申请/专利权人：哈尔滨理工大学

申请日：2023-10-21

公开（公告）日：2024-05-17

公开（公告）号：CN117519136B

主分类号：G05D1/43

分类号：G05D1/43;G05D109/30

优先权：

专利状态码：有效-授权

法律状态：2024.05.17#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明提供一种考虑大曲率转弯的无人艇路径跟踪方法，包括：首先，建立无人艇的运动学与动力学数学模型；在此基础上，设计LOS导引算法，引入自适应观测器，实时观测并补偿漂角，引入内偏角与前视基准角，设计模糊算法以优化内偏角；然后，设计时变前视距离的LOS导引法；最后，设计PID‑GA控制器，利用遗传算法动态优化PID参数以适应环境变化，为加快遗传算法的运算速度，限定其优化的参数个数与参数取值范围。本发明针对大曲率转弯的无人艇路径跟踪问题，考虑到漂角未知且不是很小，使用带内偏角、时变前视距离的PID‑GA路径跟踪方法，避免了在期望路径外侧产生较大的稳态误差，降低了调节时间并减小了稳态误差。

主权项：1.考虑大曲率转弯的无人艇路径跟踪方法，其特征在于，包括以下步骤：S1、建立欠驱动无人艇数学模型；S2、设计LOS导引算法，引入自适应观测器，实时观测并补偿漂角，引入内偏角与前视基准角，设计模糊算法以优化内偏角，并用李雅普诺夫定理证明导引子系统的有效性，然后分析该证明在大曲率转弯的路径跟踪情况下存在的缺陷，提出解决方法；S3、设计时变前视距离的LOS导引法；S4、在此基础上，构建改进的PID-GA控制器，限制遗传算法所优化参数的个数，限制参数变化的取值范围，实时优化PID控制器参数，以适应环境变化；具体S2包括以下步骤：LOS导引系统的导引率为： 其中，χlos是期望的航迹角，ψp为北东坐标系的纵轴X轴与Serret-Frenet坐标系的纵轴Xp轴的夹角，ye为无人船在Serret-Frenet坐标系的横轴Y轴上的坐标，△为LOS导引法的前视距离；在大曲率转弯时，漂角的影响不可忽略，期望的航向角不应为期望的航迹角，考虑到漂角，补偿漂角后期望的航向角为： 设计前视基准角：LOS导引法确定的期望航向朝期望曲线路径内侧偏转一个角度，该偏转的角度称为内偏角α，偏转后的期望航向与北东坐标系的纵轴X轴的夹角称为前视基准角；所以无人艇的前视基准角，即最终期望艏向角为： 曲线路径跟踪进入稳态后，无人艇速率U越小、期望路径的曲率ρ越小，外侧的航迹误差ye越小、内偏角就应越小；期望路径近似为直线时，内偏角的值置0；直到无人艇驶出高速转弯区域，内偏角的值再次置0；U和ρ用式α＝KUρ确定，其中K为常数；设计模糊算法用于优化内偏角α的值，ye为输入项，增益参数η是输出项；最终输出为α＝αmin+ηαmax-αmin，令αmin＝0；若ye0或ye5，即无人艇在跟踪曲线内侧或航迹误差过大，跟踪未进入稳态，则α＝0；当0ye5，即无人艇在跟踪曲线外侧且跟踪进入稳态，模糊优化的方法如下所示：1设计模糊化接口将ye量化；ye的论域为[xL,xH]，对于该论域中的清晰量a，相应的离散论域中的元素b为： 其中，k为量化因子，可表示为： ye被量化为l1个等级，得其离散论域；对应的语言变量Ye的语言值取为S、M、B，确定其语言值；Ye的语言值S、M、B分别记为A1、A2、A3；η的范围是[0,1]；同理，对其量化，平均分为l2个等级；对应的语言变量H的语言值取为S、M、B，确定其语言值；H的语言值S、M、B分别记为B1、B2、B3；2模糊推理采用Mamdani法设计模糊规则：如果Ye＝S，那么H＝S；计算模糊关系：R＝A1×B1；进行模糊推理：其中，为语言变量Ye的具体语言值；H*为语言变量H的具体语言值；3去模糊化采用最大隶属度法进行去模糊化，得到η的值，求得内偏角α，进而得到前视基准角ψd；而LOS导引法的漂角未知，式3无法使用；基于自适应观测技术，设计自适应观测器以估计漂角，然后加入相应的虚拟控制输入yint以补偿漂角；设对近似直线的路径进行路径跟踪，则内偏角α近似为0；漂角补偿输入与自适应观测器设计如下： 式中，yint是补偿漂角的虚拟控制输入，k、ρ为大于零的常参数；当无人艇距期望路径较远，yint＝0，积分项不起作用；当无人艇接近期望路径时，积分项会增加，其中积分项yint用作估计和补偿干扰漂移角度的效果，使无人艇能够准确完成大曲率转弯的路径跟踪；具体S4包括以下步骤：在时变前视距离LOS导引法基础上，设计PID-GA控制器如下：根据无人艇的位姿L＝x,y,ψ、速度V＝u,v,r和期望路径P，自适应扰动观测器计算出虚拟控制输入yint，传递给LOS导引算法，以补偿漂角β的影响；自适应LOS算法计算无人艇的期望艏向角ψd与航迹误差d；遗传算法根据当前航行状态L＝x,y,ψ、V＝u,v,r与期望路径选择适合的最优PID控制参数；PID控制器根据实际航向ψ和期望航向ψd之间的差值输出控制命令[τut,0,τrt]，以控制无人艇跟踪期望航线；设计对航行速率与艏向角的PID控制律为： 式中，Kp1为比例增益，Ki1为积分增益，Kd1为微分增益；τut为无人艇沿船体坐标系纵轴方向上的力；由于船舶是欠驱动的，所以沿船体坐标系横轴方向上的力为0；e1t＝Ut-Ud为无人艇实际速率与期望速率的差；其中，实际速率Kp2为比例增益，Ki2为积分增益，Kd2为微分增益；e2t＝ψt-ψdt为实际艏向角与期望艏向角的差；设计对PID参数进行优化的遗传算法如下：①确定搜索范围，采用实数编码，在限定范围内随机生成N个个体作为初始种群；②通过将种群中的每个个体输入到PID控制器中，使无人艇进行大曲率转弯的路径跟踪；通过计算得出每个个体的适应度函数值；设计目标函数： 适应度函数为目标函数的倒数；③根据个体的适应度函数值，采用轮盘赌选择方法选择优良个体，并通过在限定范围内的交叉和变异得到下一代个体，其中每一代的最优个体将直接保留到下一代，其中在限定范围内的变异过程如下：Gmut＝Gmin+r·Gmax-Gmin11式中，Gmin为每一代迭代的子代中同类基因的最小值，Gmax为每一代迭代的子代中同类基因的最大值；Gmut为变异后的基因值；r为取值在0到1之间的随机数；④重复步骤3直到收敛或达到预期目标。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种考虑大曲率转弯的无人艇路径跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD