سامانه ‏های غیرخطی در مهندسی برق

سامانه ‏های غیرخطی در مهندسی برق

ارائه‌ ی ساختار کنترلی تلفیقی نوآورانه برای وسیله ‌ی دریایی خودکار تحریک کامل

نوع مقاله : مقاله پژوهشی

نویسنده
دانشگاه یزد، دانشکده مهندسی برق
چکیده
در این مقاله، مسئله‏ ی ردیابی زمان-متناهی مسیر برای وسیله‏ ی دریایی خودکار تحریک کامل در حضور نامعینی پارامتری، عدم ‏قطعیت مدلسازی و نیروهای اغتشاشی محیطی مورد مطالعه قرار گرفته و به منظور حل آن، ساختار کنترلی تلفیقی جدیدی (از نوع غیرخطی مقاوم-تطبیقی زمان-متناهی) پیشنهاد می‏ شود. در ابتدا، مدل جامعی برای توصیف رفتار سینماتیکی و دینامیکی وسیله‏ ی دریایی خودکار تحریک کامل ارائه می‏ گردد. در این مدل، اولاً تمامی ثابت‌های فیزیکی نامعلوم در نظر گرفته شده و ثانیاً عدمقطعیت‏‏ های مدل‏سازی و نیروهای ناشناخته‏ ی وارده از دریا به صورت یک عبارت برداری جمعی (با فرض کرانداری درایهها) لحاظ گردیده است. برای مواجهه با نامعینی پارامتری، بخش ‏هایی از مدل غیرخطی وسیله‏ ی دریایی که شامل ثابت‏ های فیزیکی نامعلوم هستند، به فرم جامع رگرسوری خطی در پارامتر تبدیل می‏ شوند. در ادامه، با تعمیم روش کنترل مد لغزشی پایاندار، تعریف چندین نوع خمینه‏ های لغزشی غیرخطی ابتکاری و تلفیق آن با قوانین بهروزرسانی، یک ساختار کنترلی غیرخطی مقاوم-تطبیقی طراحی می‏ گردد تا وسیله‏ ی دریایی در حضور عوامل نامطلوب فوق‏‏ الذکر، بعد از سپری شدن مدت زمان متناهی (زمان همگرایی مطلق) قابل تنظیمی دقیقاً به مسیر موردنظر برسد. قوانین به ‏روزرسانی موجود در ساختار کنترلی، تخمین‏ های پیوسته و لحظهای را برای ثابت‌های فیزیکی نامعلوم وسیله دریایی فراهم کرده که همگی بعد از گذشت زمان همگرایی مطلق دقیقاً به مقادیر ثابتی می‏ رسند و لزوماً با مقادیر اسمی ثابت‏ های نامعلوم یکسان نیستند. سپس با استفاده از تحلیل‏ های ریاضی (مبتنی بر قضیه‏ ی پایداری لیاپانوف) اثبات می‏ گردد که ساختار کنترلی ترکیبی پیشنهادی قادر است ضمن برآورده ساختن هدف ردیابی مسیر، پایداری زمان-متناهی کلّی سیستم حلقه‏ بسته‏ ی وسیله‏ ی دریایی را تضمین ‌کند. علاوه بر این، تحلیل پایداری زمان-متناهی سیستم حلقهبسته نشان میدهد که ماکزیمم زمان همگرایی مطلق برای رسیدن دقیق وسیله‏ ی دریایی به مسیر موردنظر، از مجموع دو زمان متناهی کوچک‏تر (به نامهای زمان رسیدن و زمان نشست) تشکیل شده و هر کدام از این دو زمان را می‎ توان با استفاده از نامساویهای جداگانهای مشخص کرد. در انتها با استفاده از نرمافزار MATLAB، سیستم حلقه ‏بستهی کشتی Cybership II مورد شبیه‏ سازی عددی قرار می‏ گیرد تا نشان داده شود که راهکار کنترلی غیرخطی مقاوم-تطبیقی پیشنهادی می‌تواند هدف ردیابی زمان متناهی مسیر دلخواه را با کارائی مناسب برآورده سازد.
کلیدواژه‌ها

