Chinese Journal of Ship Research
PID基于模糊 的无人帆船航向控制方法
张雪飞,袁鹏,谭俊哲,王树杰,徐泓燊,孙烨
网络首发地址:http://kns.cnki.net/kcms/detail/42.1755.TJ.20191118.2005.004.html期刊网址:www.ship-research.com引用格式:张雪飞,袁鹏,谭俊哲,等. PID的无人帆船航向控制方法[J].中国舰船研究,2019,14(6):15-21.基于模糊Zhang X F,Yuan P, TanJZ ,et al. Heading control method of unmanned sailing boats based on fuzzy PID[J]. Chinese Journal of Ship Research,2019,14(6):15-21.摘 要:[目的]无人帆船在复杂海况下会出现航向状态不稳定的现象,为提高帆船在多变和未知环境下的抗干扰能力与航行的稳定性,实现对帆船航向的准确控制,提出一种结合传统PID技术的模糊自适应控制方法。[方法]建立响应型三自由度的Nomoto运动数学模型,借助Matlab 的 Simulink建模工具搭建模糊规则和仿真控制器,对PID控制参数进行实时在线优化调整。分别在不同航速和加入随机扰动下,与传统PID控制进行对比研究,分析不同的控制方法对航向的影响情况,并通过试验进行对比验证。[结果]结果表明,应用模糊PID方法
控制小型无人帆船的航向,具有较好的自适应能力和较强的鲁棒性。[结论]研究成果可为无人帆船的航向控制
设计提供参考。关键词:无人帆船;模糊PID;Nomoto模型;航向控制中图分类号:U661.33 文献标志码:A DOI:10.19693/j.issn.1673-3185. 01518
0引言
无人帆船在海上自主航行时,会受到海洋环境的影响,出现一些偏离预定轨迹的状态,因而一个有较强抗干扰能力的航向控制器,对于帆船的航迹保持、循迹航行具有十分重要的意义。收稿日期:2019 - 01 - 22 网络首发时间:2019-11-19 14:14基金项目:国家自然科学基金资助项目(51779238);中央高校基本科研业务费专项基金资助项目(201762007)作者简介:张雪飞,男,1993年生,硕士。研究方向:海洋能机电装备与仪器。E-mail:634934319@qq.com袁鹏,男,1975年生,博士,副教授。研究方向:海洋可再生能源。E-mail:yuanpeng50@hotmail.com
PID,目前,对于航向控制的算法主要有经典Backstepping,Lyapunov ,滑模控制、神经网络控制,模糊控制和一些其他相互结合的智能控制方法等[1-2]。国内外很多学者对无人帆船的航向控Deng Ahmed 等[3-4]通制做了大量研究。其中, 与PD过模糊控制和 控制器来控制航向,并应用到了Emami 等[5 ]通实际的导航路径规划中。 过建立Fossen PID四自由度船舶数学模型,运用 算法实现了对一条小型无人帆船的航向保持控制。王倩等[6]根据操舵的专家经验,归纳总结并制定出了245条模糊控制规则,并直接以舵角作为输出,对1.5m一个 的帆艇实现了循迹航行控制。沈智鹏等[7]针对无人帆船模型不确定、控制方向和外部RBF环境扰动未知的情况,提出了一种 神经网络自适应动态面航向控制方法。上述研究运用不同的控制方法,实现了对帆船航向的控制,而本文则将研究在不同航速和未知的随机干扰下,帆船航向的稳定性控制。PID控制器由于其简单的结构和明确的物理意义,对于特定的场景和精确的数学模型,具有很好的控制特点,仍被广泛应用于实际工程中。然PID而,传统 控制的效果很大程度上取决于其控制参数 K p K i K 的值,在复杂多变的情况下,很d PID难在线实时调节 控制参数,所以,在控制过程中,往往会表现出较大的波动和高频转舵,甚至可能出现不可控的状态[8]。无人帆船在航行过程中会面临风、浪、流等因素的干扰,仅仅依靠传统PID的调节,往往难以满足准确航向的控制要求。而模糊控制则可以根据实际操作的专家经验,无需确定的数学模型,制定出相应的控制规则,达到理想的控制效果[9]。因此,本文将设计一PID种结合经典 技术的模糊自适应控制器,根据PID调节 控制参数的实际经验,制定出相应的模PID糊控制规则,实现对 控制参数的动态调节,从而达到对帆船稳定控制的目的。
