自主式水下机器人推进器的故障诊断与容错控制方法研究

Since the complexity and the unpredictability of marine environment, once a fault happens to AUV (Autonomous Underwater Vehicle), not only the underwater task could not be achieved, but also the AUV sometimes could not be reclaimed, which would cause economic loss. As the main power plant of AUV, the configuration of thruster is complex and it is contacted with the sea water in direct. So, the thruster is one of the most important fault sources for AUV. This project researches the fault diagnosis and fault tolerant control method under the current disturbance. First, an AUV dynamic model is built in the form of state space equation based on local recurrent neural network. And a fault diagnosis method based on Terminal sliding mode observer is proposed, which can make state estimation error converge to zero in a finite time when the speed state of AUV cannot be measured and achieve fault reconstruction under the current disturbance. On this basis, a PD-sliding mode based region tracking control method and a weighted minimum norm based thrust allocation method are proposed, which can be used to solve the problem of target region convergence in region tracking control and the problem of active fault tolerant control of thruster. Finally, the pool experiments are taken to verify the effectiveness of the proposed fault diagnosis and fault tolerant control method.

由于海洋环境的复杂性与不可预测性，自主式水下机器人(AUV: Autonomous Underwater Vehicle)一旦出现故障，不仅无法完成水下作业任务，甚至自身也无法回收，损失极大。推进器作为AUV主要的动力装置，构造复杂且直接与海水接触，是AUV最主要的故障来源之一。本项目研究海流干扰下的AUV推进器故障诊断与容错控制方法。首先，基于局部回归型神经网络建立以状态空间方程形式描述的AUV动力学模型，提出基于终端滑模观测器的推进器故障诊断方法，解决AUV速度状态不可直接测量时的状态估计误差有限时间收敛性问题以及海流干扰下的推进器故障重构问题；在此基础上，研究基于PD（比例微分）滑模的AUV区域跟踪控制方法以及基于加权最小范数的推力分配方法，解决AUV区域跟踪控制中的目标区域收敛性问题以及推进器主动容错控制问题；最后，通过水池实验验证AUV推进器故障诊断与容错控制方法的有效性。

由于海洋环境的复杂性与不可预测性，自主式水下机器人(AUV: Autonomous UnderwaterVehicle)一旦出现故障，不仅无法完成水下作业任务，甚至自身也无法回收，损失极大。推进器作为AUV主要的动力装置，构造复杂且直接与海水接触，是AUV最主要的故障来源之一。研究AUV的推进器故障诊断与容错控制方法，对提高AUV水下航向的可靠性具有重要的意义。.本项目研究按计划执行，开展了AUV推进器故障诊断与容错控制理论的研究工作。在此基础上，将所提方法拓展至水下机器人运动控制等领域。具体开展的研究工作主要包括三个方面：.第一，针对推进器卡死、桨叶破损等故障模式，建立了推进器不同故障模式下的通用描述模型；研究了基于局部回归型神经网络的动力学模型在线辨识方法，并结合终端滑模观测器实现了AUV所有状态的估计，在AUV、遥控水下机器人（ROV）得到了应用。.第二，开展了推进器故障在线重构工作，研究了AUV推进器故障情况下的自适应区域跟踪控制方法，完成了AUV的推进器自适应容错控制方法研究，在仿真环境下对所提方法的可行性进行了验证。.第三，在水池环境下，对所提理论方法的有效性进行了实验验证，并将所提方法应用于自主研制的AUV系统中；结合实验结果以及实验中出现的问题，探索了AUV后续可行的研究方向。.基于上述的研究工作，本项目基于局部回归型神经网络建立了以状态空间方程描述的AUV动力学模型；通过构建终端滑模观测器进行AUV运动状态估计，在有限时间内实现状态估计；研究了AUV的PD自适应区域跟踪运动控制方法，实现了AUV推进器主动容错控制，为海流干扰下的AUV推进器故障诊断与容错控制提供了理论基础。