一种全向无人艇及其控制系统、方法

1.本发明涉及无人艇技术领域，具体涉及一种全向无人艇及其控制系统、方法。


背景技术：

2.近些年来，随着信息和制造业技术的快速发展，涌现出了种类繁多、场景丰富的无人艇。无人水面艇在国防领域和民用方向具有广阔的应用前景。在国防领域，无人水面艇能够执行扫雷、反潜、侦查、电子战等多种高危作战任务，在精准迅速完成任务的同时又确保了士兵的人身安全。在民用方向，无人艇用于水域环境数据采集、资源探测和海洋工程实施，能够代替人员在危险水域下作业，减少人员工作的危险系数。随着任务类型的增多、应用场景的扩大，对无人艇的性能要求也进一步提升。无人艇的技术主要包括水面平台与动力管理、环境感知、自主控制、路径规划、网络化通信、多任务等。其中，水面平台与动力管理技术直接影响后面技术开发的进度与性能。目前的普通水面无人艇结构单一，多采用单体或者双体船作为基础，使用固定浆或者舵机控制的小幅度摆动浆作为动力推进，且电机控制多采用pwm脉宽调制器进行六步换向控制，同时，水下无刷电机由于考虑防水以及性能等因素难以加装电机传感器，导致无人艇控制精度低、控制迟滞、电机闭环性能差、抗风浪等级低、定点定位能力差，灵活度低、适用水域类型少，且执行任务单一等问题，同时也为后续的自主控制、路径规划、同域集群控制以及异域协同控制的开发增加难度。


技术实现要素：

3.本发明的目的在于针对现有技术中的不足之处，提供一种适应场景广的全向无人艇及其控制系统、方法。
4.为达此目的，本发明采用以下技术方案：
5.一种全向无人艇，包括船头、船身和推进装置；
6.所述船身为长方体结构，所述船头设置在所述船身的一端，所述船头为梯台结构，所述船头的顶部斜面延伸至所述船身的顶部；
7.所述船身的底部的四个边角设有安装部，所述安装部包括方形的底板和连接柱，所述底板的四角通过连接柱与所述船身的底部相连，围成空腔结构；所述推进装置设置在所述空腔结构中；
8.所述推进装置包括推进无刷电机、行星减速齿轮箱、掌舵无刷电机、共轴可旋转三相电压线和推进电机连杆；所述推进电机连杆的一端与所述掌舵无刷电机通过行星减速齿轮箱相连，所述推进电机连杆的另一端与所述推进无刷电机相连，所述共轴可旋转三相电压线设置在所述推进电机连杆内且与所述推进无刷电机相连。
9.更进一步的说明，所述船体的顶部设有无人机起降平台，所述船体的底部的中部设有机械抓取单元。
10.更进一步的说明，控制系统包括控制模块、tslam三维建图与定位模块、无刷电机矢量控制模块和全向无人艇主控模块；
11.所述控制模块用于用户对无人艇发送指令、进行任务规划以及信息反馈接收；
12.所述全向无人艇主控模块用于传感测量、与控制模块、tslam三维建图与定位模块、无刷电机矢量控制模块进行通信交互；
13.所述tslam三维建图与定位模块用于进行定位以及三维建图；所述无刷电机矢量控制模块；
14.所述无刷电机矢量控制模块用于控制无人艇的四个推进装置的转速及方向。
15.一种全向无人艇的控制方法,包括如下步骤：
16.步骤一：获取无人艇主控设置的期望值，初始化共生生物算法的种群以及最大迭代数；
17.步骤二：执行共生生物算法进行个体x
best
搜索，通过最优个体的值对控制器的参数进行整定；
18.步骤三：对控制器输出值进行反park变换、svpwm算法，得到推进装置的矢量电压u(t)，推进装置开始执行转动；
19.步骤四：采集推进装置的三相电流，经过扩展卡尔曼滤波器的估计后得到推进装置的位置和转速重复完成步骤一到步骤三。
20.更进一步的说明，svpwm算法包括如下步骤：
21.通过判断输入电压u
α
、u
β
的值确定合成的矢量电压u
ref
所在的扇区，
22.当u
α
>0，u
β
>0且u
β
/u
α