1 无人帆船数学运动模型1.1 帆船模型参数
本文以自主设计的无人帆船模型为仿真研究1对象。该船体(附体)与风帆主尺度如表 所示, NACA 0018舵剖面选用 翼型。
1.2 帆船运动坐标系
在实际海面运动过程中,一般可以将帆船近似为一个具有六自由度的刚体。为便于对帆船的1 2运动描述,建立了如图 所示的 种右手坐标系。其中,o0 - x0 y0 z0 是以t=0时刻船舶重心为中心的惯性坐标系, o0 - x0 轴为静止水面正北方向, o0 - y0 轴为静止水面正东方向, o0 - z0 轴垂直水面向下。 o - xyz 是以船舶重心为中心的附体坐标系,o - x 轴为船体轴线上,方向由船艉指向船头,o - y 轴指向右舷,o - z 轴指向水面。为了便
于分析航向角ψ 与舵角 δ 之间的关系,在满足研
究要求的前提下,可以忽略横摇、纵摇、垂荡的运动,只考虑横荡、前进、艏摇运动,将帆船运动简化为三自由度的数学运动模型[10-11]。
1.3 Nomoto运动数学模型
根据牛顿关于质心运动的动量和动量矩定理,结合坐标系和速度转换关系,建立无人帆船在静水中的三自由度数学运动模型[12-13]: m(u̇ - vG r) =F G Fx m(v̇ + uG r) = ( 1 ) G y IzG r = Mz式中:m为船的总质量;uG ,vG ,u̇ ,v̇ 分别为重G G心处前进和侧向速度,以及其对时间的导数;r ,r分别为艏摇角速率及其对时间的导数;Fx ,Fy , Mz 分别为在 x ,y ,z 轴重心处作用的外力和外力矩;IzG 为船舶绕轴 z0 的转动惯量。再从控制
工程的角度出发,考虑船体艏摇角的变化与舵角运动的关系,根据帆船的水动力学模型和输出方程,将式(1)的三自由度状态空间方程转化为传递Nomoto函数表达式,简化得到著名的 数学模型: ψ(s) = K (2) δ(s) s(Ts + 1)式中:回转性参数K和稳定性参数T分别为操舵后的角速度和达到最高旋回角速度所需时间;s为拉普拉斯变换因子。
1.4 舵机数学模型
舵机在实际控制过程中具有一定的延迟效应,在某种程度上会影响到航向控制的精确性,一般可以将舵机看作一阶惯性环节[14]: δ = 1 ( ) 3 δc T s +1 0式中:δc 为目标舵角;T 为舵机的时间常数,一般0 1~3 s,本文仿真中取 =1。取 T 0
2 无人帆船航向控制方法
不同特性的帆船在海上航行时会有不同的禁30°~45°之间,此航区域,一般认为此区域在逆风Z时,需要采用 型抢风航行,除此外,帆船可以实现任意航向的航行[15]。而在具体的直航段,无人帆船的航向控制方法会有所不同,其控制效果也会有明显的差异。为了实现响应快和稳性高的航PID向控制,本文采用了模糊 控制法。
2.1 模糊PID控制器设计
PID传统 算法对航向进行控制时,以给定的目标航向角ψ 与当前实际航向角ψ 的偏差 e 作c为控制器的输入,以舵角值 δ 作为输出。模糊控制器对于某一给定的航向角,会不断地根据偏差e 和偏差率 ec ,通过制定的模糊规则,输出 K , p PID K ,K 的值,然后与原 值进行并联控制,输出i d目标舵角 δc ,再经过舵机系统,对被控对象输入确定的舵角值。如此循环,不停地调节帆船的航
向,直至实际航向角与目标航向在预期的误差范围内,并达到稳定的动态控制状态。控制器的整2体控制流程如图 所示。
PID目前,模糊控制和 控制相结合的方式主要有:相互切换型控制、并联混合型控制和参数整定型控制。相互切换型控制方法一般是在较大误差范围内选用模糊控制,较小误差范围内转化为PID PID控制;并联混合型控制方法是根据 整定的参数加上模糊控制的参数,并联进行控制;参数整定型控制方法是利用模糊控制器,根据模糊规则, PID通过在线整定 参数来控制。由于并联混合型控制较灵活,本文采用此种方式。
2.2 模糊控制规则设计
PID本文采用的模糊控制规则,主要是根据整定的专家经验:当偏差 e较大时,为了使系统具有较好的追踪反应性能,避免出现较大的超调量,应取较大的 K 和较小的 K ,K 值;当偏差 e 中p d i
等时,为了具有较小超调量和缓和的系统响应,应取较小的 K 和适中的 K ,K 值;当偏差 e 较小p d i
时,为使系统具有较好的稳定性能,防止系统在设定值附近出现波动,应取较大的 K ,K 值;当偏p i
