基于随机调度的存在时变时延的水下遥操作编队控制
《Automatica》:Stochastic scheduling based formation control of underwater teleoperator with time-varying delay
【字体:
大
中
小
】
时间:2026年09月24日
来源:Automatica 6.2
编辑推荐:
## 摘要
几乎所有单主多从(SMMS)水下遥操作编队控制研究都假设主从设备之间可以进行连续时间信号传输。不幸的是,水下介质中带宽受限和时间变化延迟的固有挑战使有效传输变得复杂。此外,水下工作的从设备不可避免地受到外部扰动的影响。为解决这些问题,本文提出了一种方案,在该方案
## 摘要
几乎所有单主多从(SMMS)水下遥操作编队控制研究都假设主从设备之间可以进行连续时间信号传输。不幸的是,水下介质中带宽受限和时间变化延迟的固有挑战使有效传输变得复杂。此外,水下工作的从设备不可避免地受到外部扰动的影响。为解决这些问题,本文提出了一种方案,在该方案中,仅允许一个相邻从设备根据专门设计的随机调度协议向主设备交换其当前信息。这些协议被建模为独立同分布(i.i.d)序列以及马尔可夫(Markov)序列。在数据传输过程中,采用对数量化器将连续信号转换为取值于有限集的逐段连续信号。此外,构造了固定时间扰动观测器以估计影响系统的外部扰动。基于新的李雅普诺夫-克拉斯诺夫斯基泛函,推导了编队稳定性准则,建立了系统稳定性、控制参数与通信条件(如随机调度、时延和量化参数)之间的关系。数值仿真和实验验证了所提方法的有效性。
## 引言
过去几十年来,人们对水下航行器(UVs)编队控制的研究兴趣日益增长,水下航行器已成为协助人类探索海洋和监测水下活动的重要工具(Li, 2023, Shi et al., 2022, Yan et al., 2025)。近年来,自主水下航行器(AUVs)得到了研究,它们可以被编程自主执行特定任务(Zhao et al., 2023)。然而,AUVs需要先进的算法来执行任务,在当前传感器和控制技术条件下,纯自主水下航行器尚不足以完成复杂任务。面对这一困境,遥操作控制通过将人类智能融入系统提供了一种可行的解决方案。水下遥操作是一种人-机-环境交互系统,由人类操作员、主设备、从水下航行器、通信线路和环境组成(Qin et al., 2023)。然而,在水下通信中,声波在水中的传播速度相对较慢,声波的衰减随频率急剧增加,这严重限制了可用带宽。多径效应和环境噪声进一步降低了带宽的有效利用率。此外,在恶劣的水下环境中,存在水流和波浪等扰动,产生持续的作用力和力矩,影响系统性能。因此,在通信受限和扰动条件下的水下遥操作编队控制极具挑战性。
通信约束导致水下遥操作系统信号传输中存在时延。时延通常会降低系统性能。近年来,已有一些针对具有常时延遥操作系统的相关研究(Nuno et al., 2008, Wang et al., 2017)。为保证时变延迟条件下的稳定性,Sun et al.(2016)提出了改进的波动变量方法。在Kebria et al.(2020)中,估计滤波器被应用于提供时变延迟信号的平滑估计。在Chen et al.(2020)和Zhang et al.(2022)中,有界时变延迟被视为不确定性,并基于自适应控制方法进行估计。然而,Chen et al., 2020, Kebria et al., 2020和Zhang et al.(2022)中提出的结果是时延无关的。此外,李雅普诺夫-克拉斯诺夫斯基泛函(LKF)方法被认为是分析具有时变延迟动态系统的有效方法。该方法已被用于解决遥操作系统的时延相关稳定性问题(Baranitha et al., 2020, Janani et al., 2024),但这些方法仅能保证主从设备的位置收敛到零,而非跟踪。
与单个设备相比,一组水下航行器能够以更高效的方式执行多种任务。迄今为止,已有大量文献报道了SMMS遥操作系统(Baranitha et al., 2020, Ge et al., 2024, Huang et al., 2023, Yan et al., 2018)。随着合作系统中水下设备数量的增加,从设备在有限网络带宽下通常难以同时与主设备通信,这对编队控制构成了严重挑战。通信约束影响系统稳定性,在系统设计和综合中考虑通信带宽限制至关重要(Feng et al., 2021, Liberzon, 2003)。不幸的是,在此背景下可用的稳定性结果较少。文献中描述的一种显著方法(Li et al., 2020)通过确定性调度方法解决了SMMS遥操作系统中带宽受限的问题,具体采用了轮询(Round-Robin, RR)和一次尝试后丢弃(Try-Once-Discard, TOD)调度,以确保每个从设备适当地通过网络获得通信权限。RR调度是一种周期性策略,按照预定循环顺序选择活跃的从设备(Li et al., 2023)。TOD调度基于最大加权误差分配传输优先级,见Yang et al.(2023)和Zhang and Peng(2019),这需要实时获取和比较所有节点误差以进行调度决策。相比之下,随机调度根据预定概率分配通信访问权限,不依赖精确的瞬时误差测量和实时全局误差比较来进行调度决策。随机调度已在网络控制系统中得到研究(Liu et al., 2015),但在马尔可夫调度下提出的稳定性条件仅针对部分状态。此外,考虑到大多数控制节点需要将连续信号或大量离散信号近似为有限数量的离散值,解决量化问题至关重要。
