0 引　言

自主水下航行器（Autonomous Underwater Vehicle，AUV）在海洋勘探、资源调查、环境监测和军事侦察等领域的应用日益广泛^[1]。受制于能源供给，AUV的自主回收成为实现长期水下作业的关键环节，尤其是在无法依赖水面船只支持的情况下^[2]。而在回收装置方面，与静态对接平台相比，拖曳式回收坞站作为一种动态回收平台，可显著扩展AUV的活动范围和任务灵活性^[3]，展现出更广阔的应用前景。

AUV的自主回收与对接过程复杂，易受水流扰动、传感器误差和控制系统延迟等多种因素干扰。Hiroshi等^[4]基于模型预测控制设计了控制系统执行对接操作，能有效抑制潮流干扰；Elmokadem等^[5]将终端滑模控制应用于AUV的路径跟踪，提高跟踪精度；武建国等^[6]将反步控制与滑模控制相结合，使系统在时变干扰下仍具备良好的鲁棒性；牛亮等^[7]结合模糊神经网络PID完成AUV姿态控制。尽管上述控制方法在路径跟踪与抗扰动方面成效显著，然而其研究均未涵盖对接阶段可能发生的碰撞事件，碰撞不仅会引起AUV姿态失稳，还可能造成设备结构性损坏^[8] ，因此控制器的性能在发生碰撞后无法得到保证。

在对接碰撞方面，Diao等^[9]针对对接碰撞动力学开展了研究，考虑了诸如坞站结构、运动条件和相关参数等各种因素，却未涉及AUV的主动控制；潘薇等^[10]基于PID算法设计了碰撞后的姿态控制器，实时调整AUV姿态，能够满足动态入坞任务的基本需求，然而其研究中将坞站初始状态设定为悬停状态，虽简化了问题，但也限制了该方案对动态回收场景的普适性，且未考虑碰撞导致首次对接失败的情况。

事实上，当前研究均集中于实现一次性成功对接，首次对接失败后往往需要中断回收任务或依赖上层指令，虽然Chon等^[11]提出一种基于概率的评估指标，用于判断任务可行性并做出决策，然而这类方法通常作用于任务起始阶段，并未将其在线评估与决策能力延伸至对接执行过程中；在拖曳式动态回收场景，由相对运动与扰动引发的碰撞风险显著增高，AUV更需具备实时评估状态、判断对接可能性并智能决策后续对接策略的能力。

针对现有研究中的不足，本文以AUV和拖曳式回收坞站为研究对象，摒弃传统研究将坞站运动简化为静态或匀速运动的常见假设，充分考虑拖曳情况下坞站的多自由度时变运动特性，建立更贴合实际动态对接场景的仿真模型；在此基础上，采用自适应滑模控制方法设计姿态稳定控制器，以抑制由坞站复杂运动与碰撞瞬态冲击所构成的复合不确定性，实现AUV在碰撞后的快速姿态恢复；为提升AUV的自主对接能力，克服传统单次尝试模式需依赖上层指令的局限，本文提出一种融合实时故障评估的二次对接智能决策框架，该框架能依据碰撞后的系统状态（如损伤程度、位姿偏差信息），自主判断并触发差异化对接策略，推动系统从被动响应向具备容错与自主恢复能力的智能模式演进，从而显著提升回收任务的成功率和系统的容错能力。

1 对接模型 1.1 动力学建模

AUV的空间运动建模通常建立在惯性坐标系和随体坐标系上，包括运动学和动力学2个部分。根据刚体运动学和坐标变换原理，其运动学模型可由以下方程描述：

$ \dot{\boldsymbol{\eta }}=\boldsymbol{J}(\boldsymbol{\eta })\boldsymbol{\nu } 。$

(1)