[1] A. Abooee, M. Hayeri Mehrizi, M. M. Arefi, and S. Yin, “Finite-time sliding mode control for a 3-DOF fully actuated autonomous surface vehicle,” Transactions of the Institute of Measurement and Control, vol. 43, no. 2, pp. 371-389, 2021.
[2] R. Chu, Z. Liu, and Z. Chu, “Improved super-twisting sliding mode control for ship heading with sideslip angle compensation,” Ocean Engineering, vol. 260, no. 1, pp. 111996 (1-10), 2022.
[3] F. Sedghi, M. M. Arefi, A. Abooee, and O. Kaynak, “Adaptive robust finite-time nonlinear control of a typical autonomous underwater vehicle with saturated inputs and uncertainties,” IEEE/ASME Transactions on Mechatronics, vol. 26, no. 5, pp. 2517-2527, 2021.
[4] T. Jiang, Y. Yan, D. Wu, S. Yu, and T. Li, “Neural network based adaptive sliding mode tracking control of autonomous surface vehicles with input quantization and saturation,” Ocean Engineering, vol. 265, no. 1, pp. 112505 (1-9), 2022.
[5] Y. Yan, S. Yu, and C. Sun, “Event-triggered sliding mode tracking control of autonomous surface vehicles,” Journal of the Franklin Institute, vol. 358, no. 8, pp. 4393-4409, 2021.
[6] M. Li, C. Guo, H. Yu, and Y. Yuan, “Line-of-sight-based global finite-time stable path following control of unmanned surface vehicles with actuator saturation,” ISA Transactions, vol. 125, no. 1, pp. 306-317, 2022.
[7] I. Collado-Gonzalez, A. Gonzalez-Garcia, ,C. Sotelo, D. Sotelo, and H. Castañeda, “A real-time NMPC guidance law and robust control for an autonomous surface vehicle,” IFAC-Papers Online, vol. 54, no. 16, pp. 252-257, 2021.
[8] Y. Weng and N. Wang, “SMC-based model-free tracking control of unknown autonomous surface vehicles,” ISA Transactions, DOI: 10.1016/j.isatra.2022.08.012, 2022.
[9] J. Rodriguez, H. Castañeda, A. Gonzalez-Garcia, and J. L. Gordillo, “Finite-time control for an unmanned surface vehicle based on adaptive sliding mode strategy,” Ocean Engineering, vol. 254, no. 1, pp. 111255 (1-9), 2022.
[10] Q. Yao, “Adaptive finite-time sliding mode control design for finite-time fault-tolerant trajectory tracking of marine vehicles with input saturation,” Journal of the Franklin Institute, vol. 357, no. 18, pp. 13593-13619, 2020.
[11] L. M. Kinjo, S. Wirtensohn, J. Reuter, T. Menard, and O. Gehan, “Trajectory tracking of a fully-actuated surface vessel using nonlinear model predictive control,” IFAC-Papers Online, vol. 54, no. 16, pp. 51-56, 2021.
[12] S. Souissi and M. Boukattaya, “Time-varying nonsingular terminal sliding mode control of autonomous surface vehicle with predefined convergence time,” Ocean Engineering, vol. 263, no. 1, pp. 112264 (1-9), 2022.
[13] Y. Wang, B. Jiang, Z. G. Wu, S. Xie, and Y. Peng, “Adaptive sliding mode fault-tolerant fuzzy tracking control with application to unmanned marine vehicle,” IEEE Transactions on Systems, Man, and Cybernetics: Systems, vol. 51, no. 11, pp. 1304-1312, 2021.
[14] Y. Zhao, X. Sun, G. Wang, and Y. Fan, “Adaptive backstepping sliding mode tracking control for under-actuated unmanned surface vehicle with disturbances and input saturation,” IEEE Access, vol. 9, no. 1, pp. 1304-1312, 2020.
[15] Y. Yu, C. Guo, and H. Yu, “Finite-time PLOS-based integral sliding-mode adaptive neural path following for unmanned surface vessels with unknown dynamics and disturbances,” IEEE Transactions on Automation Science and Engineering, vol. 16, no. 4, pp. 1500-1511, 2019.
[16] M. Van, V. T. Do, M. O. Khyam, and X. P. Do, “Tracking control of uncertain surface vessels with global finite-time convergence,” Ocean Engineering, vol. 241, no. 1, pp. 109974 (1-9), 2021.
[17] B. Qiu, G. Wang, Y. Fan, D. Mu, and X. Sun, “Path following of underactuated unmanned surface vehicle based on trajectory linearization control with input saturation and external disturbances,” International Journal of Control, Automation and Systems, vol. 18, no. 1, pp. 2108-2119, 2020.
