圖2.開發(fā)的AUV的用例模型

圖3.（a）期望的軌跡跟蹤場(chǎng)景，以及（b）用于執(zhí)行“跟蹤所需軌跡”用例的本地狀態(tài)機(jī)

在這項(xiàng)工作中，為AUV的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型提出了一個(gè)實(shí)現(xiàn)的功能模塊圖（圖4），如方程（1）和（2）中所述，以獲得控制器的內(nèi)部連續(xù)演變，其中Ωdi，i=是所需的轉(zhuǎn)速，應(yīng)用于AUV的n個(gè)致動(dòng)器，以及ΣT和τφ,θ,Ψ是作用在AUV執(zhí)行器上的總輸出力和力矩。

圖4.用于實(shí)現(xiàn)AUV控制器持續(xù)演進(jìn)的功能模塊圖

如前所述，IB擴(kuò)展與控制李雅普諾夫功能（CLF）相結(jié)合可用于許多AUV控制應(yīng)用。這也應(yīng)用于深度控制、位置控制和姿態(tài)控制的功能塊（圖4），它們參與了連續(xù)演進(jìn)。PID穩(wěn)壓器也用于電機(jī)控制的功能塊。本研究沒有關(guān)注這些AUV控制技術(shù)的分解，因?yàn)樗鼈兪窃谠S多AUV應(yīng)用中開發(fā)的。

公式（3）中的離散狀態(tài)空間模型與EKF或UKF實(shí)現(xiàn)相結(jié)合，可以估計(jì)開發(fā)的AUV的狀態(tài)，如第5節(jié)所述。

此外，由Henzinger，Kopke，Puri和Varaiya提出的混合自動(dòng)機(jī)（HA）為與模擬環(huán)境實(shí)時(shí)交互的數(shù)字計(jì)算機(jī)系統(tǒng)提供了數(shù)學(xué)模型。在CIM中，HA如公式（4）所示建立。

其中Q是AUV的一組運(yùn)行案例，q0 ∈Q是起始情況，X是連續(xù)元素的連續(xù)狀態(tài)空間，xco∈ X是初始值，Σ是一組外部事件，A 是運(yùn)行案例之間的一組轉(zhuǎn)換對(duì)應(yīng)于事件σ∈ Σ，Inv 是一個(gè)應(yīng)用工具，用于檢查xc ∈ inv（q），F(xiàn) 是從方程（1）和（2）中的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型發(fā)出的連續(xù)全局模型。

PIM的目標(biāo)是實(shí)現(xiàn)實(shí)時(shí)壓縮協(xié)作，從而可以詳細(xì)捕獲控制的設(shè)計(jì)模型。從上述CIM中，五個(gè)主要控制壓縮專門用于實(shí)現(xiàn)AUV控制器的HA：分立器件的壓縮，連續(xù)部分的壓縮，外部接口的壓縮，內(nèi)部接口的壓縮和瞬時(shí)全局連續(xù)行為（IGCB）的壓縮。圖5和圖6顯示了使用實(shí)時(shí)UML協(xié)作和類圖的AUV控制器的實(shí)時(shí)壓縮協(xié)作。

圖5.AUV控制器實(shí)時(shí)壓縮的協(xié)作圖

圖6.AUV控制器的實(shí)時(shí)壓縮類圖

這里，離散部件的壓縮由AUV控制器HA中的情況Q和過渡A組成;連續(xù)部件的壓縮包含連續(xù)狀態(tài)空間X;IGCB的壓縮實(shí)現(xiàn)了具體的全局連續(xù)行為，如f∈F，其中f直接來自公式（3），實(shí)現(xiàn)的功能模塊圖（圖4）可以在f中實(shí)現(xiàn)，用于估計(jì)AUV狀態(tài);外部接口的壓縮是一個(gè)中介，它在AUV控制器和MES / MDS之間接收/發(fā)送事件/信號(hào);內(nèi)部接口的壓縮允許 Inv 工具在 HA 演化中生成內(nèi)部事件。

對(duì)于不同AUV應(yīng)用的控制器操作員來說，可重用性至關(guān)重要，因?yàn)樗鼫p少了制造時(shí)間和設(shè)備成本。此外，這允許開發(fā)AUV的壓縮協(xié)作在多種類型AUV的新控制應(yīng)用中定制和重用，如表2所示。

