基于切换模糊化的滑模变结构AUV姿态控制

第８卷第６期　２０１３年１２月　智能系统学报　ＣＡＡＩ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｓｙｓｔｅｍｓ　Ｖｏｌ＿８　Ｎｏ．６　Ｄｅｅ．２０１３　

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３—４７８５．２０１３０６０３２　网络出版地址：ｈｔｔｐ：／／ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／２３．１５３８．ＴＰ．２０１３１０１２．１８１５．００８．ｈｔｍｌ　

基于切换模糊化的滑模变结构ＡＵＶ姿态控制　

郝阳　（１．中国人民解放军９１４３９部队，辽宁大连１１６０４１；　，赵新华　２．哈尔滨工程大学自动化学院，黑龙江哈尔滨１５０００１）　

摘要：针对自主水下航行器（ＡＵＶ）控制的要求，为解决姿态控制问题，提出了一种基于切换模糊化的滑模变结构　控制方法．该方法结合了模糊控制与滑模变结构的优点，其中模糊控制以变结构控制的切换函数为输入，变结构控制　切换项为输出，在此基础上采用指数趋近律方法设计滑模变结构控制器．分别对该方法与传统滑模变结构控制方法　进行对比仿真，结果表明，该控制方法可以有效抑制滑模变结构控制的抖振现象，对模型不确定系统具有较强的鲁　棒性和一定的抗干扰能力．　关键词：模糊控制；滑模变结构控制；自主水下航行器；姿态控制；切换模糊化　中图分类号：ＴＰ２７３　文献标志码：Ａ　文章编号：１６７３—４７８５（２０１３）０６—０５３２—０５　

中文引用格式：郝阳，赵新华．基于切换模糊化的滑模变结构ＡＵＶ姿态控制［Ｊ］．智能系统学报，２０１３。８（６）：５３２－５３６．　英文引用格式：ＨＡＯ　Ｙａｎｇ，ＺＨＡＯ　Ｘｉｎｈｕａ．Ｓｌｉｄｅ—ｍｏｄｅ　ｖａｒｉａｂｌｅ—ｓｔｒｕｃｔｕｒｅ　ＡＵＶ　ａｔｔｉｔｕｄｅ　ｃｏｎｔｒｏｌ　ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆｆｕｚｚｙ　ｓｗｉｔｃｈｉｎｇ［Ｊ］．　ＣＡＡＩ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｓｙｓｔｅｍｓ，２０１３，８（６）：５３２－５３６．　

