包 濤，王 琦，周則興，陳 卓

(1.中國船舶科學(xué)研究中心，江蘇 無錫 214082；2.深海技術(shù)科學(xué)太湖實(shí)驗(yàn)室，江蘇 無錫 214082)

0 引言

無人水面艇(USV，unmanned surface vessel)，也被稱為無人艇，是一種能夠在江河湖海等水域上進(jìn)行自主航行的，可遂行預(yù)定的自主作業(yè)任務(wù)的水上平臺(tái)[1-2]。目前，無人艇在海洋勘探、水下探測、海洋監(jiān)測、區(qū)域巡邏、科學(xué)調(diào)查等領(lǐng)域發(fā)揮了越來越重要的作用。無人艇機(jī)動(dòng)性高、自主性好、環(huán)境適應(yīng)性強(qiáng)，在軍事以及民用領(lǐng)域均有十分強(qiáng)大的應(yīng)用潛力，因此近年來已成為全球智能海洋裝備研發(fā)領(lǐng)域的研究焦點(diǎn)之一[3-4]，而其中航向控制的自適應(yīng)和智能化則是無人艇實(shí)現(xiàn)其自主航行控制的關(guān)鍵。

無人艇在水域執(zhí)行作業(yè)任務(wù)時(shí)，風(fēng)、流、浪等水面環(huán)境經(jīng)常對(duì)艇體產(chǎn)生擾動(dòng)，同時(shí)其操縱運(yùn)動(dòng)模型又具有比較復(fù)雜的非線性特征，導(dǎo)致無人艇的艏搖等運(yùn)動(dòng)加劇，致使無人艇的任務(wù)載荷難以發(fā)揮作業(yè)能力，嚴(yán)重的甚至可能導(dǎo)致任務(wù)失敗，因此對(duì)無人艇航向的控制方法提出了比較高的要求。目前針對(duì)無人艇航向控制算法，學(xué)術(shù)界按照是否具有被控對(duì)象信息分為基于模型的控制技術(shù)和無模型控制技術(shù)。典型的基于模型的控制技術(shù)包括：滑膜控制[6]、魯棒控制[7]、最優(yōu)控制[8]、反步控制[9]等，基于模型的控制技術(shù)其特征在于：航向控制率的構(gòu)建過程中需要無人艇模型參數(shù)的參與，如反步控制方法，其是由無人艇運(yùn)動(dòng)數(shù)學(xué)模型反向推導(dǎo)設(shè)計(jì)得到航向控制率，當(dāng)被控系統(tǒng)的模型可以被精確地?cái)?shù)學(xué)化時(shí)，基于模型的控制方法可以達(dá)到良好的控制效果，如經(jīng)典的倒立擺問題等，但是實(shí)際工程中被控系統(tǒng)經(jīng)常具有復(fù)雜的非線性特征，同時(shí)存在大量的環(huán)境干擾，對(duì)于這些特征和干擾，常規(guī)方法難以建立準(zhǔn)確的模型，不準(zhǔn)確的數(shù)學(xué)模型將導(dǎo)致基于模型的控制方法效果下降甚至失效。常見的無模型控制技術(shù)主要包括：PID控制[10]、迭代學(xué)習(xí)控制[11]、無模型自適應(yīng)控制[12]以及各種新興的智能控制方法[13-14]。PID控制是早期流行的控制技術(shù)，其不需要被控系統(tǒng)的模型參數(shù)，可以僅通過系統(tǒng)輸入輸出數(shù)據(jù)的比例、微分和積分操作，實(shí)現(xiàn)對(duì)被控系統(tǒng)的鎮(zhèn)定控制，但其控制效果較為粗略，在系統(tǒng)變動(dòng)較大時(shí)需要重新調(diào)整控制參數(shù)；另一種無模型控制技術(shù)同樣不關(guān)注被控系統(tǒng)模型，僅使用系統(tǒng)輸入/輸出(I/O)數(shù)據(jù)，控制率的構(gòu)建中不包括被控系統(tǒng)的任何參數(shù)，同時(shí)該方法因?yàn)榘瑢?duì)系統(tǒng)實(shí)時(shí)在線估計(jì)，因此在被控系統(tǒng)的模型參數(shù)不準(zhǔn)確、較復(fù)雜或時(shí)常變動(dòng)的情況下也具有較為優(yōu)秀的控制效果。

