• 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

基于黑潮流场背景的水下滑翔机运动控制仿真

马玉印 王岩峰 官晟 王娜 丁军航

马玉印, 王岩峰, 官晟, 等. 基于黑潮流场背景的水下滑翔机运动控制仿真[J]. 水下无人系统学报, 2024, 32(2): 1-7 doi: 10.11993/j.issn.2096-3920.2023-0086
引用本文: 马玉印, 王岩峰, 官晟, 等. 基于黑潮流场背景的水下滑翔机运动控制仿真[J]. 水下无人系统学报, 2024, 32(2): 1-7 doi: 10.11993/j.issn.2096-3920.2023-0086
MA Yuyin, WANG Yanfeng, GUAN Sheng, WANG Na, DING Junhang. Motion Control Simulation of Underwater Glider in Kuroshio[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2023-0086
Citation: MA Yuyin, WANG Yanfeng, GUAN Sheng, WANG Na, DING Junhang. Motion Control Simulation of Underwater Glider in Kuroshio[J]. Journal of Unmanned Undersea Systems. doi: 10.11993/j.issn.2096-3920.2023-0086

基于黑潮流场背景的水下滑翔机运动控制仿真

doi: 10.11993/j.issn.2096-3920.2023-0086
基金项目: 国家重点研发计划资助项目(2021YFC3101105); 崂山实验室科技创新项目(LSKJ202201904).
详细信息
    作者简介:

    马玉印(1998-), 男, 硕士, 研究方向为智能控制

  • 中图分类号: P715.5;U694

Motion Control Simulation of Underwater Glider in Kuroshio

  • 摘要: 近年来, 水下滑翔机已广泛应用于各种海洋现象的观测, 但在对黑潮等强流进行观测时, 其运动轨迹往往会受到严重影响, 因此针对黑潮流域内水下滑翔机的运动轨迹控制问题进行研究。首先, 以“海燕-II”为研究对象, 根据动量和动量矩定理建立了其考虑黑潮的动力学模型; 然后将HYCOM黑潮区域数据作为干扰, 其特点是黑潮流速的大小与方向都会随着位置的变化而改变, 并利用Simulink对强流影响下的海燕II运动轨迹进行了仿真; 最后, 将RBF神经网络与常规PID控制器相结合, 来对海燕II的偏航运动与纵倾运动进行控制。仿真结果表明RBF-PID控制器可以在一定程度上提高海燕II在黑潮区域中运动时的跟踪精度, 增强海燕II抵抗黑潮干扰的能力。可为在强流影响下的水下滑翔机轨迹控制提供一定的参考依据。

     

  • 图  1  Petrel-II坐标系定义

    Figure  1.  Coordinate system definition of Petrel-II

    图  2  不同深度处的黑潮流速

    Figure  2.  Velocity of the Kuroshio at different depth

    图  3  黑潮对水下滑翔机运动的影响

    Figure  3.  Influence of Kuroshio on the motion of Petrel-II

    图  4  RBF神经网络结构图

    Figure  4.  Struct diagram of the RBF neural network

    图  5  偏航运动控制曲线图

    Figure  5.  Curves of yaw motion control

    图  6  纵倾运动控制曲线图

    Figure  6.  Curves of pitch motion control

    表  1  Petrel-II的主要几何物理参数及数值

    Table  1.   Physical parameters and values of Petrel-II

    名称物理参数数值
    滑翔机总质量/kgm69
    俯仰调节重块质量/kg$ {m_p} $18
    横滚调节重块质量/kg$ {m_r} $18
    海水密度/(kg/m3)$\rho $1 022
    重力/(m/s2)g9.8
    质心与浮心间的位置分量/m$ {y_G} $−0.06
    滑翔机横截面积/m2$ {A_D} $0.038
    滑翔机长度/mL2.17
    驱动浮力作用点到浮心的距离/m$ {l_b} $0.93
    附加质量$ {\lambda _{11}} $2
    $ {\lambda _{22}} $75.8
    $ {\lambda _{33}} $103
    附加惯矩$ {\lambda _{44}} $9.5
    $ {\lambda _{55}} $43
    $ {\lambda _{66}} $31
    纵向力系数${C_x}(0)$−0.41
    垂向力系数$ C_y^\alpha $0.3
    $ C_y^r $−1.6
    横向力系数$ C_z^\beta $−1.6
    $ C_z^q $4.25
    下载: 导出CSV

    表  2  偏航运动控制中PID与RBF-PID指标对比

    Table  2.   Comparison of PID and RBF-PID index in yaw motion control

    控制算法平均误差均方误差
    PID1.625 97.184 1
    RBF-PID0.825 71.891 7
    下载: 导出CSV
  • [1] Webb D C, Simonetti P J, Jones C P. SLOCUM: An underwater glider propelled by environmental energy[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 447-452. doi: 10.1109/48.972077
    [2] Eriksen C C, Osse T J, Light R D, et al. Seaglider: A long-range autonomous underwater vehicle for oceanographic research[J]. IEEE Journal of Oceanic Engineering, 2001, 26(4): 424-436. doi: 10.1109/48.972073
    [3] 杨绍琼, 李元昊, 孙通帅, 等. “海燕”号谱系化水下滑翔机技术发展与应用[J]. 水下无人系统学报, 2023, 31(1): 68-85.

