نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار مهندسی مکانیک دانشگاه صنعتی مالک

2 دکتری مهندسی مکانیک دانشگاه صنعتی نوشیروانی بابل

3 کارشناس ارشد مکانیک دانشگاه سهند تبریز

4 دکتری مهندسی مکانیک دانشگاه تبریز

چکیده

محاسبه ضرایب هیدرودینامیکی، یکی از مهمترین مراحل طراحی مدل دینامیکی رونده‌های زیرآبی است. به دلیل خطاهای موجود در روش‌های محاسباتی، گاهی نتایج بدست آمده قابل اعتماد نیستند. همچنین محاسبه این ضرایب از طریق تست‌های آزمایشگاهی، کاری بس مشکل و پر هزینه است. این کار به دلیل خواص غیرخطی این گونه از سیستم‌ها همواره با مشکلاتی رو‌به‌رو بوده است. یک راه حل مناسب استفاده از تخمین‌گرها برای محاسبه و صحت‌سنجی ضرایب است که با کمک نتایج تست میدانی می‌توانند تخمین مناسبی از ضرایب را ارائه نمایند. همچنین در صورت انجام این کار می‌توان از خروجی تخمین‌زن برای کنترل تطبیقی رونده استفاده نمود. در این مقاله، معادلات غیرخطی شش درجه آزادی یک رونده زیرآبی برای تخمین پارامترها به شکل مناسبی مدل‌سازی شده، سپس با استفاده از الگوریتم فیلتر کالمن توسعه یافته، و با استفاده از اندازه‌گیری‌های کمتر نسبت به روش‌های مشابه تمامی ضرایب هیدرودینامیکی میرا کننده بدنه تخمین زده شدند. الگوریتم مذکور بر روی مدل برگرفته از یک زیرآبی واقعی پیاده‌سازی شده و نتایج بدست آمده صحت روش معرفی شده را به اثبات رسانیده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Autonomous Underwater Vehicle Dynamic Model Identification using Estimation of Hydrodynamic Coefficients

نویسندگان [English]

  • E Alizadeh 1
  • m. t Sabet 2
  • M Zarrini Larimi 3
  • H Nourmohammadi 4

1 Malek Ashtar University of technology

2 malek ashtar university of technology

3 Malek Ashtar University of Technology

4 Malek Ashtar University of Technology

چکیده [English]

Hydrodynamic coefficient estimation is an essential part of underwater vehicle dynamic model design procedure. Due to existence errors in analytical calculation methods, results of the methods are not reliable. Also, determination of the coefficients by experimental test is a difficultly and costly work. This procedure due to nonlinear behavior of the system has some problems. A suitable solution is using estimators for the coefficient estimations that the estimators can present suitable estimation of coefficients using experimental tests. Also, the estimator output can be used in the design of the system adaptive control. In this paper, equations of motion of an autonomous underwater vehicle (AUV) in six degree of freedom for coefficients estimation are properly modeled. Then, using of Extended Kalman Filter (EKF) and reduced order measurement with respect to similar methods, all of viscous damping coefficients are estimated. The method is implemented on an actual AUV and the results indicate a good performance of proposed method.

کلیدواژه‌ها [English]

  • AUV
  • Hydrodynamic Coefficient
  • Estimator
  • Extended Kalman Filte

[1] Feng, X., jian, Z.Z., chuan, Y.J., Jian, C., “Parametric Identification and Sensitivity Analysis for Autonomous Underwater Vehicles in Diving Plane”. J. Hydrodyn. Vol.24, pp.744–751, 2012.

[2] Valeriano-Medina, Y., Martinez, A., Hernandez, L., Sahli, H., Rodríguez, Y., and Cañizares, J. R., “Dynamic model for an autonomous underwater vehicle based on experimental data”, Mathematical and Computer Modelling of Dynamical Systems, Vol.19, pp.175-200, 2013.

[3] Martin, S.C. and Whitcomb, L.L., “Experimental Identification of Six-Degree-of-Freedom Coupled Dynamic Plant Models for Underwater Robot Vehicles”, Oceanic Engineering, IEEE Journal of, Vol.39, pp.662-671, 2014.