<√3时，u
ref
落在第i扇区；
23.当u
β
>0且u
β
/u
α
>√3；u
ref
落在第ⅱ扇区；
24.当u
α
<0，u
β
>0且
‑
u
β
/u
α
<√3；u
ref
落在第ⅲ扇区；
25.当u
α
<0，uβ<0且u
β
/u
α
<√3；u
ref
落在第ⅳ扇区；：
26.当u
β
<0且
‑
uβ/u
α
>√3；u
ref
落在第
ⅴ
扇区；
27.当u
α
>0，u
β
<0且
‑
u
β
/u
α
<√3；u
ref
落在第
ⅵ
扇区；
28.再根据基准电压u
dc
以及u
α
、u
β
计算出u
α
、u
β
的对一个周期t
s
的u
ref
作用时长，作用时tx、ty长计算公式如下：
[0029][0030][0031][0032]
控制逆变桥电路合成指定扇区的矢量电压u
ref
。
[0033]
更进一步的说明，步骤三包括如下步骤：
[0034]
a1：对三相电枢绕组的任意两相电流i
a
、i
b
，通过clarke变换，把三相电流变换到正交的直角坐标系α
‑
β下，得到两相正交电流i
α
和i
β
，通过park变换将静止的两相正交坐标系α
‑
β变换成跟随电机转子旋转的两相正交坐标系d
‑
q，将强耦合、非线性的三相交流电流i
a
、i
b
、i
c
解耦成两相直流励磁电流i
d
和转矩电流i
q
；具体变换公式如下
[0035][0036][0037][0038]
a2：采用基于i
d
＝0磁场定向控制，实际i
d
与期望值0做比较，由于期望值固定为0，电流环pi控制器足以进行稳定校正控制；使用分数阶模糊控制器对转矩电流i
q
进行校正控制，分数阶模糊控制器的控制律如下：
[0039]
u(k)＝(f(e,ce)+ie)k
u
[0040][0041]
其中e、ce、ie分别为误差、误差的分数阶微分、误差的积分；
[0042]
d
α
为分数阶微分算子如下：
[0043][0044]
其中h
α
(k)为脉冲响应序列；
[0045]
t
c
为采样频率模糊控制规则如下：
[0046]
如果e＝nm，ce＝ns，那么u＝nl；
[0047]
其中，e是误差，ce是误差的分数阶导数，u是输出，nl、nm、ns、zr、ps、pm和pl分别代表“负大”、“负中”、“负小”、“零”、“正小”、“正中”和“正大”；
[0048]
a3：对电流环校正输出的电压v
d
、v
q
进行park逆变换，得到v
α
、v
β
；通过svwpm技术得到目标矢量电压，控制无刷电机；矢量电压计算公式如下：
[0049][0050]
a4：在电流环外部增加速度环控制，将实际转速与参考转速进行比较，同样使用共生生物搜索算法优化的分数阶模糊控制进行电机的转速校正，输出参考电流i
q
；
[0051]
a5：使用扩展卡尔曼滤波器ekf作为电机的观测器，估计电机的转角和转速其中观测器的输入分别为v
α
、v
β
、i
α
、i
β
、θ，输出为
[0052]
a6：速度环与电流环的分数阶模糊控制共有待整定10个，分别为α1、k
p1
、k
d1
、k
i1
、k
u1
、α2、k
p2
、k
d2
、k
i2
、k
u2
；使用共生生物搜索算法sos进行优化，待整定参数(α1,k
p1
,k
d1
,k
i1
,k
u2
,α2,k
p2
,k
d2
,k
i2
,k
u2
)表示了共生生物搜索算法sos算法的搜索维度，考虑到被控系统的瞬态响应的震荡性要求最优指标法采用itae准则，评价模型j如下，其中e(t)表示闭环误差函数：
[0053][0054]
更进一步的说明，共生生物搜索算法sos步骤如下：
[0055]
s1：初始化生态系统中的生物个体n，定义最大迭代次数；
[0056]
s2：在生物个体空间中，找到最优个体；
