MBSE产品模型架构应用：基于模型驱动架构概念的自主水下航行器控制器的MBSE应用（下）

图2.开发的AUV的用例模型

图3.（a）期望的轨迹跟踪场景，以及（b）用于执行“跟踪所需轨迹”用例的本地状态机

在这项工作中，为AUV的运动学和动力学模型提出了一个实现的功能模块图（图4），如方程（1）和（2）中所述，以获得控制器的内部连续演变，其中Ωdi，i=是所需的转速，应用于AUV的n个致动器，以及ΣT和τφ,θ,Ψ是作用在AUV执行器上的总输出力和力矩。

图4.用于实现AUV控制器持续演进的功能模块图

如前所述，IB扩展与控制李雅普诺夫功能（CLF）相结合可用于许多AUV控制应用。这也应用于深度控制、位置控制和姿态控制的功能块（图4），它们参与了连续演进。PID稳压器也用于电机控制的功能块。本研究没有关注这些AUV控制技术的分解，因为它们是在许多AUV应用中开发的。

公式（3）中的离散状态空间模型与EKF或UKF实现相结合，可以估计开发的AUV的状态，如第5节所述。

此外，由Henzinger，Kopke，Puri和Varaiya提出的混合自动机（HA）为与模拟环境实时交互的数字计算机系统提供了数学模型。在CIM中，HA如公式（4）所示建立。

其中Q是AUV的一组运行案例，q0 ∈Q是起始情况，X是连续元素的连续状态空间，xco∈ X是初始值，Σ是一组外部事件，A 是运行案例之间的一组转换对应于事件σ∈ Σ，Inv 是一个应用工具，用于检查xc ∈ inv（q），F 是从方程（1）和（2）中的运动学和动力学模型发出的连续全局模型。

PIM的目标是实现实时压缩协作，从而可以详细捕获控制的设计模型。从上述CIM中，五个主要控制压缩专门用于实现AUV控制器的HA：分立器件的压缩，连续部分的压缩，外部接口的压缩，内部接口的压缩和瞬时全局连续行为（IGCB）的压缩。图5和图6显示了使用实时UML协作和类图的AUV控制器的实时压缩协作。

图5.AUV控制器实时压缩的协作图

图6.AUV控制器的实时压缩类图

这里，离散部件的压缩由AUV控制器HA中的情况Q和过渡A组成;连续部件的压缩包含连续状态空间X;IGCB的压缩实现了具体的全局连续行为，如f∈F，其中f直接来自公式（3），实现的功能模块图（图4）可以在f中实现，用于估计AUV状态;外部接口的压缩是一个中介，它在AUV控制器和MES / MDS之间接收/发送事件/信号;内部接口的压缩允许 Inv 工具在 HA 演化中生成内部事件。

对于不同AUV应用的控制器操作员来说，可重用性至关重要，因为它减少了制造时间和设备成本。此外，这允许开发AUV的压缩协作在多种类型AUV的新控制应用中定制和重用，如表2所示。

表 2.设计控制器在多种类型AUV的新控制应用中的可定制性和可重复使用性（IGCB，瞬时全局连续行为）。

在AUV控制器的构建中，使用Papyrus for RealTime（Papyrus-RT）将上述设计的PIM转换为PSM。这些工具可有效用于开发复杂的实时和嵌入式系统和软件应用。它们充当实时UML / SysML的实现，用于C++，Java，Ada和运行时系统支持。

因此，可以使用不同的实现开发环境（IDE）将PIM转换为PSM，最终实现具有合适微控制器的控制器。MDA 的功能还支持模型转换。这种转换模型可以通过往返工程快速应用。转换规则可用于将PIM转换为PSM，反之亦然。

此外，上述定义的HA可以使用之前所述的状态模式自动实现。根据这种模式，HA的结构实现显示了AUV控制程序的有意义的编程有用性，如图7所示。使用Arduino的IDE执行和编译了基于状态模式的HA实现示例，以适应AUV控制器的ATMEGA32-U2和STM32 Cortex-M4微控制器。