[4] Pelevin, A., “Identification of Vehicle Model Parameters under External Disturbances”, Gyroscopy and Navigation, Vol.6, pp.143-148, 2015.

[5] Geng, T. and Zhao, J., “Modeling and Identification of Autonomous underwater Vehicle for Advanced Control, in Modelling, Identification & Control (ICMIC)”, Proceedings of International Conference, pp.624-630, 2012.

[6] Taubert, R., Eichhorn, M., Ament, C., Jacobi, M., Karimanzira, D., and Pfuetzenreuter, T., “Model Identification and Controller Parameter Optimization for an Autopilot Design for Autonomous Underwater Vehicles”, OCEANS-TAIPEI, pp.1-9, 2014.

[7] Pinheiro, A.R.M. and Apolonio De Barros, E., Identification of Hydrodynamic Derivatives from AUV Pirajuba Using Extended Kalman Filter, in Computing and Automation for Offshore Shipbuilding (NAVCOMP), Symposium on, pp.11-16, 2013.

[8] Yan, Z., Wu, D., Zhou, J., and Hao, L., “Recursive Subspace Identification of AUV Dynamic Model under General Noise Assumption”, Mathematical Problems in Engineering, Vol.2, 2014.

[9] Tang, S., Ura, T., Nakatani, T., Thornton, B., and Jiang, T., Estimation of the Hydrodynamic Coefficients of the Complex-Shaped Autonomous Underwater Vehicle TUNA-SAND”, Journal of Marine Science and Technology, Vol.14, pp.373-386, 2009.

[10] Song, Y., Campa, G., Napolitano, M., Seanor, B., and Perhinschi, M.G., “On-line Parameter Estimation Techniques Comparison within a Fault Tolerantflight Control System”, J. Guid. Control Dyn, Vol.25, No.3, pp.528–537, 2002.

[11] Simon, D., “Optimal State Estimaion Kalman, H∞ and Nonlinear Approaches. Wiley & Sons Publishing”, New Jersey, 2006.

[12] Hartikainen, J., Solin, A., and Särkkä, S., Optimal Filtering, Department of Biomedical Engineering and Computational Science, Aalto University School of Science, Finland, 2011.

[13] Hartikainen, J., Solin, A., and Särkkä, S., Optimal Filtering with Kalman Filters and Smoothers a Manual for the Matlab toolbox EKF/UKF, Department of Biomedical Engineering and Computational Science, Aalto University School of Science, 2011.

[14] Kalman, R.E., A New Approach to Linearfiltering and Prediction Problems”, Trans. ASME—J. Basic Eng., Ser. D, Vol.82, pp.35–45, 1960.

[15] Chowdhary, G., and Jategaonkar, R., “Aerodynamic Parameter Estimation from Flight Data Applying Extended and Unscented Kalman Filter”, Aerosp. Sci. Technol, pp.106–117, 2010.

[16] Uhlmann, J., Julier, S., and Durrant-Whyte, H., “A New Method for the Non-Linear Transformation of Means and Covariances in Filters and Estimations”, IEEE Transactions on Automatic Control, Vol.45, 2000.

[17] Prestero, T., Verification of a Six-Degree of Freedom Simulation Model for the REMUS Autonomous Underwater Vehicle, MS thesis in Ocean Engineering, Massachusetts Institute of Technology, 2001.

[18] Fossen, T. I., Handbook of Marine Craft Hydrodynamics and Motion Control, 1st Ed. John Willy & Sons, Ltd publication, West Sussex, United Kingdom, 2011.

[19] Chang, K. Li, L., and Hu, B., “Unscented Attitude Estimator Based on Dual Attitude Representations”, IEEE Transactions on Instrumentation and Measurement, Vol. 64, pp. 3564-3576, 2015.

[20] Girish, C. and Ravindra, J., “Aerodynamic Parameter Estimation from Flight Data Applying Extended and Unscented Kalman Filter”, AIAA Atmospheric Flight Mechanics Conference and Exhibit, ed: American Institute of Aeronautics and Astronautics, 2006.

[21] Humphreys, D. and Watkinson, K., Prediction of Acceleration Hydrodynamic Coefficients for underwater Vehicles from Geometric Parameters, DTIC Document, 1978.