差率 ec 较大时,取较小的 K 值,通常情况下 Kd d 2为适中值。通过实际调整的过程,制定了如表49所示的 条规则。其中,模糊控制的输入 e ,ec 7个论域范围均为(-1,1),和输出 K ,K ,K 的p i d NB,NM,NS,ZE,PS,PM,PB,分其模糊子集均为别代表负大、负中、负小、零、正小、正中、正大。在仿真过程中,先将输入量 e ,ec 做归一化
PID处理,再将输出 K ,K ,K 按照 控制范围加p i d入适当的增益。 e ,ec 的变量子集区间如图3(a) smf,zmf trimf;K所示,隶属函数为 和 ,K ,K 的p i d 3(b)所 trimf。变量子集区间如图 示,隶属函数为Mamdani同时,采用 的模糊控制方法,变量子集的模糊交、或、推理、聚类输出、反模糊化方法分别为“min”,“max”,“min”,“max”,“centroid”。
2.3 控制器仿真模型搭建
Matlab Simulink PID借助 的 仿真工具,根据 的2 PID控制原理和图 设计的模糊 控制器,搭建了如4(a)所 PID 4(b)图 示的传统 控制仿真模型,和图PID所示的模糊 控制仿真模型。其控制过程如5图 所示。首先,根据设定的目标航向角与当前的实际航向角对比,计算出偏差和偏差率,判断帆船是否处于目标航向,若出现偏航,则控制器通过对舵的调整来进行航向控制,最终达到目标航PID向。其中,模糊 中的并联混合控制器在运行时会不断检测 e 与 ec ,通过制定的模糊规则并利3个用模糊推理的方法,在线实时生成控制器的PID控制参数,再与设定的固定 参数值叠加进行舵角的控制,从而实现航向的控制。帆船的实际航向除了受到舵的主要控制外,还会受到风、帆、浪、流等因素的干扰影响,而这些影响因素往往表现出很强的非线性和时变性,难以提前预测和建立准确的数学模型。这些未知因素最终会对帆船的航向造成影响,出现一定的偏航现象。在仿真模型中,加上特定范围内的随机0.5 s -4~4干扰模块,每 产生 之间的随机数。同时,也加入了舵角监测模块,由此可以检验控制器的控制方法是否具有较好的动态控制性能。
3 仿真分析与试验对比3.1 仿真分析
本文以实尺度的帆船模型进行仿真模拟研0,设定究。假设船的初始航向角和舵角值均为=120°,处于非逆风航行区域,根据目标航向角ψ c理论计算公式: K = T × W n2/K ,K = T × W n3/K , p i
K d = (2T × ε × W n2 - 1)/K ,其中W n ,ε 分别为系统的PID自然频率和相对衰减系数。适当修改得出 控=0.42,K =0.001,K =1.12。由于航速制参数 K p i d不同,帆船的回转性参数K和稳定性参数T也会2.0,2.5 3.0 m/s有所不同,当航速V分别为 和 时, -21.99 ,-27.49 ,-32.98,稳回转性参数分别为定性参数分别为-22.96,-18.36,-15.30。2 6所不同航速下,种控制仿真对比结果如图2示。从图中可以看出,这 种控制方法均能实现V=航向的控制,但控制效果有所差别。当航速2.0 m/s PID 3s时,传统 控制在 左右达到目标航向20°左右的最大超调量,在10s角,并出现了 左右PID 6s趋于稳定;模糊 控制的调节时间约为 ,无超V=2.5 m/s PID调量。当航速 时,传统 稳定控制时
9s 10°;模糊 PID间约为 ,最大超调量为 控制调节7s V=3.0 m/s时间约为 ,无超调量。当航速 时,传PID 12s 5°,统 控制调节时间约为 ,最大超调量为PID并出现了一定的波动情况;模糊 控制调节时6s间约为 ,无超调量。PID PID传统 控制和模糊 控制的主要控制性3 PID能参数如表 所示。从表中可以看出,模糊 和PID传统 相比有较短的稳定调节时间和更小的操舵角,且均未出现明显的超调量和波动情况。由PID于传统 参数固定,往往是在船舶到达目标航向角并出现一定的超调和偏差后,才进行转舵的PID控制。而模糊 能够动态调节参数,在即将到达目标航向角时提前进行转舵的控制,使其在面对不同的航速和复杂的海洋环境干扰下,表现出很好的控制效果和较强的自适应能力。
3.2 试验对比
