This is the Way: Mitigating the Roll of an Autonomous Uncrewed Surface Vessel in Wavy Conditions Using Model Predictive Control
作者: Daniel L. Jenkins, Joshua A. Marshall
分类: cs.RO, eess.SY
发布日期: 2024-08-27
备注: 6 pages, 10 figures. To appear in Proceedings of the 2024 IEEE/RSJ International Conference on Robots and Systems (IROS), October 2024
💡 一句话要点
提出基于模型预测控制的无人艇横摇抑制方法，提升波浪环境适应性
🎯 匹配领域: 支柱一：机器人控制 (Robot Control)
关键词: 无人艇 模型预测控制 横摇抑制 波浪环境 非线性控制
📋 核心要点
- 小型无人艇在波浪环境中易受扰动，横摇严重影响其稳定性和任务执行。
- 提出基于非线性模型预测控制（NMPC）的横摇抑制方法，利用波浪模型预测艇的运动状态。
- 实验结果表明，该方法在特定波浪条件下能有效降低平均横摇，验证了控制器的有效性。
📝 摘要（中文）
本文研究了在波浪条件下，利用非线性模型预测控制（NMPC）系统来最小化无人艇（USV）平均横摇的问题。该NMPC基于一种预测方法，该方法利用了艇的动力学信息和一个假定的波浪模型。通过调整代价函数的权重，该方法能够在各种条件下减轻欠驱动USV的横摇。结果表明，在1.75米正弦波条件下，经过调整的控制器能够减少39%的平均横摇。建立了一个通用且直观的调整策略。这项初步工作是一个概念验证，为利用波浪预测方法在真实场景中实时执行USV的规划和控制奠定了基础，并为后续的现场试验做准备。
🔬 方法详解
问题定义：论文旨在解决小型无人艇在波浪环境中横摇严重的问题。现有方法在应对复杂波浪环境时，控制效果不佳，难以保证无人艇的稳定性和任务执行效率。因此，需要一种能够有效抑制横摇的控制方法，提高无人艇在波浪环境中的适应性。
核心思路：论文的核心思路是利用模型预测控制（MPC）的预测能力，结合波浪模型，提前预测无人艇在未来一段时间内的运动状态，并根据预测结果调整控制策略，从而有效抑制横摇。通过优化代价函数中的权重，可以灵活调整控制器的性能，适应不同的波浪环境。
技术框架：该方法主要包含以下几个模块：1) 无人艇动力学模型：描述无人艇在水中的运动规律。2) 波浪模型：描述波浪的传播和变化规律。3) 模型预测控制器：根据无人艇动力学模型和波浪模型，预测无人艇在未来一段时间内的运动状态，并计算最优控制输入。4) 代价函数：用于评估控制效果，包含横摇角度、控制输入等因素。控制器通过最小化代价函数来优化控制策略。
关键创新：该方法的关键创新在于将波浪模型融入到模型预测控制中，利用波浪预测信息来提高控制器的性能。与传统的基于反馈的控制方法相比，该方法能够提前预测波浪对无人艇的影响，从而更有效地抑制横摇。此外，该方法还提出了一种通用且直观的调整策略，方便用户根据实际情况调整控制器的参数。
关键设计：代价函数的设计是关键。论文通过调整代价函数中横摇角度和控制输入的权重，来平衡控制性能和能量消耗。此外，预测时域的长度也会影响控制器的性能，需要根据实际情况进行调整。论文中使用的波浪模型是一个简化的正弦波模型，在实际应用中可能需要使用更复杂的波浪模型。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在1.75米正弦波条件下，经过调整的控制器能够减少39%的平均横摇。这一结果验证了该方法的有效性，表明其在抑制无人艇横摇方面具有显著优势。此外，论文还建立了一个通用且直观的调整策略，方便用户根据实际情况调整控制器的参数。
🎯 应用场景
该研究成果可应用于多种无人艇应用场景，如海洋环境监测、水下地形勘测、海上搜救等。通过提高无人艇在波浪环境中的稳定性，可以扩展其应用范围，提高任务执行效率。未来，该技术有望应用于更复杂的海洋环境中，为海洋科学研究和工程应用提供有力支持。
📄 摘要（原文）
Though larger vessels may be well-equipped to deal with wavy conditions, smaller vessels are often more susceptible to disturbances. This paper explores the development of a nonlinear model predictive control (NMPC) system for Uncrewed Surface Vessels (USVs) in wavy conditions to minimize average roll. The NMPC is based on a prediction method that uses information about the vessel's dynamics and an assumed wave model. This method is able to mitigate the roll of an under-actuated USV in a variety of conditions by adjusting the weights of the cost function. The results show a reduction of 39% of average roll with a tuned controller in conditions with 1.75-metre sinusoidal waves. A general and intuitive tuning strategy is established. This preliminary work is a proof of concept which sets the stage for the leveraging of wave prediction methodologies to perform planning and control in real time for USVs in real-world scenarios and field trials.