表 2.設(shè)計(jì)控制器在多種類型AUV的新控制應(yīng)用中的可定制性和可重復(fù)使用性（IGCB，瞬時(shí)全局連續(xù)行為）。

在AUV控制器的構(gòu)建中，使用Papyrus for RealTime（Papyrus-RT）將上述設(shè)計(jì)的PIM轉(zhuǎn)換為PSM。這些工具可有效用于開發(fā)復(fù)雜的實(shí)時(shí)和嵌入式系統(tǒng)和軟件應(yīng)用。它們充當(dāng)實(shí)時(shí)UML / SysML的實(shí)現(xiàn)，用于C++，Java，Ada和運(yùn)行時(shí)系統(tǒng)支持。

因此，可以使用不同的實(shí)現(xiàn)開發(fā)環(huán)境（IDE）將PIM轉(zhuǎn)換為PSM，最終實(shí)現(xiàn)具有合適微控制器的控制器。MDA 的功能還支持模型轉(zhuǎn)換。這種轉(zhuǎn)換模型可以通過往返工程快速應(yīng)用。轉(zhuǎn)換規(guī)則可用于將PIM轉(zhuǎn)換為PSM，反之亦然。

此外，上述定義的HA可以使用之前所述的狀態(tài)模式自動(dòng)實(shí)現(xiàn)。根據(jù)這種模式，HA的結(jié)構(gòu)實(shí)現(xiàn)顯示了AUV控制程序的有意義的編程有用性，如圖7所示。使用Arduino的IDE執(zhí)行和編譯了基于狀態(tài)模式的HA實(shí)現(xiàn)示例，以適應(yīng)AUV控制器的ATMEGA32-U2和STM32 Cortex-M4微控制器。

按照上述模型，部署了一個(gè)平面軌跡跟蹤控制器，該控制器允許具有魚雷形狀的低成本AUV到達(dá)并遵循自由面上的預(yù)定軌跡。魚雷形AUV的主要運(yùn)行參數(shù)總結(jié)在表3中。

表 3.魚雷形AUV的主要操作參數(shù)

根據(jù)描述AUV控制器不斷發(fā)展的性能功能模塊圖，波浪引起的環(huán)境擾動(dòng)僅被視為海況代碼1，即自由面上的輕微波紋。

實(shí)現(xiàn)公式（3）所示的狀態(tài)空間模型，以使用已安裝的傳感器計(jì)算AUV的當(dāng)前狀態(tài)，例如慣性測(cè)量單元（IMU）MPU6000和全球定位系統(tǒng)（GPS）Ublox Neo 6M。兩種情況下的狀態(tài)估計(jì)均基于EKF（算法1）和UKF（算法2）。在算法1和2中，.?表示估計(jì)值，P是狀態(tài)協(xié)方差，Q和R分別表示過程和測(cè)量噪聲的協(xié)方差矩陣。從以下初始條件開始估計(jì)狀態(tài)：x?0|0=x0和P0|0=012×12。

圖8.對(duì)于使用 EKF 和 UKF 的情況，在所需過程中從當(dāng)前位置 020° 的平均瞬態(tài)響應(yīng)時(shí)間

ATMEGA32-U2和STM32 Cortex-M4微控制器安裝在主板上。用于試行程的AUV安裝如圖9所示。測(cè)試場(chǎng)景基于不同的期望路線，針對(duì)各種基于形狀的路徑和平均速度。一些主要的平面航向跟蹤測(cè)試結(jié)果如表4所示。圖10a，b和圖11a，b分別顯示AUV達(dá)到并遵循所需的矩形和三角形軌跡。

圖9.AUV安裝用于試航

圖 10.AUV達(dá)到并遵循所需的矩形軌跡：（a）使用擴(kuò)展卡爾曼濾波器（EKF）算法;（b） 使用無跡卡爾曼濾波 （UKF） 算法

圖 11.AUV達(dá)到并遵循所需的三角形軌跡：（a）使用EKF算法;（b）使用UKF算法

表 4.魚雷形AUV航向跟蹤的測(cè)試結(jié)果

通過與相關(guān)文獻(xiàn)獲得的測(cè)試結(jié)果進(jìn)行比較，該電流AUV控制器在穩(wěn)定間隔和軌跡誤差方面均優(yōu)于穩(wěn)定間隔和軌跡誤差，分別降低了約0.7 s和0.90 m。UKF使得估計(jì)更加準(zhǔn)確，盡管UKF中的運(yùn)算，例如無跡變換（UT），即算法2中的UT函數(shù)，可能看起來比EKF更復(fù)雜，但張柏強(qiáng)等人和Raitoharju和Piché深入研究了對(duì)各種卡爾曼濾波器擴(kuò)展應(yīng)用的實(shí)際計(jì)算復(fù)雜性和優(yōu)化的評(píng)估。

