拖曳在水中的装备有仪器的缆线的动态定位方法和系统与流程

本发明还涉及按照权利要求7的前序部分的拖曳在水中的装备有仪器的缆线的动态定位系统。特别地，本发明涉及并行拖曳的海中装备有仪器的缆线的绝对和相对动态定位(DP)的方法和系统。
背景技术：
：地震装备有仪器的缆线(拖缆(streamer))是细长的缆状结构(通常可达数千米长)，它包括水听器(hydrophone)缆线阵列和沿其长度的关联电气设备，用于海洋地震勘测。为了进行3D/4D海洋地震勘测，多个这样的装备有仪器的缆线拖曳在地震勘测船之后。使震源产生的声信号向下穿过海水并射向海床之下，在海床之下，声信号从各种地层(strata)反射。反射的信号由水听器缆线接收，之后被数字化和处理，从而形成被勘测区域中的地层结构(earthstrata)的表示。装备有仪器的缆线一般拖曳在约5-10米的恒定深度处，以便使来自水面的不想要的“假”反射的去除更容易。为了把装备有仪器的缆线保持在恒定的深度处，每隔200-300米，在每个装备有仪器的缆线上附着称为“水鸟”的控制设备。低频深度变化和横向运动是不可避免的。装备有仪器的缆线深度变化的主要原因是长的周期波和沿着缆线的盐度从而浮力的变化。通常，最坏的情况是当沿与涌浪(swell)相同的方向拖曳之时。装备有仪器的缆线横向运动主要由与拖曳方向垂直的海流分量引起。在会导致密度不同的水分层的河道汇入海洋处的具有微咸水(brackish)的区域中，也会出现较大的偏离。在涌浪和横流(crosscurrent)两者的影响下，拖缆缠结的风险增大。装备有仪器的缆线张力与距拖曳点的距离成比例地降低。于是，越靠近尾部，低频装备有仪器的缆线横向和垂直运动往往具有更大的幅度。然而，垂直作用于装备有仪器的缆线的力在整个装备有仪器的缆线长度范围内分布不均匀，并且当拖曳的阵列向前移动时，随着时间变化。在地震勘测期间，预期使装备有仪器的缆线保持成直线，彼此平行，间隔相等并且位于相同的深度处。然而，在部署装备有仪器的缆线之后，在装备有仪器的缆线分布近似接近理想布置从而可开始勘测之前，勘测船一般必须直线航行至少3根装备有仪器的缆线的长度。这增加了它进行勘测所用的时间，于是增大勘测的成本。然而，由于海流，装备有仪器的缆线不能精确地跟随地震勘测船的路径，有时成一定角度(称为羽角)地偏离所述路径。这会不利地影响勘测的覆盖范围，常常需要必须重复勘测的某些部分。在极端不幸的情况下，装备有仪器的缆线会变得相互缠结，尤其是在装备有仪器的缆线的尾部处，这会导致极大的损伤和相当大的经济损失。US5790472(Workman和Chambers)描述一种相对于地震缆线各自的相邻缆线控制地震缆线的横向位置的闭环系统。该方法以沿着缆线的测定位置为基础。如果两根缆线变得彼此过于接近，那么指令沿着缆线的控制设备产生横向力，以致再次增大缆线之间的距离。在该文献中，这被称为开关式(bang-bang)控制策略。US6691038(Zajac)描述一种或者相对于地震缆线各自的相邻缆线，或者更一般地，相对于整个缆线散布(cable-spread)的特定参照几何形状，控制地震缆线的横向位置的闭环系统。控制器利用沿着整个长度的缆线位置的连续测量结果，并计算在缆线上的各个控制设备的期望横向力。除了位置测量结果之外，还使用根据来自环境的数据和拖曳船的动力学，预测缆线散布的行为的独立处理。所述预测用于计算整个缆线散布的最佳基准曲线。这是必须不与自适应实时控制相混淆的高级指导功能。NO332563(Rinnan等)描述一种控制地震缆线的横向定位的闭环系统，其中控制设备的翼状物装备有用于测量相对于邻近缆线上的控制设备的距离/位置的声接收器和发射器。从而根据地震阵列中的控制设备的位置的遥测模型，可在控制设备上本地或者在拖曳船上全局地进行横向位置的控制。控制设备中的机器人控制器确保分别用于横向和垂直力及滚转(roll)力矩的不同控制环之间的最小连接。从而增大控制设备的稳定性，和关于独立的翼状物停止工作的故障状况的鲁棒性。上述发明的问题在于它们或者不使用预测模型作为控制设备的功率控制输出的调整的基础，或者使用的预测模型并不随着不断变化的工作状况或外部干扰而更新。