20世紀(jì)末，北京交通大學(xué)的侯忠生開發(fā)了一種被稱為無模型自適應(yīng)控制(MFAC，model free adaptive control)的方法[15]，方法中提出了一種區(qū)別于其他同類方法的動(dòng)態(tài)線性化方法，同時(shí)提出了偽偏導(dǎo)數(shù)的新定義，方法在被控系統(tǒng)的每個(gè)動(dòng)態(tài)工作點(diǎn)處都建立一個(gè)與之等價(jià)的動(dòng)態(tài)線性化數(shù)據(jù)模型，然后基于此等價(jià)的虛擬數(shù)據(jù)模型再設(shè)計(jì)相應(yīng)的控制器并進(jìn)行了理論分析，從而實(shí)現(xiàn)非線性系統(tǒng)的自適應(yīng)控制。MFAC方法具有以下優(yōu)勢(shì)：僅依賴被控系統(tǒng)實(shí)時(shí)量測的數(shù)據(jù)；不需要任何外在的測試信號(hào)或訓(xùn)練過程；方法簡單、計(jì)算負(fù)擔(dān)小、易于實(shí)現(xiàn)且魯棒性強(qiáng)。

MFAC方法中的動(dòng)態(tài)線性化方法有3種具體形式，分別為緊格式動(dòng)態(tài)線性化(CFDL，compat form dynamic linearization)、偏格式動(dòng)態(tài)線性化(PFDL，partial form dynamic linearization)和全格式動(dòng)態(tài)線性化(FFDL，full form dynamic linearization)，3種方法的計(jì)算量依次上升，對(duì)被控系統(tǒng)的控制效果也依次上升?？紤]到控制系統(tǒng)的實(shí)時(shí)性要求，以及本文試驗(yàn)對(duì)象有限的硬件條件，本文使用了偏格式動(dòng)態(tài)線性化方法作為無模型自適應(yīng)控制器的動(dòng)態(tài)線性化方法，文章首先設(shè)計(jì)了虛擬輸出量以改進(jìn)算法性能，同時(shí)利用改進(jìn)細(xì)菌覓食算法對(duì)IMFAC算法的參數(shù)初始值進(jìn)行預(yù)整定，最后在模擬的環(huán)境干擾下進(jìn)行了半物理仿真試驗(yàn)，同時(shí)建立了傳統(tǒng)控制方法，并與本文的IMFAC控制方法進(jìn)行了效果對(duì)比，從而對(duì)算法的有效性進(jìn)行了驗(yàn)證。

1 考慮干擾的無人艇航向操縱運(yùn)動(dòng)模型

本文設(shè)計(jì)的無人艇改進(jìn)無模型自適應(yīng)航向控制器在實(shí)船應(yīng)用中無需獲取無人艇本身的模型參數(shù)信息，但是在控制器的半物理仿真測試以及最后的結(jié)果分析階段仍需要一種能近似反映無人艇狀態(tài)以及算法性能的驗(yàn)證模型。因此下面介紹所使用的航向響應(yīng)模型和干擾模型。

在船舶航向控制中，本文使用的是野本謙作教授提出的一階非線性響應(yīng)模型[16]：

(1)

式中，r為首搖角速率；δ為舵角；T為追隨性時(shí)間常數(shù)；K為舵角增益；α為Norbbin系數(shù)，其具體數(shù)值可以由螺旋實(shí)驗(yàn)確定；d為干擾；ψ為航向角。

為了在半物理仿真試驗(yàn)中模擬無人艇在航行中受到的環(huán)境擾動(dòng)，需要對(duì)式(1)的干擾項(xiàng)d做進(jìn)一步分析。無人艇所受的環(huán)境擾動(dòng)一般可以分成兩大類，一類是海風(fēng)、海流對(duì)無人艇的擾動(dòng)，另一類是海浪對(duì)無人艇的擾動(dòng)。海風(fēng)、海流對(duì)船舶的擾動(dòng)通常在短時(shí)間內(nèi)是一個(gè)恒定值，因此為了在合理范圍內(nèi)簡化無人艇的干擾模型，使用定常值加隨機(jī)白噪聲的方式模擬無人艇收到的海風(fēng)和流的干擾。對(duì)于海浪的干擾，根據(jù)文獻(xiàn)[17]的描述，可以利用式(2)建立起海浪對(duì)無人艇舵角的擾動(dòng)關(guān)系，從而將海浪擾動(dòng)加入無人艇航向操縱運(yùn)動(dòng)模型中。

