Control-Oriented Modelling for the Conversion of Surface Vessels to Unmanned
Master thesis
Permanent lenke
https://hdl.handle.net/11250/2780107Utgivelsesdato
2020Metadata
Vis full innførselSamlinger
- Institutt for marin teknikk [3397]
Sammendrag
Kontrollorientert modellering er en metode som er i stand til å forenkle identifiseringen og tuningen av en matematisk modell for et fartøy. Metoden kan representere dynamikken til fartøy som opererer i et bredt utvalg av hastigheter, og ble tilpasset til ubemannede overflatefartøy (USV-er) av Breivik et al. (2008). Forbedringer av kontrollorientert modellering for USV-er har blitt foreslått av Eriksen and Breivik (2017), som utvidet modellstrukturen til å inkludere giring i stedet for bare jaging, og av Kvalvaag (2018), som delvis automatiserte identifikasjonsprosedyren. Metoden har blitt anvendt med suksess på hurtiggående USV-er og ble i prosjektet som var forløperen til denne oppgaven (de Freitas, 2019) identifisert som en god løsning for konvertering av overflatefartøy (SV-er) til USV-er.
Denne masteroppgaven fortsetter forbedringene i kontrollorientert modellering for å kunne utføre konverteringer med minimal kostnad, tidsbruk og nødvendig kunnskap. Dette gjøres ved å prøve å oppnå full automatisering av identifikasjonsprosedyren. Etter at datainnsamling i forsøk er gjennomført, er prosedyren allerede nesten helt automatisert. Unntaket er stadiet kjent som dataekstraksjon, der innsamlet data må transformeres til treghet- og dempningsresultater som kan tilpasses modellen. Derfor foreslås to nye metoder for dataekstraksjon: en som utfører systemidentifikasjon av stabil tilstand ved bruk av et rullende vindu for å skille stabile og transiente regioner basert på Dalheim and Steen (2020), kalt RWSSID. Den andre identifiserer treghet- og dempningsdata samtidig ved bruk av optimalisering og unngår identifikasjon av stabil tilstand, kalt SIMID. I tillegg er disse metodene kombinert med metoder for automatisk fjerning av data som er ansett som upålitelige. Kriteriene som brukes for å definere upålitelige data er lavt signal-til-støy-forhold og ikke klarer å oppnå stabil tilstand.
De foreslåtte forbedringene ble testet ved hjelp av data samlet inn av Eriksen and Breivik (2017) i samarbeid med Maritime Robotics. Den samme casestudien USV ble brukt av Breivik et al. (2008) og Kvalvaag (2018). Resultatene viser at den foresl°atte dataekstraksjonsmetoden SIMID lyktes med å automatisere den kontrollorienterte modelleringen. Derimot ble implementeringen av RW-SSID stoppet fordi resultatene krevde et for stort antall tuningparametere. Resultatene fra den automatiserte kontrollorienterte modelleringen ble også brukt med suksess til å automatisere tuningen av metningsgrenser for referansefiltre. Control-oriented modelling is a method capable of simplifying the identification and tuning of a mathematical model for a vessel. It can represent the dynamics of vessels that operate at a varied range of speeds and was adapted to unmannned surface vessels (USVs) by Breivik et al. (2008). Improvements to control-oriented modelling for USVs have been proposed by Eriksen and Breivik (2017) expanding the model structure to include yaw instead of only surge and by Kvalvaag (2018) partially automating the identification procedure. It has been successfully applied to high-speed USVs and was identified in the project prior to this thesis (de Freitas, 2019) as a good solution to be used during conversions from surface vessels (SVs) to USVs.
This thesis continues the improvements in control-oriented modelling in order to deliver conversions with minimized cost, time spent and required know-how. This is done by attempting a full automation of the identification procedure. After data collection in trials, the procedure is already almost completely automated. The exception is the stage known as data extraction, in which the data collected needs to be transformed into inertia and damping results to be fitted to the model. Therefore, two new methods are proposed for data extraction: one performing steady-state system identification to distinguish steadystate and transient regions based on Dalheim and Steen (2020), RW-SSID, and another simultaneously identifying inertia and damping data using optimization and skipping steady-state system identification, SIMID. Additionally, these methods are combined with methods for automatic removal of data considered unreliable. The criteria used to define unreliable data are low signal-to-noise ratio and not reaching steady-state.
The proposed improvements were tested using data acquired by Eriksen and Breivik (2017) in cooperation with Maritime Robotics. The same case-study USV was used by Breivik et al. (2008) and Kvalvaag (2018). Results show that the proposed data extraction method SIMID succeeded in fully automating the control-oriented modelling. On the other hand, RW-SSID had its implementation halted after its results required an excessive number of tuning parameters. In addition, the results from the automated control-oriented modelling were successfully used for automating the tuning of saturation limits for reference filters.