← 全部项目

寻找航向

必须顺应风声的软件。

角色

软件贡献者

背景

Kehillah Sailbot

工具和方法

ROS 2 · 状态估计 · 模型预测控制 · 物理模拟 · 嵌入式 C++

为“寻找航向”手工制作的岛屿模型
岛屿解读

一座湖畔测试站,风是这里的主角。

为本站用 Blender 制作的示意图。它用于解释思路,并非项目数据。

项目原始图片、图表和视频保留原文。

问题的起点

自主帆船必须把不完美的信息转化为物理决策。我在 Kehillah Sailbot 的贡献集中在导航、转向、风向滤波、状态估计,以及用于研究船只行为的模拟器。本站首页上载着你在岛屿间往返的小船,就是以团队模拟的三体帆船为原型制作的。

49.3°团队极曲线表中的最佳逆风角度
±21°控制器必须遵守的舵角行程
10状态估计器跟踪的量
01

关闭循环

团队的系统运行在 ROS 2 上:传感器发布 GPS 定位、风向和惯性读数;导航节点做出决策;舵和帆的指令通过各自的话题发出。我参与开发的是这两端之间的软件:平滑风向读数并标记阵风、估计船的状态,以及把期望航向转化为指令。

02

顺应风向,船头该指向哪里

帆船无法正对着风航行。团队的规划器读取一张记录船速随风向角变化的极曲线表,并利用其中的最佳角度(逆风航行时偏离风向 49.3°,顺风航行时 124.4°)来判断航线何时需要迎风换舷,以及应在何处转向。基准帆面调整采用简单的比例规则,本站首页上的小船用的也是同一规则。

03

尊重物理限制

我的模型预测转向工作用一阶偏航模型预测船在未来几步的航向,并选择使航向误差、转向速率和舵的动作幅度都保持较小的舵角变化。舵的 ±21° 行程及其最大转动速率是硬约束,超过 25° 的横倾会受到惩罚。模型中的常数是假定的默认值,并未在水上校准。

04

估计无法直接测量的量

平方根无迹卡尔曼滤波器根据 GPS、罗盘和惯性测量,跟踪包括位置、航向、速度、横倾角以及两个执行器角度在内的十个量。另一个独立的帆面优化器利用升力和阻力关系(包括失速后模型)给出调帆建议,并在横倾增大时松帆。

05

在模拟中学习

团队的物理模拟器模拟的是小湖上一艘 15 kg 的三体帆船,帆和船体的升力与阻力取自已发表的系数表。我在这里做的是工程加固:输入校验、错误处理、日志记录和类型化常量,让错误的配置明确报错,而不是产生一次看似合理的运行。本页中没有任何水上实测结果。

技术实现

决定变成舵角。

  1. 01

    连接控制回路

    该团队的ROS 2架构将传感器输入、导航和致动分开。 GPS 定位和风向为控制系统提供信息,而方向舵和航行命令则在专门的主题上运行。这种分离使得数据进入决策而命令使其可供检查。

  2. 02

    限制下一步行动

    转向控制器在十步预测时域内最小化一个代价:航向误差、偏航角速度和舵角变化,外加一个终端航向项。求解时受舵角 ±21° 和每秒 15° 转速上限的约束,因此规划中只包含舵机能够完成的动作。如果优化器求解失败,比例控制器作为后备继续工作。

  3. 03

    研究部署前的行为

    模拟器在每个时间步内分若干子步,对每个翼面积分形如 ½·C·ρ·v²·A 的力。它把软件问题(应该发出什么指令?)与船如何响应这一物理问题联系起来。控制器和模拟器中的参数目前还不一致,二者的协调仍是待完成的工作。

代码仓库记录了团队的 ROS 2 系统;赛事框架、换舷规划器和基准控制器都出自团队。我的贡献集中在导航、转向、风向滤波、状态估计和模拟。代码仓库中后来的一次自动化测试运行因导入错误只通过了少数用例,这一情况被如实记录,而没有被隐藏。

探索帆船控制存储库
这些内容不能说明什么

诚实的边界。

  • 此处不报告任何竞赛或水上性能结果。这些工作是在模拟环境中或在桌面上测试的。
  • 代码仓库规划文档中的改进数字是预测值,而非测量值。
  • 控制器的船体模型使用假定的常数,尚未针对真实船只进行校准。
来自我的作品集电影

工作中导航。

观看完整影片
下载视频

英文音频。字幕支持所有十种网站语言;翻译是机器辅助的。

阅读文字记录

00:00 故事从一片湖开始。

00:01 这是学校的 Sailbot 模拟器,在电脑上运行,由自动驾驶程序控制转向。

00:06 底层代码计算船体受到的力,让船前进一小步,再重复这个过程。

00:11 运动,就是随着时钟不断更新状态。

我的作品集电影的摘录,展示了 Sailbot 模拟器、船只控制装置和模拟路线。这是一个软件演示,而不是水面上自动驾驶船的镜头。

邻近岛屿

彼此的联系。

背景和延伸阅读

这座岛屿只是示意。本页描述的是软件方面的贡献,不报告未经验证的竞赛或水上性能。