曾海虹 李向軍 丁麗娜 馬占軍

（大連海洋大學(xué)信息工程學(xué)院 大連 116023）

1 引言

無人艇是一種能夠在復(fù)雜海洋環(huán)境下安全自主航行，并完成各種設(shè)定任務(wù)的海洋探索與監(jiān)測工具。在軍事上，無人艇可以實(shí)現(xiàn)掃雷、情報監(jiān)測和精確打擊等任務(wù)，對于國家海洋安全有著十分重要的作用［1］。在民用領(lǐng)域上，無人艇幫助人類實(shí)現(xiàn)海洋氣象監(jiān)測、污染排放情況調(diào)查和航道自主跟蹤等，對海洋科學(xué)探索有重要的研究價值［2］。隨著21世紀(jì)通信、人工智能等技術(shù)的進(jìn)步，無人艇迎來了高速發(fā)展期。美國的“斯巴達(dá)偵察兵”，以色列的“保護(hù)者”［3］“Inspector”以及新加坡的“Venus”在軍事領(lǐng)域有著突出的表現(xiàn)。美國的“Auto Cat”號［4］、“Kan-Chan”號無人艇，英國的“Springer”號無人艇［5］均在海洋監(jiān)測上有著不同程度的研究。在中國，2008年國際奧運(yùn)會上，“天象1號”無人艇擔(dān)當(dāng)了奧帆賽期間的氣象預(yù)測監(jiān)控保障服務(wù)工作［6］；而幾年后研制的“精海”系列，配備北斗導(dǎo)航系統(tǒng)，實(shí)現(xiàn)實(shí)時自主定位、航道的自動跟蹤、航跡線路的遠(yuǎn)程動態(tài)設(shè)定、障礙物的自主智能避碰等技術(shù)。由于我國對海洋安全和海洋資源開發(fā)的逐漸重視，無人艇研究將會逐步深入，可以預(yù)見在不久的將來中國無人艇會有更大的突破性進(jìn)展。

無人艇模型從輸入變量數(shù)目上可分為三自由度、四自由度和六自由度模型。目前多采用固定坐標(biāo)系和隨船運(yùn)動坐標(biāo)系結(jié)合的六自由度操縱性數(shù)學(xué)模型。對于船舶操縱性數(shù)學(xué)模型主要有兩種，一種是歐美研究居多的Abkowitz模型（整體型模型）和日本研究者提出的MMG模型（分離型模型）［7］。前者將船-槳-舵作為整體，這種模型是基于Nomo?to模型，而后者將船-槳-舵分開考慮，兩者被統(tǒng)稱為水動力模型［8］。確定水動力參數(shù)的方法有：數(shù)據(jù)庫調(diào)用或經(jīng)驗公式法、約束模擬試驗法、理論分析和數(shù)值計算法以及自航?；蛟嚧?shí)驗加系統(tǒng)辨識的方法。近十年來，隨著人工智能技術(shù)的不斷發(fā)展，出現(xiàn)了很多新的方法和途徑，有應(yīng)用遺傳算法結(jié)合約束模試驗和自航模試驗辨識的Abkowitz模型、應(yīng)用神經(jīng)網(wǎng)絡(luò)結(jié)合仿真試驗辨識的水下運(yùn)載器、水面船舶運(yùn)動操縱模型的MMG模型，還有支持向量機(jī)方法結(jié)合仿真試驗和自航模試驗辨識的Abkowitz模型［9］。

無人艇在風(fēng)浪流干擾下的航向及航速控制問題是較為重要的難點(diǎn)，傳統(tǒng)的控制理論適用線性模型，而無人艇在風(fēng)浪流環(huán)境下非線性和復(fù)雜性較為顯著。本文針對路徑規(guī)劃和軌跡跟蹤中航向角在風(fēng)浪流干擾下的模型進(jìn)行研究，運(yùn)用Nomoto模型，采用模糊控制思想解決風(fēng)浪流環(huán)境下的非線性問題。為解決風(fēng)浪流環(huán)境下的復(fù)雜性問題，本文采用分類建模的方式。在前人提出的船舶模糊控制思想和對風(fēng)浪流分類建模的基礎(chǔ)上，加入了Nomoto模型，將三者進(jìn)行了結(jié)合，得到基于Nomoto模型的風(fēng)浪流航向模糊自適應(yīng)控制模型。在Matlab環(huán)境下設(shè)計出了適合本研究的模糊控制器，并使用Simulink進(jìn)行仿真實(shí)驗。