Ｓｌｉｄｅ．．ｍｏｄｅ　ｖａｒｉａｂｌｅ．．ｓｔｒｕｃｔｕｒｅ　ＡＵＶ　ａｔｔｉｔｕｄｅ　ｃｏｎｔｒｏｌ　ｏｎ　

ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｆｕｚｚｙ　ｓｗｉｔｃｈｉｎｇ　

ＨＡＯ　Ｙａｎｇ　．ＺＨＡＯ　Ｘｉｎｈｕａ　（１．Ｕｎｉｔ　９１４３９　ｏｆ　ＰＬＡ，Ｄａｌｉａｎ　１１６０４１，Ｃｈｉｎａ；２．Ｃｏｌｌｅｇｅ　ｏｆ　Ａｕｔｏｍａｔｉｏｎ，Ｈａｒｂｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　１５０００１，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｃｏｎｔｒｏｌ　ｒｅｑｕｉｒｅｍｅｎｔｓ　ｏｆ　ｔｈｅ　ａｕｔｏｎｏｍｏｕｓ　ｕｎｄｅｒｗａｔｅｒ　ｖｅｈｉｃｌｅ（ＡＵＶ），ａｎｄ　ｉｎ　ｏｒｄｅｒ　ｔｏ　ｓｏｌｖｅ　ｔｈｅ　ａｔｔｉｔｕｄｅ　ｃｏｎｔｒｏｌ　ｐｒｏｂｌｅｍ，ａ　ｓｌｉｄｅ・ｍｏｄｅ　ｖａｒｉａｂｌｅ—ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌ　ｍｅｔｈｏｄ　ｂａｓｅｄ　ｏｎ　ｆｕｚｚｙ　ｓｗｉｔｃｈｉｎｇ　ｉｓ　ｐｒｏ—　ｐｏｓｅｄ．Ｔｈｉｓ　ｍｅｔｈｏｄ　ｃｏｍｂｉｎｅｓ　ｔｈｅ　ｍｅｒｉｔｓ　ｏｆ　ｆｕｚｚｙ　ｃｏｎｔｒｏｌ　ａｎｄ　ｓｌｉｄｅ－ｍｏｄｅ　ｖａｒｉａｂｌｅ—ｓｔｒｕｃｔｕｒｅ，ｉｎ　ｗｈｉｃｈ　ｔｈｅ　ｆｕｚｚｙ　ｃｏｎ－　ｔｒｏｌ　ｔａｋｅｓ　ｔｈｅ　ｓｗｉｔｃｈｉｎｇ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｔｈｅ　ｖａｒｉａｂｌｅ－ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌ　ａｓ　ｔｈｅ　ｉｎｐｕｔ，ａｎｄ　ｔｈｅ　ｓｗｉｔｃｈｉｎｇ　ｉｔｅｍ　ｏｆ　ｔｈｅ　ｖａｒｉａｂｌｅ—　ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌ　ａｓ　ｔｈｅ　ｏｕｔｐｕｔ．Ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｔｈｉｓ，ｔｈｅ　ｅｘｐｏｎｅｎｔｉａｌ　ｒｅａｃｈｉｎｇ　ｌａｗ　ｍｅｔｈｏｄ　ｉｓ　ａｐｐｌｉｅｄ　ｔｏ　ｔｈｅ　ｄｅｓｉｇｎ　ｏｆ　ｔｈｅ　ｓｌｉｄｅ—ｍｏｄｅ　ｖａｒｉａｂｌｅ—ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌｌｅｒ．Ｂｙ　ｃｏｍｐａｒｉｓｏｎ　ａｎｄ　ｓｉｍｕｌａｔｉｏｎ　ｏｆ　ｔｈｅ　ｍｅｔｈｏｄ　ａｎｄ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｓｌｉｄｅ—　ｍｏｄｅ　ｖａｒｉａｂｌｅ—ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌ　ｍｅｔｈｏｄ，ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｍａｙ　ｅｆｆｅｃｔｉｖｅｌｙ　ｓｕｐｐｒｅｓｓ　ｔｈｅ　ｃｈａｔｔｅｒｉｎｇ　ｐｈｅｎｏｍｅｎｏｎ　ｏｆ　ｔｈｅ　ｓｌｉｄｅ—ｍｏｄｅ　ｖａｒｉａｂｌｅ・ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌ，ａｎｄ　ｈａｓ　ｓｔｒｏｎｇ　ｒｏｂｕｓｔｎｅｓｓ　ａｎｄ　ａｎｔｉ—ｊａｍｍｉｎｇ　ｃａｐａｂｉｌｉｔｙ　ｆｏｒ　ｔｈｅ　ｍｏｄｅｌ　ｕｎｃｅｒｔａｉｎｔｙ　ｓｙｓｔｅｍ．　Ｋｅｙｗｏｒｄｓ：ｆｕｚｚｙ　ｃｏｎｔｒｏｌ；ｓｌｉｄｅ—ｍｏｄｅ　ｖａｒｉａｂｌｅ—ｓｔｒｕｃｔｕｒｅ　ｃｏｎｔｒｏｌ；ａｕｔｏｎｏｍｏｕｓ　ｕｎｄｅｒｗａｔｅｒ　ｖｅｈｉｃｌｅ；ａｔｔｉｔｕｄｅ　ｃｏｎｔｒｏｌ；　ｆｕｚｚｙ　ｓｗｉｔｃｈｉｎｇ　

ＡＵＶ（ａｕｔｏｎｏｍｏｕｓ　ｕｎｄｅｒｗａｔｅｒ　ｖｅｈｉｃｌｅ）控制系统　设计需要克服的困难主要有：被控对象模型和水动　

力参数的不确定性以及海浪和海流等随机扰动的影　

响，这就要求其控制系统具有较强的鲁棒性和抗干　

扰能力．模糊控制与滑模控制的组合控制策略可以　

收稿日期：２０１３—０６—２１．　网络出版日期：２０１３．１０—１２　基金项目：国家自然科学基金资助项目（５０９０９０２７）　通信作者：赵新华．Ｅ—ｍａｉｌ：ｚｘｈ—ｈｕａｈｕａ＠１６３．ｃｏｒｎ．　在削弱滑模变结构控制抖振现象的同时保持其对模　