(2)

式中，L為海浪波高；k1為有色噪聲比例系數(shù)；wgn為高斯白噪聲；G(s)為有色噪聲到波高的傳遞函數(shù)；N為無人艇首搖擾動(dòng)力矩；αr為無人艇航向與海浪方向的夾角；C1、C2、ρ1為試驗(yàn)確定的系數(shù)；Kr為比例系數(shù)，與船的尺寸、噸位等有關(guān)；V為無人艇速(m/s)，δl為等效的干擾舵角。

2 無人艇抗干擾航向自適應(yīng)控制器設(shè)計(jì)

2.1 PFDL-MFAC算法的改進(jìn)

無模型自適應(yīng)控制(MFAC)器的構(gòu)建核心在于對(duì)被控非線性系統(tǒng)的動(dòng)態(tài)線性化改寫上，文獻(xiàn)[15]中列舉了針對(duì)多種被控系統(tǒng)的動(dòng)態(tài)線性化方法，并且給出了嚴(yán)格的數(shù)學(xué)證明。

考慮到無人艇所受環(huán)境干擾較為復(fù)雜，且船舶動(dòng)作具有一定的滯后性，以及未來可能應(yīng)用的實(shí)船有限的硬件條件，本文基于偏格式動(dòng)態(tài)線性化的無模型自適應(yīng)(PFDL-MFAC)方法，將當(dāng)前時(shí)刻的一個(gè)固定長度滑動(dòng)時(shí)間窗口內(nèi)的所有輸入變化量的影響都考慮進(jìn)來，并針對(duì)無人艇航向控制，設(shè)計(jì)了虛擬輸出項(xiàng)以滿足無模型自適應(yīng)控制假設(shè)條件，建立基于偏格式動(dòng)態(tài)線性化方法的無模型自適應(yīng)航向控制器。

對(duì)于一般的單輸入單輸出非線性離散系統(tǒng)：

y(k+1)=f(y(k)，…，y(k-ny)，u(k)，

…，u(k-nu))

(3)

式中，u(k)∈R，y(k)∈R是系統(tǒng)在k時(shí)刻的輸出和輸入；ny，nu是未知的正整數(shù)。

當(dāng)系統(tǒng)滿足假設(shè)1及2時(shí)如下。

假設(shè)1：f(…)關(guān)于第(ny+2)個(gè)變量到第(ny+L+1)個(gè)變量分別存在連續(xù)偏導(dǎo)數(shù)；

假設(shè)2：系統(tǒng)(3)滿足Lipschitz條件，即對(duì)任意k1≠k2，k1，k2≥0和UL(k1)≠UL(k2)有：

(4)

其中：y(ki+1)=f(y(ki)，…，y(ki-ny)，u(ki)，…，u(ki-nu))，i=1，2；b>0是一個(gè)常數(shù)；UL(k)=[u(k)，…，u(k-L+1)]T，L為輸入線性化長度常數(shù)。

系統(tǒng)(3)可表示為：

(5)

可以注意到，系統(tǒng)(1)的輸出ψ并不能滿足假設(shè)2，即當(dāng)控制量遞增時(shí)，受控系統(tǒng)的輸出應(yīng)當(dāng)是不減的假設(shè)，因此設(shè)計(jì)系統(tǒng)虛擬輸出項(xiàng)[18]：

y(k)=ψ(k)+KZr(k)

(6)

式中，KZ是設(shè)定的常數(shù)。

此時(shí)，當(dāng)KZ的值合適的話，隨著輸入的控制量的增加，KZr(k)也會(huì)隨之增加，以抵消ψ(k)下降對(duì)總輸出的影響，保證被控系統(tǒng)符合假設(shè)2。

結(jié)合設(shè)計(jì)的系統(tǒng)虛擬輸出項(xiàng)，被控系統(tǒng)的控制方案可設(shè)計(jì)為：

u(k)=u(k-1)+

(7)

(8)