2 無人艇運(yùn)動控制模型

2.1 無人艇運(yùn)動坐標(biāo)

將無人艇的運(yùn)動視為剛體運(yùn)動，為了更準(zhǔn)確的描述水面無人艇的運(yùn)動狀態(tài)，分別取固定在船體直角的兩種坐標(biāo)系，即慣性坐標(biāo)系E-ξηζ（簡稱“定系”）和隨船運(yùn)動坐標(biāo)系G-xyz（簡稱“動系”），在這兩種坐標(biāo)系下進(jìn)行建模［10］。其中動系的坐標(biāo)原點(diǎn)在無人艇的重心處，艇艏指向x軸的正向，右舷的方向為y軸的正向，艇體垂直指向海底的方向是z軸的方向。

2.2 無人艇的受力分析

通常無人艇在海面上航行時所受到的力大致可以分為：重力、浮力、噴水推進(jìn)力［11］以及風(fēng)浪流干擾力［12］等。無人艇所受到的重力是由于地球萬有引力的作用所產(chǎn)生的，浮力是由于水面無人艇的艇身所接觸到的水與空氣的靜壓力之合力及其合力矩而引發(fā)的。除兩者以外，屬于無人艇所受外力的影響。噴水推進(jìn)力是利用水流的反作用力來實(shí)現(xiàn)艇體的前進(jìn)與后退操控，還可通過對控制倒車斗轉(zhuǎn)角和噴嘴轉(zhuǎn)角的改變實(shí)現(xiàn)對艇體的操縱［13］。無人艇在海上航行，必然會受到海洋環(huán)境因素的影響，其中主要的環(huán)境干擾力就是風(fēng)浪流的干擾。

表1 無人艇受力與各運(yùn)動的名稱符號

2.3 無人艇六自由度運(yùn)動控制模型

利用質(zhì)心運(yùn)動定理結(jié)合相對質(zhì)心運(yùn)動的動量矩定理可推導(dǎo)出無人艇的六自由度運(yùn)動操縱控制模型［7］。其在動坐標(biāo)系上的投影為

在上式中，M是無人艇的質(zhì)量矩陣，F(xiàn)x、Fy、Fz表示在x、y、z三個方向上的受力，K、M、N表示在x、y、z三個方向上的所受力矩，Ix、Iy、Iz為無人艇繞質(zhì)心的慣性矩，為無人艇的加速度向量。 -m(qw-rv)，-m(ru-pw)，-m(pv-qu)是無人艇運(yùn)動引起的慣性力，-(Iz-Iy)qr，-(Ix-Iz)rp，-(Iy-Ix)pq是無人艇陀螺效應(yīng)引起的慣性力，簡稱回轉(zhuǎn)效應(yīng)，將加速度向量與其受力情況進(jìn)行一一對應(yīng)，可以得到無人艇的運(yùn)動模型的力學(xué)方程［10］，它可寫成：

下標(biāo)G表示艇體重力，B指浮力、I指慣性力、V指黏性力、L指動升力、J指噴水推進(jìn)力、D指環(huán)境干擾力。

雖然這六個自由度之間具有耦合效應(yīng)，但是因其影響作用比較小，在無人艇航向研究中可忽略，在此只考慮平面運(yùn)動即可。此時可采用三階No?moto模型：