式中：$ \boldsymbol{\eta }\mathbf{=}{(\xi \eta \;\zeta \varphi\; \theta \psi )}^{\mathrm{T}} $为AUV在惯性坐标系中的位姿矢量；$ \xi $、$ \eta $和$ \zeta $为AUV在惯性坐标系中的位置；$ \varphi $、$ \theta $和$ \psi $为AUV在惯性坐标系中的横倾角、纵倾角和艏向角；$ \dot{\boldsymbol{\eta }} $为位姿变化的瞬时时间导数，表示在惯性坐标系中的速度矢量；$ \boldsymbol{J}(\boldsymbol{\eta }) $是变换矩阵；$ \boldsymbol{\nu }={(u\;v\;w\;p\;q\;r)}^{\mathrm{T}} $为AUV在随体坐标系中的速度矢量，包括x、y、z方向上的线速度$ u、v、w $和绕x、y、z方向的角速度$ p、q、r $。

通过系统分析AUV的运动特性及其所受流体动力与外部扰动，其在水下的运动可视为刚体在流体中的运动。通过将运动坐标系的原点固定于AUV重心处，可建立其动力学方程如下：

$ \boldsymbol{M}\dot{\boldsymbol{\nu }}+\boldsymbol{C}(\boldsymbol{\nu })\boldsymbol{\nu }+\boldsymbol{D}(\boldsymbol{\nu })\boldsymbol{\nu }+\boldsymbol{g}(\boldsymbol{\eta })=\boldsymbol{\tau }\mathbf+{\boldsymbol{\tau }}_{d}。$

(2)

式中：$ \boldsymbol{M} $为包含附加质量在内的惯性矩阵；$ \boldsymbol{C}(\boldsymbol{\nu }) $为科式力和向心力矩阵；$ \boldsymbol{D}(\boldsymbol{\nu }) $为阻尼矩阵，$ \boldsymbol{g}(\boldsymbol{\eta }) $为重力和浮力所产生的恢复力和力矩构成的向量；$ \dot{\boldsymbol{\nu }} $为AUV在随体坐标系中的加速度向量；$ \boldsymbol{\tau }={(X\;Y\;Z\;K\;M\;N)}^{\mathrm{T}} $为AUV的推进器的输出；$ {\boldsymbol{\tau }}_{d}$为AUV所受外力/力矩，主要为环境干扰力和碰撞力。

海洋中环境干扰力主要源于海浪和洋流作用，鉴于拖曳母船的主动性，对接回收深度和位置均可控，因此可忽略海浪影响，但为了准确评估对接过程中的外部扰动，仍需充分考虑洋流的干扰作用。由于末端对接运行范围不大，认为其水流方向恒定^[12]，且洋流对AUV的影响可看作AUV与水流的相对运动，即

$ {\boldsymbol{v}}_{{r}}=\boldsymbol{v}-{\boldsymbol{v}}_{{c}}。$

(3)

式中：$ {\boldsymbol{v}}_{{r}} $为洋流作用下AUV的相对速度，$ {\boldsymbol{v}}_{{c}} $为洋流速度。考虑洋流情况下，AUV动力学模型可以改写如下：

$ \boldsymbol{M}\dot{\boldsymbol{\nu }}+\boldsymbol{C}({\boldsymbol{\nu }}_{{r}}){\boldsymbol{\nu }}_{{r}}+\boldsymbol{D}({\boldsymbol{\nu }}_{{r}}){\boldsymbol{\nu }}_{{r}}+\boldsymbol{g}(\boldsymbol{\eta })=\boldsymbol{\tau }\mathbf+{\boldsymbol{F}}_{{c}}。$

(4)

在本研究中，假设洋流方向始终相对于AUV前进方向且数值不变，大小为${v}^{\prime}_{c} $，则洋流作用下AUV相对速度为$ {({{u}_{r}}\;{{v}_{r}}\;{{w}_{r}})}^{\mathrm{T}} $，则

$ \left\{\begin{aligned} &{u}_{{r}}=u-{v}^{\prime}_{c}\cos (\alpha )，\\ &{v}_{{r}}=v-{v}^{\prime}_{c}\sin (\alpha )，\\ &{w}_{{r}}=w。\end{aligned}\right. $

(5)