从而，控制系统就响应时间来说不是最佳的，并且相对于改变整个系统的动力学的意外事件并不鲁棒。目的本发明的主要目的是提供一种完全或部分减轻现有技术的上述缺陷的方法和系统。本发明的另一个目的是建立一种当在来自环境的不断变化的干扰下控制海洋装备有仪器的缆线散布时，提供更迅速的位置响应的方法和系统。本发明的一个目的是建立一种提供更稳定、鲁棒和精确并且能量高效的位置控制的方法和系统，借助所述方法和系统，预测误差用于调整来自沿着地震缆线的控制设备的功率控制输出。本发明的另一个目的是建立一种可有助于抑制由未建模动力学和模型参数的无把握性引起的定位的不利影响的方法和系统。本发明的另一个目的是建立一种在海洋地震作业时改善海床之下的地层的勘测的方法和系统。参考以下说明和权利要求，其它的目的显现出来。发明按照本发明的实现上述目的的方法记载在权利要求1中。所述方法的优选特征记载在权利要求2-6中。按照本发明的实现上述目的的系统记载在权利要求7中。所述系统的优选特征记载在权利要求8-11中。定位拖曳在水中的装备有仪器的缆线(比如海洋地震拖缆)和/或拖曳的装备有仪器的缆线阵列(拖缆阵列)的系统一般包括布置到装备有仪器的缆线上的几个控制设备，和布置在船(优选勘测船)上的控制中心，所述控制中心被布置成与装备有仪器的缆线通信，从而与布置在装备有仪器的缆线上的独立控制设备通信。这通常被称为STAP系统(STAP-“地震拖曳阵列定位”)。已知的系统通常还包括布置到缆线阵列中的装备有仪器的缆线上的尾部浮标，和用于散布缆线阵列中的装备有仪器的缆线的偏转器设备(门)。控制中心被布置成或者通过装备有仪器的缆线或者无线地与控制设备和尾部浮标通信，并被布置成与船通信，并且可能与偏转器设备通信。尾部浮标可被控制设备代替，如果它们具备GNSS单元的话(GNSS-全球导航卫星系统)。布置到装备有仪器的缆线上的控制设备优选是包括下述组件的控制设备：-主体，所述主体装备有处理器单元、加速计，可能装备有速率陀螺仪和磁罗盘，和用于到翼状物的无线(非接触)通信和能量传递的感应连接，或者用于通信和能量传递的机械连接，-可拆卸的翼状物，优选至少两个可拆卸的翼状物，所述翼状物配备有处理器单元、用于与主体连接的感应连接或机械连接、霍尔效应传感器、可再充电电池、智能充电电子器件、带有力矩传感器的电动机，-在主体的处理器单元上运行的本地控制设备软件，-在翼状物的处理器单元上运行的本地翼状物控制软件，-用于不同用途(比如例如深度、温度、盐度、磁场和运动)的传感器，可能还有布置在翼状物中的声发射器和接收器。如此的控制设备例如记载在以本申请人的名义申请的挪威专利NO328856、NO329190和NO332115中。除了上述传感器之外，上述翼状物还可配备有用于水下传输的传感器、磁力计、压力传感器、GNSS天线和接收器、带有光源的摄像头以及用于勘测海洋和海床的特征性质的其它传感器。本发明利用提供平行拖曳的海洋装备有仪器的缆线的绝对和相对动态定位(DP)的方法和系统，改善了现有技术。另外，本发明为与装备有仪器的缆线的定位结合的改进的路径控制和/或自动导航创造了机会。所述方法和系统以用于沿着装备有仪器的缆线布置的控制设备的新的模型预测自适应控制器为基础。所述方法和系统还包括利用用于各个控制设备的标称(nominal)控制器，根据关于整个系统的性质的先前知识控制海洋装备有仪器的缆线，所述整个系统由带有推进装置/控制装置(比如推进器、螺旋桨等)的艇/船、装备有仪器的缆线和控制设备组成。先前知识意味系统的各个独立组件以及它们之间的相互作用的动态模型。用于每个控制设备的自适应控制器被布置成补偿来自标称控制器的功率控制输出，目的是抵消未建模动力学、模型参数的无把握性和来自例如天气(风、水流、波浪、冰)和运行设备的不断变化的外部干扰的影响。自适应控制器还可有助于估计将在控制中使用的未测定变量，以及有助于改变基准信号(如果需要的话)，以实现改进的装备有仪器的缆线和缆线阵列的总体控制。按照本发明的方法和系统还包括通过利用整个系统的动态预测模型，和关于来自拖曳船的推进装置/控制装置(可能还有运行设备)的功率控制输出的知识，使用预测器实时模拟和预测整个系统的行为。