《Ocean Engineering》：LADRC-based wake tracking control via sideslip angle estimation for AUVs following the trajectories of near-surface targets
編輯推薦：
自主水下車輛（AUV）尾流跟蹤面臨非線性耦合、環境干擾和側滑角問題，本文提出融合側滑角估計與主動干擾抑制的控制器。通過降階擴展狀態觀測器實時估計側滑角，設計基于側滑補償的LOS導引律，并采用線性ADRC解耦控制 yaw和surge通道，仿真驗證其優于傳統PID和LOS方法。
何偉超|孟兆辰|李遠征|徐鵬|萬興福|劉建華|金浩|張克成|謝光明|徐敏毅
大連海事大學海洋工程學院，中國大連，116026
摘要
自主水下航行器（AUV）在跟蹤近海目標軌跡時面臨諸多挑戰，這些挑戰源于非線性耦合、環境干擾以及顯著的側滑效應，這些因素嚴重降低了控制系統的穩定性和準確性。本文提出了一種用于AUV跟蹤水面目標軌跡的尾流跟蹤控制方法。該控制器將側滑角估計與主動干擾抑制相結合。通過構建降階擴展狀態觀測器來實時估計側滑角，該角表示由于尾流干擾導致的車輛航向與其實際運動方向之間的偏差。此外，還開發了一種基于側滑角估計的視線（LOS）引導律，以生成協調的偏航角和縱搖速度指令，從而在尾流跟蹤過程中同時改善方向控制和速度調節。隨后設計了兩個線性主動干擾抑制控制器，以實現偏航和縱搖通道的解耦和魯棒控制。仿真結果表明，所提出的方法在軌跡精度、橫向偏差抑制、收斂速度和能源效率方面均優于傳統的LOS引導和結合干擾觀測器的PID控制器，從而使AUV能夠在復雜的近海環境中穩定可靠地跟蹤尾流。
引言
自主水下航行器（AUV）因其出色的機動性和高自主性，已成為海洋勘探、資源調查和環境監測的關鍵工具。在其多樣化的任務中，跟蹤水面船舶的尾流是一項關鍵但具有挑戰性的任務。由于船舶的尾流通常表現為一個空間分布的湍流區域而非單一曲線，因此跟蹤整個區域是不切實際的。因此，通常將尾流的中心線視為期望的路徑。這一中心區域對應于船上傳感器感知到最強信號的位置，這對于尾流識別和軌跡控制提供了有代表性的參考。然而，尾流本身會對AUV的運動產生顯著且非結構化的流體動力干擾。為了確保可靠的感知和連續跟蹤，AUV必須嚴格保持在尾流走廊內，同時補償這些強烈的干擾。這些嚴格的要求使得尾流跟蹤在智能協作導航和軍事偵察等應用中具有很高的價值，但同時也對AUV控制系統的智能性和魯棒性提出了巨大挑戰。
盡管如此，海洋環境的復雜性和非線性流體動力學特性在近海操作中帶來了重大挑戰。一個經常被忽視的關鍵問題是強尾流湍流和橫流引起的側滑角。這種偏差意味著車輛的航向與其實際速度矢量存在顯著差異，這種現象在上升過程中尤為明顯，因為此時近海流體干擾最為強烈。這樣的側滑角破壞了許多基于航向的引導策略的基本假設，導致橫向誤差無法收斂和軌跡偏差較大。雖然已有大量研究致力于減輕這些影響，但現有方法主要集中在路徑規劃或狀態融合上，對于實時估計和補償側滑角以用于控制目的的研究較少。例如，先前的工作通過流場感知建模（徐和潘，2022年）、姿態融合估計（鄭和科，2024年）（布奇等人，2022年）（王等人，2025年）、模糊估計（范等人，2024年）（諾爾莫哈馬迪和薩貝特，2025年）以及冗余導航信息融合（呂等人，2020年）來提高魯棒性。然而，這些方法大多忽略了側滑角的顯式估計，而是側重于導航濾波。盡管最近的一些工作開始解決這個問題。例如（薩貝特和諾爾莫哈馬迪，2022年）提出了一種基于伯努利的流速傳感器，（德巴羅斯等人，2009年）使用CFD和實驗分析了不同側滑角下的流體動力矩。然而，這些方法尚未完全集成到閉環控制系統中以實現實時補償，限制了它們在高度擾動尾流環境中的適應性。
引導律也得到了廣泛研究，常用的方法包括純跟蹤和基于曲率的方法。這些方法通過目標點或曲率參考提供直觀的偏航控制，并已成功應用于地面車輛（金等人，2023年）（文等人，2025年）（岡薩雷斯-卡爾文等人，2025年）和水下機器人（徐等人，2024年）。還探索了特定的基于邏輯的尾流歸航策略。例如，金（2024年）提出了一種基于虛擬尾流邊界估計的引導邏輯，以保持車輛在尾流區域內。然而，這些幾何或邏輯切換方法通常將尾流跟蹤視為邊界檢測問題，常常忽略了湍流尾流本身引起的動態側滑效應。為了解決連續軌跡跟蹤問題，視線（LOS）引導已成為主流方法，因為它簡單且魯棒（顧等人，2022年）。已經提出了各種改進措施，如引入積分誤差項（杜等人，2023年）、設計能量最優框架（楊等人，2023年）、在通信約束下提出自適應策略（徐等人，2023年）以及引入帶有在線蟹角估計的自適應LOS（福森，2023年）。然而，一個根本的限制仍然存在：大多數現有的ALOS方法依賴于自適應積分項進行漂移補償。這種被動適應在時變干擾下存在相位滯后和收斂速度慢的問題，相比之下，基于觀測器的主動估計更為有效。這一限制尤其成問題，因為尾流跟蹤與一般軌跡跟蹤在海洋流場中的情況有根本不同。與緩慢變化的全局流場不同，尾流代表了一個空間局部化且高度湍流的干擾場（喬等人，2023年），這需要一種能夠快速動態補償的控制策略。此外，大多數方法假設推進速度恒定，僅生成偏航指令，缺乏解決尾流跟蹤場景中偏航和縱搖動態之間強耦合的協調控制策略。
