一种基于滑模和最优算法的无人帆船航向控制方法与流程

1.本发明涉及帆船控制领域，具体而言，涉及一种基于滑模和最优算法的无人帆船航向控制方法。


背景技术：

2.随着科学技术的发展，航海技术的应用越来越广，不仅应用于军事、运输、客运等领域，还应用于水上检测、探测、监测等无人作业领域。
3.无人帆船控制技术已经应用于航海技术中，使得无人帆船在航海相关的作业越来越便利，且大幅度的提升了工作效率，降低驾驶人员的疲劳以及对驾驶人员的依赖。然而，现有无人帆船控制技术主要是通过测量风力、风向等相关数据，并根据该数据制定航行方案，以实现无人驾驶。
4.目前，现有无人帆船控制技术虽然一定程度上提高了工作效率，及降低驾驶人员的疲劳。无人帆船航向控制精度依然较低。目前最常用的技术有三类：第一类，不依赖于数学模型，通过反馈控制进行航向控制，最常用的为pid类控制算法、模糊控制算法、人工神经网络控制等，此类算法实时性低，鲁棒性较差，同时调试周期长且复杂；第二类，依赖于精确的数学模型，比如线性二次型最优控制算法，该类算法对模型依赖度高，但是船舶的数学模型无法建立非常精确，导致该类算法无法广泛应用工程领域；第三类，半依赖于数学模型，比如非线性模型预测控制算法，该类算法通过建立运动学模型和动力学模型，并通过线性化处理，能够在线滚动优化并实时反馈处理，是目前最有前景的航向控制算法，但是，该算法编程复杂，计算量大，对控制硬件设备要求高。


