CN104133375B - 一种多auv同步控制器结构及设计方法 - Google Patents
一种多auv同步控制器结构及设计方法 Download PDFInfo
- Publication number
- CN104133375B CN104133375B CN201410400499.5A CN201410400499A CN104133375B CN 104133375 B CN104133375 B CN 104133375B CN 201410400499 A CN201410400499 A CN 201410400499A CN 104133375 B CN104133375 B CN 104133375B
- Authority
- CN
- China
- Prior art keywords
- auv
- represent
- controller
- signal
- controlled
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种多AUV同步控制器的结构,由运动学控制器、一阶滤波器、动力学控制器、预估器、逼近器和比较器组成。本发明采用分布式控制结构,克服了集中式控制结构中控制器需掌握全部信息的缺点,控制器只需掌握局部信息即可实现对个体的控制,只有部分AUV接受参考目标信息,能够保证多AUV间信息的交换量最小,显著降低了信息的通信量,提高了系统的灵活性和可操作性,并且具有高度的容错性和扩展性。本发明显著降低了控制器的计算复杂性,减小了控制算法的计算负荷,使得控制器有利于实际微处理器系统如单片机或数字信号处理器的实时计算。本发明显著提高了神经网络暂态逼近效果的快速性与准确性,从而提高了系统的整体控制性能。
Description
技术领域
本发明涉及自主水下航行器(AUV)控制领域,尤其涉及一种多AUV同步控制器结构及设计方法。
背景技术
二十一世纪是海洋的世纪,海洋蕴藏着丰富的生物资源和矿物资源,是人类可持续发展的战略性资源要地。自主水下航行器(AUV)作为人类认识海洋、控制海洋、保护海洋、开发海洋的重要工具,其发展一直为各海洋强国所高度重视。AUV在海洋水文监测、海底资源勘探、区域搜索与搜救、海底电缆铺设等领域发挥着重要的作用。多AUV能够满足AUV协同执行海洋作业任务的需求,完成单AUV无法胜任的复杂任务,显著地提高海洋作业效率。多AUV同步是实现多AUV编队协同运动的关键技术之一,即AUV个体通过相互通讯和信息交互实现对参考目标或参考轨迹的同步跟踪。多AUV同步控制技术对于提高水下机器人的智能化水平以及加速AUV的工业化应用具有重要的理论意义和实用价值。
在AUV同步控制方面,国内外已经取得相应的研究结果,核心的控制策略包括协同路径跟踪、协同轨迹跟踪、协同目标跟踪。从控制器结构和控制器设计方面,现有技术存在下列不足:第一,现有同步跟踪控制算法大多采用集中式控制结构,即目标信息状态是全局已知的。然而AUV水下作业一般采用水声信道进行通讯。水声信道是迄今为止最为复杂的无线通信信道之一,其固有的窄带、高噪、长时延传输等特征,使得水声通信在信号传输性能上难以满足对AUV实时控制的需求。由于水下通信带宽的限制,AUV协同的信息交互量要尽量减少,而集中式控制结构中要求AUV个体直接获得目标状态的信息,显著地增加了信息的通信量,从而导致集中式控制结构在实际应用时具有一定的局限性。第二,现有AUV控制器设计方法大多采用反推法,由于反推法在每步递推的过程中需要对虚拟控制律进行求导,导致控制器结构复杂,计算负荷大,不利于实际的工程应用。第三,针对AUV的动态不确定与环境扰动控制问题,现有方法均采用直接神经网络控制,直接神经网络控制方法根据AUV的速度跟踪误差进行在线学习,由于在起始阶段AUV速度跟踪误差一般较大,这样会影响神经网络的暂态逼近性能,容易使得控制器陷入饱和,最终导致系统整体控制性能的降低。
发明内容
为解决现有技术存在的不足,本发明要提出一种多AUV分布式同步跟踪控制器结构及设计方法,不仅能够显著减少信息的通信量,而且可以降低控制器结构的复杂性,减少计算负荷,还能有效提高神经网络的暂态逼近性能,从而极大地提高控制器的整体性能。
一种多AUV同步控制器的控制目标是:使得N艘AUV同步跟踪一个参考目标的给定轨迹η0,若用ηi,i=1,...,N表示AUV的位置,那么控制目标可表示为ηi→η0。
