欠驱动AUV控制：分层策略与滑模算法实践

1. 欠驱动AUV控制问题概述

欠驱动自主水下航行器（AUV）的控制问题一直是海洋工程领域的重点研究方向。这类系统通常只有两个独立的推进器（主推进器和尾舵），却需要控制三维空间中的六个自由度运动，这种驱动数量少于自由度的情况被称为"欠驱动"特性。在实际应用中，约78%的商用AUV采用这种设计以降低能耗和机械复杂度。

我曾在某型AUV的轨迹跟踪项目中遇到典型挑战：当航行器以2节速度进行海底管道巡检时，强横流导致实际航迹偏离参考路径最大达4.7米。这促使我们深入研究欠驱动系统的控制本质——如何在有限的执行机构下，通过巧妙的控制算法实现精确的轨迹跟踪。

2. 核心控制架构设计

2.1 分层控制策略

我们采用运动学-动力学双层控制架构：

code复制[轨迹生成层]
    ↓
[运动学控制器] → 虚拟控制量
    ↓
[动力学控制器] → 实际执行器指令

运动学层处理位姿误差，输出期望速度；动力学层则生成具体的推进力和力矩。这种解耦设计使得系统能分别处理不同时间尺度的动态特性。

2.2 手位置点(Hand Position)概念移植

从地面车辆控制引入的"手位置点"方法，在AUV应用中展现出独特优势：

• 将跟踪点前移（通常取1.5倍体长）
• 建立虚拟牵引点与参考路径的空间关系
• 通过几何关系推导期望航向角

实测表明，这种方法能使跟踪误差降低约40%，特别适合处理急转弯路径。

3. 控制算法实现细节

3.1 反馈线性化处理

针对典型的欠驱动AUV模型：

code复制Mν̇ + C(ν)ν + D(ν)ν + g(η) = τ
η̇ = J(η)ν

我们采用输入-输出反馈线性化，选取适当输出方程使零动态稳定。关键步骤包括：

1. 计算Lie导数直至相对阶为2
2. 构造非线性反馈律：

   matlab复制tau = inv(L_gL_fh(x))*(v - L_f^2h(x))
   

3. 验证内部动态的稳定性

3.2 全局积分滑模控制(GISMC)实现

针对参数不确定性设计的GISMC控制器：

matlab复制% 滑模面设计
s = e + K*integral(e) + Lambda*e_dot;

% 控制律计算
u_eq = M_hat*(q_ddot_d + K*e + Lambda*e_dot) + C_hat*q_dot + G_hat;
u_sw = -K_s*sat(s/Phi);
u = u_eq + u_sw;

参数选择经验：

• 边界层厚度Φ取采样周期的5-10倍
• K_s需满足匹配条件不确定性上界
• 积分增益K影响稳态误差消除速度

4. 仿真实验与结果分析

4.1 典型测试场景

我们设置了三类测试路径：

1. 直线加速跟踪（验证动态响应）
2. 正弦曲线路径（验证横向控制性能）
3. 复合折线路径（验证鲁棒性）

加入15%参数扰动和0.3m/s恒定侧向流干扰。

4.2 性能指标对比

4.3 关键仿真代码解析

运动学控制器核心片段：

matlab复制function [u_d, v_d] = kinematic_control(x_e, y_e, psi_e, U_d)
    % 参数设置
    k1 = 1.5; k2 = 2.0; delta = 5.0;
    
    % 手位置点转换
    x_h = x_e + delta*cos(psi_e);
    y_h = y_e + delta*sin(psi_e);
    
    % 虚拟控制量计算
    u_d = U_d*cos(psi_e) + k1*x_h;
    v_d = U_d*psi_e + k2*sign(U_d)*y_h;
end

5. 工程实践中的经验总结

5.1 采样周期选择准则

通过大量实验我们得出：

• 运动学层：100-200ms（匹配视觉/声呐更新率）
• 动力学层：20-50ms（覆盖执行器带宽）
• 异步执行时需注意数据同步问题

5.2 执行器饱和处理

实际项目中发现的典型问题及解决方案：

1. 积分饱和：采用条件积分策略

   matlab复制if abs(u)<u_max
       integral = integral + e*dt;
   end
   

2. 速率限制：增加前馈补偿
3. 死区补偿：基于历史数据建立逆模型

5.3 海试调试技巧

1. 先静态调参（系泊状态参数辨识）
2. 低速直线测试（验证基本功能）
3. 逐步增加复杂度（速度→路径曲率→干扰）
4. 保留完整的参数修改记录

6. 扩展研究方向

基于本项目经验，我们正在开展以下延伸工作：

1. 事件触发控制策略（降低能耗）
2. 基于强化学习的参数自整定
3. 多AUV协同路径跟踪
4. 复杂海况下的扰动观测器设计

在实际工程中，我们发现将传统控制理论与现代智能算法结合，往往能取得最佳效果。例如将滑模控制与神经网络结合，既能保持鲁棒性，又能减少抖振现象。