型要求低、参数变化及扰动不灵敏等优点，适合用来　

解决ＡＵＶ控制问题．这方面，研究人员已经开展了　卓有成效的工作：施小成等　为ＡＵＶ纵摇运动设计　

了一种模糊滑模控制器；魏英杰等　分别提出了一　种ＡＵＶ模糊变结构控制方法和一种自适应模糊变　

结构控制方法　；沈建森等　为远程ＡＵＶ近水面　

运动提出了一种纵向模糊滑模控制方法；阚如文　第６期　郝阳，等：基于切换模糊化的滑模变结构ＡＵＶ姿态控制　

为无人水下航行器设计了一种改进型模糊滑模控制　

器和一种自适应模糊滑模控制器．本文采用模糊控　制的输出代替符号函数作为滑模变结构控制的切换　

项来柔化控制信号，反复调整隶属函数以获得更好　的控制效果，有效克服了模型参数不确定和海洋随　

机扰动的影响，通过仿真对比验证了该方法的控制　

性能、鲁棒性、抗干扰能力和抑制抖振的能力．　

１　ＡＵＶ数学模型及其线性化　

为了便于控制系统的分析与设计，通常将ＡＵＶ　

六自由度运动分解为垂直面运动和水平面运动，本　

文只研究ＡＵＶ在垂直面内的姿态控制．由于ＡＵＶ　姿态控制可以看作受到扰动作用后在平衡位置附近　

做小幅度运动，因此基于小扰动法对其垂直面模型　做线性化处理　Ｊ，得到　Ｊ：　

Ｚ　

Ｍ　“　

０　

１　ｍ—Ｚ　—Ｚ　

—Ｍ　Ｉ　ｒｙ—Ｍ　

０　Ｏ　０　０　

（Ｚ　＋　）“０　

Ｍ　Ｍ　０　

１　０　

０　一“　＋　ＺＨ泌Ｍ　

ＭⅡ啦“　

０　

０　式中：ｍ为ＡＵＶ质量；，为转动惯量；Ｚ和　为水动　力系数　；ｚ、０分别为深度和纵摇角；Ｕ－，Ｗ和ｇ分　

别为纵荡速度、升沉速度和纵摇角速度；　为水平舵　角．取轴向速度为２　ｍ／ｓ，基于某典型ＡＵＶ水动力系　

数建立系统标称状态方程为　

一１．０４０　

６．Ｏ００　０　

１．Ｏ００　０．８６５　

—０．６８１　１．Ｏ００　

０　

—０．０７２　

－０．７２２　

０　０　一Ｏ．Ｏ２Ｏ　０　

０．７０８　０　Ｏ　０　

—２．Ｏ００　０　＋　

考虑到模型的不确定性，设所有相关水动力系　

数有３０％的相对不确定度　，Ｐ为水动力系数标称　值，Ｐ　和Ｐ：分别为水动力系数下限值和上限值：　Ｐｌ＝０．７／９，　

实际水动力系数将在Ｐ　和ｐ：之间变化，进而可　

以得到系统状态方程的下限形式和上限形式．　

基于水动力系数ｐ　的系统状态方程为　

一０．９５０　

９．２８０　Ｏ　

１．Ｏｏ０　１．１５０　

—０．６１５　１．０００　０　

－０．０６３　

—０．６１５　０　

Ｏ　一０．０２ｌ　０　

０．８５８　０　０　０　

—２．Ｏ００　Ｏ　

基于水动力系数Ｐ：的系统状态方程为　

一０．０２０　

０．６０３　

０　

—２．０００　＋　

（２）　

＋　

（３）　

２　控制方法　

基于切换模糊化的滑模变结构ＡＵＶ姿态控制　方法的原理框图如图１所示．　

图１控制方法原理框图　Ｆｉｇ．１　Ｂｌｏｃｋ　ｄｉａｇｒａｍ　ｏｆ　ｔｈｅ　ｃｏｎｔｒｏｌ　ｍｅｔｈｏｄ　

图１中，Ｚ　０　为期望深度和纵摇角，即平衡状　

态，Ｚ、０为实际深度和纵摇角；６为水平舵角．　

２．１滑模变结构控制　

针对如下线性系统：　

Ａ　＋　（Ｍ＋　）），　（４）　【ｓ＝Ｃｘ．　

式中：Ａ和　取自式（１），容易验证（Ａ，曰）完全能　

控，因此系统可以任意配置极点【　，本文采用　如　∞　鹏　７　，　■　Ｏ　０　ｃ＝５　Ｌ　Ｃ　ｃ；）Ｏ　舳　∞　１　６　●　０　¨　。　Ｏ　Ｏ　Ｌ　ｇ　０　Ｏ　ｌ　０　ｌ。