式中：$ \alpha $为洋流与AUV运动方向的角度。

由于对接阶段AUV的速度只有0.5～1 $ \mathrm{m}/\mathrm{s} $，航速较低，故忽略科氏力与向心力影响；同时，为聚焦碰撞后的运动控制问题，将 AUV和拖曳式回收坞站视为均质刚体，并假设碰撞为弹性接触，碰撞后二者均不发生塑性变形，以保证动力学参数在碰撞前后一致；此外，在末端对接阶段，AUV重力和浮力相抵，基于上述假设，对AUV的受力进行分析可以推导出以下简化方程：

$ {\boldsymbol{F}}_{{I}}+{\boldsymbol{F}}_{{D}}=\boldsymbol{\tau }+{\boldsymbol{F}}_{{c}}，$

(6)

$ {{\boldsymbol{F}}_{\text{I}}=\left[\begin{matrix} m-{X}_{\dot{u}} & 0 & 0 & 0 & 0 & 0\\ 0 & m-{Y}_{\dot{v}} & 0 & 0 & 0 & -{Y}_{\dot{r}}\\ 0 & 0 & m-{Z}_{\dot{w}} & 0 & -{Z}_{\dot{q}} & 0\\ 0 & 0 & 0 & I_x-{K}_{\dot{p}} & 0 & 0\\ 0 & 0 & -{M}_{\dot{w}} & 0 & I_y-{M}_{\dot{q}} & 0\\ 0 & -{N}_{\dot{v}} & 0 & 0 & 0 & I_z-{N}_{\dot{r}} \end{matrix} \right]\left[\begin{array}{c} \dot{u}\\ \dot{v}\\ \dot{w}\\ \dot{p}\\ \dot{q}\\ \dot{r} \end{array}\right] ，}$

(7)

$ {\boldsymbol{F}}_{\mathrm{D}}={({{X}_{\mathrm{D}}}{{Y}_{\mathrm{D}}}{{Z}_{\mathrm{D}}}{{K}_{\mathrm{D}}}{{M}_{\mathrm{D}}}{{N}_{\mathrm{D}}})}^{\mathrm{T}} ，$

(8)

$ { \begin{cases} {X}_{\mathrm{D}}={X}_{u|u|}{u}_{\mathrm{r}}|{u}_{\mathrm{r}}|+{X}_{wq}wq+{X}_{qq}{q}^{2}+{X}_{vr}vr+{X}_{\mathrm{r}r}{r}^{2}\text{，}\\ {Y}_{\mathrm{D}}={Y}_{v|v|}v|v|+{Y}_{r|r|}r|r|+{Y}_{ur}ur+{Y}_{wp}wp+{Y}_{pq}pq+{Y}_{uv}{u}_{r}v\text{，}\\ {Z}_{\mathrm{D}}={Z}_{w|w|}w|w|+{Z}_{q|q|}q|q|+{Z}_{uq}{u}_{r}q+{Z}_{vp}vp+{Z}_{\mathrm{r}q}\mathrm{r}q+{Z}_{uw}{u}_{r}w\text{，}\\ {K}_{\mathrm{D}}={K}_{p|p|}p|p|\text{，}\\ {M}_{\mathrm{D}}={M}_{w|w|}w|w|+{M}_{q|q|}q|q|+{M}_{uq}{u}_{r}q+{M}_{vp}vp+{M}_{\mathrm{r}p}\mathrm{r}p+{M}_{uw}{u}_{r}w\text{，}\\ {N}_{\mathrm{D}}={N}_{v|v|}v|v|+{N}_{r|r|}r|r|+{N}_{u\mathrm{r}}{u}_{\mathrm{r}}r+{N}_{wp}wp+{N}_{pq}pq+{N}_{uv}{u}_{r}v。\end{cases}} $

(9)