[0057]
s3：种群进入互利共生阶段；
[0058]
s4：种群进入偏利共生阶段；
[0059]
s5：种群进入寄生阶段；
[0060]
s6：计算种群中各个体的适应度，适者生存；
[0061]
s7：判断是否满足最大迭代次数；是则是输出最优个体，否则继续迭代。更进一步的说明，共生生物搜索算法sos的互利共生阶段：
[0062]
x
inew
＝x
i
+rand(0,1)*(x
best
‑
mutual_vextor*bf1)
[0063]
x
jnew
＝x
j
+rand(0,1)*(x
best
‑
mutual_vextor*bf2)
[0064][0065]
其中bf1、bf2是获利因子，取值1或0；
[0066]
共生生物搜索算法sos的偏利共生阶段：
[0067]
x
inew
＝x
i
+rand(
‑
1,1)*(x
best
‑
x
j
)
[0068]
其中，x
i
在偏利共生阶段为单方面获利者，x
j
不获利也不受到伤害；
[0069]
共生生物搜索算法sos：
[0070]
parasite_vector＝x
i
+rand(0,1)*x
i
(pick)
[0071]
使用人工寄生虫parasite_vector随机寄生个体x
i
，并且对x
i
进行复制和变异，如果parasite_vector比宿主x
i
具有更好的适应值，则破坏宿主并将其替代，若相反则淘汰parasite_vector。
[0072]
上述技术方案可以带来以下有益效果：
[0073]
本专利首先着重解决普通水面无人艇结构单一、控制迟滞、抗风浪等级低、靠锚泊定位的一些缺点，构建一种全向无人艇装置的整体结构。其次，针对无刷电机矢量控制转矩脉动大，抗干扰性能差等问题，引入了分数阶模糊控制算法和共生生物搜索算法，设计改进型双环分数阶模糊控制器，并且利用共生生物搜索算法进行参数优化。最后，根据全向无人艇的结构特性、控制算法以及高精度定位和惯导，使得全向无人艇具备水面抗风浪厘米级动力定位功能。厘米级的动力定位使得无人艇能更稳定地进行无人机自动起降、水下机器人自动发射回收等异域无人系统协同控制以及同域无人系统的集群控制。
附图说明
[0074]
图1是本发明的一个实施例的整体结构示意图；
[0075]
图2是本发明的一个实施例的整体结构示意图；
[0076]
图3是本发明的一个实施例的推进装置的结构示意图；
[0077]
图4是本发明的系统模块示意图。
[0078]
其中：船头1、船身2、推进装置3、推进无刷电机31、行星减速齿轮箱32、掌舵无刷电
机33、共轴可旋转三相电压线34、推进电机连杆35、安装部4、底板41、连接柱42、无人机起降平台5、机械抓取单元6。
具体实施方式
[0079]
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
[0080]
如图1
‑
图3所示，一种全向无人艇，包括船头1、船身2和推进装置3；
[0081]
所述船身2为长方体结构，所述船头1设置在所述船身2的一端，所述船头1为梯台结构，所述船头1的顶部斜面延伸至所述船身2的顶部；
[0082]
所述船身2的底部的四个边角设有安装部4，所述安装部4包括方形的底板41和连接柱42，所述底板41的四角通过连接柱42与所述船身2的底部相连，围成空腔结构；所述推进装置3设置在所述空腔结构中；
[0083]
所述推进装置3包括推进无刷电机31、行星减速齿轮箱32、掌舵无刷电机33、共轴可旋转三相电压线34和推进电机连杆35；所述推进电机连杆35的一端与所述掌舵无刷电机33通过行星减速齿轮箱32相连，所述推进电机连杆35的另一端与所述推进无刷电机31相连，所述共轴可旋转三相电压线34设置在所述推进电机连杆35内且与所述推进无刷电机31相连。