预测模型表示由带有推进装置/控制装置的艇/船、装备有仪器的缆线和控制设备组成的整个系统中的动力学，并被不断更新。预测的运动估计与实际的运动测量结果之间的偏差既用于不断调整来自沿着装备有仪器的缆线的控制设备的功率控制输出，又用于更新预测模型。运动测量结果可包括基于声学的节点之间的相对位置测量结果、基于GNSS的节点的绝对位置/速度测量结果，和基于惯性传感器和磁力计的节点的角速度和取向的测量结果。节点意味系统中用于距离测量以及相对和绝对定位的所有组件，例如，拖曳船、控制设备、尾部浮标，可能还有为此布置在装备有仪器的缆线中、偏转器设备或者震源(“枪阵列”)用平台上的传感器。本发明和现有技术的不同之处在于把自适应估计用于控制设备，以便抵消未建模动力学、模型参数的无把握性和变化的外部干扰的影响。与试图估计这些无把握性因素的所有各个分量的其它自适应算法相对照，这里仅仅使用一个变量来估计无把握性因素之和。自适应估计还以预测误差为基础，而不是像多数传统自适应算法那样，以控制误差(基准量和测量结果之间的误差)为基础。从而对于内部地和外部地影响动态系统的力平衡的所有变化，都实现更迅速的响应，以及避免装备有仪器的缆线的基准信号突然变化时的控制元件中的跳跃。预测模型的不断更新确保在任何时候它都最有可能反映整个系统的动力学。换句话说，按照本发明的方法和系统以称为模型预测自适应控制MPAC的自适应算法为基础。本发明的主要研发动机一直是寻找PID控制器中的积分作用的替代者，PID控制器常常用于计算如上所述的控制设备中的横向和/或垂直力，因此控制设备和装备有仪器的缆线应达到期望的位置基准。由于所述积分作用由控制误差(即，基准信号和系统的实际行为之间的差异)驱动，因此所述积分作用在性能方面具有相当大的局限性。控制误差由两个主要分量组成：1)与固定态下的误差对应的固定分量，和2)与由基准信号的变化引起的误差对应的瞬时分量。理想地，可取的是只对控制误差的固定分量积分，因为提供关于影响系统的未知影响的信息的正是该分量。瞬时分量的积分不可取，因为它会导致超调或不稳定性，这是PID控制存在的重大问题。然而，当固定分量和瞬时分量都存在时，不能把固定分量和瞬时分量分开。从而，一种可能的解决方案是推迟积分，直到出现固定态为止，但是这需要可靠的固定态检测器，还会阻止已处于瞬态阶段的控制器能够了解影响系统的未知影响。对于基于模型的控制器，固定控制误差对应于建模误差，建模误差是真实系统的行为与用于设计控制器的模型的行为之间的差异。如果该差异为0，从而不存在模型无把握性，那么固定控制误差也为0。本发明的主要思想之一从而是根据整个系统的模型计算系统行为的预测，并利用实际的系统行为与预测的系统行为之间的差异-预测误差-来驱动积分作用。积分从而将只基于与估计系统无把握性相关的信息，从而可以不断进行积分，在瞬态阶段也可进行积分，而不会促成超调或不稳定。这种思想也可被称为基于模型、基于预测或基于模拟器的积分。然而，术语“模型预测自适应控制”被认为覆盖性和描述性更好，尤其是对于区分MPAC和现今最常用的自适应解决方案(即，模型基准自适应控制MRAC)来说。按照和PID控制器的积分作用相同的方式，大多数的MRAC解决方案的自适应估计由控制误差驱动。下面，将利用简单的一维质块阻尼器(MD)系统，举例说明MPAC背后的主要思想。MD动力学可表示许多物理系统的行为。一维MD系统一般对应于无弹簧力的一个自由度DOF，例如像飞机或轮船一样的机械系统的起伏或偏航自由度。MD系统从而被看作：其中表示位置，表示速度，表示系统加速度。另外，m*＞0表示实际的质量参数，d(v)*＞0表示实际的非线性阻尼参数，表示实际的控制器输出，而表示来自环境的实际干扰。控制的目的是使MD系统跟随具有运动变量和的基准目标的运动。基准运动一般由人类用户/操作员或技术基准发生器指定。控制目标从而是实现位置误差和速度误差两者都归0。然而，由于与m*、d(v)*、τ*或w*相关的无把握性，该目标难以达到。目前的控制器试图通过利用积分作用或者利用自适应方法处理这些无把握性。一般根据表示系统如何运转的最佳猜测的数学模型，设计由式(1)-(2)给出的MD系统的基于模型的控制器。