式中：$ {\boldsymbol{F}}_{\mathrm{I}} $为惯性力，其中$ m $为AUV质量，$ I_x $、$ I_y $、$ I_z $为AUV转动惯量，$ {X}_{\dot{u}} $、$ {Y}_{\dot{v}} $、$ {Y}_{\dot{r}} $、$ {Z}_{\dot{w}} $、$ {Z}_{\dot{q}} $、$ {K}_{\dot{p}} $、$ {M}_{\dot{w}} $、$ {M}_{\dot{q}} $、$ {N}_{\dot{r}} $、$ {N}_{\dot{v}} $为附加质量矩阵各项参数，$ \dot{u} $、$ \dot{v} $、$ \dot{w} $为x、y、z方向上的加速度；$ \dot{p} $、$ \dot{q} $、$ \dot{r} $为3个方向的角加速度，加速度与角加速度均可在Adams仿真过程中实时测得；$ {\boldsymbol{F}}_{\mathrm{D}} $为考虑洋流影响的黏性力的合力/力矩矢量，$ {X}_{\mathrm{D}} $、$ {Y}_{\mathrm{D}} $、$ {Z}_{\mathrm{D}} $、$ {K}_{\mathrm{D}} $、$ {M}_{\mathrm{D}} $、$ {N}_{\mathrm{D}} $为6个自由度上的分量；$ {X}_{wq} $、$ {X}_{qq} $、$ {X}_{vr} $、$ {X}_{rr} $、$ {Y}_{ur} $、$ {Y}_{wp} $、$ {Y}_{pq} $、$ {Y}_{uv} $、$ {Z}_{uq} $、$ {Z}_{vp} $、$ {Z}_{rq} $、$ {Z}_{uw} $、$ {M}_{uq} $、$ {M}_{vp} $、$ {M}_{rp} $、$ {M}_{uw} $、$ {N}_{ur} $、$ {N}_{wp} $、$ {N}_{pq} $、$ {N}_{uv} $为线性阻尼力/力矩系数，$ {X}_{u|u|} $、$ {Y}_{v|v|} $、$ {Y}_{r|r|} $、$ {Z}_{w|w|} $、$ {Z}_{q|q|} $、$ {K}_{p|p|} $、$ {M}_{w|w|} $、$ {M}_{q|q|} $、$ {N}_{v|v|} $、$ {N}_{r|r|} $、为非线性阻尼力/力矩系数。

文献[13]将拖曳式回收坞站的结构设计为喇叭口导向的框笼型结构，采用2根缆索进行拖曳，不仅减小了流体阻力，还在一定程度上限制了坞站在水平面的旋转，保证了拖曳式回收坞站在水流中拖曳时的动态稳定。在这样的结构设计基础上，坞站的受力情况可以简化为重力、水阻力、碰撞力和拖曳力这4个部分，同时假定洋流流向与拖曳运动均位于同一垂直平面内，仅考虑纵向流影响，忽略横向流影响。

根据牛顿阻力定律，拖曳式回收坞站在各方向所受到的水阻力$ {F}^{\prime}_{\mathrm{D}} $的计算可以简化为：

$ {F}^{\prime}_D=\frac{1}{2}\rho {v}_{{d}}{}^{2}{C}_{{D}}A 。$

(10)

式中：$ \rho $为海水的流体密度；$ {v}_{{d}} $为坞站速度；$ {C}_{{D}} $为阻力系数；$ A $为坞站横截面积。

拖曳缆索的动态建模虽然复杂，却是拖曳式回收坞站建模的重要环节。当前主流的缆索建模方法主要是离散柔性体模型、连续柔性体模型、细分化链条模型和点质量模型。离散柔性体建模方法是通过将缆索离为有限个相互连接的柔性连杆单元，每个单元采用弹簧-阻尼元件进行力学表征，从而精确复现其轴向刚度、扭转刚度及阻尼特性。Adams多体动力学软件中广泛采用的离散柔性体建模方法，为拖曳式回收坞站的缆索建模提供了有效途径，因此本文采用此方法在Adams中建立缆索模型。

1.2 仿真物理模型

利用SolidWorks软件建立AUV与坞站的物理模型后导入动力学仿真软件Adams中，再进行缆索建模完善拖曳式回收坞站模型，最终的末端对接模型如图1所示。

AUV的模型参考文献[14]，长2030 mm，直径260 mm。回收坞站总长度为1410 mm，收纳舱直径为320 mm，导向罩外直径为720 mm，开口角度约为50°。定义AUV运动方向与导向罩中轴线的夹角$ \beta $为偏角，撞击点与导向罩中心轴线的距离h为偏心距。

