无人机固定时间路径跟踪容错制导控制

针对无人机存在外部环境干扰及执行机构故障情况下的固定时间路径跟踪容错制导控制进行研究,提出了固定时间收敛的视线制导控制算法,利用反步法及固定时间收敛的视线制导控制算法确保无人机路径跟踪误差在固定时间内收敛。通过在视线制导控制算法中引入指令滤波器及误差补偿器,避免反步法中虚拟控制量微分项的复杂计算。为了抑制制导控制过程中系统状态剧烈变化,引入障碍李雅普诺夫函数对偏航角速度误差进行限制。通过非线性固定时间观测器对不确定性进行估计补偿,消除执行机构故障及外部环境干扰等因素对跟踪性能的影响。仿真结果表明:所提算法具备有效性和鲁棒性,具有良好的路径跟踪容错制导控制性能。

基于最大熵强化学习的自主船舶航迹跟踪研究

为解决自主船舶在航迹跟踪过程中使用最大熵强化学习作为控制器出现的收敛速度慢和训练时间长等问题,提出一种基于改进最大熵强化学习的航迹跟踪算法,引入了优先经验回放(PER)技术,并结合视线制导算法(LOS),构建PER-SAC的深度强化学习控制器,设计了相应的状态、动作空间和奖励函数。仿真结果表明,设计的PER-SAC控制器能快速收敛,收敛稳定后的控制器相较于原始SAC控制器控制性能更稳定,且控制精度更高,为自主船舶的航迹跟踪控制提供了一定参考价值。

基于显式模型预测控制的无人船航迹控制方法

针对模型预测控制在线计算量大,难以满足无人船实际航行中的实时性要求的问题,提出一种基于显式模型预测控制的航迹控制方法。首先利用视线制导算法(LOS),根据无人船当前位置和期望航迹信息,设计无人船艏摇角的参考值,将无人船航迹控制简化为艏向控制。其次,将显式模型预测控制算法应用于无人船艏向控制问题中,该算法既保持了模型预测控制方法的优势,又提高了计算速度。最后通过仿真试验验证了所提出的方法可以显著提高无人船航迹控制的实时性。