[18] Y. Yan, X. Zhao, S. Yu, and C. Wang, “Barrier function-based adaptive neural network sliding mode control of autonomous surface vehicles,” Ocean Engineering, vol. 238, no. 8, pp. 109684 (1-9), 2021.
[19] D. Mu, G. Wang, and Y. Fan, “Trajectory tracking control for underactuated unmanned surface vehicle subject to uncertain dynamics and input saturation,” Neural Computing and Applications, vol. 33, no. 1, pp. 12777-12789, 2021.
[20] W. He, Z. Yin, and C. Sun, “Adaptive neural network control of a marine vessel with constraints using the asymmetric barrier Lyapunov function,” IEEE Transactions on Cybernetics, vol. 47, no. 7, pp. 1641-1651, 2017.
[21] M. Y. Li, J. Xu, W. B. Xie, and H. B. Wang, “Finite-time composite learning control for trajectory tracking of dynamic positioning vessels,” Ocean Engineering, vol. 262, no. 1, pp. 112288 (1-10), 2022.
[22] X. Sun, G. Wang, and Y. Fan, “Adaptive trajectory tracking control of vector propulsion unmanned surface vehicle with disturbances and input saturation,” Nonlinear Dynamics, vol. 106, no. 1, pp. 2277-2291, 2021.
[23] Y. Zhang, W. Tan, X. Meng, Q. Zhang, and Y. Hu, “Adaptive on-line approximator-based finite-time trajectory tracking control for the surface vessel,” IEEE Access, vol. 10, no. 1, pp. 104294-104285, 2022.
[24] N. Wang and C. K. Ahn, “Hyperbolic-tangent LOS guidance-based finite-time path following of underactuated marine vehicles,” IEEE Transactions on Industrial Electronics, vol. 67, no. 10, pp. 8566-8575, 2020.
[25] G. Zhu and J. Du, “Global robust adaptive trajectory tracking control for surface ships under input saturation,” IEEE Journal of Oceanic Engineering, vol. 45, no. 2, pp. 442-450, 2020.
[26] H. Fakharizade Bafghi, M.R. Jahed-Motlagh, A. Abooee, and A. Moarefianpur, “Robust finite-time tracking for a square fully-actuated class of nonlinear systems,” Nonlinear Dynamics, vol. 103, no. 21, pp. 1-15, 2021.
[27] F. Sedghi, M. M. Arefi, A. Abooee, and S. Yin, “Distributed adaptive-neural finite-time consensus control for stochastic nonlinear multi-agent systems subject to saturated inputs,” IEEE Transactions on Neural Networks and Learning Systems, DOI: 10.1109/TNNLS.2022.3145975, 2022.
[28] M. Basin, “Finite- and fixed-time convergent algorithms: Design and convergence time estimation,” Annual Reviews in Control, vol. 48, no. 1, pp. 209–221, 2019.
[29] X. Yu, Y. Feng, and Z. Man, “Terminal sliding mode control: An overview,” IEEE Open Journal of the Industrial Electronics Society, vol. 2, no. 1, pp. 36-52, 2021.
[30] A. Abooee and M. M. Arefi, “Robust finite-time stabilizers for a connected chain of nonlinear double-integrator systems,” IEEE Systems Journal, vol. 13, no. 1, pp. 833-841, 2019.
[ 31 [ علی ابویی، مهران اسلامی و محمد حائری، ” طراحی کنترلکنندههای غیرخطی زمان-محدود مقاوم برای زیردریایی شش درجه
آزادی به منظور ردیابی مسیر “ مجله علمی و پژوهشی کنترل، جلد 14 ، شماره 1، صفحات 113 - 93 ، بهار 1399 .
[ 32 [ جواد مولائی، اکبر شرقی و رضا آقایی طوق، ” طراحی کنترل مدلغزشی ترمینال زمان-ثابت برای ربات با چرخهای مکانوم “ نشریه
سامانههای غیرخطی در مهندسی برق، جلد 8، شماره 2، صفحات 19 - 37 ، پاییز و زمستان 1400 .
[ 33 [ مینا قهستانی، احمدرضا ولی و مهدی سیاهی، ” طراحی کنترل کننده غیرخطی به منظور پایدارسازی زمان محدود سیستم تعلیق
الکترومغناطیسی “ نشریه سامانههای غیرخطی در مهندسی برق، جلد 8، شماره 2، صفحات 38 - 62 ، پاییز و زمستان 1400 .
[ 34 [ هادی دلاوری و سیده زهرا رشیدینژاد حیدری، ” طراحی کنترل کننده مد لغزشی ترمینال تطبیقی مرتبه کسری برای ردیابی نقطه
حداکثر توان در یک سلول خورشیدی تحت شرایط عادی و شرایط سایه جزئی “ نشریه سامانههای غیرخطی در مهندسی برق، جلد
5، شماره 2، صفحات 4 - 22 ، 1397 .

دوره 9، شماره 1 - شماره پیاپی 15
فروردین 1401
صفحه 118-146

  • تاریخ دریافت 22 تیر 1404
  • تاریخ اولین انتشار 22 تیر 1404
  • تاریخ انتشار 01 فروردین 1401