模型参数主要依据文献[14]和文献[15]设定，在Adams仿真环境中的具体数值配置如表1所示。基于所建立的动力学模型，在Matlab中编写对应的力学方程，并将计算得到的力/力矩作为输入施加于Adams模块中，最终通过联合仿真平台完成实验。

2 碰撞后对接控制

进入末端动态对接后，由于传感器精度等造成的误差，AUV很可能与坞站发生碰撞，造成姿态失稳，或在导向罩作用下发生多次碰撞，造成机械损伤。因此，碰撞后及时校正AUV姿态，不仅可以改善对接效果，更能保障回收系统安全。

2.1 姿态稳定控制方法

目前，对AUV进行控制的研究多采用PID控制器，这类控制器技术较为成熟，易于安装，且算力要求较小，但在一个复杂的非线性系统中，要实现理想的控制效果是非常困难的。

滑模控制是一种非线性控制方法，能够有效地抑制系统中的不确定性和外部干扰，已用在AUV姿态控制研究中，但由于滑模控制的性能依赖于对不确定性上界的已知程度，因此在碰撞过程中，不一定能发挥出其性能优势，此时结合自适应控制的参数自整定能力，能够提高系统对不确定性和干扰的抑制能力。

根据动力学方程(2)，可以将其参数化为：

$ \boldsymbol{M}\dot{\boldsymbol{\nu }}+\boldsymbol{F}(\boldsymbol{\nu },\boldsymbol{\eta })=\boldsymbol{\tau }\mathbf+{\boldsymbol{\tau }}_{{d}}。$

(11)

式中：$ \boldsymbol{F}(\boldsymbol{\nu },\boldsymbol{\eta }) $包含科式力、阻尼、重力等未知非线性项，将其线性参数化可以得到：

$ \boldsymbol{F}(\boldsymbol{\nu },\boldsymbol{\eta })=\boldsymbol{Y}(\boldsymbol{\nu },\boldsymbol{\eta })\kappa。$

(12)

式中：$ \boldsymbol{Y}(\boldsymbol{\nu },\boldsymbol{\eta }) $为已知的回归矩阵，$ \kappa $为未知参数向量，通过线性参数化，将模型不确定性集中于参数向量，便于设计自适应律在线估计。

定义轨迹跟踪误差$ {\boldsymbol{e}}_{1}=\boldsymbol{\eta }-{\boldsymbol{\eta }}_{d} $，其中$ {\boldsymbol{\eta }}_{d} $为拖曳式回收坞站在惯性坐标系中的位姿矢量。选取Lyapunov函数$ {\boldsymbol{V}}_{1}=\dfrac{1}{2}{\boldsymbol{e}}_{1}{}^{\mathrm{T}}{\boldsymbol{e}}_{1} $，其导数$ {\dot{\boldsymbol{V}}}_{1}={\boldsymbol{e}}_{1}{}^{\mathrm{T}}{\dot{\boldsymbol{e}}}_{1}={\boldsymbol{e}}_{1}{}^{\mathrm{T}}[\boldsymbol{J}(\boldsymbol{\eta })\boldsymbol{\nu }-{\dot{\boldsymbol{\eta }}}_{\mathrm{d}}] $。将速度设为虚拟输入，虚拟控制量即期望速度为：

$ {\boldsymbol{\nu }}_{d}={\boldsymbol{J}}^{-1}(\boldsymbol{\eta })({\dot{\boldsymbol{\eta }}}_{d}-{\boldsymbol{K}}_{1}{\boldsymbol{e}}_{1}),{\boldsymbol{K}}_{1} \gt 0 。$

(13)

式中：$ {\boldsymbol{K}}_{1} $为一个正定的对角增益矩阵。定义速度误差$ {\boldsymbol{e}}_{2}=\boldsymbol{\nu }-{\boldsymbol{\nu }}_{d}$，并构造滑模面为：

$ \boldsymbol{s}={\boldsymbol{e}}_{2}+\boldsymbol{\mathit{\Lambda }}\int{\boldsymbol{e}}_{2}\mathrm{dt} 。$

(14)

