通过带有干扰估计的复合控制方案对水下车辆-操纵器系统的自主操控

本文讨论了在未知连续干扰作用下，自主操控水下车辆-操纵器系统（UVMS）的问题。更具体地说，设计了一种由干扰观察器（DOB）、预测模型网络（PM-Net）和非线性模型预测控制（NMPC）组成的复合控制方案，以提高UVMS（即仅在向前推进、垂直升降和偏航方向上驱动的单轮式UVMS）的控制性能，尤其是在受到干扰、模型不匹配和输入饱和的情况下。通过将DOB与径向基函数（RBF）神经网络相结合，提出了一种RBF-DOB，以估计当前步骤的干扰。然后，基于长短期记忆（LSTM）网络开发的PM-Network由干扰预测网络和状态预测网络组成，旨在考虑模型不匹配和干扰，预测UVMS状态序列。NMPC被用作反馈控制律，以应对UVMS的输入饱和并产生最佳控制动作。与传统的DOB控制方法（使用前馈补偿干扰）相比，所提方法的主要优点在于使用RBF-DOB估计的干扰在PM-Net中用于预测未来的UVMS状态序列，并在NMPC的递归优化中加以应用。最后，进行了实际的仿真和相关实验，以证明所提方法的有效性。实践者注意——本文的动机在于自主操控受到未知干扰的水下车辆-操纵器系统。然而，获取用于设计鲁棒控制器的外部干扰和未建模动力学并不总是可行或简单。一方面，如何将干扰融入设计的控制器以生成最佳控制动作，而不是仅通过前馈补偿。另一方面，UVMS控制中常常发生控制输入饱和，特别是在干扰拒绝条件下，这应在控制器设计中予以考虑。目前，UVMS控制的主要方法缺乏提供完整和可靠控制策略的控制方案，未考虑上述问题。基于上述分析，本研究提供了一种复合控制方案，以应对动态不确定性、未知干扰和输入饱和。实际仿真和相关实验结果证明了所提方法的有效性。希望我们的控制方法能为从事海洋工程的工程师在控制器设计方面提供有价值的理论和技术指导。