2.2 改進(jìn)細(xì)菌覓食算法

在偏格式線性化的無模型自適應(yīng)算法中，需要人工預(yù)先設(shè)定的參數(shù)有步長因子ρ1、ρ2、ρ3、η，權(quán)重因子λ、μ，輸入線性化長度常數(shù)L共7個(gè)，其中L的大小決定了算法的復(fù)雜度，一般不超過5，其余6個(gè)參數(shù)值的選取范圍較為寬大，人工選取較為費(fèi)時(shí)且難以保證最優(yōu)，本文使用改進(jìn)的細(xì)菌覓食算法對(duì)改進(jìn)無模型自適應(yīng)算法的參數(shù)初值進(jìn)行全局尋優(yōu)，以加快改進(jìn)無模型自適應(yīng)算法的收斂速度，提高算法魯棒性。

細(xì)菌覓食算法(BFO，bacterial foraging optimistic)是一種較為新穎的群體智能優(yōu)化算法，算法參考了一種細(xì)菌的覓食行為中的智能特征，創(chuàng)造出了該生物集群算法[18]。BFO算法對(duì)控制參數(shù)的選擇適應(yīng)性高、算法自身具有較強(qiáng)抗干擾性，同時(shí)結(jié)構(gòu)較為清晰簡潔，并且可以實(shí)現(xiàn)并行處理。

圖1是細(xì)菌覓食算法的基本操作流程圖，算法在工作時(shí)主要通過模擬細(xì)菌的下面幾種行為操作，依次是趨向性操作、聚集性操作、復(fù)制性操作和遷徙性操作。趨向性操作使“細(xì)菌”向優(yōu)勢(shì)位置移動(dòng)；聚集性操作使“細(xì)菌”集中于多個(gè)局部最優(yōu)位置；復(fù)制性操作保證優(yōu)勢(shì)位置的“細(xì)菌”數(shù)量增加，提高搜索效率；最后的遷徙性操作則保證了“細(xì)菌”不會(huì)陷入局部最優(yōu)值。算法在進(jìn)行計(jì)算時(shí)，需要優(yōu)化的目標(biāo)信息使用模擬細(xì)菌的位置信息表示，而目標(biāo)是否符合優(yōu)化需求則利用算法設(shè)置的適應(yīng)度函數(shù)值的大小來測試。

圖1 細(xì)菌覓食算法基本步驟

趨向性操作的改進(jìn)：

算法中的虛擬細(xì)菌在趨向操作中將會(huì)模擬真實(shí)細(xì)菌覓食時(shí)的旋轉(zhuǎn)和游動(dòng)的運(yùn)動(dòng)，具體利用數(shù)學(xué)公式描述為式(9)。

(9)

式中，θi(j，k，l)表示第i個(gè)細(xì)菌在第j次趨向操作，第k次復(fù)制操作，和第l次驅(qū)散操作時(shí)細(xì)菌所在的位置；C(i)為細(xì)菌的游動(dòng)步長；Δ(i)為細(xì)菌在搜索空間內(nèi)的任意方向上的一個(gè)隨機(jī)向量。

圖2闡述了本文對(duì)趨向操作中的游動(dòng)步驟的改進(jìn)后計(jì)算流程。在游動(dòng)運(yùn)動(dòng)步驟中，原始算法中的細(xì)菌在游動(dòng)后進(jìn)行適應(yīng)度值的判斷，當(dāng)適應(yīng)度值的結(jié)果優(yōu)于上一位置的結(jié)果時(shí)細(xì)菌將繼續(xù)游動(dòng)，否則細(xì)菌停止游動(dòng)操作。原始算法的游動(dòng)步驟會(huì)使因游動(dòng)而產(chǎn)生適應(yīng)度值下降的細(xì)菌保留低適應(yīng)度值的位置，這使算法的模擬細(xì)菌在每次趨向操作后都產(chǎn)生了大量適應(yīng)度值劣于之前的細(xì)菌個(gè)體，大大降低算法的收斂速度。為了解決這種操作漏洞，本文對(duì)游動(dòng)步驟進(jìn)行了改造，借助文獻(xiàn)[20]提出的細(xì)菌智能探針，研究人員站在觀察者視角，對(duì)所有進(jìn)行游動(dòng)步驟的細(xì)菌預(yù)計(jì)算未來位置的適應(yīng)度值，當(dāng)計(jì)算結(jié)果的值對(duì)比當(dāng)前位置更具有優(yōu)勢(shì)時(shí)，細(xì)菌將保留當(dāng)前游動(dòng)操作指令，并向目標(biāo)位置游動(dòng)，反之細(xì)菌將不前進(jìn)。這種改進(jìn)可以保證每一個(gè)模擬細(xì)菌前進(jìn)的方向都是越來越優(yōu)勢(shì)的位置，不會(huì)出現(xiàn)逆向優(yōu)化的情況，同時(shí)遷徙性操作也保證了算法不會(huì)陷入局部最優(yōu)值。經(jīng)過測試，該方法在不改變算法計(jì)算量的前提下，大大提高了算法的收斂速度。