这种模型可被表示成：其中位置x和速度v是假定可测量从而已知的系统状态，不过其中m、d(v)和w仅仅是实际值的估计值，τ是指令的控制器输出。于是在MPAC中，引入变量θ，用于表示所有的模型无把握性和未知干扰，这种情况下，变量θ可以是：其中Δτ＝τ*-τ，Δm＝m*-m和Δd(v)＝d(v)*-d(v)。从而，θ把所有未知项之和集中在单个变量中，以致由式(3)-(4)给出的系统模型与由式(1)-(2)给出的真实系统相同。这种参数化简单但是独特，构成与现有自适应算法相比的重大区别。参数化对于能够估计系统中的所有无把握性之和非常有效，并且与PID控制器积分作用的任务是抵消所有无把握性(然而仅仅对于相对于控制误差动态变化恒定或者缓慢变化的无把握性影响，PID控制器积分作用才能实现所述抵消)的方式类似。同时，MPAC参数化明显不同于标准自适应控制方法，在标准自适应控制方法中，不同的无把握性被分成将被分开地估计的各特定类别。对于所谓的间接自适应方法，所述类别与系统状态、系统参数、控制器输出、干扰等有关。对于所谓的直接自适应方法，所述类别与控制器参数有关。传统的自适应方法从而试图同时估计几个不同的影响，其中的一种方法采用了目标是识别各个模型分量的系统识别。然而，借助θ参数化，MPAC仅仅关注于通过估计和抵消无把握性的总和而不是试图识别构成所述总和的各个分量，来实现控制目标。从而，MPAC是一种关注于控制的自适应方法。根据式(3)-(4)，可以设计控制器，以致它由两个部分构成，即：τ＝τn-θp(6)其中τn是基于式(3)-(4)的标称控制器，其中θp是的θ的自适应估计。τn一般是为实现与式(4)中的θ＝0对应的系统的标称数学模型的特定闭环行为而设计的。θp的作用从而是预测和抵消利用θ表示的模型无把握性，以致真实系统能够实现对应于τn的闭环行为。在这点上，τn本身包含积分作用既不适宜，也不是合意的。标称控制器从而由基于模型的前馈(在此情况下，以式(4)为基础的基于模型的前馈)和带有比例和微分作用的反馈(PD型)组成。通过把由式(6)给出的控制器用于式(4)中的MD系统，得到下述闭环系统：其中其中θp的目标是实现以致：例如可通过利用Lyapunov函数，设计θp的自适应更新规则：其中是速度的预测误差，vp是被测速度v的预测，λ>0是自适应增益。作为结果的设计给出两种更新规则，一种用于预测，一种用于自适应。具体地，所谓的预测器系统变成：其中k>0是有助于使预测误差的动态变化稳定以及使得能够把速率调节为的注入增益。另外，自适应更新规则(自适应规则)变成：它是预测误差的纯积分。这种积分作用从而显著不同于PID控制器中的积分作用，因为后者是控制误差的纯积分。归因于MPAC的积分作用不依赖于控制误差，能够连续地积分，而与闭环系统是处于固定态阶段还是瞬态阶段无关。这意味由式(11)给出的自适应估计能够连续了解系统的无把握性，可以用在控制器中，而不会导致超调或不稳定性。现在参见图3，图3表示按照本发明的模型预测自适应控制器(MPAC)的原理图。图3图解说明由式(10)给出的基于模型的预测器系统如何与由式(11)给出的自适应规则的积分作用合作。由式(10)给出的预测器系统通过利用由式(4)给出的MD模型、虚拟反馈项以及自适应估计θp的组合，模仿由式(2)给出的实际MD动力学。虚拟MPAC预测器自适应器系统从而能够实现模型无把握性的连续并且快速估计和抵消。由式(10)给出的MPAC预测器也可被改写成以下形式：这表明它由以式(4)为基础的基于模型的前馈，和以预测误差为基础的带有比例和积分作用的反馈(PI型)组成。MPAC从而组合由比例项表示的观察者原理和由积分项表示的自适应原理。应注意通常并没有必须存在并使用系统的模型的要求，在这种情况下，MPAC预测器仅仅由基于预测误差的纯PI型反馈组成。归因于组合的预测器自适应器系统是虚拟动态系统，其中动力学只受利用处理器单元中的系统的实现所限制，因此它可适合于比较起来发展较缓慢(即，以致与相比，)的任何物理系统。这意味MPAC的自适应速率可以远远高于PID控制器或MRAC解决方案的自适应速率，因为后者的速率受控制误差限制，而控制误差又取决于物理系统动力学。实践中，MPAC的自适应速率将关于测量噪声和系统控制元件的动力学而受限。