　Ｏ　０　智能系统学报　第８卷　

Ａｃｋｅｒｍａｎｎ公式设计切换函数ｓ＝Ｃｘ中的Ｃ值：　

Ｃ＝［０…０　１］［Ｂ　ＡＢ…Ａ　。Ｂ］　Ｐ（Ａ）．　

式中：Ｐ（Ａ）为期望特征多项式复变量　换成Ａ所得　

的矩阵多项式　，得　

Ｃ＝［０．７９７０一１．４６４５—１．７２９０　Ｏ．４１１３］．　

滑模变结构控制器的设计通常采用趋近律形式，如　

指数趋近律：　ｓｌａｗ＝　＝一　ｓｇｎ（Ｓ）一　ｓ．　（５）　

式中：　＝０．３，　＝０．５．　

本文使用模糊控制器的输出代替其中的切换　

项，得到基于切换模糊化的趋近律：　ｓｌａｗ＝　＝一ｓＦｕｚｚｙ（ｓ）一　ｓ．　（６）　式中：　＝３，ｋ＝５，Ｆｕｚｚｙ（ｓ）为模糊控制的输出．　

将式（５）和（６）代人状态方程（４）可分别得到　

滑模变结构控制律和基于切换模糊化的滑模变结构　

控制律，它们的表示形式为　

Ｕ＝（ＣＢ）　（一ＣＡｘ　４－ｓｌａｗ）．　

式中：　ｔ）为扰动项，表示正态分布的随机小扰动．　２．２模糊控制　该模糊控制为单输入单输出，其输入与输出的　

论域分别为　

Ａ＝　ｉ　Ｉ　ＮＢ，ＮＭ，ＮＳ，ＺＯ，ＰＳ，ＰＭ，ＰＢ｝，　

Ｂ＝｛Ｂ　Ｉ　ＮＢ，ＮＭ，ＮＳ，ＺＯ，ＰＳ，ＰＭ，ＰＢ｝．　式中：ＮＢ为负大，ＮＭ为负中，ＮＳ为负小，ＺＥ为零，　ＰＳ为正小，ＰＭ为正中，ＰＢ为正大．输入、输出量的　取值为［＿３，３］．其模糊规则为　

ＩｆＡ＝Ａ　ｔｈｅｎ　Ｂ＝Ｂ　．　

其控制效果主要依赖于隶属函数和清晰化方法　

的选取，经过反复试验，确定其输入与输出的隶属函　数如图２、３所示．采用（最大隶属度）平均值法实现　

输出量的清晰化　．　

图２输入变量隶属函数　Ｆｉｇ．２　Ｍｅｍｂｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｉｎｐｕｔ　ｖａｒｉａｂｌｅ　切换函数　图３输出变量隶属函数　Ｆｉｇ．３　Ｍｅｍｂｅｒｓｈｉｐ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｏｕｔ　ｐｕｔ　ｖａｒｉａｂｌｅ　

３　仿真结果　

仿真条件统一设定为ＡＵＶ因受到小扰动＿厂（ｔ）作　

用而在平衡状态（ｗｄ＝０　ｍ／ｓ，ｑｄ＝Ｏ　ｒａｄ／ｓ，０ｄ＝０　ｒａｄ，　＝Ｏ）附近进行小幅度运动，设其初始状态为：Ｗ。＝　

合集下载

旋转倒立摆平衡姿态模糊变结构控制算法研究

- 1 - 旋转倒立摆平衡姿态模糊变结构控制算法研究

旋转倒立摆是一种典型的非线性系统，其控制问题复杂。它与人类行为有着密切的关系，即“适应性”问题。由于现代化的工业生产过程中，设备结构的变化及对自动化、智能化程度要求的提高，给倒立摆的应用带来了新的发展空间。随着电子技术、信息处理技术的迅速发展，采用人工智能和专家系统等多学科交叉知识和手段来解决倒立摆的控制问题已成为必然趋势。本文针对倒立摆控制问题，运用专家系统等智能技术实现对倒立摆的有效控制，得到实际的效果。

