一种不确定时变时滞的欠驱动UUV深度自适应全局滑模控制方法与流程

技术特征：

1.一种不确定时变时滞的欠驱动UUV深度自适应全局滑模控制方法，其特征是：

步骤一、UUV进入初始化阶段，检测当前深度z及UUV本身数据信息，同时根据当前任务，将期望深度信息z_r下达到UUV，获得当前的状态信息x＝(z_e θ q)^T，其中z_e为深度差，即z_e＝z_r-z；所述UUV本身数据信息包括纵倾角θ，纵倾角速度q；

步骤二、利用步骤一中获得的当前UUV状态信息x＝(z_e θ q)^T，再结合外界环境干扰建立欠驱动无人水下航行器的T-S模糊时变时滞数学模型；

根据外界海流环境干扰以及系统不确定项，建立基于反馈增益的全局滑模控制器模型；

步骤三、通过对外界干扰的分析，设计自适应滑模控制器模型中参数的自适应规律，然后对步骤二中获得的数学模型中存在的不确定性进行逼近，并给出优化后系统控制率；

步骤四、将步骤三中计算出的控制率导入UUV执行机构，实现欠驱动无人水下航行器的深度控制，并将深度状态实时反馈，判断是否到达指定深度，若没有则返回步骤二，否则结束本次控制。

2.根据权利要求1所述的不确定时变时滞的欠驱动UUV深度自适应全局滑模控制方法，其特征是所述欠驱动无人水下航行器的T-S模糊时变时滞数学模型为：

$\left\{\begin{array}{c}\stackrel{\·}{x}\left(t\right)=\underset{i=1}{\overset{r}{\Σ}}{\mathrm{\λ}}_i\left(u\right(t\left)\right)\{\mathrm{\β}(A_i+\mathrm{\Δ}A)x\left(t\right)+(1-\mathrm{\β})(A_i+\mathrm{\Δ}A)x(t-\mathrm{\τ})+B_i{\mathrm{\δ}}_s+f(x,t)\}\\ x\left(t\right)=\mathrm{\η}\left(t\right),t\∈\[-\mathrm{\τ}\left(t\right),0\]\end{array}\right.---\left(1\right)$

其中，i＝1,2,···,r，r为模糊规则条数，u_i和u(t)分别为UUV航行的单点模糊速度和实时速度，β为UUV垂直面通信时滞系数，I_yy为关于纵倾角的转动惯量，M_uq、M_qq、M_uu为的水动力参数，ΔA为系统建模的不确定性，x(t)为系统状态，f(x,t)为外界干扰，τ(t)为时变时滞，h₁≤τ(t)≤h₂，h₁，h₂为正数，λ_i(u(t))为u(t)在模糊区间U_i中的隶属度，η(t)为系统的初始状态，针对外界干扰f(x,t)＝B₀F(x,t)且存在未知正常数μ满足||f(x,t)||≤μ||x(t)||。

3.根据权利要求2所述的不确定时变时滞的欠驱动UUV深度自适应全局滑模控制方法，其特征是步骤三的具体过程为：

首先，基于全局滑模，设计积分滑模面，进而通过构造模糊权依赖型Lyapunov-Krasovskii函数，证明动态滑模稳定性并以一组线性矩阵不等式可行解给出系统稳定的充分条件，

其中，积分滑模面：

$\begin{array}{c}S(x,t)\\ Gx\left(t\right)-{\∫}_0^{t}G\left(A_a\right(\mathrm{\θ})-B_b(\mathrm{\θ}\left)K_k\right(\mathrm{\θ}\left)\right)x\left(\mathrm{\θ}\right)d\mathrm{\θ}-\\ {\∫}_0^t{\mathrm{GA}}_d\left(\mathrm{\θ}\right)x(\mathrm{\θ}-\mathrm{\τ}(\mathrm{\θ}\left)\right)d\mathrm{\θ}-Gx\left(0\right)\end{array}---\left(2\right)$

式中G∈R^1×3满足GB非奇异，是常数矩阵；

模糊权依赖型Lyapunov-Krasovskii函数：

$\begin{array}{c}\stackrel{\·}{V}=\\ 2x^T\left(t\right)P\stackrel{\·}{x}\left(t\right)+\\ \underset{i=1}{\overset{2}{\Σ}}{x}^T\left(t\right)Q_i\left(t\right)x\left(t\right)-\underset{i=1}{\overset{2}{\Σ}}{x}^T(t-h_i)Q_i(t-h_i)x(t-h_i)+\\ \stackrel{\·}{x}{\left(t\right)}^T\left(h_1^2{R}_1\right(t)+h_{12}{R}_2(t\left)\right)\stackrel{\·}{x}\left(t\right)-{\∫}_{t-h_1}^t{h}_1{\stackrel{\·}{x}}^T\left(s\right)R_1\left(s\right)\stackrel{\·}{x}\left(s\right)ds-\\ {\∫}_{t-h_2}^t{\stackrel{\·}{x}}^T\left(s\right)R_2\stackrel{\·}{x}\left(s\right)ds\end{array}---\left(3\right)$

式中，是含有隶属度函数的模糊权矩阵，且0＜P＝P^T∈R^3×3，0≤Q_ij＝Q_ij^T∈R^3×3，0≤R_kj＝R_kj^T∈R^3×3，

然后设计出自适应滑模控制器：

${\mathrm{\δ}}_s\left(t\right)=-K_k\left(t\right)x\left(t\right)-{\left({\mathrm{GB}}_b\right(t\left)\right)}^{-1}\[\mathrm{\ϵ}+\widehat{\mathrm{\μ}}\left|\right|G\left|\right|\left|\right|x\left(t\right)\left|\right|\]\mathrm{sgn}\left(S\right)---\left(4\right)$

式中，ε为正常数，为μ对应的估计值。