该系统也可被视为可用硬件、软件或这两者实现的独立模块。这种模块可用于增强任何标称控制器，以便能够处理无把握性。按照这种方式，重要的是了解闭环行为不能好于伴随有标称控制器的闭环行为，因为MPAC模块只确保对模型无把握性的补偿，以致另外重要的是要指出MPAC预测器自适应器能够正确地估计θ，而与在控制器中是否使用θp无关，就其中积分作用必须在闭环中以便获得正确值的PID控制器或MRAC解决方案来说，这是不可能的。这种性质意味需要时自适应估计可被无缝连接在控制环中以及从控制环断开，并且在断开一段时间之后，不需要新的磨合期。这还能够实现主动和被动处理器单元之间的无缝切换，如果主动处理器单元发生故障，从而被动传感器单元之一必须接管控制责任，那么这种无缝切换是必需的。所有这些处理器单元实际上都能够并行运行相同类型的MPAC预测器自适应器，与它们是否主动参与到控制之中无关。除了估计模型无把握性之外，MPAC的预测性质还使得能够估计未测定的系统变量。例如，由于不同的原因，实际上可能难以测量为实现由式(10)-(11)给出的预测器自适应器系统所需的MD系统的速度v。这种情况下，可按照和可根据v的测量结果估计θ的相同方式，根据x的测量结果估计v。用于设计这种解决方案的方法和用于设计式(10)-(11)的方法相同。这意味和估计模型无把握性一样，MPAC解决方案同样适用于估计未测定系统变量；由于MPAC组合观察者原理和自适应原理，从而具有双重性质，因此这是可能的。按照相同的方式，MPAC还能够估计为基准发生器实现最佳的可能控制所需的变量。MPAC从而可用在任意种类的控制环(内环和外环两者)中，用于提供更精确、更鲁棒和能量更高效的系统的控制、估计和控制。图3中利用自适应规则发送除了直接用在指令的控制器输出(6)中之外还可被基准发生器和标称控制器两者使用的信号，对此进行了图解说明。利用预测误差而不是控制误差来驱动自适应估计的优点的总结如下所述：·避免瞬态阶段中的控制误差的不良瞬态分量的积分。如上所述，这种积分是在基准信号变化时PID控制导致超调和不稳定性的主要原因。比较起来，预测误差只包含待积分的相关信息。·避免作为基准信号相对于物理系统快速移动的结果，积分项不受限制地增长的可能性，即，避免不断增长的控制误差的积分。在预测误差的积分时，不会发生这种增长，因为它不包含基准信号。自适应是完全与控制误差值无关地进行的。·避免当需要从主动处理器单元切换到另一个处理器单元时，无扰动转换(bumplesstransfer)的功能的复杂实现。在使用PID控制器时，需要这种转换，以便当主动处理器单元发生故障时，避免控制器输出的中断。借助预测误差的积分，主动和被动处理器单元都将获得相同的自适应估计，从而可在它们之间无缝切换自适应估计。·避免对匹配条件的自适应方法的标准要求，所述标准要求意味控制器输出和模型无把握性必须和系统模型在同一水平上，以便能够估计后者。通过利用预测误差，无把握性在哪里与控制器输出关联并不重要。这种特性还表明预测器自适应器系统的双重观察者自适应性质。至于自适应控制，通常指出两个基本挑战：1.把伴随着自适应的时间尺度与伴随着物理系统的时间尺度分离的要求。简而言之，当时间尺度被显著分离时，自适应系统使用更安全。2.对所谓的持久激励的需要，这意味只有当驱动自适应估计的信号包含足够的变化的信息时，正确的估计才是可能的。如果该条件未被满足，那么在固定态阶段中，在一定的时间段之后，试图同时估计几个单独的模型分量的自适应控制器将经历暂时不稳定现象(“突发”)。其原因在于从该阶段能够了解的唯一信息是可以导致意外并且不稳定的控制器行为的测量噪声。于是，在固定态阶段中，自适应估计的更新常常被关闭。MPAC如下解决了这两个挑战：1.归因于预测器自适应器系统是虚拟系统；因此能够实现自适应的时间尺度与待控制的物理系统的时间尺度的显著分离。就由控制误差驱动的自适应估计来说，这种分离是不可能的，因为控制误差的动力学(或动态变化,dynamics)取决于物理系统的动力学。另一方面，MPAC可具有与物理系统的动力学无关的自适应速率。2.通过利用表示无把握性之和的仅仅一个自适应估计，自动实现持久激励的要求。从而避免固定态阶段中的暂时不稳定性的危险。