第1章绪论
1.1 概述
海洋约占地球表面积的70.8%，孕育了生物、矿物、油气、海洋药物、化学等资源，维系了生活在海岸100km以内40%的人类生活。面对21世纪的人口膨胀、资源短缺和环境恶化等难题，“21世纪海上丝绸之路”[1]、“智慧海洋”工程[2]、“坚持陆海统筹，加快建设海洋强国”[3]和《智能航运发展指导意见》[4]等一系列独*的海洋战略都强调了探索和建设海洋的重要性。
船舶动力定位（dynamic positioning，DP）技术以其定位准确、机动性高、不受水深限制等优点，被广泛地应用于供给、铺缆、钻井、铺管、消防、科研考察以及海洋平台等的作业中，成为关心海洋、认识海洋和经略海洋的“利器”[5-10]。DP技术能够在不借助锚泊系统的情况下，利用自身的推进装置来抵御风、浪、流等外界扰动，以一定的姿态保持在海面某一目标位置或精确地跟踪某一轨迹，来完成各种作业[5-8]。因而，DP船舶的开发和利用一定程度上体现了一个国家的海洋科技实力，能够助力丰富完善国家的海洋感知力，提高智慧应用服务军用民生的能力。
然而，DP船舶工作在复杂多变的海洋环境中，受各种不确定因素的影响，高安全性和高可靠性是保证其顺利完成任务的前提[6-8]。一旦DP船舶在作业过程中发生故障，将可能造成财产损失、人员伤亡和环境污染等难以估计的影响[11-15]。1979年11月25日，中国“渤海2号”钻井平台沉没事故，造成72人死亡，直接经济损失高达3700多万元[16]。2001年3月15日，由于石油公司对海洋安全重视不够，巴西P-36半潜式采油平台发生两次连续爆炸事故，给整个巴西的经济带来了重创[16]。2005年7月27日，孟买油田（印度*大的油田）的一个海上石油钻井平台发生大火事故，致使印度石油天然气减产三分之一[17]。2010年4月20日，由于防喷器和紧急解脱系统故障等原因，墨西哥湾的美国钻井平台“深水地平线”发生爆炸，导致大量石油泄漏，污染了约5200km2海域，损失了至少9.3亿美元，造成了无法挽回的经济损失和环境破坏[16]。在这种情况下，海洋安全问题越来越多地受到各国的重视。国际海事组织、国际海洋工程承包商协会和各国船级社都十分关注此问题，陆续颁布相关规范文件、整理分析海洋事故并持续监督各国海洋安全。2014年，挪威科技大学的Hauff教授对近几年的DP船舶安全事故的原因进行调查，结果如图1.1所示，由推进器故障引起的事故比例高达38%[18]。另外，DP船舶的运动通常是由远程陆基控制站来控制的，船舶的位置和速度信息以及远程控制器信号会通过通信信道进行传输[9，11]。由于有限的通信带宽和数据传输率，不可避免地会发生信号量化现象，从而影响DP控制系统的稳定性能[19，20]。因而，提高船舶DPS的鲁棒容错能力具有十分重要的科学理论价值和实际应用意义。
1.2 船舶动力定位系统的研究现状
1.2.1 船舶动力定位系统的鲁棒容错控制研究现状
容错控制（fault tolerant control，FTC）的思想*早来源于1917年波兰学者Niederlinski提出的完整性控制的新概念，是指在系统的元部件或分系统出现故障时，系统仍具有实现其基本功能的能力[21]。FTC的前提是系统存在冗余，且FTC的关键是如何利用这些冗余来补偿故障[22，23]。主动FTC是FTC的一种重要的方法，是指故障发生后，通过调整控制器的参数或改变控制器的结构来实现FTC的目标[24]。主动FTC是提高船舶DPS安全性和可靠性的一种有效方法。关于船舶DPS的主动FTC研究现状如下。
1.基于自适应控制方法的船舶容错控制
