نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد دانشکده مهندسی برق- کنترل، دانشگاه اصفهان

2 دانشیار دانشکده مهندسی برق- کنترل، دانشگاه اصفهان

3 استادیار دانشکده مهندسی برق- کنترل، دانشگاه اصفهان

چکیده

در این مقاله مسأله تخمین بهبود یافته پارامتر و مدلسازی شناور زیردریایی خودکار (AUV) در صفحات افقی و عمودی در حضور نویز اندازه‌گیری مطرح می‌گردد. بدین منظور، دو راهبرد شناسایی سیستم شامل روش شناساگر وفقی پارامتر مدل سری- موازی و شناساگر حداقل مربعات خطا، به عنوان دو روش کم هزینه برای شناسایی مدل بر اساس اطلاعات مستخرج از آزمایش‌های عملی، طراحی و مورد بررسی قرار می‌گیرد. در هر دو شناساگر پیشنهادی، مسأله انتخاب مقادیر بهره‌های طراحی شناساگرها به عنوان یک عامل مهم در جهت بهبود عملکرد فرایند تخمین، توسط الگوریتم بهینه‌ سازی اجتماع ذرات (PSO) بر اساس حداقل‌ سازی یک تابع هدف مرتفع و تعیین می‌گردد. با انتخاب و اعمال سیگنال ورودی مناسب، خروجی سیستم مورد داده برداری قرار گرفته و در نهایت مدل فضای حالت و تابع تبدیل هر زیرسیستم شناسایی شده، و نتایج حاصل از آن با سیستم واقعی مورد مقایسه قرار می-گیرد. بررسی نتایج تخمین، بیان می‌دارد که شناساگر حداقل مربعات خطا نسبت به شناساگر وفقی پارامتر دارای توانایی انجام عملِ تخمین با دقت و سرعت بسیار بالا و تاثیرپذیری ناچیز از نویز وارده به سیستم می‌باشد. نتایج شبیه‌‌‌‌ سازی، موید صحت عملکرد موثر شناساگر حداقل مربعات خطا به منظور مدلسازی دو زیرسیستم خطی AUV، براساس داده‌های اندازه‌گیری شده سیستم در دو حالت بدون نویز و آغشته به نویز، می‌باشد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Improved Parameter Estimation for AUV Subsystems in the Horizontal and Vertical Planes in the Presence of Noise

نویسندگان [English]

  • H Mousavian 1
  • H.R Koofigar 2
  • M Ekramian 3

چکیده [English]

In this paper, the problem of improved parameter estimation and modelling of two subsystems of Autonomous Underwater Vehicle (AUV) in the horizontal and vertical planes is addressed, in the presence of the measurement noise. To this end, two identification strategies including the adaptive parameter identifier and the error least square (LS) identifier are designed and investigated, as two low-cost methods to identify the system model based on the information, extracted from practical tests. In both of the proposed identifiers, the selection problem of the appropriate values of the identifiers design parameters, as an important factor in order to improve process performance estimation, by using Particle Swarm Optimization (PSO) algorithm. It is shown that, this approach reduces the limitations in the practical methods. By applying the appropriate input signal, the system parameters have been finally given by utilizing both the adaptive identifier and the error least square identifier. Taking into account the measurement noise, it is shown that the latter approach provide better performance concerning the convergene rate and the accuracy. The simulation results are also presented to demonstrate and compare the performance of the mentioned identification schemes.

کلیدواژه‌ها [English]

  • Autonomous Underwater Vehicle
  • Adaptive Parameter Identifier
  • Least square Identifier
  • Measurement Noise
  • PSO algorithm

[1]  Koofigar, H. R., “Adaptive Control of Underwater Vehicles with Unknown Model Parameters and Unstructured Uncertainties”, SICE Annual Conference, pp. 192-196, 2012.

[2] Burlutskiy, N.,Touahmi, Y., Lee, B. H.,“Power EfficientFormationConfigurationforCentralized Leader–FollowerAUVs Control”, Journal of Marine Science and Technology, Vol. 17, No. 3, pp. 315-329, 2012.

[3] Fischer, N., Hughes, D., Walters, P., Schwartz, E. M., Dixon, W.E., “Nonlinear Rise-Based Control of an Autonomous Underwater Vehicle”, IEEE Transactions on Robotics, Vol. 30, No. 4, pp. 845-852, 2014.

[4] Fossen, T.I.,“GuidanceandControlof Ocean Vehicles", John Wiley and Sons Ltd, First edition, 1994.

[5] Pereira, J., Duncan, A., “System Identification of Underwater Vehicles”,Proceedings of the International Symposium on Underwater Technology, pp. 419-424, 2000.

[6] Bae, J. Y., Sohn, K. H.,A study on Maneuvring Motion Characteristics of Manta-type Unmanned Undersea Vehicle”, Journal of the Society of Naval Architects of Korea, Vol. 46, No. 2, pp. 114-126, 2009.

[7] Fossen, T. I., “Marine control systems”. Marine Cybernetics, 2002.

[8] Avila, J. P. J., Donha, D. C., Adamowski, J. C., “Experimental Model Identification of Open-Frame Underwater Vehicles”, IEEE Journal of Oceanic Engineering, Vol. 60, pp. 81-94, 2013.

[9] Hong, E. Y., Meng, T. K., Chitre, M., “Online System Identification of the Dynamics of an Autonomous Underwater Vehicle”, IEEE International Underwater Technology Symposium (UT), pp. 1-10, 2013.

[10] Cutipa Luque, J. C., Donha, D. C., “Auv Identification and Robust Control”, 18th IFAC World Congress. Vol. 18. No. 1. 2011.

[11] Xu, F., Zou, Z. J., Yin, J. C., Cao, J., “Identification Modeling of Underwater Vehicles”, Nonlinear Dynamics based on Support Vector Machines”, IEEE Journal of Oceanic Engineering, Vol. 67, pp. 68-76, 2013.

[12] Hasanein, O., Srenatha, G., Ray, T., “Improved FuzzyNeuralModelingforUnderwaterVehicles", International Journal of World Academyof Science”, Engineering and Technology,Vol. 71, pp. 1208-1215, 2012.

[13] Yu, J., Zhang, A., Wan, X., “Development in Identification of Underwater Vehicles”, Center for Underwater Vehicles Research, Shenyang Institute of Automation, Chinese Academy of Sciences, 2003.

[14] کراری، مهدی؛ شناسایی سیستم، چاپ چهارم، 1388، انتشارات دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران).

[15] Prestero, T., “Verification of a Six-Degree of Freedom Simulation Mmodel for the REMUS Autonomous Underwater Vehicle”, M.Sc. in Ocean Eng. and M.Sc. in Mechanical Eng. Massachusetts Institute of Technology (M.I.T) & the Woods Hole Oceanographic Institute, 2001.

[16] Ioannou, P. A., Sun, J., “Robust Adaptive Control”. Prentice Hall PTR, 1995.

[17] Åström, K.J., Wittenmark, B., “Adaptive Control”. Prentice Hall, second edition, 1994.

[18] Elbeltagi, E., Hegazy, T., Grierson, D., “Comparison AmongFiveEvolutionary-BasedOptimization Algorithms”. Journal of Advanced Engineering Informatics, Vol. 19,No.1, pp. 43–53, 2005.

[19] Healey, A. J.,Lienard, D.,“Multivariable Sliding Mode Controlfor Autonomous Diving and Steering of UnmannedUnderwaterVehicles”.IEEEJournalof OceanicEngineering,Vol.18,No.3,pp.327-339, 1993.