从而可以持续并且与闭环系统是处于固定态阶段还是处于瞬态阶段无关地进行自适应。因而，MPAC能够比PID控制器的积分作用和MRAC自适应估计两者更快地自适应。同时，与在瞬态阶段中应被关闭的PID控制器的积分作用相反，或者与在固定态阶段中应被关闭的MRAC自适应估计相反，MPAC能够持续不间断地自适应。实践中，自适应控制器试图结合基本上是两个矛盾目标的识别和控制：·识别要求将与控制目标冲突的持久激励。·控制一般不使用在线识别，如果系统动力学在中途发生变化，那么在线识别会导致性能低下。从而，需要与“关注于识别的自适应”(即，识别系统的参数的自适应)相矛盾的“关注于控制的自适应”(即，实现控制目标的自适应)。MPAC以控制目标为中心地表示这种“关注于控制的自适应”。通过在诸如装备有仪器的缆线的动态定位之类的应用中使用MPAC，应作出以下实际考虑：·预测器自适应器系统的动态状态的适当初始化。·另外应尽可能地了解用于装备有仪器的缆线的定位的整个系统，以致关于系统动力学的结构和参数、控制元件的动力学和可能的干扰的信息构成标称控制器的设计基础，因为自适应系统永远不能补偿系统信息的基础缺失。这种信息消除了否则会使系统运行不可能的未知因素。·另外一个前提是识别伴随着控制问题的最重要时间尺度，之后对应地选择控制器、预测和自适应增益。在简化的MD例子中，最重要的时间尺度属于物理系统和预测器自适应器系统。在真实世界中，控制元件的动力学的时间尺度也非常重要。这些控制元件将物理实现来自控制器的指令，并且它们一般比待控制的动态系统快得多。·另外重要的是避免测量噪声通过控制元件影响物理系统，这可通过例如利用滤波控制允许自适应估计进入控制环的速率来实现。所述速率必须对应于就致动器来说物理上可能的速率，同时避免不必要的磨损。简而言之，MPAC的基本方面如下所述：1.由式(2)和(4)例示的自适应控制问题的特定参数化。2.所有模型无把握性被集中在待估计的单个变量中。3.自适应估计由预测误差驱动，而不是由控制误差驱动。4.利用预测器中的虚拟反馈，使预测误差的动力学稳定。5.预测器利用指令的而不是测量的控制器输出。6.如果可用，那么预测器将利用待控制的系统的标称数学模型，不过这种模型不是必需的。正是在这些方面的组合提供了MPAC的独特性质。关于MD系统的例子以其最简单并且最基本的形式表示了MPAC思想，不过，该思想普遍适用，可适用于任意大而复杂的系统。本发明利用MPAC，实现一种由PID控制器的积分作用的缺点启发的新的自适应控制器解决方案。MPAC代表比标准PID更复杂的方法，但是同时解决了自适应控制的两个基本挑战。与PID和如MRAC一样的标准自适应控制器相比，MPAC能够持续不间断地同时更快地自适应，而不存在关于闭环中的不稳定性的相同类型的风险。MPAC的作用是帮助标称控制器消除整个系统的无把握性，以及如果中途发生未知事件那么提供鲁棒性。由于装备有仪器的缆线受自然界影响(而这不能用简易的方式测量)，这种解决装备有仪器的缆线的动态定位的方式具有相当大的优点。根据下面的例证说明，本发明的另外的优选特征和细节将显现出来。附图说明下面参考附图，更详细地说明本发明，附图中：图1是拖曳在勘测船之后的地震装备有仪器的缆线散布的例子的原理图,图2是其中翼状物配备有传感器和电子器件的控制设备的一个实施例的原理图，图3是按照本发明的预测器系统的原理图，和图4是利用模型预测自适应控制的海洋装备有仪器的缆线的绝对和相对动态定位的原理图。现在参见图1，图1是典型的装备有仪器的地震缆线散布的例子的原理图，其中地震装备有仪器的缆线100拖曳在勘测船110之后。每根装备有仪器的缆线100配备有布置成串联连接在多段缆线100的两个相邻缆线段100a之间的控制设备20，用于控制装备有仪器的缆线100。在每根装备有仪器的缆线100的端部处，布置配备有GNSS单元(未图示)的尾部浮标(未图示)或控制设备20。整个缆线散布由在船110上的控制中心111控制。现在参见图2，图2是现有技术的控制设备20的实施例的例子的原理图。控制设备20由主体21和围绕主体21均布的3个分离的可拆卸翼状物22(优选称为智能翼)形成，是所谓的3轴水鸟。