(10)

圖2 改進(jìn)的游動(dòng)操作流程

2.3 無人艇抗干擾航向自適應(yīng)控制器

結(jié)合改進(jìn)細(xì)菌覓食算法和改進(jìn)無模型自適應(yīng)算法，本文提出了一種抗干擾的無人艇航向自適應(yīng)控制器，控制器的整體結(jié)構(gòu)如圖3所示。

圖3 無人艇抗干擾航向自適應(yīng)控制器

整個(gè)無人艇抗干擾航向自適應(yīng)控制器按照以下流程運(yùn)行：首先，自適應(yīng)控制器將接收無人艇自主導(dǎo)航系統(tǒng)提供的期望航向角與當(dāng)前無人艇的實(shí)時(shí)航向角，將這些數(shù)據(jù)作為改進(jìn)無模型自適應(yīng)控制器(IMFAC)的數(shù)據(jù)輸入，無模型自適應(yīng)控制器的7個(gè)初始控制參數(shù)由改進(jìn)細(xì)菌覓食算法利用與被實(shí)驗(yàn)船相同類型的已知船的仿真模型在虛擬仿真系統(tǒng)中全局尋優(yōu)得到(在整個(gè)控制過程中，初始參數(shù)的尋優(yōu)僅僅需要運(yùn)行一次，后續(xù)控制參數(shù)將由IMFAC算法自行自適應(yīng)調(diào)整，預(yù)尋優(yōu)的目的是為了加快算法的收斂速度，降低人工調(diào)參工作量)，同時(shí)設(shè)計(jì)虛擬輸出項(xiàng)以滿足IMFAC控制器的假設(shè)條件2，IMFAC控制器利用控制率式(10)輸出控制量即無人艇的舵角控制量，無人艇收到舵角控制指令后動(dòng)作舵角執(zhí)行機(jī)構(gòu)，最終無人艇在風(fēng)浪流干擾的環(huán)境下產(chǎn)生姿態(tài)和運(yùn)動(dòng)的變化，通過導(dǎo)航系統(tǒng)的實(shí)時(shí)測量航向角后再反饋回控制器的輸入端，從而反復(fù)迭代，完成無人艇的航向控制。

控制器的完整控制方案如式(10)：

其中，λ>0，μ>0，η∈(0，2]，ρi∈(0，1]，i=1，2，…，L，ε為一個(gè)足夠小的正數(shù)。

算法初始參數(shù)值利用改進(jìn)細(xì)菌覓食算法得到，算法的適應(yīng)度函數(shù)為：

ω4ts+ω5ψo(hù)ver

(12)

式中，e(t)為系統(tǒng)偏差；Δψ(t)=ψ(t)-ψ(t-1)；ψ(t)為航向輸出；ts為調(diào)整時(shí)間；ψo(hù)ver為絕對(duì)超調(diào)量；ω1-5為權(quán)值；Δu(t)為舵角控制量變化量。

式(12)中各項(xiàng)權(quán)值的大小可以影響被優(yōu)化系統(tǒng)的各方面屬性，通過調(diào)整ω1-5的大小能夠使細(xì)菌覓食算法對(duì)系統(tǒng)調(diào)整速度、超調(diào)量、舵角調(diào)整速度等系統(tǒng)屬性針對(duì)性優(yōu)化，權(quán)值越大，代表對(duì)該項(xiàng)優(yōu)化目標(biāo)越關(guān)心，權(quán)值越小，代表對(duì)該項(xiàng)優(yōu)化項(xiàng)越漠視。優(yōu)秀的權(quán)值選取將能夠達(dá)到對(duì)被優(yōu)化系統(tǒng)的理想優(yōu)化效果。

