海流干扰下网衣清洗机器人控制方法研究❋

宋晨嘉, 刘贵杰, 马 琪, 王新宝, 田晓洁❋❋

(1.中国海洋大学工程学院, 山东 青岛 266100; 2.中国人民解放军海军潜艇学院, 山东 青岛 266199;3.青岛森科特智能仪器有限公司, 山东 青岛 266001)

网箱养殖是海洋产业中的重要产业,是中国海洋经济的重要增长点[1]。在网箱养殖的过程中,海洋生物在养殖网箱上的有害附着会阻碍水体流动,使养殖网箱内水体恶化,进而污染养殖环境,引起鱼病频发、养殖鱼类品质下降,严重时还会造成网衣破损。因此,对网箱网衣清理是非常必要的。传统网箱的网衣清洗主要以人工清除和药物清洗为主:人工清洗劳动强度大,且效率低;药物清洗价格昂贵、工序复杂[2]。随着渔业装备技术的发展,网箱网衣清洗设备应运而生。现有的网衣清洗机主要有机械毛刷网衣清洗机、射流毛刷组合网衣清洗机和高压射流网衣清洗机。国内、外一些公司、机构通过水下履带式机器人搭载网衣清洗装置,设计了几款网衣清洗机器人,如美国Yammar Marine公司采用高压水和毛刷结合的清洗方式,设计了履带式网衣清洗机器人;挪威AKVA group公司和MPI公司的网衣清洗装备则是半自动的有缆洗网装置,其洗网作业是自动的,但是洗网装置的运动是依靠人工移动;广东海洋大学设计一种履带式深海网箱清洗机器人,依靠反冲装置和两组履带轮贴附网衣表面行走,同时以高压旋转式射流清洗网衣[3]。由于网衣清洗机器人多是履带式水下机器人,只能贴附网衣运动,运动范围受限,并且清洗时间较长,因此笔者所在课题组设计了一款新型网衣清洗机器人,该机器人可在水中全自由度运动,对网箱的网衣进行清洗。

随着海洋工程技术的发展,开发和使用能够适应各种复杂环境的水下机器人的任务变得尤为重要[4],而水下机器人的稳定运动控制是网衣清洗机器人有效工作的关键。水下机器人的控制方法有比例积分微分(PID)控制、模糊控制和滑模变结构控制、神经网络控制和模型预测控制等。Tehrani等[5]用PID控制器实现对数字高程模型(DEM)水机器人的定深控制。Shang等[6]将PID算法和模糊控制算法相结合,实现水下机器人的航向和速度的控制。Ishii等[7]在完成水下机器人航向控制、路径跟踪的过程中使用了自适应神经网络控制算法。Joe等[8]设计了一种滑模控制器,可实现水下机器人的三维轨迹跟踪。Sun等[9]通过使用自适应切换项的方法代替传统方法,解决滑模控制中存在的抖震现象,实现水下机器人的轨迹跟踪。邹博[10]在对水下机器人姿态进行控制的过程中,使用新型非奇异滑模控制算法,解决了总段滑模控制器有奇异点的问题。

在深水网箱养殖过程中,鱼类生长与养殖网箱内水体流动密切相关。养殖网箱内水流的速度决定了养殖网箱内部水体的交换速度,对箱内养殖环境有明显的影响[1]。同时,养殖网箱内水体的流动会影响网衣清洗机器人的稳定运动,因此,在海流干扰情况下,对网衣清洗机器人的稳定控制,也是网衣清洗机器人设计中的一个重要方面。本文建立了此款网衣清洗机器人海流干扰下的数学模型。针对网衣清洗机器人的工作方式和海流干扰,设计串级-前馈PID控制器,取得一定的控制效果。在串级-前馈PID控制器的基础上,增加模糊控制器,提高网衣清洗机器人抗海流干扰能力,并加快响应速度,改善控制效果。

1 网衣清洗机器人模型

对此款网衣清洗机器人建立三维模型,并根据模型进行分析后,建立了海流干扰下的网衣清洗机器人运动动力学模型。

1.1 网衣清洗机器人简介

网衣清洗机器人三维模型如图1所示,网衣清洗机器人由8个推进器组成,竖直方向有4个推进器,水平方向布置有4个推进器,可实现全自由度运动。在机器人的两侧搭载滚轮毛刷。网衣清洗机器人调整姿态使滚轮贴附网衣,滚轮对向旋转,对网衣进行清洗。其工作状态如图2所示。

