一种考虑大曲率转弯的无人艇路径跟踪方法

专利主权项内容

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，χ是期望的航迹角，ψ为北东坐标系的纵轴X轴与Serret-Frenet坐标系的纵轴X轴的夹角，y为无人船在Serret-Frenet坐标系的横轴Y轴上的坐标，Δ为LOS导引法的前视距离；losppe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：定义1：内偏角与前视基准角：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：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y越小、内偏角就应越小；期望路径近似为直线时，内偏角置0；直到无人艇驶出高速转弯区域，内偏角的值置0；eU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，y为输入项，增益参数η是输出项；最终输出为α＝α+η(α-α)，令α＝0；若y＜0或y＞5，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；eminmaxminminee当0＜y＜5，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：e(1)设计模糊化接口将y量化为l个等级，得其离散论域；语言变量y的语言值取为S、M、B，确定其语言值；y的语言值S、M、B分别记为A、A、A；e1ee123η的范围是[0, 1]；同理，对其量化为l个等级；语言变量η的语言值取为S、M、B，确定其语言值；η的语言值S、M、B分别记为B、B、B；2123(2)模糊推理采用Mamdani法设计模糊规则：If y＝S，thenη＝S，计算模糊关系，进行模糊推理；e(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ψ；d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y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：int式中，y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，y＝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y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；intintint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y，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ψ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ψ之间的差值输出控制命令[τ(t), 0, τ(t)]，以控制无人艇跟踪期望航线；intddur设计对航行速率与艏向角的PID控制律为：式中，K为比例增益，K为积分增益，K为微分增益；τ(t)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τ(t)＝0；e(t)＝U(t)-U为无人艇实际速率与期望速率的差；其中，实际速率K为比例增益，K为积分增益，K为微分增益；e(t)＝ψ(t)-ψ(t)为实际艏向角与期望艏向角的差；p1i1d1uv1dp2i2d22d为减少遗传算法的计算量，K、K、K这三个PID参数直接给定，不参与优化；K、K、K这三个PID参数参与遗传算法优化，且限定其取值范围；每过时间T，执行一次遗传算法以实现优化；p1i1d1p2i2d2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：G＝G+r·(G-G) (9)mutminmaxmin式中，G为每一代迭代的子代中同类基因的最小值，G为每一代迭代的子代中同类基因的最大值；G为变异后的基因值；r为取值在0到1之间的随机数；minmaxmut④重复步骤3直到收敛或达到预期目标。