文摘

探讨协调路径跟踪多个海洋船舶的速度饱和。基于虚拟领导者的策略,作者展示的神经动力学模型和passivity-based技术结合在一起,产生分布式控制策略。所需的路径跟踪是实现通过一个虚拟动态领导者,控制器的设计是基于生物神经分流模型。利用有限的特点和平滑输出的神经动力学模型,跟踪误差跳是避免在直线路径和速度饱和问题已经解决了。与此同时,多个容器的协调路径跟踪所需的空间的形成是通过定义形成的参考点。参考点形成的共识是实现通过使用基于被动同步控制器。最后,仿真结果验证了协调算法的有效性。

1。介绍

控制多个车辆从控制备受关注近年来社区作为一种新兴技术。一群车辆可以更有效地执行许多任务的时间和成本比单个车辆和能完成复杂的任务不是由一个可执行文件。协调控制多种血管发现各种应用程序在生产储油轮卸载等领域,支持、起重铺管。所有的这些应用程序需要协调行动,这需要多个容器一起执行复杂的任务,同时保持所需的形成模式。

近年来,许多研究的协调控制问题多个海洋船只已被广泛报道在现有的文献,主要集中于形成控制,协调的动态定位和路径跟踪协调。对于每一个问题,一些先进的方法来设计控制器,如领导人后,virtual-structure、和行为协调策略形成控制(1- - - - - -3)和拉格朗日约束函数(4),非线性模型预测控制(5),和图论6为协调控制;介绍了一些其他的方法来协调路径跟踪(7- - - - - -11]。此外,海洋船舶之间的沟通问题链接失败和时滞也深入讨论;相关研究中可以看到[12,13]。所有上述工作的共同特征是,控制器的设计是面向任务的,例如,控制器设计的动态定位和路径跟踪。然而,在实际应用海洋船只能力有限;例如,船的推力是有界的。协调路径跟踪的速度跳会发生在临界点,这超出了致动器的限制。

这需要激励研究协调路径跟踪控制器结构设计对海洋船舶速度饱和。在此结构中,设置下的跟踪速度应该是有界的价值和饱和速度不会影响协调。在传统的方法中,饱和的问题通常是根据船舶动态轨迹规划来解决。然而,在协调路径后,我们需要为每个容器设计制导系统,这将会增加系统的复杂性。此外,将影响形成饱和速度。在文献[14),我们提出了一个Guidance-Control结构。制导系统设计通过一个虚拟动态领袖和参考点形成的共识是意识到通过使用基于被动同步控制器。虚拟领导者是由计算机模拟的,所以这种结构比被领导具有较强的鲁棒性。但这个虚拟领导者只是跟踪预定义的恒定的速度,和饱和问题仍不能得到解决。

解决单个车辆的速度饱和问题在传统的路径跟踪控制器,开发了不同的控制方案。活动的扰动抑制控制(ADRC)首次提出了汉(15),已被广泛应用于工业16,17]。通过跟踪微分器的过程基于预期的状态向量,速度饱和可以间接地解决。杨和罗18,19]介绍了神经动力学模型的路径规划改进推方法的性能,得到了更好的效果。基于上述作品,一个三维的神经网络模型基于bioinspired神经动力学提出了路径规划的一个自治水下机器人(AUV)在水下环境中(20.- - - - - -22]。在文献[23],WMR轨迹跟踪控制问题的解决和节能的跟踪控制方法基于bioinspired神经动力学。海洋水面舰艇的辅助设计系统分析提出了输入饱和的影响,和州利用辅助设计系统开发的跟踪控制24]。但大多数之前的对单个车辆的工作饱和度;它是具有挑战性的应用现有的方法来协调场景的车辆。

在本文中,我们开发Guidance-Control结构(14)和神经动力学模型和passivity-based技术结合,产生分布式控制策略。所需的路径跟踪是实现通过一个虚拟动态领导者,控制器的设计是基于神经动力学模型。利用有限的特点和平滑输出的神经动力学模型,跟踪误差避免跳跃和速度饱和问题已经解决了。然后,多个血管只需要跟踪所需的速度产生的虚拟领导者所需的空间的形成。这是通过定义形成的参考点。参考点形成的共识是实现通过使用基于被动同步控制器。神经动力学模型所需的速度是有界的,饱和的问题能够解决。此外,虚拟领导者是免费的从环境干扰,不会影响多个协调稳定的血管。

本文的其余部分组织如下。节2,我们给一些关于船舶模型的初步结果,神经动力学模型,被动,与稳定,将用于以下设计。部分3描述了控制对象的数学表达式。我们提出详细的协调控制器设计为多个血管与速度饱和区4。基于Guidance-Control结构、虚拟领导者bioinspired神经动力学模型的基础上,设计和实现协调多个血管的形成基于被动。协调任务的模拟四血管进行演示节中提出的控制方法的有效性4。最后,我们得出的结论部分5。