图1 网衣清洗机器人Fig.1 Net clothing cleaning robot

图2 工作状态示意图Fig.2 Working state diagram

1.2 海流干扰下的网衣清洗机器人模型

根据国际拖曳水池会议及造船和轮机工程学会推荐的坐标系[11-12],建立了地面坐标系和机体坐标系两种右手坐标系。水下机器人在地面坐标系和机体坐标系下的速度转换用如下公式表示出来:

(1)

养殖网箱中有海流流动,网衣清洗机器人在网箱中工作时会受到海流的干扰。为便于网衣清洗机器人控制器的设计,本文建立海流干扰下的网衣清洗机器人模型。

本文设计的网衣清洗机器人由水下机器人发展而来,因此网衣清洗机器人的运动动力学模型为:

(2)

式中:M为惯性矩阵;C(v)从为科式力矩阵;D(v)为阻尼矩阵;g(η)为重浮力矩阵;τ为推力矩阵。

本文通过坐标间的变换,将海流干扰施加在网衣清洗机器人上。首先通过海流的流速、侧滑角、攻角等参数将海流分解在地面坐标系下,然后通过地面坐标系与机体坐标系间的相互转换,将分解在大地坐标系下的海流速度转换到机体坐标系下,与原网衣清洗机器人速度相比较,得到网衣清洗机器人相对于海流的相对速度,进而建立海流干扰下的网衣清洗机器人模型[13]。

海流在地面坐系下可以如下表达:

(3)

式中:uf、vf和wf分别为海流相对于地面坐标系x、y和z方向的平移速度;U为海流相对于地面坐标系的速度;Rf,E为海流到地面坐标系的坐标转换矩阵,且

(4)

式中:α为海流相对于地面的侧滑角;β为海流相对于地面的攻角。

在得到海流在地面坐标系下的表达后,可以通过地面坐标系和机体坐标系的坐标转换,得到海流在机体坐标下的表达:

(5)

式中:uc、vc和wc分别为海流相对于机体坐标x、y和z方向的平移速度。

在网衣清洗机器人六自由度方程中,假设海流无旋流的情况下,采用相对运动的概念将海流的作用考虑进去,得

(6)

式中:ur、vr和wr分别为海流作用下机器人相对于地面坐标x、y和z的平移速度;u、v和w分别为机体坐标x、y和z的平移速度;p、q和r分别为机体绕坐标自由度x、y和z的旋转速度。

因此,海流干扰下的网衣清洗机器人的运动动力学方程可以写成:

(7)

(8)

2 仿真模型建立

2.1 模型建立

在得到海流干扰下网衣机器人动力学方程后,在MATLAB中对海流干扰下的网衣清洗机器人进行模型搭建,其建模流程如图3所示。

图3 海流干扰下网衣清洗机器人建模流程Fig.3 Modeling process of Net clothing cleaning robot under ocean current interference

2.2 模型验证

PID控制是一种基于反馈的控制方式,由于其原理简单、参数调节容易、适应性较强且控制效果较好[14],因此PID控制是机器人控制广泛采用的控制方法。本文采用PID控制方法对仿真模型进行验证。使网衣清洗机器人进行空间螺旋运动, 其仿真效果如图4所示。

图4 模型验证轨迹图Fig.4 Model validation trajectory diagram

从图4中可以看出,网衣清洗机器人可以做空间螺旋运动,但是由于网衣清洗机器人在进行螺旋运动的过程中,受到海流的影响,偏离预定轨迹。由此可以验证该模型的正确性,另一方面也说明了,单PID控制不能很好的满足网衣清洗机器人在有海流情况下的控制。

3 串级-前馈PID控制

3.1 扰动机理

为了保持水下机器人的横稳性,使水下机器人的浮心位于重心竖直方向之上,且浮力大于重力。水下机器人发生倾斜时,重力和浮力会产生扶正力矩[15],重力和浮力的合力会沿着机体坐标,分解为沿Y轴和Z轴的2个力,这两个力在旋转的过程中会随着姿态角度的变化而变化,进而对相关方向的运动产生扰动,影响水下机器人运动的稳定性(见图5)。

