[发明专利]一种基于模型预测控制的水下机器人路径跟踪控制方法

说明书

本发明提出一种基于模型预测控制的水下机器人路径跟踪控制方法，属于水下机器人运动控制技术领域。该方法首先根据水下机器人的运动学与动力学模型得到离散时间预测模型，然后转化为回归模型，并基于递推最小二乘法在线估计参数；利用上述模型对目标路径点跟踪问题确定优化目标函数及约束条件，采用投影梯度法求取最优控制输入序列，然后对水下机器人执行当前时刻的最优控制输入，并通过不断迭代，使得水下机器人到达每个目标路径点。本方法能够在水下机器人上高效在线实施路径点跟踪控制，且能够处理控制输入的约束，能够在模型存在不确定性和外界干扰的情况下保持一定鲁棒性。

技术领域

本发明属于水下机器人运动控制技术领域，特别涉及一种基于模型预测控制的水下机器人路径跟踪控制方法。

背景技术

海洋科学的发现高度依赖水下探测技术和装备，由于海洋环境复杂、条件极端，目前主要采用作业型水下机器人代替或辅助人进行探测、观察和采样。而对于各类水下机器人，保证其运动可控是一项最基本的功能要求，是实现各项复杂作业任务的前提。水下机器人的动力学和运动学模型复杂，具有多变量、非线性、强耦合、存在输入或状态约束以及时变等特点，而且模型参数不确定，存在海流等外界干扰。复杂的模型导致水下机器人的控制问题也非常复杂。随着水下机器人应用场景的不断丰富，人们对其运动控制的精度、稳定性都提出更高的要求，如何提高水下机器人的控制效果已成了重要的研究方向。

水下机器人路径跟踪控制任务是针对预先规划好的一条空间曲线，控制水下机器人按照这条路径运动，不限定具体时间。在实际中，我们往往不需要水下机器人严格按照一条光滑的曲线运动，而是用一系列路径点来刻画目标路径，要求水下机器人按顺序经过这些点。这就是路径点跟踪控制。从极限的角度看，当设定的路径点足够密，就可以近似一条曲线。

近年来，许多学者对水下机器人的路径点跟踪控制问题进行了研究。针对水下机器人的非线性模型，主要的控制方法包括反步控制(Backstepping)方法、滑模控制方法等。

反步控制是基于李雅普诺夫(Lyapunov)方法的非线性系统控制设计方法。其设计思路是将Lyapunov函数的选取与控制器的设计相结合，通过从系统的最后一级的动态方程开始，把对前一级虚拟状态的变化需求和一个Lyapunov函数的虚拟控制镇定律联系起来，逐级反推，最终得到一个多级的稳定反馈控制律。反步控制设计方法适用于水下机器人高度非线性的模型，近年来被很多学者应用到水下机器人路径跟踪控制中，是该领域最热门的一种非线性控制设计思路。反步控制方法，能够从理论层面保证所设计的控制器具有稳定性和一定鲁棒性。但是其设计过程较为复杂，状态变量的构造和每一步Lyapunov函数的选取技巧性较强，往往是针对特定的模型和控制目标进行的“个性化”设计，缺乏通用性。而且该方法没有考虑控制输入存在约束的情况，即无法直接处理执行器饱和问题。

滑模控制方法是通过定义状态空间中的切换面，设计切换控制律使得系统状态收敛到切换面，从而实现稳定控制目标的一种控制方法。滑模控制的设计过程一般基于Lyapunov函数，并通常结合自适应设计，因而其稳定性和鲁棒性具有理论上的保证。但是，实际应用中滑模控制律的不连续性会导致“抖振”现象，制约了其控制性能。而且同样，该方法也无法直接处理执行器饱和问题。

模型预测控制算法是一种基于模型的在线最优控制算法，从上世纪70年代问世以来，已经从最初在过程工业中应用的启发式控制算法，发展成为具有完备的理论基础、应用十分广泛的一类控制方法。模型预测控制算法在每个决策时刻，通过在线求解一个有限时域开环最优控制问题获得控制输入序列，但仅将序列中第一个控制量应用到控制对象上。在下一时刻，系统将重新求解优化问题确定控制量，如此继续下去。与传统方法预先离线设计控制律不同，模型预测控制是在线滚动执行的，每一时刻都会基于实际状态求解优化控制信号，因此本身就是闭环算法，具有一定鲁棒性。