旋转倒立摆的模糊控制可分为三大类，这些控制方法都可以通过改变控制参数，设计新型控制器实现。 1)模糊滑模控制：为了防止由于参数变化引起的状态波动，利用一个被称为“渐进”（ stepwise）或者“滑模”（ sliding）的准则，利用滑模控制来获取满意的性能。在这里需要注意的是滑模控制的参数一定要是线性的，而且对象具有非单调的特性。模糊滑模控制器的开环增益对模糊参数的非线性变化十分敏感，因此它们需要在设计上考虑这些影响因素。

2)分布式协调算法：为了能快速地控制不同时刻的倒立摆姿态，通过模糊控制理论提出一种基于分布式协调算法的倒立摆控制器，并且利用模糊预测控制进行优化设计。此算法的关键在于建立一种在线性最优控制之后的协调控制模型，它保证了系统在稳态和动态控制中的性能。该算法也保证了分布式控制系统总能达到性能指标。但是在本文所研究的倒立摆控制中，分布式协调控制算法能够充分利用系统的动态特性，其运算量小，运算速度快，比较适合研究复杂系统的控 - 2 - 制问题。

3)组合混沌控制：一个模糊控制器，即控制器由若干个滑模线性化的部件组成。当控制器受到模糊信息的激励时，各个滑模线性化部件会产生相应的动作。为了简化算法，也为了提高算法的精度，这些滑模线性化部件通常在模糊控制的基础上进行变结构控制。通过变结构控制算法，可以对系统的振荡和失稳进行有效抑制。通过实验表明，在没有模糊控制参与的情况下，无论采用何种控制策略，系统均不能达到满意的性能，而在模糊控制参与之后，系统的性能有了很大的提高，有利于在控制中更好地利用系统的动态特性，从而获得比较好的效果。

基于模糊滑模方法的UVMS控制

--------------------------------------------------

------------------------------------------------ 50卷第1期（总第185期）中国造船 Vol.50 No.1 (Serial No. 185)

2009年3月 SHIPBUILDING OF CHINA Mar. 2009

文章编号：1000-4882 (2009) 01-0092-09

水下自主作业系统轨迹跟踪与动力定位

郭莹，徐国华，徐筱龙，肖治琥

摘要

论述了一种水下自主作业系统的轨迹跟踪和动力定位控制算法。该系统由一个水下智能机器人和一个机械手组成，具有非线性、强耦合、高维数、时变等特点。在充分考虑了各种水动力因素的基础上，使用Quasi-Lagrange方程建立系统的动力学数学模型。采用滑模控制方法，并利用模糊逻辑动态调节滑膜控制器的增益系数，进行了计算机仿真试验。结果表明该方法对水下自主作业系统的轨迹跟踪与动力定位控制性能优良。

关键词：船舶、舰船工程；水下自主作业系统；轨迹跟踪；动力定位；模糊滑模控制

中图分类号：U674.941;TP242 文献标识码：A

0 引言

水下自主作业系统，即水下智能机器人—机械手系统（autonomous underwater vehicle-manipulator

system—AUVMS）不受作业时间和空间的限制，而且体积小无人无缆，隐蔽性好，在各种浅海和深海使命中发挥着重要的作用，特别是军事应用。因此，水下自主作业技术已成为水下机器人技术的主要研究方向之一[1]。该系统具有非线性、强耦合、高维数、时变等特点。研究该系统有效控制算法的主要难点是[2]：①系统存在自由度冗余；②很难精确确定系统受到的水动力影响；③难以精确建立整个系统的动力学模型；④设计具有鲁棒性或自适应能力的控制算法。

滑模变结构控制的原理

滑模变结构控制（Sliding Mode Variable Structure

Control，SMVSC）是一种智能控制理论，它由中国科学家李宏毅于上世纪八十年代提出。该理论针对系统具有不确定性、多模态和非线性特性的智能控制，以及运动力学系统的滑模分析和控制，开展了大量的理论研究和应用研究，并取得了显著的成果。

滑模变结构控制的原理是将变结构控制（VSC）与滑模控制（SMC）相结合，综合考虑系统的抗扰能力和抗干扰能力，在保证系统的动态特性的基础上，消除系统参数不确定性、多模态性和非线性性带来的影响。

