水下机器人控制方法的对比--水下球形机器人的运动控制研究

      国内外研究人员已经提出了许多运动控制方法，目前已经应用的水下机器人的控制算法有：PID控制、自适应控制、模糊控制、滑模控制、神经网络控制、鲁棒控制，以及其中几种控制方法的结合等等。

       1.PID控制

          PID是比例、积分、微分的简称，PID 控制的应用较灵活，并且具有一定的鲁棒性。水下机器人的运动具有非线性和时变性，但可以通过模型简化或反馈线性化等方法将非线性系统化简或转化为基本线性和非时变的系统，进而可以应用 PID 进行控制。

         虽然 PID 控制比较简单实用，并且应用较广泛，但毕竟水下机器人的运动是高度非线性、时变和强耦合的，因此该方法并不能完美地对水下机器人的复杂的水下运动进行控制，而各种改进的 PID 控制方法的目的就是要摒弃单纯 PID 控制的参数调整困难的缺点，根据需要在线调整 PID 参数使之适应复杂的非线性和多样的系统状态。但是各种改进的 PID 控制方法还不够完善，需要深入的研究使之能方便地应用到水下机器人的运动控制当中。
 

      2.自适应控制

         自适应控制是根据各种环境的变化对自身的特性进行智能调节，使系统可以按照设定好的标准工作于最佳状态，自适应控制设计的理论基础主要有超稳定性、李雅普诺夫、随机控制和参数估计等理论。

        自适应控制方法在水下机器人的运动控制中的应用还是较为广泛的，这主要是因为自适应控制的参数是变化的，并且可以对参数进行在线校正，从而可以应用到控制不确定的非线性系统当中，但许多研究人员开始致力于对自适应控制的改进设计以减少最初的控制阶段的控制不稳定或估计参数振动显著等缺点。

     3.模糊控制

      模糊控制为以模糊数学的基本思想和理论为基础的一种计算机数字控制方法，它即属于非线性控制范畴，又属于智能控制范畴，模糊逻辑的主要特点就是它的表达人类思维的模糊性。因此，当过程的数学模型不存在，或者虽然存在但不确定时，可以选择模糊控制方法来处理未知过程。
        模糊控制的优点有很多：
       (1) 并不需要被控对象的数学模型，只需要专家等的经验、知识和操作数据；
       (2)简单、易于实现； 
       (3)系统的鲁棒性强，可以适用于非线性、时变的系统； 
       (4) 可与其他经典控制方法相结合。

 
      但模糊控制也存在一定的缺陷：
     (1)系统的稳态特征相对对象参数的变化的灵敏度较高，系统可能产生稳态误差或自激振荡；
     (2)误差和误差变化率的动态范围需要进行反复调整； 
     (3) 缺乏在线自学习或自调整的能力； 
     (4) 并不适宜于安全性能要求高的系统。

    4.滑模控制

     滑模控制可以在动态过程中根据系统当前的状态进行有目的的不断变化，使系统按照预定的状态轨迹运动，滑模控制具有响应速度快、对应参数变化及扰动不灵敏、无需系统在线辨识以及物理实现简单等优点，但滑模控制要求有较好的系统动态模型，以及模型中不精确或确定的信息。

    滑模控制在水下机器人的控制当中得到了很大的重视，并取得了一定的科研成果，但还存在许多问题需要解决，尤其是需要最大限度地减少抖振现象，滑模控制与其他控制方法的结合还需要进行深入的研究并有待于实际的应用实验的验证。
 

     5.神经网络控制

    神经网络控制是智能控制的一个分支，它主要是将人工神经网络理论与控制理论有机结合起来，神经网络控制的实现主要是通过将神经网络在相应的控制系统结构中作为控制器或者辨识器，从而对非线性的不确定的系统进行控制。

    尽管神经网络在工业中的应用越来越流行，但是非临界函数和系统都限制了神经网络的应用，这主要是当前还没有通用的方法可以证明神经网络在线学习的收敛，并且神经网络控制的计算较复杂，对控制系统的硬件性能要求较高等都限制了神经网络在水下机器人中的应用，因此，神经网络控制的研究还需不断地进展以提高其实用性。