3 半物理仿真試驗(yàn)及結(jié)果分析

為了驗(yàn)證本文提出的IMFAC方法較傳統(tǒng)方法更具有效性和優(yōu)越性，在半物理仿真實(shí)驗(yàn)室中設(shè)計(jì)了有環(huán)境干擾的半物理仿真試驗(yàn)，試驗(yàn)中運(yùn)動(dòng)執(zhí)行機(jī)構(gòu)(包括雙噴水推進(jìn))、無人艇控制系統(tǒng)(包括工控機(jī)、運(yùn)動(dòng)控制器、電源管理器等)均為真實(shí)設(shè)備。試驗(yàn)中，軟件仿真系統(tǒng)負(fù)責(zé)模擬無人艇在水面上的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)響應(yīng)以及有干擾的環(huán)境對(duì)艇的航向控制產(chǎn)生的擾動(dòng)；真實(shí)執(zhí)行機(jī)構(gòu)負(fù)責(zé)動(dòng)力系統(tǒng)的執(zhí)行和反饋；真實(shí)控制機(jī)構(gòu)則負(fù)責(zé)算法的執(zhí)行。半物理仿真試驗(yàn)?zāi)軌蜃畲蟪潭葴p少實(shí)船試驗(yàn)的危險(xiǎn)性和不確定性，并且可以多次重復(fù)實(shí)驗(yàn)，提高了算法驗(yàn)證效率，圖4為無人艇真實(shí)物理設(shè)備圖。

圖4 無人艇真實(shí)物理設(shè)備圖

圖5 IMFAC參數(shù)預(yù)整定的結(jié)果

試驗(yàn)中，用于驗(yàn)證IMFAC算法效果的無人艇操縱模型以及模擬3級(jí)海況浪干擾模型參數(shù)如表1所示。

表1 無人艇操縱運(yùn)動(dòng)模型及干擾參數(shù)設(shè)置

在虛擬仿真系統(tǒng)中進(jìn)行參數(shù)預(yù)整定的改進(jìn)細(xì)菌覓食算法初始參數(shù)值如表2所示。

表2 BFO算法參數(shù)設(shè)置

表中，Nc為算法趨化操作次數(shù)；Ns為趨化操作運(yùn)動(dòng)最大步數(shù)；Nre為復(fù)制操作次數(shù)；Ned為驅(qū)散操作次數(shù)；S為細(xì)菌個(gè)數(shù)；ω1-5為適應(yīng)度函數(shù)權(quán)值；Km為類似船型舵角增益；Tm為類似船型追隨性時(shí)間常數(shù)。

半物理仿真試驗(yàn)采用以下二種航向控制工況進(jìn)行驗(yàn)證：

1)階躍航向控制，規(guī)定目標(biāo)航向角30°，初始航向角為0°；

2)方形航向控制，每間隔30 s改變一次航向角，初始航向角為0°，階躍梯度為30°，-30°，0°，航向的改變幅度為30°，60°，30°；

利用改進(jìn)細(xì)菌覓食算法對(duì)IMFAC參數(shù)預(yù)整定的結(jié)果如圖 5所示。在以上二種工況下分別與傳統(tǒng)PID控制進(jìn)行對(duì)比，二種工況下設(shè)定航向、PID航向和IMFAC航向的變化情況，以及真實(shí)航向與目標(biāo)航向的誤差情況的仿真結(jié)果如圖 6和圖 7所示。

通過改進(jìn)細(xì)菌覓食算法對(duì)IMFAC的參數(shù)預(yù)整定，得出參數(shù)初始設(shè)定值：λ=0.773；η=1.573；KZ=5.376；μ=5.769；ρ1=0.413；ρ2=0.904；ρ3=0.173。經(jīng)過人工手動(dòng)調(diào)節(jié)尋優(yōu)，PID參數(shù)調(diào)整為KP=0.8；Kd=1.2；Ki=0。