基于自适应控制方法的FTC的基本原理是根据自适应控制方法，利用自适应机构在线估计故障，为控制器设计提供故障参数信息。这种方法不需要故障检测与诊断模块提供精确的故障情况，避免了故障检测与诊断模块所产生的错检、误报和漏报等弊端，因而备受国内外研究者的关注。文献[14]针对带有推进器故障的船舶DPS，结合滑模控制技术和自适应控制方法，设计了一种不依赖故障检测模块和故障信息上下界的鲁棒FTC策略。文献[25]研究了具有执行器时变故障、扰动和参数不确定性的无人潜水器转向子系统的鲁棒控制问题，结合故障的在线估计信息，提出了一种自适应容错补偿滑模控制方法。文献[26]在考虑建模不确定性、海流扰动、未知推进器故障和速度约束饱和的情况下，采用了自适应技术来估计边界系数，设计了一种基于反步法的水下机器人自适应区域跟踪容错控制器。为了实现船舶的动力定位，文献[27]将未知系统故障定义为界限未知的不确定性，采用自适应机制在线估计未知界限，提出了一种无须故障检测与隔离的鲁棒自适应FTC方法。文献[28]提出了一种基于故障重构的自适应FTC方法，构造了一种改进的二阶滑模观测器来估计推进器故障信息，使得自治式潜水器（autonomous underwater vehicle，AUV）在存在海流干扰和模型不确定的情况下，仍能完成既定任务。文献[29]针对外部扰动和未知推进器故障的水下航行器，设计了一种自适应滑模观测器来实现系统的有限时间收敛。文献[30]将推进器故障刻画为不确定性项，并采用高斯径向基函数（radial basis function，RBF）对其进行近似，提出了一种自适应滑模反步FTC方法。为了实现网络随机无人船的FTC，文献[31]通过在线估计未知的推进器故障和外部扰动来补偿故障和扰动的影响，并引入了一种依赖于自适应触发机制的控制策略，以提高网络资源的利用率。
2.基于控制律重新调度的船舶容错控制
基于控制律重新调度的FTC的主要思想是先离线设计能容忍多种故障情况的控制律，再获取故障检测与诊断模块的故障检测信息，*后选择与故障模式相匹配的控制律实现容错控制。其优点是实用、快速和简单；其缺点是过分依赖故障检测与诊断模块，易产生误检、错报和漏报。针对船舶DPS采用控制律重新调度的FTC的研究成果主要有：文献[32]研究了一种新型的开放式水下智能航行器推进器故障诊断与调节系统，该系统由故障诊断子系统和故障适应子系统组成，将这两个子系统提供的信息用来处理故障并进行适当的控制律重新分配。文献[33]针对无人水下航行器推进系统FTC分配问题，提出了基于奇异值分解与定点分配的混合算法。与传统方法相比，该方法回避了求伪逆矩阵的问题，且能够满足推进器饱和约束限制。文献[34]基于传统的推进器控制分配方法，将故障因子引入容错控制器设计方案，并将这种方案应用于“海鹢-I”号水下机器人。文献[35]研究了推进器故障下的无人水下航行器可靠性控制问题，提出了一种新的推进器故障诊断与控制律重构算法。文献[36]以SY-II号遥控潜水器（remotely operated vehicle，ROV）为研究对象，设计了推力分配建模和基于递归神经网络的FTC技术来提高ROV的安全性和可靠性。
3.基于控制律重构设计的船舶容错控制
基于控制律重构设计的FTC的基本思想是利用故障检测与诊断模块提供的故障信息，在线调整或离线重组控制律，实现容错的目的，形成新的稳定的闭环控制系统。此种容错策略简单实用又快速，但是无法考虑所有的故障模式，一旦发生未知类型的故障，该方法便失效了。为了解决夏威夷大学水下智能运载器的推进器故障问题，文献[37]将故障检测、故障隔离与故障调节相结合，设计了带有智能导航的FTC系统。文献[38]将执行器FTC方案应用于水下遥控潜水器，分别采用变结构系统观测器和滑模控制技术进行故障检测、隔离和控制，利用执行器冗余度来实现控制重构。为了保证水下机器人的控制性能并完成既定任务，文献[39]基于解耦滑模控制律，提出了由故障检测、故障隔离和通过控制重构调整故障模块组成的FTC方案。文献[40]结合重构FTC思想和自抗扰控制策略，提出了一种定深容错控制方案，使得无人船在发生垂向推进器故障和遭受不同环境干扰时仍能在一定深度完成其任务。
