ROV水下对接液压飞头过程位姿控制方法研究.docVIP

ROV水下对接液压飞头过程位姿控制方法研究 　　摘要：ROV位姿控制的快速性与稳定性是MQC（液压飞头）水下对接成功的关键。本文针对MQC水下对接过程中，海流推力、对接反力等外扰巨大且无法预估的问题，提出了机械臂辅助下的ROV位姿控制的系统结构与工作原理，并在此基础上分析比较了Z-N整定法和模糊算法等PID控制参数优化方法，仿真结果表明，集模糊算法、Z-N整定法于一体的模糊-PID控制算法可以最大限度地提高ROV位姿控制性能，提高MQC水下对接稳定性，提高水下对接成功率。 　　关键词：MQC对接，ROV位姿控制，Z-N整定，模糊算法，模糊-PID控制 　　0 引言 　　MQC（液压飞头）是用来在水下同时连接多个接头的装置，主要用以分配水下液压控制信号。MQC对接是由ROV将移动端与海底设备上的固定端对接，从而实现管路的连通[1]。在MQC对接过程中，ROV位姿控制非常重要。 　　1 结构与工作原理 　　ROV是有缆水下自治机器人，通过推进器合理排布实现前、后、左、右、上浮、下沉运动，其携带如机械手、扭矩工具等作业工具，能够辅助完成复杂的作业任务。 　　ROV的基座处于浮游状态，即ROV并非固定状态，存在自由度冗余，这使得操作具有更高的灵活性，但也造成了运动学反解的不唯一性；同时，ROV的机械手与ROV本体之间存在动力学耦合，机械手的运动会引起ROV的运动，进而导致机械手末端执行器不能准确地定位，不利于末端轨迹的跟踪控制；另外，ROV工作环境面临诸多未知问题，通常都比较复杂，比如海水的作用力、移动端和固定端对接的相互作用力等等对系统的操作都有很大的影响。这些都大大增加了ROV位姿研究的难度[2]。 　　2 基于ROV的MQC对接过程 　　深水环境下的MQC对接，潜水员作业受限，需要借助水下机器人进行操作，利用基于ROV进行MQC对接过程如下：首先母船装载所有对接设备预先定位到对接地点的水面上，并把所有设备输送到水下对接地点，准备进行对接；然后ROV向海底设备移动，机械手上带有的扭矩工具从暂置位上取下MQC移动端；ROV再次移动，携带MQC移动端驶向海底固定设备，到达目标地点后机械手将移动端与固定端对接，完成对接后ROV撤离。若对接过程中ROV姿态发生变动，有可能导致对接失败，甚至引起重大事故。 　　3 ROV位姿PID控制参数优化方法概述 　　所谓ROV位姿是指在MQC对接过程中，ROV上各点相对参考坐标系的空间位置，稳定性即ROV受到干扰后能否回到原来姿态的性能。ROV运动位姿控制采用PID控制，PID控制从无到有已经经历了近一个世纪，它结构简单、稳定性能好、可靠性高的优点使其至今依然能得到广泛的应用[3]。PID三个参数需要通过优化使系统获得良好的快速性和稳定性，其优化可以通过不同的控制算法实现，优化目的是降低超调，对干扰做出迅速的响应。ROV位姿控制系统是一个非线性流体动力学的系统，其中的多个状态变量多有耦合，以及系统本身的不确定性和环境的多变性都给控制带来挑战。PID控制参数优化方法有多种，这里介绍PID控制参数的Z-N整定法和模糊算法优化方法。 　　3.1 PID控制参数的Z-N整定法 　　Z-N整定法是Ziegler和Nichols在1942年提出来的PID控制参数的经验整定公式，在实际工业过程中，大多数被控对象获得数学模型后，即可通过时域或频域数据，根据表1所示的Z-N整定经验公式计算PID控制参数。 　　表1 PID控制参数的Z-N经验整定公式 　　这里借助MATLAB环境进行整定?⒒岷芊奖悖?在得到被控对象传递函数后可以利用MATLAB求得幅值裕量、剪切频率等参数，而后根据上表公式设计PID控制器。但是这样得到的PID控制在面对复杂多变的深水环境时可能得不到预期效果。 　　3.2 PID控制参数模糊算法优化法 　　由于PID控制更加适合具有精确数学模型的系统，而实际工业中大多数系统常常比较复杂，再加上深水环境充满了不确定性和未知性，被控对象的参数甚至模型结构都会随之不断发生变化。因此我们希望PID控制器参数最好能够具有自适应性，能够对外界干扰做出快速的反应。于是引入了一个算法――模糊算法。模糊算法是一种根据“相似度”来描述问题的。模糊算法中所有输入变量基于经验值，每个变量对应几个模糊设置，根据从属函数得到解；而抉择逻辑，即模糊规则是自变量和因变量之间的关系，这是基于已有的知识经验；模糊推论则是基于归纳演绎方法；最终得到输出。总而言之，模糊算法针对系统的不确定性和非线性[4]。 　　一般模糊控制器采用二维模糊输入，其结构框图如图1所示。从中可以看出，输入偏差E和其变化率EC经过量化因子变换后得到模糊论域，然后经过模糊化环节再进行模糊逻辑推理，可以得到输出模糊子集，最后经过解模