按照上述模型，部署了一个平面轨迹跟踪控制器，该控制器允许具有鱼雷形状的低成本AUV到达并遵循自由面上的预定轨迹。鱼雷形AUV的主要运行参数总结在表3中。

表 3.鱼雷形AUV的主要操作参数

根据描述AUV控制器不断发展的性能功能模块图，波浪引起的环境扰动仅被视为海况代码1，即自由面上的轻微波纹。

实现公式（3）所示的状态空间模型，以使用已安装的传感器计算AUV的当前状态，例如惯性测量单元（IMU）MPU6000和全球定位系统（GPS）Ublox Neo 6M。两种情况下的状态估计均基于EKF（算法1）和UKF（算法2）。在算法1和2中，.ˆ表示估计值，P是状态协方差，Q和R分别表示过程和测量噪声的协方差矩阵。从以下初始条件开始估计状态：xˆ0|0=x0和P0|0=012×12。

图8.对于使用 EKF 和 UKF 的情况，在所需过程中从当前位置 020° 的平均瞬态响应时间

ATMEGA32-U2和STM32 Cortex-M4微控制器安装在主板上。用于试行程的AUV安装如图9所示。测试场景基于不同的期望路线，针对各种基于形状的路径和平均速度。一些主要的平面航向跟踪测试结果如表4所示。图10a，b和图11a，b分别显示AUV达到并遵循所需的矩形和三角形轨迹。

图9.AUV安装用于试航

图 10.AUV达到并遵循所需的矩形轨迹：（a）使用扩展卡尔曼滤波器（EKF）算法;（b） 使用无迹卡尔曼滤波 （UKF） 算法

图 11.AUV达到并遵循所需的三角形轨迹：（a）使用EKF算法;（b）使用UKF算法

表 4.鱼雷形AUV航向跟踪的测试结果

通过与相关文献获得的测试结果进行比较，该电流AUV控制器在稳定间隔和轨迹误差方面均优于稳定间隔和轨迹误差，分别降低了约0.7 s和0.90 m。UKF使得估计更加准确，尽管UKF中的运算，例如无迹变换（UT），即算法2中的UT函数，可能看起来比EKF更复杂，但张柏强等人和Raitoharju和Piché深入研究了对各种卡尔曼滤波器扩展应用的实际计算复杂性和优化的评估。

表5描述了使用MBSE方法结合MDA组件对上述AUV应用的评估。

表 5.评估基于模型的系统工程（MBSE）方法结合模型驱动架构（MDA）的鱼雷形AUV控制应用

（CIM，独立于计算的模型；PIM，独立于平台的模型；PSM，特定于平台的模型；IDE，实现开发环境；OMG，对象管理组；XML，可扩展的标记语言；MOF，元对象工具；UML，统一建模语言；SysML，系统建模语言）。

本文介绍了MBSE方法在集中部署AUV控制器中的应用，其动力学可以被认为是HDS。该应用模型基于MBSE方法，结合MDA概念、实时UML/SysML、EKF/UKF算法和HA系统化地实现控制器。AUV的动力学模型和控制结构首先用于结合CIM、PIM和PSM等MDA组件进行控制。在 CIM 中，用例模型使用连续行为、EKF/UKF 算法和 HA 进行定义，以密切控制需求。PIM的建立是为了通过构建实时压缩模式来建立设计模型。这种模式可以定制并在新的AUV控制应用中重复使用（表2）。然后，通过中间C++代码的往返工程将设计的PIM转换为PSM，以形成具有合适微控制器的AUV控制器。在所提出的模型的基础上，利用ATMEGA U2和STM32-Cortex-M4微控制器实现并评估了在自由面上运行的微型鱼雷形AUV的平面轨迹跟踪控制器。最后，讨论了MBSE/MDA方法在这种AUV控制应用中的优缺点（表5）。

在本案例研究中，上述MBSE方法结合MDA概念，仅适用于在自由面上运行的微型鱼雷形AUV的简单测试场景。我们尚未对过程和测量噪声的参数进行微调，以及针对该应用的噪声参数的演进优化。因此，这些重要的进一步发展计划在未来进行。首先，基于EKF / UKF的导航滤波器将在完整的AUV中结合深度控制和合适的环境进行在线模拟。然后，新控制器将在AUV上实现，并通过快速频率干扰进行在线测试。不同卡尔曼滤波器扩展在精度方面的性能将在不同场景中仔细研究。在进一步的MBSE/MDA研究中，我们还将遵循我们的应用策略，详细指定使用不同MDA变换类型的模型变换模式，并将其与使用OPM的情况进行比较。

【译自Ngo Van Hien, Ngo Van He , Van-Thuan Truong and Ngoc-Tam Bui，A MBSE Application to Controllers of Autonomous Underwater Vehicles Based on Model-Driven Architecture Concepts，23 November 2020】

文章来源：创景科技