式中Ψ為航向角，T1，T2和T3表示模型的追隨性操縱系數(shù)，K表示旋回性操縱系數(shù)，δ指的是舵角。

在不考慮船速的情況下，對艇體受到的風(fēng)浪流干擾下的自適應(yīng)模型研究，實(shí)際上是對舵角或者是噴水推進(jìn)氣的轉(zhuǎn)角的研究。

uK表示在舵角隨動系統(tǒng)的輸入信號，δK表示實(shí)際的舵角，T表示時間常數(shù)。利用式（3）和式（4），對舵角δ以及干擾變化角度ω關(guān)系進(jìn)行分析，將會得到本研究的的風(fēng)浪流干擾模型。

3 風(fēng)浪流環(huán)境干擾分析

3.1 基本假設(shè)

為了更好地使用本文中的模型，在此將對模型使用條件作出以下幾點(diǎn)說明。假定本文研究的無人艇運(yùn)動狀況是在下面的條件下進(jìn)行的：

1）無人艇操縱運(yùn)動是線性過程，在此要說明的是本研究是以舵角的變化量來控制無人艇使其航向保持不變；

2）無人艇所經(jīng)歷的風(fēng)浪流干擾處于可以調(diào)節(jié)的范圍內(nèi)，沒有翻船等危險，更不存在極端惡劣的環(huán)境干擾條件；

3）假設(shè)運(yùn)動軌跡周圍無障礙物，不會發(fā)生碰避等情況；

4）假設(shè)航速保持不變，暫時忽略風(fēng)浪流對其速度的干擾；

5）把無人艇在水面的運(yùn)動看成是平面運(yùn)動。

3.2 風(fēng)浪流干擾分類

在假設(shè)條件下，可以運(yùn)用疊加原理用一個作用于舵角的擾動來替代無人艇各個部位所受到的擾動，設(shè)這個在舵角操縱系統(tǒng)下的擾動量為ω，于是對式（4）加入干擾條件后得到模型中舵角的表達(dá)式為

無人艇受到的環(huán)境干擾，即可用以下四種情況進(jìn)行模擬實(shí)現(xiàn)［14］。

3.2.1 周期性風(fēng)浪流干擾

其中最大干擾幅度相當(dāng)于尾垂直舵打了一個8°舵角對無人艇所產(chǎn)生的力（矩）。

3.2.2 風(fēng)浪流恒值干擾

此狀態(tài)下艇體會受到的是一個階躍干擾，它的干擾量為8°，自適應(yīng)操舵系統(tǒng)可以運(yùn)用反向舵角消除此恒值干擾。

3.2.3 風(fēng)浪流正態(tài)分布隨機(jī)干擾

在此H1、H2是相互對立并且服從正態(tài)分布的偽隨機(jī)變量。

3.2.4 風(fēng)浪波均勻分布綜合隨機(jī)干擾H3、H4是相互對立并且服從[ ]0，1 均勻分布的偽隨機(jī)變量。

在這四種風(fēng)浪流干擾下，本文使用航向偏差以及航向偏差的導(dǎo)數(shù)作為模糊控制器的輸入對無人艇航向進(jìn)行控制，目的是為了更加精確地選擇模型，獲得良好的適應(yīng)性。

4 模糊控制器的設(shè)計

模糊控制的基本思想是在人類已有的經(jīng)驗基礎(chǔ)上，將專家或熟練操作員的經(jīng)驗用語言表達(dá)出來，編寫出一套完整的控制規(guī)則，再根據(jù)系統(tǒng)當(dāng)前的運(yùn)行情況，經(jīng)過模糊推理、模糊判決等運(yùn)算后，求解出控制量，實(shí)現(xiàn)對被控對象的控制。而自適應(yīng)是指在控制過程中實(shí)時地根據(jù)檢測處理后得到數(shù)據(jù)的特征，并根據(jù)此特征自動調(diào)整控制方法、執(zhí)行順序、處理參數(shù)、邊界條件或約束條件，使其與所處理的數(shù)據(jù)統(tǒng)計分布特征、結(jié)構(gòu)特征相適應(yīng)，以獲得最佳的處理效果。本文就是通過模糊控制，實(shí)現(xiàn)無人艇的航向自適應(yīng)控制?？刂破鞯脑O(shè)計思路是利用Kim等提出的多規(guī)則庫控制器，把對象參數(shù)的變化范圍根據(jù)設(shè)定幅度進(jìn)行分割，不同的參數(shù)范圍與不同的規(guī)則庫之間相互對應(yīng)，使用不同的控制參數(shù)，同時利用系統(tǒng)辨識觀測參數(shù)變化情況，在不同的規(guī)則庫之間進(jìn)行切換［15］。