[0084]
船头1的顶部为梯台结构，可以有效减少在行进过程中的阻力，船底的四个边角设置空腔结构，用以保护其中的推进装置3，每个推进装置3都可以独立控制驱动，通过行星减速齿轮箱32加大扭矩，控制推进无刷电机31的推进方向。共轴可旋转三相电压线34的结构使得推进无刷电机31可跟随电机连杆进行全向的旋转，进而无人艇可以获得全向的推力。无人艇有两种控制模式，全向控制模式下，四个掌舵无刷电机33输出相同，同步控制无人艇的艏向，四个推进无刷电机31输出相同，控制无人艇的推力；动力定位下，四个掌舵无刷电机33独立输出，同时，四个推进无刷电机31也独立输出，共同合成外部作用力的反力，稳定无人艇的位姿。本方案设计的全向无人艇装置在双体无人艇结构基础上，考虑在水域死角作业场景以及协同作用应用场景，设计了稳定可靠的全向四浆驱动结构来综合提升无人艇的自由度和速度来满足水域死角作业场景，同时在较大程度上改善机体的平稳性来充分满足在集群控制、异域无人系统协同作业需要，在大程度上提升了无人艇的整机性能。本方案设计的全向水下推进装置3，包括掌舵无刷电机33以及共轴可旋转三相电压线34，能够解决常规舵机转动死区，转动过程线材缠绕等弊端，实现水下推进器的全向转动，增加无人艇的自由度，大大提高了无人艇作业的灵活性。
[0085]
更进一步的说明，所述船体的顶部设有无人机起降平台5，所述船体的底部的中部设有机械抓取单元6。
[0086]
无人机起降平台5可以与无人机执行协同起降任务，机械抓取单元6可以水下机器人执行协同发射回收任务。两者拓展了无人艇的适用范围。
[0087]
一种全向无人艇的控制系统，包括控制模块、tslam三维建图与定位模块、无刷电机矢量控制模块和全向无人艇主控模块；
[0088]
所述控制模块用于用户对无人艇发送指令、进行任务规划以及信息反馈接收；
[0089]
所述全向无人艇主控模块用于传感测量、与控制模块、tslam三维建图与定位模块、无刷电机矢量控制模块进行通信交互；
[0090]
所述tslam三维建图与定位模块用于进行定位以及三维建图；所述无刷电机矢量控制模块；
[0091]
所述无刷电机矢量控制模块用于控制无人艇的四个无刷电机的转速及方向。
[0092]
本专利系统方案框图如图4所示，其主要分为四部分，分别是地面站\遥控器组成的控制模块、tslam三维建图与定位模块、无刷电机矢量控制模块和全向无人艇主控模块。其中用户以地面站、遥控器作为用户的控制端、任务规划端和信息反馈接收端；全向无人艇主控主要以高性能嵌入式stm32芯片为无人艇的主控，以惯性测量元件、磁力计等外设传感器作为无人艇的机载传感系统，并依靠5g模块作为系统的通信；实时tslam三维建图与定位模块则是由搭载了装有机器人操作系统的微型工控电脑，rtk的高精度厘米级的定位以及激光雷达实时三维建图。同时，全向无人艇主控模块可以获取微型工控电脑所依据建图与定位后的一些状态信息以及对其发送相应通信指令。用户先对环境进行遥控控制进行三维建图与定位，或者使用具有建图功能的无人机进行建图，建图完成后可以对无人艇进行任务规划，进行无人艇与无人机协同控制，同时收集当前作业时的实时三维图像等信息。用户可以使用地面站进行无人艇与无人机、无人艇与水下机器人的协同控制。将全向无人艇切换为动力定位模式，无人艇感知与其它异构智能体的相对位置，实现无人机与无人艇上自动起降或水下机器人与无人艇自动收发等协同控制。
[0093]
一种全向无人艇的控制方法，包括如下步骤：
[0094]
步骤一：获取无人艇主控设置的期望值，初始化共生生物算法的种群以及最大迭代数；
[0095]
步骤二：执行共生生物算法进行个体x
best
搜索，通过最优个体的值对控制器的参数进行整定；
