• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

水下航行器有限时间滑模控制

褚悦 石泽林 王孟军 刘平安

褚悦, 石泽林, 王孟军, 等. 水下航行器有限时间滑模控制[J]. 水下无人系统学报, 2023, 31(6): 878-884 doi: 10.11993/j.issn.2096-3920.2022-0060
引用本文: 褚悦, 石泽林, 王孟军, 等. 水下航行器有限时间滑模控制[J]. 水下无人系统学报, 2023, 31(6): 878-884 doi: 10.11993/j.issn.2096-3920.2022-0060
CHU Yue, SHI Zelin, WANG Mengjun, LIU Pingan. Finite-Time Sliding Mode Control for Undersea Vehicles[J]. Journal of Unmanned Undersea Systems, 2023, 31(6): 878-884. doi: 10.11993/j.issn.2096-3920.2022-0060
Citation: CHU Yue, SHI Zelin, WANG Mengjun, LIU Pingan. Finite-Time Sliding Mode Control for Undersea Vehicles[J]. Journal of Unmanned Undersea Systems, 2023, 31(6): 878-884. doi: 10.11993/j.issn.2096-3920.2022-0060

水下航行器有限时间滑模控制

doi: 10.11993/j.issn.2096-3920.2022-0060
详细信息
    作者简介:

    褚悦:褚 悦(1998-), 女, 硕士, 主要研究方向为水下航行器动力学建模与控制

  • 中图分类号: TJ630.1; U661.334

Finite-Time Sliding Mode Control for Undersea Vehicles

  • 摘要: 针对水下航行器系统不确定性和非线性, 为解决不完全包裹水下航行器的纵向控制问题, 提出一种基于径向基函数神经网络的有限时间滑模控制系统。其中, 水下航行器状态空间方程中的未知项由神经网络的估计值补偿, 神经网络的权重由相应的自适应律更新。通过李雅普诺夫稳定性理论证明了该系统的稳定性, 其中跟踪误差可以在有限时间内收敛到接近零的小邻域。仿真结果表明, 文中的控制系统可使水下航行器在有限时间内较好地跟踪期望轨迹。

     

  • 图  1  超空泡航行器受力及坐标系示意图

    Figure  1.  Forces acting on a supercavitating vehicle and coordinate system

    图  2  空化器受力和偏转角示意图

    Figure  2.  Forces acting on a cavitator and angle of deflection

    图  3  水下航行器控制系统框图

    Figure  3.  Block diagram of undersea vehicle control system

    图  4  水下航行器深度跟踪曲线

    Figure  4.  Depth tracking curve of undersea vehicle

    图  5  深度跟踪误差随时间变化曲线

    Figure  5.  Curve of depth tracking error with time

    图  6  水下航行器俯仰角跟踪曲线

    Figure  6.  Pitch angle tracking curve of undersea vehicle

    图  7  俯仰角跟踪误差随时间变化曲线

    Figure  7.  Curve of pitch angle tracking error with time

    图  8  角速度随时间变化曲线

    Figure  8.  Curve of angular velocity with time

    图  9  垂向速度随时间变化曲线

    Figure  9.  Curve of vertical velocity with time

    图  10  空化器偏转角随时间变化曲线

    Figure  10.  Curve of cavitator deflection angle with time

    图  11  尾翼偏转角随时间变化曲线

    Figure  11.  Curve of tail deflection angle with time

    图  12  滑模面随时间变化曲线

    Figure  12.  Curve of sliding surface with time

    图  13  未知项估计误差随时间变化曲线

    Figure  13.  Curve of the estimation error of unknown term with time

    表  1  水下航行器动力学参数

    Table  1.   Dynamic parameters of undersea vehicle

    参数
    质量/kg30.200
    航行器总长/m1.446
    空化器直径/m0.026
    转动惯量/(kg·m2)3.234
    航行器直径/m0.118
    巡航速度/(m/s)70.000
    下载: 导出CSV
  • [1] 张宇文, 袁绪龙, 邓飞. 超空泡航行体流体动力学[M]. 北京: 国防工业出版社, 2014.
    [2] Semenenko V N, Naumova Y I. Study of the supercavitating body dynamics[J]. Springer Berlin Heidelberg, 2012(9): 147-176.
    [3] Lin G, Balachandran B, Abed E H. Nonlinear dynamics and bifurcations of a supercavitating vehicle[J]. IEEE Journal of Oceanic Engineering, 2007, 32(4): 753-761. doi: 10.1109/JOE.2007.908960
    [4] Kirschner I N, Kring D C, Stokes A W. Control strategies for underwater vehicles[J]. Journal of Vibration and Control, 2002, 8(2): 219-242.
    [5] Li D J, Luo K, Zhang Y W, et al. Studies on fixed-depth control of supercavitating vehicles[J]. Acta Automatica Sinica, 2010, 36(3): 421-426.
    [6] Liu S, Wang D, Poh E K, et al. Nonlinear output feedback controller design for tracking control of ODIN in wave disturbance condition[C]//IEEE Oceans 2005 MTS/IEEE. Washington, DC, USA: IEEE, 2005.
    [7] Fan H, Zhang Y, Wang X. Longitudinal dynamics modeling and MPC strategy for high-speed supercavitating vehicles[C]//IEEE 2011 International Conference on Electric Information and Control Engineering(ICEICE). Wuhan, China: IEEE, 2011: 5947-5950.
    [8] Li Y, Liu M, Zhang X, et al. Global approximation based adaptive RBF neural network control for underwater vehicles[J]. Journal of Systems Engineering and Electronics, 2018, 29(4): 797-804. doi: 10.21629/JSEE.2018.04.14
    [9] Man Z, Yu X H, Eshraghian K, et al. A robust adaptive sliding mode tracking control using an RBF neural network for robotic manipulators[C]//IEEE International Conference on Neural Networks. Perth, WA, Australia: IEEE, 1995.
    [10] 张学伟, 张亮, 王聪, 等. 基于Logvinovich独立膨胀原理的超空泡形态计算方法[J]. 兵工学报, 2009, 30(3): 361-365. doi: 10.3321/j.issn:1000-1093.2009.03.021

    Zhang Xuewei, Zhang Liang, Wang Cong, et al. A calculation method for supercavity shape based on the Logvinovich independence principle of the cavity section expansion[J]. Acta Armamentarii, 2009, 30(3): 361-365. doi: 10.3321/j.issn:1000-1093.2009.03.021
    [11] Shen Y J, Huang Y H. Uniformly observable and globally lipschitzian nonlinear systems admit global finite-time observers[J]. IEEE Transactions on Automatic Control, 2009, 54(11): 2621-2625. doi: 10.1109/TAC.2009.2029298
    [12] Shen Y J, Xia X H. Semi-global finite-time observers for nonlinear systems[J]. Automatica, 2008, 44(12): 3152-3156. doi: 10.1016/j.automatica.2008.05.015
  • 加载中
图(13) / 表(1)
计量
  • 文章访问数:  49
  • HTML全文浏览量:  7
  • PDF下载量:  25
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-11-05
  • 修回日期:  2023-01-29
  • 网络出版日期:  2023-11-17

目录

    /

    返回文章
    返回
    服务号
    订阅号