پايدارسازي وسيله ابرحفره‌ساز در مود عمق با استفاده از روش تنظيم‌كننده خطي مجذوري (LQR) و تخمينگرهاي EKF و UKF

Stabilization of a Supercavitating Vehicle in Depth Mode using Linear Quadratic Regulator Method and EKF and UKF Estimators

اين مقاله به دو موضوع پايدارسازي وسايل ابر حفره ساز در مود عمق و تخمين متغيرهاي حالت براي اجراي كنترل كننده طراحي شده مي­پردازد. ابتدا با بهره گيري از تئوري خطي سازي با پسخور، مدل غيرخطي، خطي سازي و سپس براي پايدار كردن مدل كنترل كننده­ايي بر مبناي روش LQR طراحي شده است. اين روش نياز به پسخور همه متغيرهاي حالت دارد، در حالي كه در عمل، اندازه گيري همه متغيرهاي حالت ممكن نيست و لازمست داده هاي حسگرهاي موجود با خروجي هاي مدل سيستم تركيب كرد تا به تخميني قابل قبول از مقدار متغيرهاي حالت سيستم دست يافت. در اين مقاله با تركيب خروجي­هاي مدل و داده هاي حسگرها با استفاده از فيلترهاي EKF و UKF به تخمين متغيرهاي حالت وسيله و استفاده از آنها در كنترل بهينه حركت وسيله در مود عمق پرداخته شده است. در شبيه سازي هاي انجام شده با مدل غيرخطي سيستم نشان داده شده است كه دو فيلتر توانايي تخمين مناسب متغيرهاي حالت به منظور پايدارسازي سيستم و رد اغتشاشات را دارد و هر يك از فيلترها در تخمين برخي از متغيرها بهتر عمل مي ­كنند. در شبيه سازي عملكرد كنترل كننده هاي طراحي شده، نكات عملي مانند اشباع شدن عمل كننده ها و نحوه جبران آنها در نظر گرفته شده وتوانايي كنترل كننده در پايدارسازي وسيله نشان داده شده است.

In this paper, two main subjects are dealt with: stabilization of supercavitating vehicles in depth mode and estimating the state variables of the vehicle in order to control the vehicle in this mode. Using the feedback linearization method, the model of the system is linearized and a linear quadratic regulator is designed for the system to stabilize it. This method needs to feedback all states of the system, while measuring all the states is practically infeasible. Then, it is needed to estimate some of the states using the model of the system and the sensor measurements. This is performed here using two well-known filters of EKF and UKF. Through simulations, it is shown that both filters can estimate the states of the system in the depth mode, stabilize the vehicle in this mode and reject the disturbances. It is observed that each filter can estimate some of the states more accurately. In simulations, the performances of the designed controllers are examined, practical issues like actuator saturation are taken into account and the ability of the controllers to stabilize the vehicle is demonstrated.