[0096]
步骤三：对控制器输出值进行反park变换、svpwm算法，得到控制电机的矢量电压u(t)，电机开始执行转动；
[0097]
步骤四：采集电机的三相电流，经过扩展卡尔曼滤波器的估计后得到电机的位置和转速重复完成步骤一到步骤三。
[0098]
本方案设计的无刷电机改进式矢量控制算法，使用无传感器的控制方式，通过扩展卡尔曼滤波估计推进装置的转速和角度，通过坐标变换将耦合性强的非线性交流电解耦成线性的直流电，并且使用共生生物算法优化后的分数阶模糊控制器进行闭环校正控制，进而使得无刷电机输出期望的转速、转矩。从而对无人艇进行稳定地、快速响应地、灵活地控制，使得整个系统能够维持在长时间、跨度面积大、水域死角多、水域环境恶劣等环境下平稳精准高效地完成严格的作业要求。
[0099]
更进一步的说明，svpwm算法包括如下步骤：
[0100]
通过判断输入电压u
α
、u
β
的值确定合成的矢量电压u
ref
所在的扇区，
[0101]
当u
α
>0，u
β
>0且u
β
/u
α
<√3时，u
ref
落在第i扇区；
[0102]
当u
β
>0且u
β
/u
α
>√3；u
ref
落在第ⅱ扇区；
[0103]
当u
α
<0，u
β
>0且
‑
u
β
/u
α
<√3；u
ref
落在第ⅲ扇区；
[0104]
当u
α
<0，uβ<0且u
β
/u
α
<√3；u
ref
落在第ⅳ扇区；：
[0105]
当u
β
<0且
‑
uβ/u
α
>√3；u
ref
落在第
ⅴ
扇区；
[0106]
当u
α
>0，u
β
<0且
‑
u
β
/u
α
<√3；u
ref
落在第
ⅵ
扇区；
[0107]
再根据基准电压u
dc
以及u
α
、u
β
计算出u
α
、u
β
的对一个周期t
s
的u
ref
作用时长，作用时tx、ty长计算公式如下：
[0108][0109][0110][0111]
控制逆变桥电路合成指定扇区的矢量电压u
ref
。
[0112][0113][0114]
更进一步的说明，步骤三包括如下步骤：
[0115]
a1：对三相电枢绕组的任意两相电流i
a
、i
b
，根据基尔霍夫电流定理kcl,可得ia+ib+ic＝0，因此知道任意两项电流ia、ib即可计算出ic。通过clarke变换，把三相电流变换到正交的直角坐标系α
‑
β下，得到两相正交电流i
α
和i
β
，通过park变换将静止的两相正交坐标系α
‑
β变换成跟随电机转子旋转的两相正交坐标系d
‑
q，将强耦合、非线性的三相交流电流i
a
、i
b
、i
c
解耦成两相直流励磁电流i
d
和转矩电流i
q
；具体变换公式如下：
[0116][0117][0118][0119]
a2：采用基于i
d
＝0磁场定向控制，实际i
d
与期望值0做比较，由于期望值固定为0，
电流环pi控制器足以进行稳定校正控制；使用分数阶模糊控制器对转矩电流i
q
进行校正控制，分数阶模糊控制器的控制律如下：
[0120]
u(k)＝(f(e,ce)+ie)k
u
[0121][0122]
其中e、ce、ie分别为误差、误差的分数阶微分、误差的积分；
[0123]
d
α
为分数阶微分算子如下：
[0124][0125]
其中h
α
(k)为脉冲响应序列；
[0126]
t
c
为采样频率模糊控制规则如下：
[0127]
如果e＝nm，ce＝ns，那么u＝nl；
[0128]
其中，e是误差，ce是误差的分数阶导数，u是输出，nl、nm、ns、zr、ps、pm和pl分别代表“负大”、“负中”、“负小”、“零”、“正小”、“正中”和“正大”；
[0129]
a3：对电流环校正输出的电压v
d
、v
q
进行park逆变换，得到v
α
、v