2。预赛

2.1。船的模型

三自由度船舶数学模型中引入[25)被认为是在这里。模型被描述为

在这里是该船的位置和姿态对惯性参考坐标系,然后呢是向量的速度给定物体固定坐标系。是惯性和物体固定坐标之间的变换矩阵框架,

此外,是系统惯性矩阵,包括附加质量,然后呢和分别表示科里奥利心矩阵和阻尼矩阵。是外力和力矩输入的向量。

固地参考系的船模型的表达式 它是通过应用以下运动转换: 固地参考系的船模型包含以下属性:(1) 是对称的正定和满足 (2) 是不对称的,这意味着什么 (3) 是正定的,可逆矩阵,所以我们有吗

2.2。神经动力学模型

根据神经元膜电位的方式行动,分流模型提出了实时了解代理的适应反应的复杂和动态的环境26]。杨和罗18]介绍了此模型来解决机器人的路径规划和得到更好的效果。bioinspired神经动力学模型可以描述如下: 在哪里是膜电位;,,是负阻尼比和,上限和下限分别;的变量和代表着兴奋和抑制性神经元。

bioinspired神经动力学模型具有以下属性:(P1)如果变量的变化范围,然后(8)是稳定的。(P2)对于任意的兴奋性或抑制性输入,这个模型可以生成连续的,平滑的输出,这是有限的范围内。

2.3。Passivity-Preserving结构

被动的定义在这一节中,给出passivity-preserving结构介绍,将用于控制器设计。

定义1。的动力系统 据说如果存在一个标量存储函数被动这样 对于一些半正定函数。

引理2。考虑两个被动系统的互连结构和在图1。然后互连系统是被动的来(见[27])。

2.4。李雅普诺夫定理的渐近稳定性

引理3。非线性时变系统如果存在一个连续可微函数和三个连续正定函数,,,这样(1) ,(2) 。然后系统一致渐近稳定平衡点。此外,当径向无界,系统是全球一致渐近稳定(佐治亚大学)。

3所示。问题陈述

探讨协调多个船只速度饱和。为了避免重复指导设计,介绍了虚拟容器作为一个领导者获得命令速度驱动船沿着路径。虚拟领导者的速度被视为多个血管跟踪所需的速度。与此同时,所需的空间的形成是通过定义形成的参考点。

虚拟领导者贴上0及其动态类似于真正的船。假设标签代表了集团和th船每一条船的是形成参考向量。建立血管的形成模式,形成每个容器可以被定义为的参考位置

形成实现当且仅当参考位置形成达成共识;也就是说,。每个容器形成参考位置的变化见图2。

控制目标。假设固地框架和所需的路径,是虚拟领导者的状态向量和速度固地框架,分别控制目标可以表示在数学形式如下:

4所示。控制器设计

4.1。框架的协调控制器

协调控制器的框架是基于Guidance-Control结构如图3。制导系统是通过模拟实现一个虚拟领导者与真正的船只,动力学相似和控制器虚拟领导者的设计基于bioinspired神经动力学模型,这样可以实现路径跟踪速度有限。那么虚拟领导者的位置和速度是广播的追随者。最后,我们使用被动理论构造控制器跟踪虚拟领导者的速度和维护的预定义的形成真正的船只。并给出了设计过程的细节图4。

4.2。指导设计

本节显示了虚拟领导者的控制器设计基于神经动力学模型。为了保证所有以下船只的速度变化在有限范围内,虚拟容器以有限的速度应该遵循的路径。以跟踪误差为输入,神经动力学模型。然后,制定一个新的虚拟速度是通过使用光滑和有界输出的神经动力学模型。

所需的轨迹来标示,跟踪误差可以定义为 让,,,跟踪误差的标量元素。

在动态模型中,我们可以得到 为了使,我们需要设计一个虚拟的速度 在哪里是正对角矩阵。

注意,虚拟速度设计(15)与跟踪误差。当船临界点的轨迹移动,跟踪误差会突然增加,这可能导致虚拟速度超出了该船的能力。为了解决这个问题,我们用这个词光滑和有界输出的神经动力学模型,和一个新的中间虚拟速度介绍了作为 因此 和从神经动力学模型计算: 在哪里,,,是积极的标量。

我们考虑一个李雅普诺夫函数的候选人: 在哪里。

花时间的导数(13)的收益率 如果,然后我们会有 所以,当我们可以得到 在这一点上,我们可以得出结论,中间虚拟速度产生的神经动力学模型可以保证跟踪误差的收敛性。为了避免高阶导数的计算,我们引入一个一阶低通滤波器作为虚拟速度:跟踪微分器 在哪里是估计的和是滤波器时间常数矩阵。

我们定义的速度误差 构建第二个李雅普诺夫函数: 从模型动力学(1),的时间导数(17)可以计算 如果我们选择作为 在哪里是正对角矩阵,然后第二个李雅普诺夫函数的导数是什么 这保证;也就是说,。然后,。