滑模变结构控制是一种基于状态反馈的控制技术，包括模糊控制和神经网络控制。它能够根据系统状态变化来调节系统的结构，以达到最优的控制效果。

滑模变结构控制的基本原理是在系统参数不确定情况下，根据系统状态变化，通过调整控制器状态来实现对系统的控制。它使用一种“滑模变结构”控制器，通过模糊控制或神经网络控制，来实现系统参数不确定性、多模态性和非线性性的控制，从而达到较佳的控制效果。

它借助于滑模控制的结构，在保证系统动态特性的基础上，使得系统能够抗扰能力强，抗干扰能力也强，同时对系统的参数变化也比较灵活。滑模变结构控制的控制器可以被用来控制非线性系统，尤其是那些具有较大的参数不确定性和复杂的动力学结构的系统，具有较好的抗扰能力和抗干扰能力。

滑模变结构控制由三部分组成：最优控制（optimal

control）、滑模控制（sliding mode control）和变结构控制（variable structure control）。它采用模糊控制或神经网络技术，来实现变结构控制，从而实现系统参数不确定性、多模态性和非线性性的控制，从而使系统具有较强的抗扰能力和抗干扰能力。

滑模变结构控制的研究主要集中在以下几个方面：1）研究系统的抗扰能力和抗干扰能力；2）控制算法的研究；3）控制策略的研究；4）控制器的设计。滑模变结构控制在智能控制中有着重要的作用，已经得到了广泛的应用，如机器人控制、航天器控制等。

基于滑模控制的无人机姿态稳定控制研究

无人机在现代航空领域扮演着越来越重要的角色。然而，无人机姿态的稳定控制一直是一个挑战性的问题。为了解决这个问题，研究人员一直在不断探索各种姿态控制方法。其中，基于滑模控制的无人机姿态稳定控制研究成为了一个热门方向。本文将对基于滑模控制的无人机姿态稳定控制方法进行深入研究和探讨。

无人机姿态稳定控制的目标是实现无人机在飞行过程中的稳定姿态，以提高飞行性能和控制精度。为了实现这个目标，滑模控制被广泛应用于无人机姿态控制系统中。滑模控制是一种非线性控制方法，具有强鲁棒性和抗干扰能力，能够有效地应对无人机飞行过程中的不确定性和外部干扰。

基于滑模控制的无人机姿态稳定控制方法主要分为两个方面：滑模控制律的设计和滑模观测器的设计。滑模控制律的设计是指根据无人机的动力学模型和控制要求，设计一个具有理想响应特性的滑模控制器。滑模观测器的设计是指利用观测器来估计无人机的状态，以实现对滑模控制器的反馈。

在滑模控制律的设计中，经典的滑模控制器可以分为两个部分：滑模面和控制律。滑模面是指通过引入一个额外的自适应参数，使得无人机系统在滑动模式下达到稳定。控制律是指根据滑模面和系统状态，计算出控制输入，以实现对无人机系统的稳定控制。在滑模观测器的设计中，一般采用延迟观测器或者自适应观测器来估计无人机的状态。

为了实现基于滑模控制的无人机姿态稳定控制，需要首先建立无人机的动力学模型。无人机的动力学模型一般基于欧拉角参数化，包括飞行器的姿态角和角速度。然后，根据无人机动力学模型和控制要求，设计滑模控制器的滑模面和控制律。滑模面的设计可以利用随时间改变的函数来实现。控制律可以采用线性定常控制或非线性反馈控制来实现。接下来，设计一个滑模观测器来估计无人机的状态。滑模观测器可以通过估计无人机的输出误差和系统状态，来实现对滑模控制器的反馈。

在进行基于滑模控制的无人机姿态稳定控制研究时，需要考虑以下几个方面。首先，滑模控制器的参数选择很关键。不恰当的参数选择会导致控制性能下降甚至不稳定。因此，需要通过模拟和实验来优化参数选择。其次，滑模观测器的设计和实现也是一个关键问题。滑模观测器的性能将直接影响到姿态稳定控制的效果。最后，需要考虑实际应用中的限制和约束。比如，无人机的动力性能、传感器的精度、计算能力等因素都会对姿态稳定控制产生影响。