β
；通过svwpm技术得到目标矢量电压，控制无刷电机；矢量电压计算公式如下：
[0130][0131]
a4：在电流环外部增加速度环控制，将实际转速与参考转速进行比较，同样使用共生生物搜索算法优化的分数阶模糊控制进行电机的转速校正，输出参考电流i
q
；
[0132]
a5：使用扩展卡尔曼滤波器ekf作为电机的观测器，估计电机的转角和转速其中观测器的输入分别为v
α
、v
β
、i
α
、i
β
、θ，输出为
[0133]
a6：速度环与电流环的分数阶模糊控制共有待整定10个，分别为α1、k
p1
、k
d1
、k
i1
、k
u1
、α2、k
p2
、k
d2
、k
i2
、k
u2
；使用共生生物搜索算法sos进行优化，待整定参数(α1,k
p1
,k
d1
,k
i1
,k
u2
,α2,k
p2
,k
d2
,k
i2
,k
u2
)表示了共生生物搜索算法sos算法的搜索维度，考虑到被控系统的瞬态响应的震荡性要求最优指标法采用itae准则，评价模型j如下，其中e(t)表示闭环误差函数：
[0134][0135]
更进一步的说明，共生生物搜索算法sos步骤如下：
[0136]
s1：初始化生态系统中的生物个体n，定义最大迭代次数；
[0137]
s2：在生物个体空间中，找到最优个体；
[0138]
s3：种群进入互利共生阶段；
[0139]
s4：种群进入偏利共生阶段；
[0140]
s5：种群进入寄生阶段；
[0141]
s6：计算种群中各个体的适应度，适者生存；
[0142]
s7：判断是否满足最大迭代次数；是则是输出最优个体，否则继续迭代。
[0143]
元启发式算法是一个基于直观或经验构造的算法，它可以在可接受的花费(指计算时间和空间)下给出问题的一个可行解，并且该可行解与最优解的偏离程度不一定可以
事先预计。
[0144]
(1)sos算法是一种元启发式算法，相对于其他元启发式算法，sos算法在较少的评价函数的情况下能够获得更好的结果。sos算法的三个阶段操作简单，不需要使用调优参数提高性能的稳定性。
[0145]
(2)同时，由于其具有鲁棒性强、结构简单、易于实现、求解能力强等优点，更适合做嵌入式的移植，尤其是无人艇上的应用。在无人艇系统上的运行，使得sos算法的寻优结果更为准确，大大提升了无人艇控制系统的性能。
[0146]
更进一步的说明，共生生物搜索算法sos的互利共生阶段：
[0147]
x
inew
＝x
i
+rand(0,1)*(x
best
‑
mutual_vextor*bf1)
[0148]
x
jnew
＝x
j
+rand(0,1)*(x
best
‑
mutual_vextor*bf2)
[0149][0150]
其中bf1、bf2是获利因子，取值1或0；
[0151]
共生生物搜索算法sos的偏利共生阶段：
[0152]
x
inew
＝x
i
+rand(
‑
1,1)*(x
best
‑
x
j
)
[0153]
其中，x
i
在偏利共生阶段为单方面获利者，x
j
不获利也不受到伤害；
[0154]
共生生物搜索算法sos：
[0155]
parasite_vector＝x
i
+rand(0,1)*x
i
(pick)
[0156]
使用人工寄生虫parasite_vector随机寄生个体x
i
，并且对x
i
进行复制和变异，如果parasite_vector比宿主x
i
具有更好的适应值，则破坏宿主并将其替代，若相反则淘汰parasite_vector。
[0157]
以上内容仅为本发明的较佳实施例，对于本领域的普通技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，本说明书内容不应理解为对本发明的限制。