通过引入神经动力学模型,虚拟领导者的速度范围是有限的。表示,;然后我们有。总之,第一和第二目标(12)实现。根据虚拟领导者,我们可以确认所需的速度船舶跟踪,。

4.3。形成协调控制器设计

协调控制器设计为真正的血管形成是基于假设船只之间的通信拓扑是无向图。基于passivity-based共识策略(22),我们建立了闭环系统在图5。我们使用船舶的动态反馈通道,构建前馈通道通过引入辅助信号。然后,我们设计控制律,使渠道都是被动的。基于被动理论,可以证明闭环系统一致渐近稳定全球(佐治亚大学)。

辅助控制输入为每个容器被定义为 在哪里是通信拓扑的关联矩阵图中血管。船舶之间的同步误差和连接的吗th通信链路计算 为了保证前馈通道的被动性,同步误差的非线性函数被定义为每个元素,可以表示如下: 在哪里非负二次函数,满足未来三条件: 在本文中,我们选择作为 这样 表示之间的速度误差形成的参考点和所需的速度并引入一个新的变量。然后为每个容器形成控制算法设计 在哪里是正定矩阵。

替代控制律到船动态产量

定理4。为船只与无向拓扑,其动力是由(1),状态向量闭环系统图4是全球一致渐近稳定(佐治亚大学);也就是说,佐治亚大学,保证所有参考点形成的速度收敛于期望的速度和预定义的形成。

证明。定义存储函数前馈通道 在哪里。
的导数(37): 从被动的定义,我们知道前馈通道是被动的来。
建立被动的反馈路径,另一个存储函数被定义为 使用属性(5)- (7),我们得到 因此,我们得出结论,反馈和输入是被动的和输出。
证明一致渐近稳定的李雅普诺夫函数被定义为 很容易推断属性(5), 因为低,存储函数的上界和可以确定。和两个函数是变量径向无界和,分别。因此,存在两个功能和为,这样 导数的计算,我们可以获得 和变量径向无限吗。从上面的结果(43)- (44),我们已经证明这两个引理的条件3可以满足。因此,闭环系统的平衡点是全球一致渐近稳定(佐治亚大学)。血管可以跟踪所需的速度,同时保持了预定义的形成。因此,最后两个控制目标实现。

5。仿真结果

在本节中,进行实验模拟评估拟议的协调路径跟踪算法的有效性。五艘海军船只(包括虚拟领导者)被认为是执行协调跟踪任务。这些船只的详细参数介绍了(23]。船舶之间的通信拓扑是无向图,和关联矩阵 初始位置和所需的形成模式的船只将标签(0代表虚拟领导者) 仿真分为两个阶段。在第一个1000秒,虚拟领导者追踪罪恶曲线基于传统的动态面控制(DSC)没有速度饱和;在接下来的500秒,虚拟领导者跟踪直线基于本文提出的神经动力学模型。

我们使用来表示所需的路径: 在哪里所需的北的位置,所需的东部位置,是所需的标题。

罪曲线路径定义如下: 直接路径定义如下: 在第一阶段,动态面控制虚拟领导者的控制器(DSC)参数选择如下: 协调控制器参数选择真正的船只 在第二阶段中,控制参数选择和在第一阶段一样,速度饱和和添加神经动力学模型的参数选择 根据上述参数,虚拟参考速度虚拟领导者的第二阶段可以从(计算16): 仿真结果如图6- - - - - -10。附加每一条船的轨迹在整个模拟过程如图6飙升的速度,影响速度和角速度数据所示8- - - - - -10。虚拟领导者的速度和输出的神经动力学模型在第二阶段在图给出7。

图6表明,协调路径跟踪是实现在两个阶段。可以清楚地看到,跟踪误差发生在两个阶段之间的初始时间和持续时间。在实践中,跟踪跳可能导致一个巨大的速度,这可以从船的能力。

图7显示了虚拟领导者的速度和输出的神经动力学模型在第二阶段。神经动力学模型的输出是有界的,,分别,恰逢神经动力学模型的参数设置,,)。虚拟领导者的实际速度在接下来的第二阶段(53),这也是有限的,,。虽然有跟踪误差在第二阶段的开始,跳的速度饱和可以解决通过引入神经动力学模型。

从图8,我们可以看到,飙升的速度超过10 m / s在第一阶段,低于8 m / s在第二阶段。图9显示了影响速度可达2.5 m / s在第一阶段,低于1.5 m / s在第二阶段。图9显示了偏航率在0.1在第一阶段和第二阶段低于0.05。根据(53),虚拟的虚拟速度领导人应该有界,,,分别。每个容器的实际速度超过这个限制在第一阶段和第二阶段的有限范围。

从上面的仿真结果,表明提出的协调路径跟踪控制器基于神经动力学模型和passivity-based技术可以解决直线路径的饱和问题,实现协调路径跟踪任务在同一时间。

6。结论

本文提出的控制方案解决了速度饱和协调路径跟踪多个血管。基于虚拟领导者结构,导航系统也大大简化。这部小说计划需要考虑血管功能和消费,使得该方法更适用于实践。仿真结果验证了该算法的有效性。

相互竞争的利益

作者宣称没有利益冲突。

确认

本文由中国国家科技重大特殊项目(2011 zx05027 - 002)。