项目名称: 基于模型预测的AUV三维轨迹跟踪控制研究

项目编号: No.61503239

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 自动化技术、计算机技术

项目作者: 孙兵

作者单位: 上海海事大学

项目金额: 21万元

中文摘要: 自治水下机器人(Autonomous Underwater Vehicle,AUV)轨迹跟踪控制是AUV运动控制的关键技术之一,其控制器设计的优劣影响最终的跟踪性能。本项目针对动态海流影响、模型不确定性与外界扰动、驱动饱和几个关键问题,系统研究AUV的三维轨迹跟踪控制问题。对于驱动饱和问题,提出以模型预测控制(model predictive control,MPC)为基础的轨迹跟踪控制算法。利用MPC的约束特性,满足AUV的驱动饱和约束;同时考虑利用量子粒子群算法优化控制律,降低跟踪误差。对于动态海流影响,利用海流观测器与速度合成解决海流环境下的跟踪问题。针对模型不确定性与外界扰动问题,构造模型预测与滑模控制(MPCSMC)级联控制系统,利用滑模控制的鲁棒特性,克服AUV在复杂水下环境下的模型不确定性与外界扰动影响。最后,进行系统仿真研究并在“海事号”AUV上进行水池实验验证。

中文关键词: 自治水下机器人;轨迹跟踪;模型预测控制;滑模控制;海流

英文摘要: Trajectory tracking control of Autonomous Underwater Vehicle (AUV) is one of the key technologies of AUV motion control. The pros and cons of its controller design have a great influence on the final tracking performance. This project is proposed in view of system research for AUV three-dimensional trajectory tracking control focusing on the key problems of dynamic current influence, model uncertainty, external disturbance and actuator saturation. For the actuator saturation problem, the trajectory tracking control algorithm is put forward on the basis of model predictive control. By constraint characteristics of MPC, the AUV actuator saturation constraint can be satisfied. At the same time, Quantum-behaved Particle Swarm Optimization (QPSO) algorithm is considered for the optimization design of the control law to reduce the tracking error. For the effect of dynamic ocean current, the ocean current observer and velocity synthesis method is proposed to solve tracking problem under the ocean current environment. For the model uncertainty and external disturbance problem, the design of model predictive control and sliding mode control (MPC-SMC) cascade control system is proposed. By using the robust characteristics of sliding mode control, the effect of AUV model uncertainty and external disturbance in the complex underwater environment can be overcome. Finally, the system simulation research is conducted and pool experiments verified on the Maritime AUV.

英文关键词: Autonomous Underwater Vehicle;trajectory tracking;model predictive control;sliding mode control;ocean current

成为VIP会员查看完整内容
1

相关内容

【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
34+阅读 · 2022年1月31日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
23+阅读 · 2021年7月10日
专知会员服务
133+阅读 · 2021年2月17日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
自动驾驶仿真软件列表
智能交通技术
13+阅读 · 2019年5月9日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
2+阅读 · 2022年4月17日
Arxiv
0+阅读 · 2022年4月14日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
34+阅读 · 2022年1月31日
Kyoto大学Toshiyuki:快速复杂控制系统的实时优化,133页ppt
专知会员服务
27+阅读 · 2021年9月17日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
28+阅读 · 2021年9月13日
专知会员服务
23+阅读 · 2021年7月10日
专知会员服务
133+阅读 · 2021年2月17日
【CMU】深度学习模型中集成优化、约束和控制,33页ppt
专知会员服务
45+阅读 · 2020年5月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
基于深度学习的多标签生成研究进展
专知会员服务
142+阅读 · 2020年4月25日
相关资讯
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
【APC】先进过程控制系统(APC: Advanced Process Control)
产业智能官
62+阅读 · 2020年7月12日
自动驾驶高精度定位如何在复杂环境进行
智能交通技术
18+阅读 · 2019年9月27日
自动驾驶仿真软件列表
智能交通技术
13+阅读 · 2019年5月9日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
李克强:智能车辆运动控制研究综述
厚势
21+阅读 · 2017年10月17日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员