自主式水下机器人区域跟踪自适应容错控制方法研究

Autonomous underwater vehicle (AUV) operates in the complex marine environment, and is subject to marine noise, external disturbance caused by ocean current, AUV modelling uncertainties and unknown system fault including sensors and thrusters. Therefore, the underwater tracking fault tolerant control for 3D trajectory has always been the research hot topic and full of challenges in AUV field..At first, the project investigates region tracking control problem. An adaptive fault tolerant control methodology is developed based on continuous and piecewise Lyapunov function in the framework of backstepping technique, so as to guarantee the desired region reaching and global system stability. And then, with respect to abnormal output of speed sensors, a nonlinear speed observer is constructed based on indirect stability analysis to achieve the finite-time convergence of estimation errors. Furthermore, in order to improve the estimation accuracy of the general uncertainty, an adaptive neural network compensation method is proposed based on the fractional power of sliding mode function. Finally, the project researches on the chattering-reducing method for the controller’s output in the beginning period and actuator outputs’ constraints problem, an adaptive adjustment scheme for the desired trajectory is developed for AUV subject to actuators’ output’s magnitude and change rate constraints. The project result will improve the AUV’s stability and safety, and provide theoretical and technical foundation for speeding up the AUVs’ usage in practice.

自主式水下机器人（AUV）无人无缆工作在复杂海洋环境中，受海洋背景噪声、海流随机干扰、AUV自身建模误差、传感器和执行器未知故障等不确定因素影响，使AUV水下三维跟踪容错控制问题成为该领域研究的热点和难点。 .本项目针对AUV区域跟踪控制问题，采用连续可导分段函数及反步设计法，获得保证期望区域抵近与保持过程全局稳定的自适应容错控制方法；针对 AUV速度传感器输出异常问题，采用迂回式稳定性分析策略，获得估计误差有限时间收敛于零的速度观测器构建方法；针对系统广义不确定项高精度逼近问题，采用自适应神经网络逼近方法，获得基于滑模面分数阶函数的高阶逼近误差自适应补偿方法；针对控制初期抖振抑制及执行器输出限制问题，采用局部期望路径重规划策略，获得执行器输出广义幅值限制下的期望轨迹自适应调整方法。本项目的研究成果将为提高AUV系统运行的稳定性、安全性，加快我国AUV的实用化进程提供理论依据及技术支撑。

自主式水下机器人（AUV）无人无缆工作在复杂海洋环境中，受海洋背景噪声、海流随机干扰、AUV硬件性能限制、建模误差、传感器和执行器未知故障等不确定因素影响，研究存在条件约束的强鲁棒的AUV控制技术具有重要意义。.本项目针对AUV跟踪控制问题，从观测器及控制器稳定性方面、广义不确定性补偿方面、故障诊断及容错方法方面、大初始偏差处理及控制器降抖振方面进行研究，取得以下研究成果：.在观测器及控制器稳定性方面：1）得到了基于滑模观测器的AUV跟踪控制方法，通过对状态量线性转换实现观测器有限时间收敛。2）得到了基于超螺旋观测器的AUV速度值估计方法，实现估计值有限时间收敛。3）提出了基于终端滑模的自适应控制方法，实现跟踪误差的有限时间收敛。4）得到了基于径向基（RBF）神经网络的作业型AUV控制方法，实现大展臂机械手作业时的稳定控制。.在广义不确定性误差补偿方面：1）得到了基于回归型神经网络的AUV自适应终端滑模控制方法，实现不确定因素的在线逼近。2）设计了基于RBF神经网络的双闭环积分滑模控制器，实现对模型不确定性的拟合。3）设计了一种非奇异快速终端滑模控制方法，实现对RBF神经网络拟合后残余的高阶不确定项进行自适应补偿。.故障诊断及容错方法方面：1）设计了基于稀疏分解方法的AUV推进器弱故障特征提取方法，得到故障辨识结果可作为容错控制中的故障信号。2）提出滑模控制与推力分配结合的容错控制方法，减弱了故障推进器的使用强度。3）提出了基于区间观测器的AUV乘性故障主动容错控制方法，可根据故障程度主动补偿故障。.初始偏差处理及控制器降抖振方面：1）提出了基于误差变换的水下航行器终端滑模控制方法，解决了初始大偏差下控制量较大问题。2）提出了基于虚拟闭环伴随系统的AUV容错控制方法，避免了初始跟踪误差诱发的控制器参数过度调整。3）设计了基于级联方法的区域跟踪控制系统，采用一级子系统来补偿初始大偏差。.本项目的研究成果为AUV等水下装备运动控制提供理论和技术基础，对提高AUV作业能力、加快实用化进程具有重要的研究意义和实用价值。