式中：权重矩阵$ \boldsymbol{\mathit{\Lambda }} $为正定矩阵。

由于碰撞力的大小未知，无法确定干扰上界，而且模型不确定性和环境干扰造成的控制误差无法消除，所以在滑模控制中添加自适应环节，设计控制律为：

$ \boldsymbol{\tau }=\boldsymbol{Y}(\boldsymbol{\eta },\boldsymbol{\nu })\hat{\kappa }-\hat{\boldsymbol{\lambda }}\mathrm{sat}(\boldsymbol{s})-{\boldsymbol{K}}_{2}\boldsymbol{s}，$

(15)

$ \mathrm{sat}(\boldsymbol{s})=\left\{\begin{aligned} &\mathrm{sgn}(\boldsymbol{s}),|\boldsymbol{s}| \gt \mathit{\Phi }，\\ &\frac{\boldsymbol{s}}{\mathit{\Phi }},|\boldsymbol{s}|\leqslant \mathit{\Phi }。\end{aligned} \right.$

(16)

式中：$ \hat{\kappa } $为未知参数估计值，用于补偿模型不确定性；$ \hat{\boldsymbol{\lambda }} $为切换增益估计值，$ \hat{\boldsymbol{\lambda }}\mathrm{sat}(\boldsymbol{s}) $为自适应切换项，用于补偿不确定性和扰动，并利用饱和函数$ \mathrm{sat}(\boldsymbol{s}) $替代符号函数$ \mathrm{sgn}(\boldsymbol{s}) $以削弱抖振，$ \mathit{\Phi } \gt 0 $为边界层厚度；$ {\boldsymbol{K}}_{2}\boldsymbol{s} $为线性反馈项，$ {\boldsymbol{K}}_{2} \gt 0 $为增益矩阵。

参数自适应律与切换增益自适应律设计为：

$ \dot{\hat{\kappa }}=-\boldsymbol{\mathit{\Gamma }}{\boldsymbol{Y}}^{\mathrm{T}}(\boldsymbol{\eta },\boldsymbol{\nu })\boldsymbol{s} ，$

(17)

$ \dot{\hat{\boldsymbol{\lambda }}}=\gamma (|\boldsymbol{s}|-\sigma \hat{\boldsymbol{\lambda }}) 。$

(18)

式中：$ \boldsymbol{\mathit{\Gamma }} \gt 0 $为自适应增益矩阵；$ \gamma \gt 0 $为自适应速率，控制增益调整的速率；$ \sigma \gt 0 $为修正系数，防止增益漂移。

为证明闭环系统稳定性，构造Lyapunov函数为：

$ \boldsymbol{V}={\boldsymbol{V}}_{1}+\frac{1}{2}{\boldsymbol{s}}^{\mathrm{T}}\boldsymbol{M}\boldsymbol{s}+\frac{1}{2}{\tilde{\kappa }}^{\mathrm{T}}{\boldsymbol{\mathit{\Gamma }}}^{-1}\tilde{\kappa }+\frac{1}{2\gamma }{\tilde{\boldsymbol{\lambda }}}^{\mathrm{T}}\tilde{\boldsymbol{\lambda }}。$

(19)

式中：参数估计误差为$ \tilde{\kappa }=\hat{\kappa }-\kappa $，$ \kappa $为未知参数的真实值；切换增益估计误差为$ \tilde{\boldsymbol{\lambda }}=\hat{\boldsymbol{\lambda }}-\boldsymbol{\lambda } $，$ \boldsymbol{\lambda } $为切换增益估计误差的真实值。对$ \boldsymbol{V} $求导并代入自适应律式(17)、式(18)，结合杨氏不等式，经过推导可得：

$ \begin{split} \dot{\boldsymbol{V}}\leqslant & -{\boldsymbol{e}}_{1}{}^{\mathrm{T}}{\boldsymbol{K}}_{1}{\boldsymbol{e}}_{1}-{\boldsymbol{s}}^{\mathrm{T}}{\boldsymbol{K}}_{2}\boldsymbol{s}+\frac{\sigma }{4}||\boldsymbol{\lambda }|{|}^{2}\leqslant\\ & -{\varepsilon }_{\min }({\boldsymbol{K}}_{1})||{\boldsymbol{e}}_{1}|{|}^{2}-{\varepsilon }_{\min }({\boldsymbol{K}}_{2})||\boldsymbol{s}|{|}^{2}+\frac{\sigma }{4}||\boldsymbol{\lambda }|{|}^{2}。\end{split} $