图5 网衣清洗机器人扰动机理Fig.5 Disturbance mechanism of net clothing cleaning robot

3.2 串级-前馈PID控制设计

用一个PID控制器的输出作为另一个PID控制器的设定值,这样连接起来的两个PID控制器称作是“串级PID控制”。2个PID控制器都有各自的测量输入,但只有主控PID控制器具有自己独立的设定值,主控PID控制器的输出值作为副PID控制器的设定值,副PID控制器的输出信号作用于控制信号。这样的组成系统称为串级PID控制系统。串级PID控制系统有以下特点:(1)具有较强的抗干扰能力;(2)能改善系统的动态特性;(3)能适应负荷和操作条件的剧烈变化[16]。

前馈控制的基本原理就是根据进入系统扰动量(包括设定值变化和外界扰动)的方向和大小产生合适的控制作用去改变操纵变量,使被控变量维持在设定值上。前馈控制系统又称“扰动补偿”系统[17]。

根据网衣清洗机器人的扰动机理,结合串级PID和前馈控制的特点,设计了串级-前馈PID控制器。其控制框图如图6所示,位置姿态作为串级PID控制外环,速度环作为串级PID控制环内环,并且根据网衣清洗机器人的姿态角,计算出扰动力后,反馈给速度环,完成前馈闭环控制。

图6 串级-前馈PID控制流程Fig.6 Cascade-feed forward PID control flow

3.3 串级-前馈PID海流控制仿真分析

设定在养殖网箱中,海流流速为0.2 m/s,侧滑角为30°,攻角为0°。当网衣清洗机器人在养殖网箱中工作时,横揺角为90°,然后沿Z方向运动。对此运动情况进行仿真。其仿真结果如图7所示。

图7 串级-前馈PID控制仿真图Fig.7 Model validation trajectory diagram

对仿真结果进行分析可以发现,网箱中的海流对网衣清洗机器人的运动产生了干扰。X方向和Y方向响应的过程中产生较大的超调量,且稳定时间较长,同时对Z方向的响应和横揺角的响应也有一定程度的影响。经过一定时间后,网衣清洗机器人达到稳定状态,说明串级-前馈PID控制器在海流干扰下的控制具备有效性。

3.4 不同海流干扰下的分析

在串级-前馈PID控制的基础上,探究不同流速的海流对网衣清洗机器人运动的干扰。在简化模型后,对不同流速下的海流干扰进行仿真。在海流侧滑角和攻角均为0°的情况下(即网衣清洗机器人的X方向为海流的迎流面),在网衣清洗机器人沿Z方向运动工作的过程中,施加不同流速的海流,其仿真结果如图8所示。对仿真结果进行分析,因X方向为迎流方向,随着海水流速增大,其响应过程中,超调量增大,说明海水流速越大,对网衣清洗机器人的影响越大。由于网衣清洗机器人的非线性运动耦合作用,Y方向也会受到海流的影响,随着海水流速增大,Y方向的超调量增大,且稳定时间变长。当海水流速达到0.45 m/s后,网衣清洗机器人发生抖动失稳。说明串级-前馈PID对海流的干扰有一定的抵抗能力,但是随着海水流速的增大,其控制效果减弱。

图8 不同流速海流干扰仿真Fig.8 Simulation of ocean current interference with different velocity

不同侧滑角的海流对网衣清洗机器人也会产生不同的影响。在简化模型后,对工作中横揺角为90°、沿Z方向运动的网衣清洗机器人施加不同侧滑角的海流,然后对此进行仿真(见图9)。对X方向和Y方向的响应曲线进行观察,可以发现不同侧滑角的海流根据侧滑角分解为2个力,且对网衣清洗机器人相应的2个方向的响应造成干扰。同时,由于此时网衣清洗机器人的横揺角为90°,还受到重力和浮力的影响,使Y方向的响应和稳定更加复杂。

图9 不同方向海流干扰仿真图Fig.9 Simulation diagram of current interference in different directions