    Yang Shaoqiong, Li Yuanhao, Sun Tongshuai, et al. Development and application of Petrel serialized underwater glider technologies[J], Journal of Unmanned Undersea Systems, 2023, 31(1): 68-85.
    [4] 褚福硕, 司宗尚, 庞重光, 等. 海翼水下滑翔机测流应用[J]. 海洋科学, 2022, 4 6(5): 10-16.

    Chu Fushuo, Si Zongshang, Pang Chongguang, et al. Sea Wing underwater glider depth average current[J]. Marine Science, 2022, 4 6(5): 10-16.
    [5] Fan S, Woolsey C A. Dynamics of underwater gliders in currents[J]. Ocean Engineering, 2014, 84: 249-258. doi: 10.1016/j.oceaneng.2014.03.024
    [6] Bhatta P, Leonard N E. Stabilization and coordination of underwater gliders[C]//Proceedings of the 41st IEEE Conference on Decision and Control, 2002.: IEEE, 2002, 2: 2081-2086.
    [7] Su Z, Zhou M, Han F, et al. Attitude control of underwater glider combined reinforcement learning with active disturbance rejection control[J]. Journal of Marine Science and Technology, 2019, 24: 686-704. doi: 10.1007/s00773-018-0582-y
    [8] Zhou H, Fu J, Zeng Z, et al. Adaptive robust tracking control for underwater gliders with uncertainty and time-varying input delay[J]. Ocean Engineering, 2021, 240: 109945. doi: 10.1016/j.oceaneng.2021.109945
    [9] 秦悦, 王冠琳, 官晟, 等. 水下滑翔机中尺度过程空间采样运动仿真[J]. 水下无人系统学报, 2022, 30(4): 474-484, 513. doi: 10.11993/j.issn.2096-3920.202112003

    Qin Yue, Wang Guanlin, Guan Sheng, et al. Motion simulation of spatial sampling of mesoscale processes for underwater gliders[J]. Journal of Unmanned Undersea Systems, 2022, 30(4): 474-484, 513. doi: 10.11993/j.issn.2096-3920.202112003
    [10] 张福斌, 汪刚, 陈宇航, 等. 水下滑翔机建模与运动PID控制[J]. 鱼雷技术, 2011, 19(2): 114-119.

    Zhang Fubin, Wang Gang, Chen Yuhang, et el. Modeling and PID control of underwater glider motion[J]. Torpedo Technology, 2011, 19(2): 114-119.
    [11] Wang Y, Niu W, Yu X, et al. Quantitative evaluation of motion performances of underwater gliders considering ocean currents[J]. Ocean Engineering, 2021, 236: 109501. doi: 10.1016/j.oceaneng.2021.109501
    [12] Yu L, Xiong X, Guo Y. Analysis of the path and axis features of the Kuroshio at the depth of 15 m based on drifting buoy data[J]. Advances in Marine Science, 2014, 32(2): 316-323.
    [13] 陈弈煿, 张润锋, 杨绍琼, 等. 基于参数自整定PID的水下滑翔机航向控制方法[J]. 重庆大学学报, 2022, 45(8): 26-33.

    Chen Yibo, Zhang Runfeng, Yang Shaoqiong, et al. A steering control method of underwater glider based on parameters self-tuning PID[J]. Journal of Chongqing University, 2022, 45(8): 26-33.
    [14] 甘顺顺, 许宝杰, 黄小龙. 基于RBF神经网络的四旋翼无人机姿态控制[J]. 装备制造技术, 2021, 320(8): 28-35. doi: 10.3969/j.issn.1672-545X.2021.08.009

    Gan Shunshun, Xu Baojie, Huang Xiaolong. An attitude control of quad rotor UAV based on RBF neural network[J]. Equipment Manufacturing Technology, 2021, 320(8): 28-35. doi: 10.3969/j.issn.1672-545X.2021.08.009
    [15] 常志东. 神经网络优化PID的舰船关键设备智能控制方法[J]. 舰船科学技术, 2022, 44(21): 168-171. doi: 10.3404/j.issn.1672-7649.2022.21.035

    Chang Zhidong. Intelligent control method of ship key equipment based on neural network optimization PID[J]. Ship Science and Technology, 2022, 44(21): 168-171. doi: 10.3404/j.issn.1672-7649.2022.21.035
  • 加载中
图(6) / 表(2)
计量
  • 文章访问数:  16
  • HTML全文浏览量:  3
  • PDF下载量:  1
  • 被引次数: 0
出版历程
  • 收稿日期:  2023-07-13
  • 修回日期:  2023-08-26
  • 录用日期:  2023-09-04
  • 网络出版日期:  2023-12-11

目录

    /

    返回文章
    返回
    服务号
    订阅号