(20)

式中：$ {\varepsilon }_{\min } $为最小特征值，定义$ W\mathbf{=}{\varepsilon }_{\min }({\boldsymbol{K}}_{1}) ||{\boldsymbol{e}}_{1}|{|}^{2}+ {\varepsilon }_{\min }({\boldsymbol{K}}_{2})||\boldsymbol{s}|{|}^{2} $，则有

$ \dot{\boldsymbol{V}}\leqslant -W+\frac{\sigma }{4}||\boldsymbol{\lambda }|{|}^{2} 。$

(21)

因此，当$ W \gt \dfrac{\sigma }{4}||\boldsymbol{\lambda }|{|}^{2} $时，$ \dot{\boldsymbol{V}} \lt 0 $。由Lyapunov稳定性理论，可以证明系统一致最终有界。

基于上述理论推导，本文设计的自适应滑模控制器在存在模型不确定性、未知环境干扰等情况下，能确保系统跟踪误差与滑模变量一致最终有界。该结果表明，所提控制器具备严格的理论稳定性保障，能够实现在动态回收场景下AUV碰撞后的姿态稳定控制。

2.2 动态故障评估的二次对接智能决策框架

加入姿态稳定控制来优化对接过程也存在一定的限制，为了避免AUV在与拖曳式回收坞站发生碰撞后，难以完成姿态调整，甚至导致对接失败，设计二次对接方案。在依托喇叭口导向罩实现被动导引控制的基础上，结合AUV主动姿态稳定控制，设计对接策略，基于动态故障评估构建二次对接的智能决策框架。

根据碰撞后影响对接性能和安全性的因素，故障等级函数一般为：

$ L=f({F}_{c},\beta ,h)。$

(22)

式中：$ {F}_{c} $为AUV与拖曳式回收坞站产生的碰撞力；$ \beta $为偏心角；$ h $为偏心距。

基于加权评分的分级方法，利用综合分数作为故障等级评判标准，综合分数计算如下：

$ S=0.2{S}_{{{F}_{\text{c}}}}+0.4{S}_{\beta }+0.4{S}_{h} $

(23)

式中：$ {S}_{Fc}=\min ({F}_{{c}}/{F}_{c}{}_{\max },1) $，$ {F}_{{c\max}} $为允许产生的最大碰撞力，设置为10000 N；$ {S}_{\beta }=\mathrm{min}(\beta /{\beta }_{\mathrm{max}},1) $，$ {\beta }_{\mathrm{max}} $为允许出现的最大偏心角，设置为20°；$ {S}_{h}=\mathrm{min} (h/{h}_{\mathrm{max}},1) $，$ {h}_{\mathrm{max}} $为允许出现的最大偏心距，设置为0.3 m。上述参数包括综合分数的权重均可以根据实际对接模型和工况进行合理调整。

基于加权综合评分的故障诊断方法通过实时监测碰撞力、姿态角偏差及位置偏差，并将其归一化处理，根据式(23)计算综合故障分数$ S $，依据表2所设定的阈值边界，将故障严重程度精确划分为4个等级（L₀～L₃），为后续决策提供量化依据。

针对不同故障等级，设计差异化的对接策略库。如表3所示，对于$ {L}_{0} $级，只需要保持运行，完全利用导向罩的被动控制；对于$ {L}_{1} $级轻微故障，结合AUV主动控制进行实时姿态控制；对于$ {L}_{2} $级故障，启用标准二次对接协议，AUV后退一定距离并调整姿态后重新对接；对于$ {L}_{3} $级严重故障，则触发最高优先级的安全保护，以确保AUV本体安全为首要目标。

