基于有限时间干扰观测器的改进模型水下机器人自适应鲁棒容错控制

针对无人水下机器人(unmanned underwater vehicle,UUV)工作中存在的执行器故障,在系统不确定性与外界干扰下,提出一种基于有限时间扰动观测器(finite time disturbance observer,FTDO),并结合改进模型的自适应鲁棒容错控制方法。一方面,FTDO能在有限时间内对外界环境干扰进行估计;另一方面利用滑模控制加上径向基神经网络(radial basis function neyral network,RBF)的万能逼近特性,建立带有执行器故障的输入补偿;其中改进模型的引入解决了系统不确定性导致的输入饱和,提高了稳定性与鲁棒性;其次采用一种新型的双幂趋近律使滑模量在更短时间收敛到稳态误差界内;仿真与水池实验结果表明了所提方法相对于滑模控制有着更好的容错效果。

基于LMI的ROV执行器故障艏向容错控制

针对无人潜水器(remotely operated vehicle,ROV)的执行器故障问题,提出了一种基于线性矩阵不等式(linear matrix inequality,LMI)的鲁棒控制补偿修复方法。首先,建立了ROV 4自由度动力学模型,并对艏向模型进行线性化;利用自适应故障估计器对执行器故障大小进行估计,并对控制量进行实时补偿;基于反步法和鲁棒控制技术对其进行控制策略设计;最后,采用Lyapunov相关理论验证了控制系统的稳定性。仿真结果表明,当执行器控制输入效率损失30%时,经过补偿修复后超调量下降13.98%,稳定时间减少50%;当控制输入效率损失40%时,修复后的超调量下降6.65%,稳定时间减少22.86%;实验结果表明,控制方法可在发生故障后40 s内恢复稳定状态,偏航角稳态误差约为±2°。因此,所提出的故障补偿修复策略能够降低对艏向控制的影响程度,保障ROV的稳定控制,并为水下机器人容错控制提供了一种新思路。