Robuster Störgrößenbeobachter für autonome Oberflächenfahrzeuge zur Erfassung von Umwelteinflüssen

Core Concepts

Ein robuster Störgrößenbeobachter wird entwickelt, um die auf ein autonomes Oberflächenfahrzeug wirkenden Umwelteinflüsse wie Wind, Wellen und Strömungen trotz Modell- und Messunsicherheiten zu rekonstruieren.

Abstract

Der Artikel präsentiert einen robusten Störgrößenbeobachter für autonome Oberflächenfahrzeuge, der Modell- und Messunsicherheiten berücksichtigt. Der Kernbeitrag liegt in einem nichtlinearen Störgrößenbeobachter, der die auf das Schiff wirkenden Umweltkräfte rekonstruiert. Dafür werden Abbildungen gefunden, die zu global exponentiell stabilen Fehlerdynamiken führen. Mithilfe der Lyapunov-Theorie wird bewiesen, dass der Fehler exponentiell in eine Kugel konvergiert, selbst wenn die Störgrößen hochdynamisch sind. Da Messungen von Rauschen betroffen sind und physikalische Modelle fehlerhaft sein können, wird ein Unscented-Kalman-Filter (UKF) verwendet, um zuverlässigere Zustandsschätzungen zu generieren. Zusätzlich wird ein Rauschschätzer eingeführt, der die Rauschstärke approximiert. In Abhängigkeit von der Messnoisestärke werden die beobachteten Störgrößen durch eine kaskadierte Struktur aus einem gewichteten gleitenden Mittelwert (WMA)-Filter, einem UKF und dem vorgeschlagenen Störgrößenbeobachter gefiltert. Um die Leistungsfähigkeit dieses Beobachterrahmens zu untersuchen, werden die Umweltstörungen dynamisch unter Berücksichtigung verschiedener Modell- und Messunsicherheiten simuliert. Es zeigt sich, dass der Beobachterrahmen die dynamischen Kräfte auf ein Schiff, die durch die Umgebung beeinflusst werden, trotz der Verwendung einer niedrigen Abtastrate, eines fehlerhaften Modells und verrauschter Messungen approximieren kann.

Stats

Die Umweltkräfte auf das Schiff können durch die folgenden Gleichungen beschrieben werden:
τwind = [¯Fwind cos(γwind −ψ) (1 + sin(t)), −¯Fwind sin(γwind −ψ) (1 + sin(t)), ¯Fwind sin(2(γwind −ψ)) (1 + sin(t)) L/4]⊤
τwave = [¯Fwave cos(γwave −ψ) (1 + sin(t)), −¯Fwave sin(γwave −ψ) (1 + sin(t)), 0]⊤
τcurrent = [¯Fcurrent cos(γcurrent −ψ) (1 −e−t/Ts), −¯Fcurrent sin(γcurrent −ψ) (1 −e−t/Ts), 0]⊤

Quotes

"Ein robuster Störgrößenbeobachter wird entwickelt, um die auf ein autonomes Oberflächenfahrzeug wirkenden Umwelteinflüsse wie Wind, Wellen und Strömungen trotz Modell- und Messunsicherheiten zu rekonstruieren."
"Es zeigt sich, dass der Beobachterrahmen die dynamischen Kräfte auf ein Schiff, die durch die Umgebung beeinflusst werden, trotz der Verwendung einer niedrigen Abtastrate, eines fehlerhaften Modells und verrauschter Messungen approximieren kann."

Key Insights Distilled From

An environmental disturbance observer framework for autonomous surface vessels

by Daniel Menge... at arxiv.org 03-29-2024

https://arxiv.org/pdf/2211.08360.pdf

Deeper Inquiries

Wie könnte der vorgestellte Störgrößenbeobachter erweitert werden, um auch andere Arten von Störungen, wie z.B. Kollisionen, zu berücksichtigen?

Um den vorgestellten Störgrößenbeobachter zu erweitern und auch andere Arten von Störungen wie Kollisionen zu berücksichtigen, könnten zusätzliche Sensoren und Algorithmen implementiert werden. Zum Beispiel könnten Kollisionsvermeidungssensoren wie Radarsensoren, Lidar oder Kameras verwendet werden, um potenzielle Kollisionen mit anderen Schiffen oder Hindernissen frühzeitig zu erkennen. Diese Sensoren könnten Echtzeitdaten über die Umgebung des Schiffes liefern, die dann in den Störgrößenbeobachter integriert werden, um die Bewegungen des Schiffes entsprechend anzupassen und Kollisionen zu vermeiden. Darüber hinaus könnten Algorithmen zur Kollisionsvermeidung und -erkennung in das Beobachtungssystem implementiert werden, um auf der Grundlage der Sensorinformationen automatisch angemessene Reaktionen zu generieren.

Welche zusätzlichen Sensoren oder Informationsquellen könnten verwendet werden, um die Genauigkeit und Robustheit des Beobachters weiter zu verbessern?

Zur Verbesserung der Genauigkeit und Robustheit des Störgrößenbeobachters könnten zusätzliche Sensoren wie GPS, Gyroskope, Beschleunigungsmesser und Magnetometer verwendet werden, um präzise Informationen über die Position, Ausrichtung und Bewegung des Schiffes zu erhalten. Diese Sensoren könnten die Messungen der vorhandenen Sensoren ergänzen und eine umfassendere und zuverlässigere Datengrundlage für den Beobachter bereitstellen. Darüber hinaus könnten Umgebungsdatenquellen wie Wetter- und Seestromdaten in Echtzeit genutzt werden, um die Umwelteinflüsse auf das Schiff genauer zu erfassen und in die Beobachtung einzubeziehen. Durch die Integration dieser zusätzlichen Sensoren und Informationsquellen könnte die Leistungsfähigkeit des Beobachters weiter verbessert werden.

Wie könnte der Beobachter in ein übergeordnetes Kontrollsystem für autonome Oberflächenfahrzeuge integriert werden, um die Sicherheit und Leistungsfähigkeit des Gesamtsystems zu erhöhen?

Um den Störgrößenbeobachter in ein übergeordnetes Kontrollsystem für autonome Oberflächenfahrzeuge zu integrieren und die Sicherheit sowie die Leistungsfähigkeit des Gesamtsystems zu erhöhen, könnte eine nahtlose Kommunikation und Datenaustausch zwischen dem Beobachter und anderen Teilen des Kontrollsystems gewährleistet werden. Der Beobachter könnte als Teil eines Regelungssystems fungieren, das kontinuierlich Umwelteinflüsse und Störungen überwacht und die Steuerung des Fahrzeugs entsprechend anpasst. Darüber hinaus könnten Algorithmen zur Entscheidungsfindung implementiert werden, die auf den Beobachtungsdaten basieren und automatisch sicherheitsrelevante Maßnahmen ergreifen, um potenzielle Risiken zu minimieren. Durch die Integration des Störgrößenbeobachters in das übergeordnete Kontrollsystem könnten autonome Oberflächenfahrzeuge effizienter und sicherer betrieben werden.