4 模糊控制

采用PID或者改进PID对网衣清洗机器人进行控制,有较大的局限性,一方面需要长时间的进行参数的调节,另一方面不同的工作情况需要不同的参数。模糊控制理论具有容易构造、鲁棒性好的特点,并且可以根据不同的状态推断出较为合适的控制量,另外Y方向的响应反应的是网衣清洗机人和网衣的贴合程度,因此本研究采用模糊控制改善网衣清洗机器人的Y方向运动。

4.1 模糊控制器设计

模糊控制器的基本工作原理是,首先将输入的数字信号进行模糊化(D/F),变成模糊量;然后输入含有模糊规则的模糊推理机,经过处理得出模糊集合;最后通过解模糊化(F/D)变成清晰量,输出到下一级去控制被控对象,实现对目标的控制[18]。本文采用的模糊控制器的原理如图10所示。

(e:输入误差Input error;Δe:输入误差变化率 Input error rate of change;t:响应时间Response time;ke:e对应的比例因子Scale factor; kΔe:Δe对应的比例因子Scale factor;U:控制输出量 Control output volume;E:误差值Error values;CE:误差变化率 Error rate of change。)图10 模糊控制原理图Fig.10 Fuzzy control schematic diagram

该模糊控制器选取网衣清洗机器人Y方向和目标方向间误差值e和误差变化率为模糊控制的两个输入变量,取控制网衣清洗机器人Y方向运动的信号U作为输出变量,依靠推进器的推力调整网衣清洗机器人的运动,使其回到目标位置。采用7个词汇对输入输出变量进行描述,即NB(负大)、NM(负中)、NS(负小)、ZE(零)、PS(正小)、PM(正中)、PB(正大)。两个输入变量在分别乘以量化因子10和20后,得到误差值E和误差变化率CE,其模糊论域分别为[-30,30]和[-60,60],隶属度函数均采用双S隶属度函数。输出变量U的模糊论域为[-3.75,0.75],隶属度函数采用的是高斯函数。输入输出的隶属度曲线如图11所示。

图11 输入输出隶属度函数曲线Fig.11 Input/output membership function curve

在模糊控制器中分别用七个语言模糊集来描述两个输入变量和一个输出变量,根据网衣清洗机器人的实际运行规律,由49条“IF-THEN”型式的模糊条件构建模糊控制规则(见表1)。

表1 模糊控制规则Table 1 Fuzzy control rule

在解模糊化时,采用Mamdani类型的推理方式,选择重心法对输出量进行去模糊化。通过去模糊化处理得到模糊控制模型输出曲面(见图12)。

图12 模糊控制输出曲面Fig.12 Fuzzy control output surface

4.2 模糊控制仿真分析

对前面串级-前馈PID控制器的效果进行分析,发现Y方向的响应波动较大,且稳定时间较长。因此在串级-前馈PID控制的基础上,对Y方向的控制器改进,用设计的模糊控制器代替Y方向位置环的PID控制器,其控制示意图如图13所示。

图13 模糊控制流程Fig.13 Fuzzy control flow

对改进的控制器进行仿真,设定海流流速为0.2 m/s,侧滑角为30°,攻角为0°。网衣清洗机器人在横揺角为90°的情况下,沿Z方向运动工作。对此通过对工作状态进行仿真(仿真结果见图14)可以发现,Y方向的稳定时间变少,稳定速度加快。可以得出模糊控制器的应用对网衣清洗机器人的控制有改进效果,但是由于模糊控制器需要经验积累,其控制效果仍有改善的空间。

图14 模糊控制仿真图Fig.14 Model validation trajectory diagram

5 结论

(1)建立海流干扰下的网衣清洗机器人六自由度模型,通过MATLAB/SIMULINK搭建仿真模型,并用PID验证模型的正确性。

(2)针对网衣清洗机器人的工作情况,采用串级PID控制,根据网衣清洗机器人扰动机理,加入前馈控制,形成串级-前馈PID,会有较好的控制效果;在有一定海流干扰的情况下,会增加网衣清洗机器人运动的稳定性。

(3)在串级-前馈PID控制的基础上,针对Y方向,设计加入了模糊控制器,进一步减少稳定时间,并改善了网衣清洗机器人的控制效果,满足工作要求。