本文研究了通信约束条件下的SMMS水下遥操作系统编队控制问题,具体为带宽受限和时变延迟。提供了两种随机调度协议,即i.i.d和马尔可夫协议,以编排通信网络上主从信号传输。然后,将闭环系统建模为随机混合系统,在连续动力学和重置方程中均纳入延迟和量化效应。开发并集成了固定时间扰动观测器(FTDO)以对抗外部扰动。然后,通过构造新的李雅普诺夫-克拉斯诺夫斯基泛函,推导了两个指数均方稳定性准则。本文的主要贡献如下:
(i)通过随机调度,在每个采样时刻仅选择一个从设备与主设备通信。信号在传输前进行量化,进一步节省带宽使用。与连续数据传输的SMMS遥操作系统(Ahmad et al., 2020, Huang et al., 2023, Yan et al., 2018)相比,该方法显著降低了主设备与多个从设备之间的通信频率。与Liu et al.(2015)中的马尔可夫随机调度相比,我们的方法保证了对全状态的指数均方稳定性。
(ii)在所提随机调度协议下,为水下遥操作系统提出了两个时延相关的编队稳定性准则。与(Zhang et al., 2022)仅建立同步稳定性与控制策略之间的关系不同,我们的准则建立了控制参数、通信条件和系统稳定性之间的全面关系。
## 系统动力学建模
考虑一个SMMS水下遥操作系统,由一个主设备和N个从设备组成。主设备在任务空间中的动力学可表示为
$$M_m(q_m)\ddot{\eta}_m + C_m(q_m, \dot{q}_m)\dot{\eta}_m + G_m(q_m) = \tau_m - F_h$$
其中$\eta_m \in \mathbb{R}^n$和$q_m \in \mathbb{R}^n$分别是主设备在任务空间和关节空间中的位置和姿态向量。$\dot{\eta}_m = J_m(q_m)\dot{q}_m$,$J_m(q_m)$为变换矩阵。$M_m(q_m) \in \mathbb{R}^{n \times n}$、$C_m(q_m, \dot{q}_m) \in \mathbb{R}^{n \times n}$和$G(q_m) \in \mathbb{R}^n$分别表示正定惯性矩阵、科氏力和离心力矩阵以及……
## 主要结果
以下分别研究在i.i.d和马尔可夫调度下闭环系统(17)、(18)的指数均方稳定性。
## 仿真结果
我们的仿真分别考虑了4自由度从水下航行器在$N=2$和$N=3$情况下的遥操作系统。在惯性参考系(IRF)中,水下航行器的位置和姿态向量表示为$\eta_{si} = [x_i, y_i, z_i, \psi_i]^T$,其中$x_i$、$y_i$、$z_i$和$\psi_i$分别为纵荡、横荡、垂荡和艏摇姿态。在体固定参考系中,线速度和角速度表示为$v_{si} = [u_i, v_i, \omega_i, r_i]^T$。水下航行器模型可参考Yan et al.(2023)。主设备和三个从设备的初始位置和速度为……
## 结论
本文针对时变延迟和通信带宽约束条件下的SMMS水下遥操作系统提出了一种编队控制方案。研究了i.i.d和马尔可夫随机调度以节省通信资源。设计了一种扰动观测器以估计外部扰动。通过控制与通信调度的集成设计,基于新的李雅普诺夫-克拉斯诺夫斯基泛函,建立了指数……的充分条件。
## 致谢
本研究部分得到河北省杰出青年基金(资助号F2026203084)、国家自然科学基金(资助号U25A20472)、河北省燕赵青年科学家项目(资助号F2024203047)、河北省教育厅基金(资助号JCZX2025027)、中国黄河流域保护基金(资助号202607)以及国家重点实验室的资助。
## 作者简介
**许宏双**于2020年获燕山大学运筹学与控制论硕士学位,中国秦皇岛。目前她在燕山大学信息科学与工程学院攻读博士学位。她的研究方向包括水下航行器和遥操作系统。
**Hongshuang Xu | Jing Yan | Xian Yang | Changchun Hua | Xinping Guan**
**作者信息:**
- 许宏双 | 燕艳 | 杨娴 | 华长春 | 管新平