主体21主要是细长的流线型管状外壳，在其两端处，包括适合于串联地机械和电连接在装备有仪器的缆线100中的缆线段100a之间的连接装置23和23b。连接装置23a-b用于在每个缆线段100a的每一端处的适应的对应连接点(未图示)，所述连接点通常用于连接两个相邻的缆线段100a。此外，翼状物22被单独可拆卸地布置到主体21上。主体21还配备有处理器单元(未图示)、压力传感器(未图示)和用于相对于翼状物22的无线通信和能量传递的3个感应连接(未图示)或者用于通信和能量传递的3个机械连接(未图示)。另外，主体21还可包括惯性集群(IMU)(未图示)，并且可能包括用于测量水中速度的速度传感器，所述惯性集群包括一个或多个加速计，可能还包括速率陀螺仪。翼状物22配备有处理器单元(未图示)、用于连接到主体21以便实现通信和能量传递的感应连接(未图示)或机械连接(未图示)、霍尔效应传感器(未图示)、可充电缓冲电池37(图3)、智能充电电子器件(未图示)以及控制翼状物22的带有齿轮的电动机。此外，类似于此的控制设备20可在翼状物22至少之一中配备有呈发射器/接收器元件形式、呈换能器形式的声学通信装置(未图示)，以及配备有声学测距用电子器件。另外或者代替地，声换能器可被布置成装备有仪器的缆线100的一部分，或者可被布置在独立的节点中。类似于此的控制设备20还可包括GNSS单元(全球导航卫星系统)，GNSS单元由布置在控制设备的至少一个翼状物22中的GNSS天线和GNSS接收器组成，其中GNSS天线优选布置在翼尖中。这种控制设备20还可包括用于数据传送的无线电单元(未图示)，所述无线电单元由布置在控制设备的至少一个翼状物22中的无线电天线和无线电接收器组成，其中无线电天线优选地顺着翼状物22的边缘面朝前面(即，沿着拖曳方向)布置。控制设备20还可在控制设备的至少一个翼状物22中包括3轴磁力计(未图示)，所述磁力计优选是靠近翼尖布置的。控制设备20还可配备有惯性集群(IMU)(未图示)，所述惯性集群包括一个或多个加速计，可能还包括速率陀螺仪，所述惯性集群布置在控制设备20的至少一个翼状物22中。现在参考图4，图4表示利用如上记载在本发明的技术实现要素：部分中的模型预测控制的海洋装备有仪器的缆线100的绝对和相对动态定位的原理图。为了海洋拖曳装备有仪器的缆线100的动态定位，实现用于沿着装备有仪器的缆线100的各个控制设备20的自适应估计。按照本发明的系统可被分成4个模块，引导系统/基准系统40、控制系统50、物理系统60和模型预测自适应控制器70。如图所示，物理系统60一般可用控制设备动力学61、缆线组动力学62和运动测量系统63表示。测量系统63可包括下述系统或传感器中的一个或多个：-用于节点之间的相对定位的声学设备，-用于节点的绝对位置/速度测量的GNSS，-用于节点的角速度和取向的测量的惯性传感器和磁力计。控制系统50包括每个控制设备20的标称控制器51，标称控制器51从一般布置在船110上的控制中心111中的引导系统/基准系统40(例如STAP系统)接收其位置基准41。标称控制器51优选由基于模型的前馈和PD型反馈组成。引导系统40生成整个装备有仪器的缆线组的位置基准42，和除此之外(deviatedfromthis)，每根装备有仪器的缆线100的位置基准43及每根装备有仪器的缆线100上的每个控制设备20的位置基准41。系统还包括每个控制设备20的模型预测自适应控制器70，所述模型预测自适应控制器70呈缆线组运动预测器71和自适应规则72的形式，自适应规则72提供自适应估计73，并由缆线组运动预测器71计算的预测误差74驱动，缆线组运动预测器71包括整个系统的模拟的动态预测模型。引导系统/基准系统40、控制系统50和模型预测自适应控制器70在拖曳船110上的一个或多个计算机/处理器单元(未图示)上的一个或多个软件模块中运行。所有运行的软件模块知道带有控制设备20的装备有仪器的缆线100的结构，以及控制设备20在装备有仪器的缆线100上的相对范围。基准系统/引导系统40由如下的几个部件组成：根据勘测计划44，对于整个缆线组，生成位置基准42，一般只在水平平面上给出该位置基准。勘测计划是缆线组上的某个点将遍历地图上的线/曲线的计划。