基于终端滑模观测器的水下机器人推进器故障重构

上海交通大学学报（自然版） ›› 2015, Vol. 49 ›› Issue (06): 837-841.

• 自动化技术、计算机技术 • 上一篇下一篇

基于终端滑模观测器的水下机器人推进器故障重构

褚振忠1，朱大奇1，张铭钧2

（1. 上海海事大学信息工程学院，上海 201306；2. 哈尔滨工程大学机电工程学院，哈尔滨 150001）

收稿日期:2014-12-15 出版日期:2015-06-29 发布日期:2015-06-29
基金资助:
国家自然科学基金资助项目(51279098)，上海市自然科学基金资助项目(15ZR1419700, 14JC1402800)

Terminal Sliding Mode Observer Based Fault Reconstruction for Underwater Vehicle Thruster

CHU Zhenzhong1,ZHU Daqi1,ZHANG Mingjun2

(1. College of Information Engineering, Shanghai Maritime University, Shanghai 201306, China;2. College of Mechanical and Electrical Engineering, Harbin Engineering University, Harbin 150001, China)

Received:2014-12-15 Online:2015-06-29 Published:2015-06-29

摘要/Abstract

摘要：

摘要：研究了基于终端滑模观测器的水下机器人推进器故障重构方法.针对传统滑模观测器中状态估计误差渐进收敛而影响推进器故障重构时效性的问题，利用终端滑模所具有的有限时间收敛特性，构建终端滑模观测器以保证所有的状态估计误差在有限时间内收敛，并利用等效输出误差注入方法重构推进器故障值.通过仿真对所提方法进行有效性验证.

关键词: 水下机器人, 终端滑模观测器, 推进器, 故障重构

Abstract:

Abstract： A fault reconstruction method based on terminal sliding mode observer was proposed in this paper. In the traditional sliding mode observer, the estimated error of unmeasured state is asymptotic convergence, which affects the timeliness of thruster fault reconstruction. In response to the above problem, the property of finite time convergence of terminal sliding mode was used to build a terminal sliding mode observer to ensure that all of the state estimation errors converge in a finite time. Then the thruster fault was reconstructed by using the equivalent output error infection method. Finally, the proposed method was validated by simulation.

Key words: underwater vehicle, terminal sliding mode observer, thruster, fault reconstruction

中图分类号:

TP 277

褚振忠1，朱大奇1，张铭钧2. 基于终端滑模观测器的水下机器人推进器故障重构[J]. 上海交通大学学报（自然版）, 2015, 49(06): 837-841.

CHU Zhenzhong1,ZHU Daqi1,ZHANG Mingjun2. Terminal Sliding Mode Observer Based Fault Reconstruction for Underwater Vehicle Thruster[J]. Journal of Shanghai Jiaotong University, 2015, 49(06): 837-841.

参考文献

［1］Dearden R, Ernits J. Automated fault diagnsis for an autonomous underawter vehicle ［J］. IEEE Journal of Oceanic Engineering, 2013, 38(3): 486501.

［2］周东华, 胡艳艳. 动态系统的故障诊断技术［J］.自动化学报, 2009, 35(6): 748758.

Zhou D H, Hu Y Y. Fault diagnosis techniques for dynamics systems ［J］. Acta Automatica Sinica, 2009, 35(6): 748758.

［3］Loebis D, Suttor R, Chudley J. Adaptive tuning of a Kalman filter via fuzzy logic for an intelligent AUV navigation system ［J］. Control Engineering Practice, 2004, 12(2): 340349.

［4］Chu Z Z, Zhang M J. Fault reconstruction of thruster for autonomous underwater vehicle based on terminal sliding mode observer ［J］. Ocean Engineering, 2014, 88: 426434.

［5］Alwi H, Edwards C. Second order sliding mode observers for the ADDSAFE actuator benchmark problem ［J］. Control Engineering Practice, 2014, 31: 7491.

［6］Edwards C, Spurgeon S K, Patton R J. Sliding mode observers for fault detection and isolation ［J］. Automatica, 2000, 36(4): 541553.

［7］Chen W, Saif M. Actuator fault diagnosis for uncertain linear systems using a highorder sliding mode robust differentiator (HOSMRD) ［J］. International Journal of Robust and Nonlinear Control, 2008, 18(45): 413426.

［8］Saif M, Ebrahimi B, Vali M. A second order sliding mode strategy for fault detection and faulttolerantcontrol of a MEMS optical switch ［J］. Mechatronics, 2012, 22(6): 696705.

