定惯性坐标系OE-xEyEzE和体固坐标系o-xbybzb。体固坐标系的原点位于船舶的重心(CG),其中xb、yb和zb轴分别指向前方、右舷和下方。
假设平面机动运动,包括纵荡、横荡和偏航动力学,则垂荡、纵摇和横摇运动……
容错控制策略
为实现执行器故障下的鲁棒轨迹跟踪,提出了一种分层容错控制(FTC)框架。与重新设计高级非线性控制器不同,所提出的架构将运动调节与执行器冗余管理分离,提高了模块化程度并实现了在线实施。
如图6所示,所提出的架构由两个不同的层次组成:
(1) 高级运动控制器:计算虚拟总控制力(力和力矩)……
仿真结果与讨论
为评估所提出FTC策略的轨迹跟踪性能,采用均方根误差(RMSE)作为主要评价指标。纵向误差(RMSE_x)、横向偏差误差(RMSE_y)和整体位置误差(RMSE_pos)定义如下:
RMSE_x = √(1/N × Σ(xi - xd,i)2)
RMSE_y = √(1/N × Σ(yi - yd,i)2)
RMSE_pos = √(1/N × Σ((xi - xd,i)2 + (yi - yd,i)2))
其中N表示评估时间窗口内的总采样步数;(xi, yi)和(xd,i, yd,i)分别表示实际位置和……
结论
本文针对过驱动波适应模块化船舶(WAM-V)在执行器故障下的轨迹跟踪,提出了一种基于可重构控制分配(RCA)的分层容错控制(FTC)策略。通过将高级运动控制与低级执行器重构分离,所提出的框架保留了原始控制器结构,同时通过执行器冗余实现故障容纳。所提出方法的有效性通过仿真进行了评估。
CRediT作者贡献声明
Penglei Ma:撰写——初稿,项目管理,基金获取,正式分析,数据管理,概念化。
Lei Zhang:撰写——审阅与编辑,监督,软件,项目管理,方法论。
Donghong Ning:撰写——审阅与编辑,基金获取,正式分析。
Guijie Liu:方法论,基金获取。
利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系,这些关系可能会影响本文所报告的工作。
致谢
本研究由国家自然科学基金(批准号:52088102)、山东省自然科学基金(批准号:2022HWYQ-067)、山东省泰山学者工程(编号:tsqn202211062)、山东省自然科学基金(编号:ZR2021QE189)和山东省泰山学者工程(编号:tstp20231215)资助。
Penglei Ma | Lei Zhang | Donghong Ning | Guijie Liu
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