技术实现要素：

5.本发明的目的之一在于提供一种基于滑模和最优算法的无人帆船航向控制方法，其能够大大提高帆船控制的鲁棒性，加快运算速度，并且减小对精确模型的依赖度。
6.本发明的目的之一在于提供一种电子设备，其能够大大提高帆船控制的鲁棒性，加快运算速度，并且减小对精确模型的依赖度。
7.本发明的目的之一在于提供一种计算机存储介质，其能够大大提高帆船控制的鲁棒性，加快运算速度，并且减小对精确模型的依赖度。
8.本发明的实施例是这样实现的：
9.第一方面，本技术实施例提供一种基于滑模和最优算法的无人帆船航向控制方法，其包括如下步骤，预处理：通过对nobbrin的非线性响应模型进行转化，形成状态方程；滑模方程和最优控制结合：在滑模控制的基础上，通过最优法，确定最佳状态，从而设计控制律。
10.在本发明的一些实施例中，上述步骤预处理中包括如下步骤：
11.s1建立nobbrin非线性响应模型：
12.s1-1：建立船舶数学模型
13.s1-2：建立舵机模型：
14.其中：te是舵机的时间常数；δ是当前舵角状态；δ
*
是舵角指令；为船舶航向的时间常数；kδ为舵角的系统增益；为舵角的norrbin系数；ψ为航向；δ为干扰的不确定项。s2状态方程转化：选取状态向量为
[0015][0016]
控制变量为u＝δ
*
，将式(1)和(2)转化为状态方程形式：
[0017]
其中ke为舵机的系统增益，a1、a2、m均为常数；将式(4)化简得：
[0018]
式中，式中，
[0019]
在本发明的一些实施例中，上述步骤s1建立nobbrin非线性响应模型中包括如下步骤：时间常数t和系统增益k通过船舶的z型试验确定。
[0020]
在本发明的一些实施例中，上述步骤滑模方程和最优控制结合中包括如下步骤：s3构建滑模方程：取误差向量：s3构建滑模方程：取误差向量：其中为船舶航线的误差；建立滑动模态方程：s(e)＝ce＝c
11
e1+c
12
e2+e3(7)，其中c、c11和c12均为常数；在切换函数的设计中，忽略外界的干扰、非线性项和参数的摄动，将式(5)转化为：其中a和b均为常数；其中，x(t)＝[x1(t)，x2(t)，x3(t)]
t
，对式(7)分块处理得：，对式(7)分块处理得：式中x1＝[x1，x2]
t
；x2＝[x3]；]；a
21
＝[00]；s(e)＝ce＝c
11
e1+c
12
e2+e3＝c1x1+c2x2＝0(10)；假设c2＝im×m，
并根据式(8)可得：s4最优法控制系统状态稳定：采用二次最优法，其代价函数为：采用二次最优法，其代价函数为：解得：其中p为正定对称矩阵；s5求解riccati方程：其中正定对称矩阵p为riccati方程的解：称矩阵p为riccati方程的解：
[0021]
在本发明的一些实施例中，上述步骤滑模方程和最优控制结合中还包括如下步骤：s6设计最优航向控制性能函数：船舶航向控制性能函数为：其中e为航向误差；ts为切换面的时间；δ为船舶舵角；λ为加权系数；
[0022]
在本发明的一些实施例中，上述步骤滑模方程和最优控制结合中还包括如下步骤：s7基于滑模和最优的控制律：令u＝u
eq
+uh，求得：，求得：采用指数形式的趋近律：数形式的趋近律：基于滑模和最优控制律为：滑模和最优控制律为：其中k、t、ke、te和α为系统实际参数值，δ为确定的输入量。
[0023]
在本发明的一些实施例中，上述步骤s7还包括如下步骤：调整参数ε、k和c的值，最终确定船舶航向航角控制系统的结构。
[0024]
在本发明的一些实施例中，上述步骤s3中，构建滑模方程时满足同时系统趋近于切换面s＝0，并且能够在预设时间内到达该切换面的条件。
[0025]
第二方面，本技术实施例提供一种电子设备，其包括：存储器，用于存储一个或多个程序；处理器；当上述一个或多个程序被上述处理器执行时，实现如第一方面中任一项上述的方法。
[0026]
第三方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现如第一方面中任一项上述的方法。
[0027]
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
[0028]
1.nobbrin非线性响应模型的状态方程化，不依赖于精确的数学模型，减少了对模型的依赖度，从而减少在建模时间和耗费的工作量；
[0029]
2.滑模控制与最优控制相结合的方式，实现控制律的设计依赖模型程度低，需调
试参数少，调试时间短；
[0030]
3.编程简单，对硬件设备要求低，可以降低制造成本。
附图说明
[0031]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0032]
图1为本发明实施例1基于滑模和最优算法的无人帆船航向控制方法的流程示意图；
[0033]
图2为本发明实施例1基于滑模和最优算法的无人帆船航向控制方法的原理示意图；
[0034]
图3为本发明实施例1步骤预处理的流程示意图；
[0035]
图4为本发明实施例1步骤滑模方程和最优控制结合的流程示意图；
[0036]
图5为本发明实施例2电子设备的原理示意图。
具体实施方式
[0037]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
[0038]
因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0039]
在本技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本技术中的具体含义。
[0040]
下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
[0041]
实施例1
[0042]
请参阅图1～图4，图1～图4所示为本技术实施例提供的基于滑模和最优算法的无人帆船航向控制方法的流程示意图。基于滑模和最优算法的无人帆船航向控制方法，其包括如下步骤，预处理：通过对nobbrin的非线性响应模型进行转化，形成状态方程；滑模方程和最优控制结合：在滑模控制的基础上，通过最优法，确定最佳状态，从而设计控制律。
[0043]
本技术通过对nobbrin的非线性响应模型进行转化，形成状态方程，从而为控制律设计做准备；在滑模控制的基础上，通过最优法，确定最佳状态，利用滑模方程和最优控制
结合，实现控制律设计，从而大大提高帆船控制的鲁棒性，加快运算速度，并减少了建模和调试时间，降低了成本。
[0044]
在本发明的一些实施例中，上述步骤预处理中包括如下步骤：s1建立nobbrin非线性响应模型：s1-1：建立船舶数学模型1：建立船舶数学模型s1-2：建立舵机模型：其中：te是舵机的时间常数；δ是当前舵角状态；δ
