Coordinated Energy-Trajectory Economic Model Predictive Control for Autonomous Surface Vehicles under Disturbances

📄 arXiv: 2503.07102v1 📥 PDF

作者: Zhongqi Deng, Yuan Wang, Jian Huang, Hui Zhang, Yaonan Wang

分类: eess.SY

发布日期: 2025-03-10

💡 一句话要点

提出一种协调能量-轨迹的经济模型预测控制方法，用于解决自主水面艇在扰动下的路径跟踪和能量约束问题。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自主水面艇 经济模型预测控制 路径跟踪 能量优化 环境扰动

📋 核心要点

  1. 现有自主水面艇（ASV）的路径跟踪方法难以同时兼顾跟踪精度和能量效率，尤其是在存在环境扰动的情况下。
  2. 该论文提出一种经济模型预测控制（EMPC）方法，通过将横向偏差转化为能量惩罚，实现跟踪精度和能量消耗之间的平衡。
  3. 实验结果表明，该方法在真实海洋扰动下能有效降低横向跟踪误差，并在实际湖泊环境中验证了其可行性，控制频率达到10Hz。

📝 摘要（中文）

本文提出了一种新颖的经济模型预测控制（EMPC）方案，用于自主水面艇（ASV），以同时解决环境扰动下的路径跟踪精度和能量约束问题。通过在成本函数中将横向偏差表示为能量等效的惩罚项，我们的方法能够在跟踪精度和能量消耗之间进行显式权衡。此外，提出了一种运动相关的分解技术，以基于车辆动力学估计终端能量成本。与现有的EMPC方法相比，使用真实海洋扰动数据的仿真表明，该控制器在能量消耗增加0.06的情况下，横向跟踪误差最多可减少18.61%。在自然湖泊环境中，配备Intel N100 CPU的ASV上进行的现场实验验证了该方案的实际可行性，在接近1米/秒的速度和10赫兹的控制频率下，实现了0.22米的平均横向跟踪误差。所提出的方案为在资源约束下运行的ASV提供了一种计算上可行的解决方案。

🔬 方法详解

问题定义：自主水面艇在实际应用中，需要在保证路径跟踪精度的同时，尽可能降低能量消耗。然而，传统方法往往难以在两者之间取得平衡，尤其是在存在风浪等环境扰动的情况下。现有的EMPC方法可能无法充分考虑终端状态的能量消耗，导致控制性能下降。

核心思路：论文的核心思路是将路径跟踪的横向偏差转化为能量等效的惩罚项，并将其加入到EMPC的成本函数中。这样，控制器就可以根据实际情况，在跟踪精度和能量消耗之间进行权衡。此外，论文还提出了一种运动相关的分解技术，用于估计终端能量成本，从而提高控制性能。

技术框架：该方法采用经济模型预测控制（EMPC）框架。首先，建立ASV的运动学和动力学模型，并考虑环境扰动的影响。然后，设计成本函数，其中包含路径跟踪误差、能量消耗和终端能量成本三部分。路径跟踪误差通过能量等效的惩罚项进行表示。终端能量成本通过运动相关的分解技术进行估计。最后，使用优化算法求解EMPC问题，得到控制输入。

关键创新：该论文的关键创新在于：1) 将横向偏差转化为能量等效的惩罚项，实现了跟踪精度和能量消耗之间的显式权衡；2) 提出了一种运动相关的分解技术，用于估计终端能量成本，提高了控制性能。

关键设计：成本函数的设计是关键。具体而言，成本函数包含三项：路径跟踪误差项（表示为能量等效的惩罚）、能量消耗项（与推进器的功率相关）和终端能量成本项（通过运动相关的分解技术估计）。运动相关的分解技术基于车辆的动力学模型，将终端能量成本分解为与速度和角速度相关的部分。控制频率设置为10Hz，以保证控制的实时性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，与现有的EMPC方法相比，该方法在能量消耗仅增加0.06的情况下，横向跟踪误差最多可减少18.61%。在实际湖泊环境中，配备Intel N100 CPU的ASV上进行的现场实验验证了该方案的实际可行性，在接近1米/秒的速度和10赫兹的控制频率下，实现了0.22米的平均横向跟踪误差。

🎯 应用场景

该研究成果可应用于各种自主水面艇的路径跟踪任务，例如海洋环境监测、水下地形勘测、港口巡逻等。通过优化能量消耗，可以延长ASV的续航时间，降低运营成本。此外，该方法还可以推广到其他类型的移动机器人，例如无人车和无人机。

📄 摘要（原文）

The paper proposes a novel Economic Model Predictive Control (EMPC) scheme for Autonomous Surface Vehicles (ASVs) to simultaneously address path following accuracy and energy constraints under environmental disturbances. By formulating lateral deviations as energy-equivalent penalties in the cost function, our method enables explicit trade-offs between tracking precision and energy consumption. Furthermore, a motion-dependent decomposition technique is proposed to estimate terminal energy costs based on vehicle dynamics. Compared with the existing EMPC method, simulations with real-world ocean disturbance data demonstrate the controller's energy consumption with a 0.06 energy increase while reducing cross-track errors by up to 18.61. Field experiments conducted on an ASV equipped with an Intel N100 CPU in natural lake environments validate practical feasibility, achieving 0.22 m average cross-track error at nearly 1 m/s and 10 Hz control frequency. The proposed scheme provides a computationally tractable solution for ASVs operating under resource constraints.