7本次试验的船体结构如图 所示,使用的控制板有主控板和驱动板,配备的传感器主要有超声波风速风向仪、帆角编码器、电子罗盘、GPS和温湿度变送器,执行机构有转帆的无刷直流电机GPRS和操舵的电动推拉杆,不同距离分别采用2.4 GHz与 无线通信。地面基站处,无人帆船监控软件监视实时返回的数据和控制数据。无人帆船Visual Studio MFC监控软件是使用 软件编写的 应用程序,可实时监控船舶状态、修改参数、记录数Modbus据文件等。该执行信号由基站通过 传输CAN至船载主控模块,再将控制信号通过 总线传输到驱动模块,实现对执行机构的控制。
试验过程中,通过电子罗盘实时检测帆船的航向角,并与设定的目标航向角进行比较,得出航PID向偏差作为控制器的输入,通过传统 或模糊PID输出舵角值,对执行机构进行舵角的控制。25°,帆试验时,设定目标航向角为 船航迹和航向8(a)和图 8(b)所 PID角如图 示,分别运用传统 与PID 2模糊 这 种方法对帆船给定航向进行控制,湖8(c)所示。在较小的风、流干扰下,对试情况如图处于非逆风航行的帆船,从试验数据对比结果可PID PID以看出,模糊 与传统 均能实现目标航向PID的控制,但传统 的轨迹偏差和航向角波动较PID大,而模糊 则能较快地到达目标航向角且较PID稳定。综合情况下,模糊 具有更好的航向控制效果。
4结论
本文以自主设计的无人帆船模型为研究对象,根据帆船的实际特征参数建立运动数学模型, PID采用模糊 方法设计控制器,对帆船航向进行PID仿真控制研究,与传统 控制方法进行对比并进行了试验验证。通过对航向控制仿真及试验结果分析发现, 2以不同的航速到达同一航向角,种针对帆船的PID控制方法实现情况有所差异。模糊 控制器具有较快的稳定调节时间,较小的超调量和操舵角,以及较强的抗干扰能力,能够实现对帆船航向的稳定控制。综合整体对比结果可知,基于模糊PID的方法可以应用到小型无人帆船的航向控制,并且对于无人帆船的智能航向具有一定的参考价值。未来也可以应用该方法进一步考虑帆和舵的联动控制,考察其对帆船航向的影响和控制效果。
参考文献:
[ 1] 赵蕊,许建,王淼,等.基于遗传算法和分数阶技术的水下机器人航向控制[ J]. 中国舰船研究, 2018, 13(6):87-93. Zhao R, Xu J ,Wang M,et al. Heading control of AUV based on GA and fractional order technology[J]. Chinese Journal of Ship Research, 2018, 13(6): 87-93. 2] 赵志平,张强. PID [ 船舶航向的自适应自调节 跟踪控制[J]. 中国舰船研究,2019,14(3):145-151. Zhao Z P, Zhang Q. Adaptive self-regulation PID tracking control for the ship course[J]. Chinese Jour⁃ nal of Ship Research, 2019, 14(3): 145-151. [3] Deng Y J,Zhang X K,Zhang G Q. Fuzzy logic based speed optimization and path following control for sail-assisted ships[J]. Ocean Engineering, 2019, 171:300-310. [4] Ahmed Y A,Hasegawa K. Fuzzy reasoned waypoint controller for automatic ship guidance[J]. IFAC-Pa⁃ persOnLine,2016,49(23):604-609. [5] Emami T,Hartnett R J,Watkins J M. Estimate of dis⁃ crete-time PID controller parameters for H-infinity complementary sensitivity design: Autonomous sail⁃ boat application[C]//2013 American Control Confer⁃ ence. Washington,DC,USA:IEEE,2013. 6] 王倩,许劲松,徐建云. [ 无人帆船循迹航行的控制
研究[J]. 船舶工程,2015,37(9):63-67. Wang Q, Xu J S ,Xu J Y. Research on track following control of autonomous sailboat[J]. Ship Engineering, 2015,37(9):63-67(in Chinese). [ 7] 沈智鹏,邹天宇. 控制方向未知的无人帆船自适应