表5描述了使用MBSE方法結(jié)合MDA組件對(duì)上述AUV應(yīng)用的評(píng)估。

表 5.評(píng)估基于模型的系統(tǒng)工程（MBSE）方法結(jié)合模型驅(qū)動(dòng)架構(gòu)（MDA）的魚雷形AUV控制應(yīng)用

（CIM，獨(dú)立于計(jì)算的模型；PIM，獨(dú)立于平臺(tái)的模型；PSM，特定于平臺(tái)的模型；IDE，實(shí)現(xiàn)開發(fā)環(huán)境；OMG，對(duì)象管理組；XML，可擴(kuò)展的標(biāo)記語言；MOF，元對(duì)象工具；UML，統(tǒng)一建模語言；SysML，系統(tǒng)建模語言）。

本文介紹了MBSE方法在集中部署AUV控制器中的應(yīng)用，其動(dòng)力學(xué)可以被認(rèn)為是HDS。該應(yīng)用模型基于MBSE方法，結(jié)合MDA概念、實(shí)時(shí)UML/SysML、EKF/UKF算法和HA系統(tǒng)化地實(shí)現(xiàn)控制器。AUV的動(dòng)力學(xué)模型和控制結(jié)構(gòu)首先用于結(jié)合CIM、PIM和PSM等MDA組件進(jìn)行控制。在 CIM 中，用例模型使用連續(xù)行為、EKF/UKF 算法和 HA 進(jìn)行定義，以密切控制需求。PIM的建立是為了通過構(gòu)建實(shí)時(shí)壓縮模式來建立設(shè)計(jì)模型。這種模式可以定制并在新的AUV控制應(yīng)用中重復(fù)使用（表2）。然后，通過中間C++代碼的往返工程將設(shè)計(jì)的PIM轉(zhuǎn)換為PSM，以形成具有合適微控制器的AUV控制器。在所提出的模型的基礎(chǔ)上，利用ATMEGA U2和STM32-Cortex-M4微控制器實(shí)現(xiàn)并評(píng)估了在自由面上運(yùn)行的微型魚雷形AUV的平面軌跡跟蹤控制器。最后，討論了MBSE/MDA方法在這種AUV控制應(yīng)用中的優(yōu)缺點(diǎn)（表5）。

在本案例研究中，上述MBSE方法結(jié)合MDA概念，僅適用于在自由面上運(yùn)行的微型魚雷形AUV的簡(jiǎn)單測(cè)試場(chǎng)景。我們尚未對(duì)過程和測(cè)量噪聲的參數(shù)進(jìn)行微調(diào)，以及針對(duì)該應(yīng)用的噪聲參數(shù)的演進(jìn)優(yōu)化。因此，這些重要的進(jìn)一步發(fā)展計(jì)劃在未來進(jìn)行。首先，基于EKF / UKF的導(dǎo)航濾波器將在完整的AUV中結(jié)合深度控制和合適的環(huán)境進(jìn)行在線模擬。然后，新控制器將在AUV上實(shí)現(xiàn)，并通過快速頻率干擾進(jìn)行在線測(cè)試。不同卡爾曼濾波器擴(kuò)展在精度方面的性能將在不同場(chǎng)景中仔細(xì)研究。在進(jìn)一步的MBSE/MDA研究中，我們還將遵循我們的應(yīng)用策略，詳細(xì)指定使用不同MDA變換類型的模型變換模式，并將其與使用OPM的情況進(jìn)行比較。

【譯自Ngo Van Hien, Ngo Van He , Van-Thuan Truong and Ngoc-Tam Bui，A MBSE Application to Controllers of Autonomous Underwater Vehicles Based on Model-Driven Architecture Concepts，23 November 2020】

文章來源：創(chuàng)景科技