4.1 模糊控制的一般過程

圖1為模糊控制器的一般過程。通俗的說，模糊控制是以利用模糊數(shù)學(xué)的相關(guān)知識來模仿人的思維邏輯，對模糊現(xiàn)象進(jìn)行辨識和判定，最終給出精確的控制量，實(shí)現(xiàn)對被控對象的控制。

圖1 模糊控制的一般過程

在采樣時刻k，誤差和誤差的變定義為

在模糊控制中，模糊系統(tǒng)行為按專家的專業(yè)知識，以語言規(guī)則作為描述：可將多輸入多輸出（MIMO）轉(zhuǎn)化為多輸入單輸出（MISO）進(jìn)行分類控制。一般規(guī)則表示如下

4.2 風(fēng)浪流干擾下模糊控制模型的建立

選取二維模糊控制器，將航向偏差e和作為模糊控制器的輸入量，對舵角δ的變化進(jìn)行控制，實(shí)現(xiàn)對航向的調(diào)節(jié)。以艇體指向艇艏的方向為基線角度逆時針方向為正。e的論域為而的論域為 [-0.5°/s，0.5°/s]，舵角δ的論域為本 文 選 取 模 糊 語 言 變 量 集作為模糊規(guī)則制定的基礎(chǔ)，集合中的元素分別代表負(fù)大，負(fù)中，負(fù)小，零，正小，正中和正大。在隸屬函數(shù)選擇上常用的是三角型函數(shù)和高斯函數(shù)，本文中的航向偏差e和的語言值隸屬度函數(shù)都選用了高斯函數(shù)進(jìn)行模糊化處理。因為高斯函數(shù)在近似逼近上準(zhǔn)確度更高。下面是高斯函數(shù)的公式：

c代表MF的中心，σ決定MF的寬度

模糊推理規(guī)則選用了Matlab中的mamdani組合型規(guī)則，解模糊法采用面積均分法（重心法）。

公式如下：

得到的模糊控制規(guī)則如下表2所示。

表2 航向模糊控制規(guī)則表

5 基于Nomoto模型的風(fēng)浪流干擾下的航向模糊自適應(yīng)模型

風(fēng)浪流干擾下的航向模糊自適應(yīng)模型的建立過程如下：

2）考慮到環(huán)境干擾的影響，設(shè)風(fēng)浪波非線性干擾因素為ω，航角表達(dá)式可改寫為：δ=δK+ω。將ω分為四類，分別建立模型，劃分好自變量的范圍，讓舵角改變情況在這四種情況下來回切換即可。設(shè)關(guān)于δ和ω的風(fēng)浪波干擾模型為B。

3）在上述研究的基礎(chǔ)上，設(shè)置一個模糊控制器。模糊控制器的參數(shù)變化遵循的是模糊控制規(guī)則，偏航角和偏航角的導(dǎo)數(shù)作為模糊器的輸入變量，使用這樣的模糊控制器可以更好地保證航行的準(zhǔn)確性。在此，設(shè)所得到的關(guān)于e、和δ的模糊控制模型為C。

4）如果單從航向上考慮，將航速設(shè)為理想航速的情況下，實(shí)際上所得到的無人艇在風(fēng)浪流干擾下的航行自適應(yīng)模型是模糊控制模型、環(huán)境干擾模型與運(yùn)動操縱模型的結(jié)合，即將C模型帶入B中，最后帶入到模型A中。

圖2 surface view界面

本論文的驗真仿真是在Matlab的環(huán)境下使用mamdani規(guī)則器實(shí)現(xiàn)的。用圖2所示的surface view菜單命令看模糊控制器的輸出結(jié)果。最后將設(shè)計好的模糊控制器鏈接到Simulink中，并與運(yùn)動操縱模型A1相連接，將式（3）中的T1，T2，T3和K的值根據(jù)無人艇的實(shí)際參數(shù)進(jìn)行帶入，調(diào)整模型的參數(shù)值，得到最終結(jié)果。

