传统的水下飞行器受到水的粘性阻力的限制,难以满足实际航行速度的需求。超空泡飞行器(SV)利用其在水下运动时形成的完全包裹式超空泡实现与水的物理分离,从而显著降低了阻力,使其航行速度比传统飞行器快数倍。因此,SV具有广泛的应用前景,相关问题包括腔体形态演化模型(Paryshev, 2006, Serebryakov, 2009)、流体动力特性(Rashidi et al., 2013, Xia et al., 2020, Xu et al., 2023)以及运动控制和引导(Kirschner et al., 2006, Nguyen, 2011, Phuc et al., 2019, Yang et al., 2023a)已成为SV研究的热点领域。
超空泡减阻技术实际应用的核心瓶颈在于运动控制。目前大多数研究采用了某种线性化假设。Vanek等人(2010)使用线性参数变化方法对SV在6自由度(DOF)下的运动控制进行了轨迹跟踪仿真。Li等人(2019, 2014)利用传递函数的概念建立了PID执行器的偏转规律,并分析了各通道传递函数的单位阶跃响应和根轨迹。另一个常见假设是单平面和恒定速度。Li等人(2018)提出了一种自适应径向基函数(RBF)神经网络(NN)控制方法,并对纵向平面上的运动控制进行了仿真。Dzielski和Kurdila(2003);Dzielski(2011)提出了纵向平面上的基准控制模型参数和解析方法,为后续学者提供了参考。此外,由于SV操作环境的多样性,关于水下发射和水下入水的文献(Li et al., 2023a, Li et al., 2023b, Lu et al., 2022)也为腔体和流体动力特性的运动控制研究奠定了坚实基础。在实际环境中,波浪和洋流等未知因素是SV不可避免的外部干扰。随着人工智能技术的发展,神经网络越来越多地被用于估计未知量(Huang et al., 2022, Zhou et al., 2023a)。在SV运动控制领域,Kim和Kim(2015)使用了“输入、隐藏层和输出”三层神经网络结构来研究三维SV在过渡阶段的运动问题。Wang等人(2021)和Zhao等人(2023)分别以基准模型作为输入条件,设计了RBFNN滑模控制和级联反步控制器,仿真结果验证了SV在纵向平面上的稳定性。SV运动控制要求系统不仅能够准确提供所需控制力,还要具备足够的控制能力,因此采用了控制分配方法(Blaha et al., 2023, Johansen and Fossen, 2013)来防止执行器饱和,例如模型预测控制(Shen et al., 2018)、H-无穷大控制(Bui et al., 2022)和级联控制(Zhou et al., 2023b)。Bai和Song(2022)利用线性主动干扰抑制方法考虑了偏转角和偏转角速度的抗干扰问题。此外,Chen等人(2022)对具有船首和船尾舵以及鳍状结构和非旋转推进器的鱼雷式水下飞行器进行了控制分配研究。Xia等人(2022)和Wang等人(2023)分别采用了运动学控制、动力学控制和舵分配以及递归最小二乘控制分配方法,研究了X舵自主水下飞行器(XAUV)的轨迹跟踪问题。上述文献表明,控制分配方法也可用于解决SV运动控制中执行器的饱和问题。
总之,关于SV运动控制问题,现有文献基于线性化、单平面和恒定质量等假设,采用RBFNN结合多种控制方法设计抗干扰控制器并进行轨迹跟踪仿真。然而,实际环境下的SV运动是一个非理想过程,需要综合考虑6个自由度的耦合特性。此外,关于SV控制分配方法的文献相对较少。在水下入水和水下发射等实际场景中,基于理想假设的动态参数预测会严重失真,执行器无法在真实干扰环境中准确平衡外部干扰和有效执行。本文采用理论分析与数值仿真相结合的方法,针对SV实际运行环境中的环境干扰和执行器饱和问题,首先建立了基于三维腔体拓扑模型和车辆动力学方程的解析模型,然后提出了基于RBFNN滑模方法和约束循环优化策略的抗干扰和抗饱和控制设计合成方案,并最终进行了考虑SV在实际环境中可能遇到的不可忽略因素(如水下入水、水下发射、多自由度耦合、通风和质量变化)的轨迹、姿态和执行器特性仿真,仿真对象采用常见的SV基准模型,并假设空化数和航行速度恒定,为嵌入式组件(如飞行控制计算机)的流体动力在线误差估计和补偿以及闭环控制设计的理论基础和工程应用提供了参考。
本文的其余部分安排如下:第2节介绍了超空泡飞行器的腔体-机体耦合动态模型;第3节提出了基于非线性力特性的鲁棒多自由度控制器设计;第4节在动态模型和设计控制器的基础上进行了实际条件下的仿真分析;第5节给出了结论和未来研究方向。