船舶路径跟踪RBF神经网络滑模控制

为解决船舶运动过程中舵角增益不确定、运动模型参数不确定及有外界干扰的路径跟踪问题,提出一种利用径向基函数(radial basis function,RBF)神经网络逼近总未知项和舵角增益的滑模控制算法。根据反推法设计参考艏向,采用双曲正切函数设计滑模控制器,对艏向进行控制。通过MMG模型进行仿真,验证算法的有效性。仿真结果表明,所设计的控制器能够很好地跟踪参考路径,且利用RBF神经网络能够较好地逼近总未知项和舵角增益,故基于RBF神经网络设计的滑模控制器对船舶路径跟踪具有很好的鲁棒性。

带非线性观测器的船舶路径跟踪预测控制

针对船舶路径跟踪中存在的舵角需优化、舵幅与舵速受约束问题,提出了模型预测控制算法(MPC)。为提高预测值的准确性,将高精度船舶分离模型(MMG)作为MPC的预测模型。针对模型不确定项和外界干扰问题,设计非线性观测器对其进行逼近并补偿。仿真表明,所设计的控制器使船在风浪流时变干扰下仍能准确地跟踪上参考路径,且舵角变化小而平滑,说明了所提MPC算法的有效性。