3 仿真结果与分析 3.1 稳定控制策略仿真

以全驱AUV为研究对象，同时考虑AUV与回收坞站的相对速度对于仿真结果影响较大，采用低速对接方式。以15 s为时间步长，进行碰撞仿真，初始参数如表4所示。

在发生碰撞的情况下，研究AUV与拖曳式回收坞站的对接回收主要是研究对接成功率，同时考虑回收效率以及碰撞力影响。不加入控制算法的情况下碰撞力曲线如图2所示。为了直观表现出对接情况，用AUV与拖曳式回收坞站艏部的相对距离判定对接成功率与对接效率，如图3所示，距离为0时即表示对接成功，且达到距离为0的时间越短，对接效率越高。可以看出，在运行9.49 s时，达到回收对接过程中的最大碰撞力，数值为1633 N，与此同时也顺利完成对接。

设置相同初始情况，加入上述设计的基于自适应滑模控制方法的姿态稳定控制器，在控制器作用下，碰撞后的AUV主动进行了姿态调整。

从图4可以看出，通过加入自适应滑模控制，在7.17 s时AUV完成与拖曳式回收坞站的对接碰撞，同时与坞站艏部直接撞击，产生最大碰撞力为1073N，对比没有控制的情况，最大碰撞力的降低34%。图5为对接效率的对比，可以看出对接效率也提高了24%。

图6为控制器各个方向的力/力矩输出，可以看出力/力矩较小，没有超过实际推进器可以提供的最大力/力矩。但也要注意力/力矩的变化频繁，推进器能量效率低且会产生大量热量，可能引发过热保护或者造成永久性损伤。

3.2 二次对接决策框架仿真

根据上述设计的二次对接智能决策方案进行对接仿真。设置AUV初始的偏心距为0.3 m，偏心角为−20°，此时，通过导向罩的被动导引和上述主动姿态稳定调节已经无法完成对接任务，通过综合分数计算$ 0.6\leqslant S \lt 0.9 $，故障等级为$ {L}_{2} $，需要重新规划二次对接。

图7(a)为AUV与拖曳式回收坞站艏部的相对距离，图7(b)为对接碰撞力变化曲线。可以看出，在第一次碰撞后，基于决策逻辑切换了控制策略，AUV采用二次对接控制策略，先回退了一段距离，同时调整姿态，再重新进行对接。AUV与拖曳式回收坞站的第一次碰撞发生在0.35 s，碰撞力高达2534 N，但执行了二次对接控制策略后，在8.84 s就高效完成了对接任务，同时在二次对接期间，最大碰撞力也只达到了1203 N，明显低于第一次碰撞，保障了对接过程的安全性。

根据图8中各方向的力/力矩输出可以看出，除了前进方向的力较大，其余力/力矩输出均保持较低水平，不超过实际推进器能提供的最大的力/力矩值。需要注意的是图中输出力/力矩出现抖振，这是由控制器运行初期较大的碰撞力所引起，抖振周期为0.01 s，幅值较小且持续时间仅1.5 s，而抑制抖振需要在性能、鲁棒性和控制复杂度之间进行权衡，对于幅值小、影响不大的抖振，追求完全的消除是不经济或不必要的^[16]，因此不对其进行额外处理，在具体应用时可结合硬件安全性进行综合分析。

4 结　语

AUV与拖曳式回收坞站末端动态对接阶段因碰撞力会引发的姿态失稳，这不仅会降低对接成功率，甚至造成机械损伤。针对这一问题搭建了动态对接模型，并基于自适应滑模控制理论，设计了一套对接碰撞后的AUV姿态稳定控制策略；为进一步提升对接可靠性，还设计了基于动态故障评估的二次对接智能决策框架，以增强系统容错能力。实验结果表明，该姿态稳定控制策略通过实时调节AUV姿态，成功降低对接产生的碰撞力，并提高对接效率，对于一次对接无法成功的极端工况，通过智能决策框架成功实现了二次对接，对接表现良好，显著提升了拖曳式回收系统的自主对接能力。后续研究可通过水池实验等方式，对所提控制策略及对接决策框架的有效性开展实物验证。未来工作将进一步探索复杂海洋环境下（如时变洋流、波浪干扰等）的系统性能，并进行AUV与拖曳式坞站间的协同运动控制研究，从而为拖曳式坞站动态回收AUV提供理论与工程参考。