AUV控制系统的设计与实现

龙源期刊网

AUV控制系统的设计与实现

作者：王开红王旭东赵英

来源：《电子技术与软件工程》2016年第03期

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）龙源期刊网

对AUV的5个自由度各设计一个滑模面，则可以表示为

（5）

模糊滑模变结构控制在AUV纵倾控制中的应用

第２５卷第１０期　计算机仿真　２００８年ｌ０月　

文章编号：１００６—９３４８（２００８）１０—０１６８一ｏ４　

模糊滑模变结构控制在ＡＵＶ纵倾控制中的应用　

施小成，周佳加，边信黔，陈涛　

（哈尔滨工程大学自动化学院，黑龙江哈尔滨１５０００１）　

摘要：无人水下机器人（ＡＵＶ）在潜浮运动过程中，纵倾角的控制对其在垂直面的运动状态起着关键的作用。尽管目前研究　的控制方法对纵倾角有较好的控制效果，但是由于ＡＵＶ不确定的非线性特性和模型参数，其控制性能并不理想。根据　

ＡＵＶ垂直面的非线性模型，在特定的工作点对非线性模型进行了线性化，得到ＡＵＶ垂直面纵倾运动的数学模型。设计了　

基于模糊控制理论的模糊滑模变结构控制器调整滑模控制的控制增益，并在海流干扰下用该控制器成功地对ＡＵＶ进行了　

纵倾控制。仿真结果验证了该控制方法对运动模型不确定的ＡＵＶ具有很好的控制性能，在外界干扰下，既保证了控制系统　

的快速性和鲁棒性，又能够有效地削弱抖振。　

关键词：自治水下机器人；模糊控制；滑模变结构控制器；纵倾控制　

中图分类号：ＴＰ２４　文献标识码：Ｂ　

Ｓｉｍｕｌａｔｉｏｎ　ｏｆ　Ｆｕｚｚｙ　Ｓｌｉｄｉｎｇ——Ｍｏｄｅ　Ｃｏｎｔｒｏｌ　ｆｏｒ　ＡＵＶ　Ｐｉｔｃｈ　Ｃｏｎｔｒｏｌ　

ＳＨＩ　Ｘｉａｏ—ｃｈｅｎｇ，ＺＨＯＵ　Ｊｉａ—ｊｉａ，ＢＩＡＮ　Ｘｉｎ—ｑｉａｎ，ＣＨＥＮ　Ｔａｏ　

（Ｈａｒｂｉｎ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ　Ｈｅｉｌｏｎｇｊｉａｎｇ　１５０００１，Ｃｈｉｎａ）　

ＡＢＳＴＲＡＣＴ：Ｉｎ　ｔｈｅ　ｐｒｏｃｅｓｓ　ｏｆ　ｄｉｖｉｎｇ，ｔｈｅ　ｐｉｔｃｈ　ｃｏｎｔｒｏｌ　ｉｓ　ｔｈｅ　ｋｅｙ　ｐｏｉｎｔ　ｔｏ　ａｎ　ＡＵＶ’Ｓ　ｍｏｔｉｏｎ　ｃｏｎｔｒｏｌ　ｉｎ　ｖｅｒｔｉｃａｌ　

ｐｌａｎｅ．Ｓｏ　ｆａｒ，ｄｉｆｅｒｅｎｔ　ｃｏｎｔｒｏｌ　ｓｔｒａｔｅｇｉｅｓ　ａｒｅ　ａｄｏｐｔｅｄ，ａｎｄ　ｉｔ　ｉｓ　ｄｉｆｆｉｃｕｌｔ　ｔｏ　ｃｏｎｔｒｏｌ　ｄｕｅ　ｔｏ　ｎｏｎ—ｌｉｎｅａｒｉｔｉｅｓ　ｏｆ　ｔｈｅ　ｖｅｈｉ－　

基于切换模糊化的滑模变结构AUV姿态控制

基于切换模糊化的滑模变结构ＡＵＶ姿态控制　

郝阳　（１．中国人民解放军９１４３９部队，辽宁大连１１６０４１；　，赵新华　２．哈尔滨工程大学自动化学院，黑龙江哈尔滨１５０００１）　

基于切换模糊化的车辆速度滑模控制方法

Vol

. 45 No

. 3

434计算机与数字工程

Computer &• Digital Engineering总第329期

2017年第3期

基于切换模糊化的车辆速度滑模控制方法$

高嵩吕军锋陈超波曹凯

(西安工业大学电子信息工程学院西安710021)