6 結(jié)語

本文首先建立了無人艇運(yùn)動控制模型，然后對無人艇在風(fēng)浪流環(huán)境下所受的干擾進(jìn)行了分類建模，運(yùn)用模糊控制思想設(shè)計了無人艇在風(fēng)浪流干擾下的模糊控制器，借助Matlab建模工具，建立起基于Nomoto模型的風(fēng)浪流干擾下的航向模糊自適應(yīng)模型。本文使用的是模糊控制理論，與經(jīng)典控制理論和現(xiàn)代控制理論相比，具有明顯的優(yōu)勢，它不需要建立對象的精確數(shù)學(xué)模型，易于操作人員接受和使用，便于通過計算機(jī)軟件實(shí)現(xiàn)無人艇的自主航行，其魯棒性和適應(yīng)性性能良好。

［1］萬接喜，外軍無人水面艇發(fā)展現(xiàn)狀與趨勢［J］.國防科技，2014（5）：91-96.

［2］PORATHE T，BURMEISTER HC，RODSETH J.Mari?time unmanned navigation through intelligence in net?works：The MUNIN project［C］//12th International Confer?ence on Computer and IT Applications in the Maritime In?dustries，COMPIT’13，Cortona 15-17 April 2013.2013：177-183.

［3］CAMBELL S，NAEEM W，IRWING W W.A review on im?proving the autonomy of unmanned surface vehicles through intelligent collision avoidance maneuvers［J］.An?nual Reviews in Control，2012（02）：267-283.

［4］廖煜雷，無人艇的非線性運(yùn)動控制方法研究［D］.哈爾濱：哈爾濱工程大學(xué)，2012.

［5］R Sutton，S Sharma&T Xao，Adaptive navigation sys?tems for an unmanned surface vehicle［J］.Journal of Ma?rine Engineering&Technology，2011，10（3）：3-20.

［6］操秀英，無人船怎么監(jiān)測天氣［N］.科技日報，2008-09-05（005）.

［7］Junfeng Xiong， Decai Li， Yuqing He， et al.Active Quasi-LPV Modeling and Identification for a Water-Jet Propulsion USV：An Experimental Study［J］.IFAC-Pa?persOnLine，2014，48（11）：431-436.

［8］孫健，陳永冰，周崗等.兩種響應(yīng)型船舶運(yùn)動模型的對比及適用性分析［J］. 艦船科學(xué)技術(shù)，2016（11）：14-19.

［9］吳恭興，無人艇操縱性與智能控制技術(shù)研究［D］.哈爾濱：哈爾濱工程大學(xué)，2010：15-30.

［10］吳恭興，鄒勁，孫寒冰等.高速無人艇的運(yùn)動建模及其視景仿真［J］. 大連海事大學(xué)學(xué)報，2010（02）：10-12.

［11］王長濤，劉春光，韓忠華.噴水推進(jìn)推力產(chǎn)生機(jī)理分析及仿真［J］.噴水推進(jìn)推力產(chǎn)生機(jī)理分析及仿真，2011（27）：196-199.

［12］吉春正，風(fēng)浪流環(huán)境中無人艇操縱性研究［D］.哈爾濱：哈爾濱工程大學(xué)，2007：5-41.

［13］孔慶福，吳家明，曾凡明.船舶噴水推進(jìn)系統(tǒng)數(shù)學(xué)建模及仿真研究［J］. 系統(tǒng)仿真學(xué)報，2005，17（12）：2844-2848.

［14］周耀庭，鄧志良，蔣雯.船舶航向操縱參數(shù)自整定模糊控制仿真［J］. 計算機(jī)仿真，1996，13（3）：15-21.

［15］劉國榮，多變量系統(tǒng)模糊/神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制［M］.北京：科學(xué)出版社，2012：2-3.