控制方向未知的无人帆船自适应动态面航向控制

针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,本文提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用Nussbaum函数处理系统的未知控制增益函数,并设计σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的"计算膨胀"问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证。结果表明:无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。

输入受限的非仿射无人帆船航向系统自适应动态面控制

针对输入受限和控制方向未知的无人帆船航向控制问题,考虑系统模型存在动态不确定和未知外界扰动的情况,本文提出一种基于非仿射航向运动数学模型的最小参数自适应递归滑模动态面控制策略.该策略通过Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,采用最小参数学习(minimal learning parameter,MLP)神经网络逼近无人帆船模型不确定部分,并利用双曲正切函数处理控制输入饱和现象,引入Nussbaum函数处理系统中未知控制方向问题,同时综合考虑帆船艏摇角速度误差和航向误差之间关系设计递归滑模动态面舵角控制律,并设计参数自适应律对神经网络逼近误差与复合干扰总和的界进行估计.选取李雅普诺夫函数证明了所设计控制器能够保证航向闭环系统内所有信号的一致最终有界性.最后,基于一艘12 m无人帆船进行仿真验证,结果表明无人帆船航向控制响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性.