摘要针对电动汽车速度控制模型的非线性和时变性特点，设计了滑模控制器控制车辆速度，使系统具有较强鲁棒

性，并通过模糊算法调节滑模控制器切换函数的参数，降低了滑模控制器固有的抖振。切换模糊化处理后的滑模控制器控

制输人切换频率大大降低，减少了控制机构的频繁切换，提高了控制机构的稳定性。仿真结果表明，该控制器能准确快速地

跟随给定速度，对外部环境变量扰动和自身参数变化扰动具有较好的适应性和较强的鲁棒性。

关键词速度控制；滑模控制；切换模糊化；模糊控制；Sunulmk

仿真

中图分类号 TP

391 DOI

：10. 3969/j

. issa

1672-9722. 2017. 03. 006

Sliding Mode Control Method

Based on Fuzzy Switch Function for Vehicle’s Speed

GAO

Song

Junfeng

CHEN

Chaobo

CAO

Kai

(School of Electronic Information Engineering, Xi’an Technological University, Xi’an 710021)

Abstract Electric vehicled longitudinal control model is non-linear and vulnerable to external environment factors.

This paper designes a sliding mode controller to improve the control system’s robustness. What’s more, this fuzzy controller

基于混合模糊P+ID控制的欠驱动AUV路径跟踪控制及仿真

田宇;张艾群;李伟

【期刊名称】《系统仿真学报》

【年(卷),期】2012(24)5

【摘要】针对欠驱动自主水下机器人(AUV)水平面路径跟踪控制问题进行研究。基于解析形式描述的单输入模糊控制器,提出了一种混合模糊P+ID控制算法。将其应用于欠驱动AUV路径跟踪控制中的趋近角跟踪控制,研究了控制器设计和参数调节方法,并采用小增益定理对基于混合模糊P+ID控制的趋近角跟踪控制系统的稳定性进行了分析。最后,采用欠驱动AUV非线性动力学模型进行仿真研究,结果表明基于提出的混合模糊P+ID控制的欠驱动AUV路径跟踪控制系统具有很好的鲁棒性和适应性,AUV能够精确跟踪预规划的航行路径。

【总页数】6页(P1016-1020)

【作者】田宇;张艾群;李伟

【作者单位】中国科学院沈阳自动化研究所机器人学国家重点实验室;中国科学院研究生院

【正文语种】中文

【中图分类】TP273

【相关文献】

1.基于滤波反步法的欠驱动AUV三维路径跟踪控制2.基于模型预测控制的欠驱动AUV直线路径跟踪3.海流干扰下的欠驱动AUV三维路径跟踪控制4.欠驱动AUV三维路径跟踪RBF神经网络积分滑模控制5.欠驱动AUV三维路径跟踪RBF神经网络积分滑模控制

因版权原因，仅展示原文概要，查看原文内容请购买

输入受限下欠驱动AUV轨迹跟踪滑模控制

李鑫滨;王鹏;骆曦;潘洪涛

【期刊名称】《水下无人系统学报》

【年(卷),期】2022(30)1

【摘要】针对欠驱动自主水下航行器(AUV)在外界干扰和输入受限下水平面轨迹跟踪问题,提出了基于非线性干扰观测器和径向基函数(RBF)神经网络的滑模控制器。首先,将欠驱动AUV运动学模型通过坐标变换转换为误差运动学模型镇定位置误差;其次,利用反步法设计艏摇角虚速度控制律,镇定姿态误差;然后采用非线性干扰观测器对时变海流扰动进行估计,并通过滤波器估计虚拟控制律的导数,避免了虚拟控制律求导引起的"微分爆炸";最后,设计自适应RBF神经网络对欠驱动AUV实际输入进行补偿,通过李雅普诺夫稳定性证明闭环跟踪误差所用信号一致有界。仿真验证了所设计控制器的有效性。

【总页数】10页(P44-53)

【作者】李鑫滨;王鹏;骆曦;潘洪涛

【作者单位】燕山大学智能控制系统与智能装备教育部工程研究中心

【正文语种】中文

【中图分类】TJ630.1;TB71.2

【相关文献】

1.欠驱动AUV全局无抖振滑模轨迹跟踪控制2.基于海流观测的欠驱动AUV自适应反演滑模轨迹跟踪3.输入输出受限船舶的轨迹跟踪自适应递归滑模控制4.时变干扰下AUV三维轨迹跟踪反步滑模控制5.基于反馈线性化的AUV三维轨迹跟踪滑模控制

因版权原因，仅展示原文概要，查看原文内容请购买

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。