Disturbance Preview for Nonlinear Model Predictive Trajectory Tracking of Underwater Vehicles in Wave Dominated Environments

要約

海洋エネルギー装置の近くでの動作は、主に危険な状態の摂動を引き起こす大きな波の擾乱の存在により、水中ビークルの制御に重大な課題をもたらします。
この問題に取り組むアプローチはさまざまですが、有望な解決策の 1 つは、予測制御手法を採用することです。
海洋波の予測可能な性質を考慮すると、外乱推定をプラント モデル内に直接組み込む可能性が存在します。
これには、オンライン プレビュー情報を提供する波予測機能を含める必要があります。
この目的を達成するために、この論文では、水中ビークルの軌道追跡のための統合された決定論的波浪予測器を備えた非線形モデル予測コントローラを紹介します。
状態情報は拡張カルマン フィルターを通じて取得され、完全な閉ループ戦略を形成し、オンラインの波浪負荷推定を容易にします。
この戦略を同様のフィードフォワード外乱緩和スキームと比較すると、位置誤差で 51%、姿勢誤差で 44.5% の平均パフォーマンスの向上が示されました。
ここで示した予備的な結果は、提案された方法が外乱を効果的に緩和し、高波負荷が存在する場合でも正確な追跡パフォーマンスを促進する高い可能性を示す強力な証拠を提供します。

要約(オリジナル)

Operating in the near-vicinity of marine energy devices poses significant challenges to the control of underwater vehicles, predominantly due to the presence of large magnitude wave disturbances causing hazardous state perturbations. Approaches to tackle this problem have varied, but one promising solution is to adopt predictive control methods. Given the predictable nature of ocean waves, the potential exists to incorporate disturbance estimations directly within the plant model; this requires inclusion of a wave predictor to provide online preview information. To this end, this paper presents a Nonlinear Model Predictive Controller with an integrated Deterministic Sea Wave Predictor for trajectory tracking of underwater vehicles. State information is obtained through an Extended Kalman Filter, forming a complete closed-loop strategy and facilitating online wave load estimations. The strategy is compared to a similar feed-forward disturbance mitigation scheme, showing mean performance improvements of 51% in positional error and 44.5% in attitude error. The preliminary results presented here provide strong evidence of the proposed method’s high potential to effectively mitigate disturbances, facilitating accurate tracking performance even in the presence of high wave loading.

arxiv情報

著者 Kyle L. Walker,Francesco Giorgio-Serchi
発行日 2023-07-27 13:14:47+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.RO, cs.SY, eess.SY パーマリンク