在控制執行方面，PID、滑模控制（SMC）和模型預測控制（MPC）等方法各有局限性。PID應用廣泛，但在強干擾下性能下降（哈桑和阿巴斯，2023年）。SMC具有魯棒性，但存在抖動問題（嚴等人，2022年），而MPC提供高精度，但需要精確的模型和大量的計算資源（郝等人，2023年）。主動干擾抑制控制（ADRC）通過使用擴展狀態觀測器（ESO）實時估計和補償總干擾，提供了魯棒性，無需精確模型。最近對ADRC的改進包括針對周期性干擾的通用ESO（拉姆拉維和朱，2019年），以及針對輸入非線性的ADRC-PTOC用于航向控制（安等人，2020年）。還開發了結合ADRC與SMC（劉等人，2024年）或MPC（阿科斯-萊加達和古鐵雷斯，2023年）的混合方法。盡管有這些進展，大多數現有方法仍然關注單通道控制，未能解決偏航和推進速度之間的動態耦合問題。此外，它們通常忽略側滑效應的顯式建模和在線補償，而這正是擾動尾流條件下軌跡不準確的主要原因。
總之，本研究探討了欠驅動AUV對近海目標尾流跟蹤控制問題。為了解決上述限制，本文的主要貢獻如下：
(1)為了解決近海環境中尾流干擾常見的側滑效應，開發了一種基于降階ESO的側滑角估計方法。該方法利用姿態和速度等運動信息實時估計側滑角，有效減少了觀測器維度和計算復雜性，同時通過李雅普諾夫理論確保了嚴格的收斂性。
(2)提出了一種基于側滑角估計的視線（SELOS）引導律，以提高收斂速度和跟蹤穩定性。通過利用主動估計的側滑角進行前饋補償，該設計克服了傳統基于積分方法的滯后問題，并明確考慮了縱向誤差與縱搖速度調整之間的耦合。
(3)在線性ADRC框架內設計了獨立的姿態和縱搖控制器，以實現顯式解耦。結合干擾補償和側滑校正機制，這兩個控制器能夠高精度地跟蹤雙輸出參考值，顯著增強了對抗尾流干擾和建模不確定性的魯棒性。
部分摘錄
尾流跟蹤問題的表述
為了在高精度尾流跟蹤欠驅動AUV時，需要建立一個數學模型，該模型能夠捕捉車輛的非線性動力學特性和由尾流引起的外部干擾。這為后續的控制器設計提供了理論基礎。
在本研究中，AUV的動力學由一個降階五自由度（DOF）模型表示，其中忽略了滾動運動，并假設俯仰角很小。
引導律設計
為了在存在不可測量狀態和外部干擾的情況下分析穩定性和魯棒性，本節介紹了一些基本定義和引理。這些理論工具為分析所提出的側滑角觀測器和尾流跟蹤引導律的收斂行為提供了基礎。特別是采用了輸入到狀態穩定性（ISS）理論，以確保在有限擾動下的有界跟蹤性能。
定義1
(Sontag和
尾流跟蹤控制器設計
在現實海洋環境中，AUV經常需要跟蹤水面附近的動態目標或尾流區域內的目標，例如由水面船舶產生的尾流。為了完成這些任務，操作過程分為兩個階段：上升階段和跟蹤階段。在上升階段，AUV從水下巡航深度上升到指定的操作深度。由于此階段的主要目標是深度調節，而不是
仿真
為了驗證所提出的控制策略在復雜近海干擾下的有效性和魯棒性，構建了一個全面的AUV仿真平臺。該平臺包括一個完整的非線性動態模型以及多個環境干擾源。AUV的動力學采用Infante型五維非線性模型，系統參數配置如下：車輛質量為
結論
本文解決了AUV近海尾流跟蹤中的關鍵挑戰，包括強干擾、多源不確定性和側滑引起的漂移。提出了一種混合控制框架，結合了SELOS和ADRC。在該框架中，使用降階ESO動態估計側滑角，并嚴格分析了估計誤差的穩定性。基于此估計，開發了一種新的引導律，并使用ISS理論確保了其穩定性。
CRediT作者貢獻聲明
何偉超：撰寫——原始草案、驗證、軟件、方法論、調查、形式分析、概念化。孟兆辰：方法論、調查。李遠征：可視化。徐鵬：撰寫——審稿與編輯、監督、資源、方法論、調查。萬興福：驗證、調查。劉建華：方法論、概念化。金浩：數據整理、概念化。張克成：形式分析。謝光明：撰寫——審稿與編輯、監督。
利益沖突聲明
作者聲明他們沒有已知的財務利益或個人關系可能影響本文報告的工作。
致謝
本研究部分得到了國家自然科學基金（52371345、52401399）、中國博士后科學基金會的博士后獎學金計劃（GZC20230062）、大連杰出青年科技人才項目（2021RJ11）以及青年教師科研創新能力支持項目（ZYGXQNJSKYCXNLZCXM-O1P）的支持。