［9］杨俊起, 朱芳来. 基于高增益鲁棒滑模观测器的故障检测和隔离［J］. 自动化学报, 2012, 38(12): 20052013.

Yang J Q, Zhu F L. FDI based on highgain robust sliding mode observers ［J］. Acta Automatica Sinica, 2012, 38(12): 20052013.

［10］俞建成, 李强, 张艾群，等. 水下机器人的神经网络自适应控制［J］. 控制理论与应用, 2008, 25(1): 913.

Yu J C, Li Q, Zhang A Q, et al. Neural network adaptive control for underwater vehicles ［J］. Control Theory & Applications, 2008, 25(1): 913.

［11］Feng Y, Zheng J, Yu X. Hybrid Terminal slidingmode observer design method for a permanentmagnet synchronous motor control system ［J］. IEEE Transactions on Industrial Electronics, 2009, 56(9): 34243431.

［12］Tan C P, Yu X, Man Z. Terminal sliding mode observers for a class of nonlinear systems ［J］. Automatica, 2010, 46(8): 14011404.

[1]	徐春晖1, 2, 周仕昊1, 2, 4, 祁彧1, 2, 方田1, 2, 3, 杨士霖1, 2, 3. 基于深海多目标搜寻任务的AUV路径规划方法研究[J]. 海洋工程装备与技术, 2024, 11(4): 95-102.
[2]	杨春, 郭春雨, 孙聪, 王超, 岳启辉. 泵喷推进器间隙流场尺度效应数值研究[J]. 上海交通大学学报, 2024, 58(11): 1674-1686.
[3]	李锦江, 向先波, 刘传, 杨少龙. 基于预设性能制导律的欠驱动AUV海底地形鲁棒时滞跟踪控制[J]. 上海交通大学学报, 2022, 56(7): 944-952.
[4]	吴利红, 封锡盛, 叶作霖, 李一平. 自主水下机器人强制自航下潜的类物理模拟[J]. 上海交通大学学报, 2021, 55(3): 290-296.
[5]	李岳明，王小平，张军军，曹建，张英浩. 基于改进二次规划算法的X舵智能水下机器人控制分配[J]. 上海交通大学学报, 2020, 54(5): 524-531.
[6]	庞师坤，梁晓锋，李英辉，易宏. 基于零空间行为法的自主水下机器人避障策略[J]. 上海交通大学学报, 2020, 54(3): 295-304.
[7]	郭军，陈作钢，戴原星，陈建平. 喷水推进器进流面获取方法及其应用[J]. 上海交通大学学报, 2020, 54(1): 1-9.
[8]	庞师坤，王健，易宏，梁晓锋. 基于传感探测系统的多自治水下机器人编队协调控制[J]. 上海交通大学学报, 2019, 53(5): 549-555.
[9]	梁悦. 虚拟现实技术在水下机器人中的应用[J]. 海洋工程装备与技术, 2018, 5(增刊): 309-312.
[10]	袁利毫, 昝英飞, 钟声华, 祝海涛. 基于YOLOv3的水下小目标自主识别[J]. 海洋工程装备与技术, 2018, 5(增刊): 118-123.
[11]	吴雨, 焦慧锋, 张康, 李霄霄, 张琳丹. ROV工具库对接锁紧机构的设计与分析[J]. 海洋工程装备与技术, 2018, 5(4): 232-236.
[12]	赵大刚1，郭春雨1，苏玉民1，豆鹏飞2，景涛1，张海鹏1. L型吊舱推进器直航及操舵工况水动力性能试验研究[J]. 上海交通大学学报（自然版）, 2017, 51(7): 812-818.
[13]	宋安科, 何宁, 钟文军, 蔡元浪. 半潜式起重铺管船系泊系统设计[J]. 海洋工程装备与技术, 2017, 4(6): 347-351.
[14]	张法富. 深水半潜式起重铺管船动力定位能力分析[J]. 海洋工程装备与技术, 2017, 4(6): 331-337.
[15]	朱信尧1，宋保维2，徐刚1，杨松林1. 支撑机构驻留水下航行器着陆策略及影响因素[J]. 上海交通大学学报（自然版）, 2017, 51(10): 1241-1251.

基于终端滑模观测器的水下机器人推进器故障重构

Terminal Sliding Mode Observer Based Fault Reconstruction for Underwater Vehicle Thruster

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价