在所述计划中，通常还存在关于沿着航迹(优选地拖曳方向)的深度、沿着航迹的每表面面积的查看点的数目等的信息。根据关于整个缆线组的位置基准42，生成关于每个装备有仪器的缆线100的结果水平位置基准43。每根装备有仪器的缆线100的深度和滚转基准45一般由操作人员根据工作状况设定，不过如上所述，在勘测计划44中也可非常详细地说明它们。深度基准是每个缆线/控制设备的期望深度。滚转基准是绕装备有仪器的缆线的纵轴的期望滚转角。滚转基准不是为系统运行所必需的参数，但是可用于改善声学设备的信/噪比。操作人员还可根据工作状况，超控(override)水平平面中的预定义基准。可对每根装备有仪器的缆线100中的任意数目的缆线段100a进行该操作。如上所述，模型预测自适应控制器70包含预测模型，所述预测模型是由拖曳船110、带有控制设备20的缆线组和有助于力平衡的其它设备(比如例如尾部浮标、枪阵列和偏转器设备(门))组成的整个系统的模拟动态模型。预测模型中的典型控制变量数据是指令的推力和方向舵、来自沿着装备有仪器的缆线100的控制设备20的指令的力以及来自诸如风、海流和波浪之类环境的测定/估计的力。风力和方向一般利用拖曳船110上的风力计测量。波浪和波浪方向例如可利用海洋浮标上的GNSS和惯性传感器测量，或者可在DP软件中估计。海流一般也在DP软件中估计。作为结果的来自拖曳船110、控制设备20以及可能还有尾部浮标的力、以及外部干扰决定缆线组中的位置。预测模型中的典型测量数据是整个系统中的不同组件的运动数据、下列拖曳船110、沿着装备有仪器的缆线100的各个节点以及尾部浮标(可能还有代替尾部浮标的控制设备)的位置和速度。标称控制器51和模型预测自适应控制器70依赖于来自各个控制设备的状态更新，以致在特殊情况下可以考虑到此。浸透的翼状物22或者各个翼状物22中的故障必须得到特别处理，会导致每个控制设备20的指令的结果作用力的限制，以便避免与翼状物22的提升能力的非线性相关的问题(失速)。现在，说明按照本发明的系统如何工作。引导系统/基准系统40设定缆线组的位置基准42，生成每根装备有仪器的缆线100的位置基准43以及以位置基准43以及深度和可能还有的滚转基准45为基础的沿着装备有仪器的缆线100的各个控制设备20的位置基准41。位置基准41被输入标称控制器51，标称控制器51控制各个相应的控制设备20，以便利用通过调整控制设备20的翼状物22提供指令的横向和/或垂直力的功率控制输出，实现所述位置基准41。同时，模型预测自适应控制器70用于补偿来自标称控制器51的功率控制输出，以便抵消未建模动力学、模型参数的无把握性和来自大自然或运行设备的影响装备有仪器的缆线100的力平衡的外力的影响。由于模型预测自适应控制器70基于整个系统的动态预测模型和对来自拖曳船110的推进装置/控制装置(可能还有运行设备)的功率控制输出的认识，因此模型预测自适应控制器70被布置成实时模拟和预测整个系统的行为。关于整个系统的动态模型的认识越好，标称控制器51将越好地工作，自适应控制器必须考虑的无把握性越少。从而有利的是动态模型尽可能地最佳。来自缆线组运动预测器71的预测运动估计和来自测量系统63的运动测量结果之间的偏差导致驱动自适应估计73的预测误差74，自适应估计73据此调整标称控制器51对于沿着装备有仪器的缆线100的控制设备20设定的功率控制输出，预测误差74还用于更新缆线组运动预测器71。这使得当来自环境的干扰变化时在控制设备20中实现更迅速的响应，同时避免由装备有仪器的缆线100的位置基准的突然变化引起的控制元件(控制翼状物22的电动机)的跳跃。通过持续更新缆线组运动预测器71，可以确保缆线组运动预测器71总是尽可能最佳地反映整个系统的动力学。变更代替拖曳船110上的全局实现，整个模型预测自适应控制系统也可在各个控制设备20上本地实现。其结果是本地预测模型不描述依次布置的缆线段100a之间或者拖曳船110和各个独立的装备有仪器的缆线100之间的相互作用。从而模型无把握性更大，在自适应估计中必须考虑到此。模型预测控制器也可用在外环的控制中，比如例如用在引导系统中，也可用在测量系统中，以估计未知的状态变量。当前第1页1 2 3