欠驱动USV神经网络自适应轨迹跟踪控制

为解决欠驱动USV系统在模型不确定性和未知海流干扰下的水平面轨迹跟踪问题,基于反步法与自适应技术,提出一种非线性鲁棒轨迹跟踪控制策略.针对欠驱动USV参数不确定问题,运用神经网络自适应方法对欠驱动USV系统未知函数进行估计和逼近;然后,运用动态面方法获取虚拟变量的导数,不仅控制律结构简单,易于工程实现,而且有效地减小了传统反步法中虚拟变量直接求导的复杂性;针对未知时变海流的干扰,设计了一种指数收敛海流观测器,有效估计未知缓慢时变海流速度;其次,基于李雅普诺夫理论证明了所设计的控制器能够保证运动轨迹收敛于期望值,并且保证了该轨迹跟踪闭环控制系统所有信号最终一致有界;最后,在控制输入受限条件下,为检验该控制器的跟踪性能,选取圆轨迹作为参考轨迹,仿真实验表明,该控制器能够有效地实现预期轨迹,神经网络自适应方法对系统未知函数可有效估计和逼近,对未知时变海流干扰具有较强的鲁棒性,轨迹跟踪误差和速度跟踪误差均收敛到零附近的一个邻域内,从而验证了所提出控制器的有效性.

基于引导者-跟随者模式的多欠驱动USV分布式控制方法

针对多欠驱动USV协同控制问题,提出一种基于引导者-跟随者模式的多欠驱动USV分布式控制方法。首先,在引导者仅能与一小部分跟随者进行通信、引导者的行为独立于跟随者且影响所有跟随者行为的假设下,考虑了未知恒定干扰对于每艘USV的影响;然后,设计了分布式控制器,对每个跟随者的输出与引导者的输出进行全局渐近同步,并抵消干扰影响,以达到控制目标。理论分析和仿真实验证明:由于考虑了引导者可以是虚拟也可以是真实USV,该方法既可以用于基于虚拟引导者的单USV控制,也可以用于一个引导者和N个跟随者的编队控制。

欠驱动USV实时自主避障路径规划算法

针对未知动态环境下欠驱动USV的多障碍物实时自主规避问题,提出了一种在线避障路径规划算法。算法基于全局路径的引导,充分考虑环境多障碍约束、USV本体运动学与动力学约束、既定航线约束,同时采用多目标函数作为优化函数,通过障碍物运动预测与滚动优化方式进行在线实时避障;之后,通过仿真实验与分析验证了算法的正确性;最后,利用某无人艇对所提避障算法进行湖上实验,结果验证了算法在实际工程应用中的有效性。

带有输入量化的分布式多无人船舶自适应模糊编队控制

针对复杂海洋环境下,欠驱动水面无人船舶(USV)编队控制任务中存在的模型不确定性、参数摄动及输入量化等问题,提出一种考虑输入量化的分布式欠驱动多无人船舶自适应模糊编队控制算法.首先,在USV运动学子系统,设计基于扩张状态观测器(ESO)的分布式制导律,分别实现对期望路径的跟踪、邻居USV速度信息的估计以及海流引起的运动学偏移的补偿;其次,在USV动力学子系统,通过使用模糊逻辑系统实现对模型不确定及外界干扰的逼近,采用一种线性解析模型描述输入量化过程,所设计的自适应模糊量化控制器不需要量化参数的先验信息,基于输入到状态稳定性理论证明闭环系统的稳定性;最后,通过仿真实验验证所提出的算法的有效性.