圖6為無人艇30°階躍航向控制仿真圖，在模擬3級(jí)海況干擾的仿真環(huán)境下，IMFAC算法最終調(diào)整時(shí)間為10 s，穩(wěn)定段最終航向誤差趨于零；對(duì)比項(xiàng)手動(dòng)優(yōu)化后的PID控制的無人艇則經(jīng)過約10 s達(dá)到期望值，但穩(wěn)定后由于海浪、海流的干擾具有較大誤差約1～2°，誤差難以趨向于零?？梢园l(fā)現(xiàn)，IMFAC算法在控制速度上可以達(dá)到經(jīng)過人工調(diào)參的PID算法的水平，而在干擾環(huán)境下，PID算法效果則明顯不如IMFAC算法的效果，無法有效消除風(fēng)浪流等環(huán)境干擾對(duì)無人艇航向控制的影響，IMFAC算法則具備將環(huán)境干擾充分抑制的效果。

圖6 無人艇30°階躍航向控制對(duì)比

圖7 無人艇方形航向控制對(duì)比

圖 7為無人艇±30°方形航向控制仿真圖，在模擬3級(jí)海況干擾的仿真環(huán)境下，IMFAC算法與PID算法最終調(diào)整時(shí)間均為10 s左右，對(duì)比項(xiàng)手動(dòng)優(yōu)化后的PID控制，IMFAC算法具有更小的超調(diào)量，且穩(wěn)定段最終航向誤差可以趨于零，PID算法則在穩(wěn)定段由于海浪、海流的干擾具有更大的誤差，難以趨向于零。同時(shí)還可以發(fā)現(xiàn)，PID算法在大范圍調(diào)整航向角時(shí)，效果將變得越來越差，究其原因是PID算法人工調(diào)參時(shí)只能針對(duì)一種工況調(diào)參，無法兼顧多種情況，而IMFAC算法則沒有該問題，其在線偽偏導(dǎo)數(shù)估計(jì)的能力保證了它可以自適應(yīng)多種工況，從而在多種工況下保持其工作性能。

特別需要強(qiáng)調(diào)指出的是，仿真試驗(yàn)中PID的參數(shù)值是通過人工大量手動(dòng)調(diào)參得到的最優(yōu)化參數(shù)結(jié)果，調(diào)節(jié)過程費(fèi)時(shí)費(fèi)力，且由于干擾的存在最終控制效果較差；而本文提出的IMFAC算法的參數(shù)則可以自主獲得，無需人工調(diào)參，且算法對(duì)環(huán)境干擾有明顯的抑制效果，能夠?qū)崿F(xiàn)多種工況下的無人艇航向最優(yōu)控制。

4 結(jié)束語

針對(duì)無人艇在航向控制中易受風(fēng)浪流等環(huán)境干擾，導(dǎo)致控制效果下降的問題，本文提出了一種結(jié)合細(xì)菌覓食算法的改進(jìn)無模型自適應(yīng)控制算法，首先設(shè)計(jì)虛擬輸出量改進(jìn)基于偏格式動(dòng)態(tài)線性化無模型自適應(yīng)控制算法，同時(shí)利用改進(jìn)細(xì)菌覓食算法對(duì)IMFAC算法的參數(shù)初始值進(jìn)行預(yù)整定，最后在模擬的環(huán)境干擾下進(jìn)行了半物理仿真試驗(yàn)，同時(shí)建立了傳統(tǒng)控制方法，并與本文的IMFAC控制方法進(jìn)行了效果對(duì)比，從而對(duì)算法的有效性進(jìn)行了驗(yàn)證。本文研究結(jié)果表明：

1)改進(jìn)的細(xì)菌覓食算法能夠大大縮短改進(jìn)無模式自適應(yīng)控制算法的參數(shù)初始值的尋找時(shí)間，提高算法效果；

2)基于偏格式動(dòng)態(tài)線性化(PFDL)的改進(jìn)無模式自適應(yīng)算法(IMFAC)具有較強(qiáng)的抗干擾性能和較強(qiáng)的收斂性，能夠保證系統(tǒng)誤差快速準(zhǔn)確地收斂到零；

3)本文提出的無人艇抗干擾航向自適應(yīng)控制器在具有一定環(huán)境干擾的情況下相較于PID算法更具優(yōu)勢(shì)，主要體現(xiàn)在本文提出的算法對(duì)于不同工況的控制效果更加穩(wěn)定；在控制后期的穩(wěn)定段，具有更小的跟蹤誤差。