*
是舵角指令；为船舶航向的时间常数；kδ为舵角的系统增益；为舵角的norrbin系数；ψ为航向；δ为干扰的不确定项。s2状态方程转化：选取状态向量为控制变量为u＝δ
*
，将式(1)和(2)转化为状态方程形式：其中ke为舵机的系统增益，a1、a2、m均为常数；将式(4)化简得：式中，
[0045]
船舶在改变航向过程中，不可避免的会采用大偏转舵角的方式。采用nobbrin非线性响应模型作为船舶航向控制器的设计依据，适用于大多数航向不稳定等非线性现象的模型。并利用受外界干扰、带有不确定项的船舶数学模型进行分析，便于利用滑动模态方程控制误差指标，对失误逐渐收敛，从而提升精度和计算效率，提高控制帆船的稳定性和灵敏度。并利用状态方程转化，对船舶当前舵角状态和航向的常数进行定义，减少参数调试对船舶控制的影响。
[0046]
在本发明的一些实施例中，上述步骤s1建立nobbrin非线性响应模型中包括如下步骤：时间常数t和系统增益k通过船舶的z型试验确定。
[0047]
nobbrin非线性响应模型中的t和k系数可通过z型试验测试得出，减少了模型的依赖性和调试参数。船舶z型试验是为测试船舶操纵性能和操纵参数的一种方法，简单来说，就是在无风无流的开阔海域，在一定航速和吃水下，舵轮从正舵操到左满舵(或右满舵)，等舵叶转到满舵后，再将舵轮回到正舵，舵叶到正舵后，舵轮再操到右满舵(或左满舵)，记录船舶在期间的航行轨迹，节点时间，航向变化等数据进行分析以掌握船舶的性能。
[0048]
在本发明的一些实施例中，上述步骤滑模方程和最优控制结合中包括如下步骤：s3构建滑模方程：取误差向量：s3构建滑模方程：取误差向量：其中
为船舶航线的误差；建立滑动模态方程：s(e)＝ce＝c
11
e1+c
12
e2+e3(7)，其中c、c11和c12均为常数；在切换函数的设计中，忽略外界的干扰、非线性项和参数的摄动，将式(5)转化为：其中a和b均为常数；其中，x(t)＝[x1(t)，x2(t)，x3(t)]
t
，对式(7)分块处理得：，对式(7)分块处理得：式中x1＝[x1，x2]
t
；x2＝[x3]；]；a
21
＝[00]；s(e)＝ce＝c
11
e1+c
12
e2+e3＝c1x1+c2x2＝0(10)；假设c2＝im×m，并根据式(8)可得：s4最优法控制系统状态稳定：采用二次最优法，其代价函数为：采用二次最优法，其代价函数为：解得：其中p为正定对称矩阵；s5求解riccati方程：其中正定对称矩阵p为riccati方程的解：称矩阵p为riccati方程的解：通过构建滑模方程对失误进行分块处理，减少参与调试的参数，能够缩短调试时间，将外在影响因素转化为相互关联的常数，从而提高船舶控制精度。
[0049]
在本发明的一些实施例中，上述步骤滑模方程和最优控制结合中还包括如下步骤：s6设计最优航向控制性能函数：船舶航向控制性能函数为：其中e为航向误差；ts为切换面的时间；δ为船舶舵角；λ为加权系数；
[0050]
将滑模方程与最优法控制系统控制结果结合，更全面的考虑对船舶稳定性影响的因素，从而利用比重关系得到与滑模对等的关系式，便于利用方程求解常数吗，从而得到更精确的可调试参数。
[0051]
在本发明的一些实施例中，上述步骤滑模方程和最优控制结合中还包括如下步骤：s7基于滑模和最优的控制律：令u＝u
eq
+uh，求得：，求得：采用指数形式的趋近律：数形式的趋近律：基于滑模和最优控制律为：
其中k、t、ke、te和α为系统实际参数值，δ为确定的输入量。
[0052]
基于滑模和最优法得到设计的控制律，便于参照控制律进行自动化控制和调试，能够提高无人船的控制稳定性和控制精度，从而促进物流和交通运输的发展。
[0053]
在本发明的一些实施例中，上述步骤s7还包括如下步骤：调整参数ε、k和c的值，最终确定船舶航向航角控制系统的结构。
[0054]
利用上述各项计算模式得到三项参数，便于利用控制数据得到三者的关联性，从而便于人为控制船舶和调试控制规则。
[0055]
在本发明的一些实施例中，上述步骤s3中，构建滑模方程时满足同时系统趋近于切换面s＝0，并且能够在预设时间内到达该切换面的条件。
[0056]
在构建滑模方程时，在控制作用下按照给定的运动规律趋向于原点，实现系统轨线进入滑模面，消除鲁棒性，将得到船舶控制的稳态，减少初始误差。
[0057]
实施例2
[0058]
请参阅图5，图5为本技术实施例提供的电子设备的一种示意性结构框图。电子设备包括存储器101、处理器102和通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，如本技术实施例1实现的基于滑模和最优算法的无人帆船航向控制方法对应的程序指令/模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
[0059]
其中，存储器101可以是但不限于，随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等。
[0060]
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
[0061]
在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，上述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个
方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0062]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0063]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0064]
综上所述，本技术实施例提供的一种基于滑模和最优算法的无人帆船航向控制方法：nobbrin非线性响应模型的状态方程化，不依赖于精确的数学模型，减少了对模型的依赖度，从而减少在建模时间和耗费的工作量；滑模控制与最优控制相结合的方式，实现控制律的设计依赖模型程度低，需调试参数少，调试时间短；编程简单，对硬件设备要求低，可以降低制造成本。
[0065]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
[0066]
对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。