AUV控制系统的设计与实现

摘 要 针对自主式水下航行器（AUV）的自动控制问题。设计神经网络改进的趋近率滑模变结构控制，在相同条件下分析比较PID控制，S面控制和滑模变结构控制方法的特点。仿真结果表明改进的滑模变结构控制稳定性好，并且能够有效的减小抖振。

【关键词】AUV PID控制 S面控制 滑模变结构控制

1 引言

自主式水下机器人具有较强的非线性和耦合性，作业环境是未知的水下环境中，具有不可预测性，给水下机器人的精准控制带来了难题。常用的水下机器人控制方法有PID控制，S面控制，滑模控制等。PID控制结构简单、工作可靠、调整方便等优点被广泛使用。S面控制是综合模糊控制和PID控制的一种新的控制方法。滑模变结构控制本质是一种非线性控制，具有很强的鲁棒性。本文对欠拟合型AUV进行动力学建模，并仿真了PID控制，S面控制和改进的滑模变结构控制，讨论分析仿真结果。

2 滑模变结构控制的实现

AUV在水中运动比较复杂横滚运动会对AUV性能及执行任务造成很大影响，在实际应用中会采取各种措施抑制横滚，可以将六自由度空间运动方程简化为五自由度的方程，建立五自由度水动力模型：。AUV五自由度的运动系统可以转化为可控正则型多输入非线性系统，可以将表示为：。

式可以转化为以下五个子系统组成的AUV可控正则型模型：

（1）

控制量，设AUV跟踪运动为xd，可分解为：

（2）

则偏差变量为：，对于第子系统而言：

（3）

（4）

对AUV的5个自由度各设计一个滑模面，则可以表示为

（5）

本文通过极点配置法分别求得五个切换面的系数C。文献[7]中高为炳提出通过趋近率能够较好的削弱系统的抖振，常用的是指数形式的趋近率（6），寻找合适的ε和k能够达到符合控制要求的系统响应。

（6）

本文采用新的趋近率来设计滑模变结构控制，用神经网络训练得到参数ε和k，能够加快滑模变结构控制系统响应，抑制抖振。算法实施如下：

建立AUV水动力模型，给定控制量和初始位姿，计算AUV实际位姿。给定神经网络训练样本，训练样本的输入是（5）中的S，输出是ε和k。采用单隐层RBF神经网络，实时计算趋近率参数。ε和k在S较大时的值较大，随着S的减小而减小，这样不仅能够加快系统响应，还能够抑制抖振。

对于第i个切换面，由公式（5）和公式（6）：

（7）

由公式（4）和（7）可以得出：

（8）

由可以计算出，解算出控制量。

3 仿真结果及分析

本文用MATLAB仿真了AUV航向和俯仰的PID控制，S面控制和滑模变结构控制。航向控制时，期望航向为30度，俯仰保持不变。俯仰控制时，期望俯仰15度，航向保持不变。

在航向控制中，3种控制方法最后都可以达到期望值。PID控制有33%的超调，滑模变结构控制和S面控制可以无超调快速达到期望值，并且滑模控制有效抑制抖振。由图2可以看出PID控制和滑模变结构控制可以达到期望值，S面控制存在稳态误差，虽然反应较快，但是存在震动，有较大超调。

PID控制是简单常用的控制方法，但是受外界干扰较大。S面在俯仰控制方面存在较大缺点，文献[8]采用自适应S面控制获得良好控制效果。滑模变结构控制抗干扰能力强，存在抖振，可以通过趋近率，改变开关函数或者加入补偿等有效减小抖振。

4 结语

PID控制结构简单、调整方便，外界干扰较大时影响比较明显。S面控制需要调节的参数少，系统响应快。滑模变结构控制具有很强的鲁棒性它本质上是一种非线性控制，对系统摄动以及外界的干扰具有不变性。采用改进的滑模变结构控制能够获得响应快速，抑制抖振，鲁棒性好的控制效果。但是对于实际应用中的AUV而言，不同的被控对象，不同的控制要求或者任务要求，可以根据实际情况选取适应的控制方法。

参考文献

[1]刘金琨.先进PID控制MATLAB仿真[M].北京：电子工业出版社，2011.

[2]刘学敏，徐玉如.水下机器人运动的S面控制方法[J].海洋工程，2001，（03）：81-84.

[3]王丰饶.滑模变结构控制[M].北京：机械工业出版社，1998（08）.

[4]Healey A J，Lienard D.Multivariable sliding mode control for autonomous diving and steering of unmanned underwater vehicles[J].Oceanic Engineering，IEEE Journal of.1993，18（3）：327-339.

[5]施生达.潜艇操纵性[M].北京：国防工业出版社，1995.

[6]朱旭光.AUV的改进滑模变结构控制技术研究[D].哈尔滨：哈尔滨工程大学学位论文，2008.

[7]Chan SP，Gao WB.Approach algorithms for smooth tracking with variable structure controller[C].American Control Conference，1989.IEEE，1989：706-711.

[8]李岳明，庞永杰，万磊.水下机器人自适应S面控制[J].上海交通大学学报，2012，（02）：195-200.

[9]Zhao YuXin，Wu Tian，Ma Yan.A double power reaching law of sliding mode control based on neural network[J].Mathematical Problems in Engineering，2013：1-9.

作者单位

中国海洋大学信息科学与工程学院 山东省青岛市 266100