基于NDO的ROV滤波反步轨迹跟踪控制.pdf

《基于NDO的ROV滤波反步轨迹跟踪控制.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第l期2017年1月仪器仪表学报ChimseJo啪alofSci即tifjcInstmmentV01．38No．1Jall．2017基于NDO的ROV滤波反步轨迹跟踪控制木魏延辉1，贾献强1，高延滨1，王毅2(1．哈尔滨工程大学自动化学院哈尔滨15000l；2．重庆前卫科技集团有限公司重庆404100)摘要：针对作业型遥控水下机器人(ROV)在轨迹跟踪过程中存在模型非线性、强耦合、模型参数不确定和外界干扰不确定等问题，提出一种基于非线性干扰观测器(NDO)的滤波自适应反步控制策略。使用NDO观测模型

2、的不确定性和外界干扰，通过指令滤波器避免了直接对虚拟控制量解析求导的过程，利用自适应律补偿观测器观测残量。通过Ly印unov稳定性理论证明了跟踪误差系统的渐进稳定。仿真实验表明，设计的控制器能够实现精确的轨迹跟踪，具有较好的鲁棒特性。关键词：作业型遥控水下机器人；轨迹跟踪；非线性干扰观测器；指令滤波器；自适应反步控制中图分类号：TH39TP24文献标识码：A国家标准学科分类代码：580．50Command6IteredbacI【steppingpathtracl【ingcontrOlforRoVb嬲edon

3、NDOWeiYanhuil，JiaxiaIIqiaIl91，GaoY肌binl，WangYi2(J．c0魄．e矿A咖mm面n，讹r6讯聊胱而ng‰洫倦蚵，胁r6讥J跏DJ，衄iM；2．傩on阴i昭Qi帆桃iSc话Meo以‰^加研Gro印co．厶d．，cb，御i增4凹JDD，肌iM)Abst船ct：Ajmjngattheproblemsofnonljnearmodel，s咖gcoupling，asweUasmodelparameteruncenainty肋dexlemaldisturb卸ceofwork—cl

4、aSsremotelyoperatedvehicle(ROV)inp讪也蛇kingprocess，acomm肌dfilteredad印tivebacksteppingcontrolstrateg)，isproposedbasedonnonlineardisturb粕ceobsenrer(NDO)．neND0isusedt0obsenrethemodeluncenaintyaIldextemaldisturbaIlce．Thecommand6lterisadoptedtoavoiddirecnycomputi

5、llgtheanal”icderivativeofthevinualcontmlquantity．Theun—observabledisturbanceiscompensatedwithadaptivelaw．LyapIlIIovstabil时tIleoryisusedtopmvetheaSympoticstab订时ofthepath吼ckingen艄system．ThesimulationexperimentresultsshowtIlatthedesignedcontI_0Uercanachievepr

6、ecisepathtrackingandhasgoodmbustch岫cteristic．Kqwords：work-classremotelyoperatedVehicle(ROV)；pathtracking；n伽幽neardisturbanceobsenrer(ND0)；commaIldfilter；ad印tivebacksteppingcontrol1引言深海作业型遥控水下机器人(remokIly叩emtedvehicle，ROV)是人类开发海洋资源的重要工具。随着我国对深海油气开采的不断深入，能够在几

7、千米深海作业的ROV将扮演越来越重要的角色⋯。国内外许多学者致力研究水下运载器动力定位和轨迹跟踪的鲁棒控制方法，并已经取得了一系列的研究成果。“J．H．等人。2o针对自主式水下潜器(autonomousunde刑atervehicle，AuV)的变深控制，提出了基于backstepping的控制方法，通过仿真验证反步控制的可行性；YouS．S．等人po对AUV垂直平面建立新的状态空间方程，并采用日。控制理论进行控制，仿真效果良好；Bessaw．M．等人M1应用了自适应模糊滑模控制方法，实现了ROV在外干扰不

8、确定情况下的动力定位；JoeH等人b1设计了二阶滑模控制器来实现AuV的轨迹跟踪，通过仿真可以看出控制算法能够较好地克服不确定干扰；朱康武等人∞1在“海王”号ROV上采用了多变量backstepping鲁棒控制，通过仿真验证其性能优于PID控收稿日期：2016J06ReceivedDate：2016狮t基金项目：国家自然科学基金(51205074)、中国国家科学技术部国际科技合作项目(2014DFRl00lo)、