1.2.2 船舶动力定位系统的滑模控制研究现状
滑模控制因其具有设计简单、易于实现等优点，广泛应用于船舶DPS的控制设计中。国内外关于使用典型滑模控制方法研究船舶DPS现状如下。
1.鲁棒滑模控制
鲁棒滑模控制是指在系统具有参数摄动的情况下使用滑模控制方法仍能实现某种船舶动力定位目标。文献[14]针对带有推进器故障的船舶DPS，将滑模控制、自适应技术和容错方法相结合，提出了一种不需要故障检测与诊断模块的鲁棒滑模FTC方法。为了克服信号量化和海洋扰动的影响，文献[20]结合滑模控制技术和有限时间观测器，设计了跟踪控制器，使得无人船能够跟踪参考轨迹，并保证船舶DPS的稳定性。文献[41]针对船舶DPS作业时推进器、舵等执行机构的时滞问题，设计了一种根据时滞上界选取设计参数的鲁棒滑模控制器，以补偿时滞现象对船舶DPS的负面影响。文献[42]基于滑模控制技术，设计了欠驱动AUV轨迹跟踪控制器，提高系统在模型具有未知动态和外部环境扰动条件下的鲁棒性。基于神经网络进行滑模控制器的设计，避免了不必要且冗长的计算。文献[43]针对带有模型参数不确定性的动力定位船舶，提出一种动力定位船全速域自适应滑模无源观测器，解决了现有观测器只能应用于低速作业DPS的问题。文献[44]针对含有未知扰动等不确定性的船舶DPS，在系统不确定性不满足匹配条件的情况下，提出了一种自适应滑模观测器的设计方法。考虑到船舶DPS的实际环境因素，文献[45]提出了基于无源非线性观测器的滑模控制策略，解决了高频运动引起船舶往复周期性运动的问题，保证了系统误差在有限时间收敛到零。文献[46]采用滑模神经控制系统控制遥控水下运载器，以实现高精度的位置控制。文献[47]采用模型预测、自适应神经网络和滑模控制相结合的策略，解决了模型不确定性和输入饱和问题，实现了AUV在三维空间中的路径规划控制。针对欠驱动船舶的轨迹跟踪控制问题，文献[48]设计了一种滑模控制方法，解决了模型参数不确定和外部海洋干扰问题。文献[49]针对欠驱动无人船，提出了一种自适应动态滑模轨迹跟踪控制算法，提高了系统对模型参数不确定性和未知环境干扰的鲁棒性。
2.终端滑模控制
终端滑模控制通过引入非线性函数，使得滑模面上的跟踪误差在有限的时间内收敛到零。针对具有动态不确定性和时变外界干扰的AUV，文献[50]提出了一种自适应非奇异积分终端滑模跟踪控制方案，使得系统的跟踪精度更高、收敛速度更快、补偿动态不确定性和抗时变外部干扰的鲁棒性更好。文献[51]研究了动力学性能变化和水流环境干扰对AUV轨迹跟踪控制的影响，设计了一种基于RBF神经网络的AUV自适应终端滑模控制方法。文献[52]在现有结果的基础上，提出了一种自适应二阶快速非奇异终端滑模控制技术，使得全驱动AUV的轨迹跟踪收敛速度更快。为解决具有动态不确定性和时变扰动的AUV的轨迹跟踪问题，文献[53]分别基于自适应积分终端滑模控制和自适应快速积分终端滑模控制设计由运动控制器和动态控制器组成的双环控制器，保证了位置和速度跟踪误差在有限时间内趋近于零。文献[54]对文献[53]中的方法进行了改进，设计了自适应快速非奇异积分终端滑模控制器，提高了AUV轨迹跟踪的收敛速度。文献[55]采用一种新颖的非奇异固定时间终端滑模策略，使得额外扰动下无人船实现精确轨迹跟踪控制。为了消除未知欧拉角和不确定流体力学参数对AUV的影响，文献[56]基于非奇异终端滑模控制技术，设计了一个有限时间控制器，从而保证了跟踪性能。
3.积分滑模控制
积分滑模控制在滑模面上附加积分项来避免普通滑模具有趋近阶段的特点，从而改善系统的稳态性能。文献[57]设计了一种改进的基于可视距离（line of sight，LOS）制导算法的自适应积分滑模方法，用于具有不确定参数和时变干扰下的欠驱动无人船航迹跟踪，实现了路径跟踪误差
展开