动态面航向控制[J]. 哈尔滨工程大学学报,2019, 40(1):94-101. Shen Z P,Zou T Y. Adaptive dynamic surface course control for an unmanned sailboat with unknown control direction[J]. Journal of Harbin Engineering Universi⁃ ty,2019,40(1):94-101(in Chinese). 8] 冯永孝,张显库. PID [ 基于非线性修饰模糊 的船舶J]. 2018,40 1):航向保持控制[ 船舶工程, (增刊202-205. Feng Y X,Zhang X K. Ship course keeping control based on nonlinear decoration fuzzy PID[J]. Ship En⁃ gineering,2018,40(Supp 1):202-205(in Chinese). 9]王倩. 无人帆船循迹航行的控制研究[D].
[ 上海:上海交通大学,2015. Wang Q. Autonomous sailboat track following control [D]. Shanghai:Shanghai Jiaotong University,2015 (in Chinese). [10] Wille K L,Hassani V,Sprenger F. Modeling and course control of sailboats[J]. IFAC-PapersOnLine, 2016,49(23):532-539. [11] Larrazabal J M,Peñas M S. Intelligent rudder control of an unmanned surface vessel[J]. Expert Systems with Applications,2016,55:106-117.
12 贾欣乐,杨盐生. [ ]船舶运动数学模型——机理建模
与辨识建模[M].大连:大连海事大学出版社,1999. Jia X L ,Yang Y S. Mathematical model of ship mo⁃ tion——mechanism modeling and identification mod⁃ eling [M]. Dalian: Dalian Maritime University Press,1999(in Chinese). 13 马超,张显库,杨光平. Lyapunov []基于 稳定性的船舶航向保持控制器非线性反馈改进[J].
中国舰船研究,2019,14(1):150-155,161. Ma C ,Zhang X K,Yang G P. Improved nonlinear control for ship course-keeping based on Lyapunov stability [J]. Chinese Journal of Ship Research, 2019,14(1):150-155,161(in Chinese). 14 彭秀艳,张文颖,贾书丽. BP []基于 算法的船舶航PID J]. 2013,20向模糊 控制研究[ 控制工程, (4):623-626. Peng X Y,Zhang W Y,Jia S L. The study of fuzzy self-adjusted PID control for ship course based on back propagation method[J]. Control Engineering of China,2013,20(4):623-626(in Chinese). [15] Kang M, XuJ XuJ ,et al. Autonomous sailboat lo⁃ , cal route planning[C]//World Robotic Sailing champi⁃ onship and International Robotic Sailing Conference. Cham:Springer,2016:33-43.