为了实现上述目的,本发明的技术方案如下:一种多AUV同步控制器的结构,由运动学控制器、一阶滤波器、动力学控制器、预估器、逼近器和比较器组成。所述的运动学控制器的输入端分别与受控AUV的输出端和通讯网络相连;运动学控制器的输出端与一阶滤波器的输入端相连;所述的一阶滤波器的两个输出端分别与动力学控制器的两个输入端相连;所述的动力学控制器的另两个输入端分别与受控AUV的输出端和逼近器的输出端相连;动力学控制器的输出端与受控AUV的输入端和预估器的输入端相连;所述的预估器的输入端还与受控AUV的输出端和逼近器的输出端相连;预估器的输出端与比较器的输入端相连;所述的比较器的输入端还与受控AUV的输出端相连;比较器的输出端与逼近器的输入端相连;逼近器的另一输入端与受控AUV的输出端相连。
所述的受控AUV满足下面的运动模型:
其中
为载体坐标系和惯性坐标系之间的转移矩阵;用Z3表示三维向量,Z3×3表示3×3阶矩阵;ηi=[xi,yi,ψi]T∈Z3代表惯性坐标系下AUV的位置信号,其中xi表示在惯性坐标系下x轴方向的坐标,yi表示惯性坐标系下y轴方向的坐标,ψi表示惯性坐标系下的首摇角;vi=[ui,υi,ri]T∈Z3代表载体坐标系下AUV的速度信号,其中ui表示载体坐标系下的纵荡速度,υi表示载体坐标系下的横荡速度,ri表示载体坐标系下的首摇角速度;代表惯性矩阵;Ci(vi)∈Z3×3代表科里奥利向心矩阵;Di(vi)∈Z3×3代表非线性阻尼矩阵;gi(ηi)∈Z3×3是由浮力和重力共同作用所引起的回复力与回复力矩的向量;τi=[τiu,τiν,τir]T∈Z3是AUV的控制信号,其中τiu,τiν,τir分别表示对AUV的纵荡速度、横荡速度、首摇角速度的控制信号;τiw(t)=[τiwu,τiwν,τiwr]T∈Z3代表时变风浪流对AUV造成的扰动,其中τiwu,τiwυ,τiwr分别代表时变风浪流对AUV的纵荡速度、横荡速度、首摇角速度的扰动。
所述的通讯网络的通讯结构如下:
把N艘AUV看作节点n1,...,nN,将参考目标作为节点n0,那么N艘AUV的通讯结构用单向图Ξ={Λ,ε}表示,其中Λ={n0,n1,...,nN}表示节点集合,ε={(ni,nj)∈Λ×Λ}表示节点ni到节点nj存在信息传递。所述的单向图Ξ={Λ,ε}须满足从节点n0到任意节点都存在唯一路径。路径是指由不重复节点构成的序列,且其中任意相邻节点集属于集合ε。
一种多AUV同步控制器的设计方法,包括以下步骤:
A、运动学控制器的设计
运动学控制器的输入信号包括受控AUV的输出位置信号ηi;当第j艘AUV信息传递给第i艘AUV时,输入信号还包括第j艘AUV的输出位置信号ηj和速度信号νj;当受控AUV与参考目标有通讯时,输入信号还包括参考目标的位置信号η0和速度信号所述的输入信号经过以下计算
得到运动学控制器的输出信号αi,其中aij表示AUV间的通信关系,若第j艘AUV信息传递给第i艘AUV,则aij=1,否则aij=0;ai0表示第i艘AUV与参考目标的通信关系,若参考目标信息传递给第i艘AUV,则ai0=1,否则ai0=0。ki1=diag{ki11,ki12,ki13}∈Z3×3,其中ki11,ki12,ki13是待设计常数;R(ψi)、R(ψj)分别表示第i艘和第j艘AUV的载体坐标系和惯性坐标系之间的转移矩阵,RT(ψi)、RT(ψj)分别表示R(ψi)和R(ψj)的转置矩阵。
B、一阶滤波器的设计
一阶滤波器的输入信号为运动学控制器的输出信号αi,经过下列滤波器
得到一阶滤波器的输出信号νid和其中γi>0为常值;αi(0)是αi在t=0时刻的初始值,νid(0)是vid在t=0时刻的初始值。
C、比较器的设计
比较器的输入信号是受控AUV的输出速度信号vi和预估器的输出信号经以下计算
得到比较器的输出信号
D、逼近器的设计
逼近器的输入信号是受控AUV的输出位置信号ηi、速度信号vi和比较器的输出信号
引入一个未知的参数矩阵Wi(t),并满足||Wi(t)||F≤Wi *及Wi *,是正常数;再引入一个已知的激励函数矩阵并满足是正常数。定义是Wi(t)的估计,设计的更新率为
其中ΓiW∈Z,kW∈Z是正常数。
最后得到逼近器的输出为
E、预估器的设计
预估器的输入信号包括动力学控制器的输出信号τi、受控AUV的输出速度信号vi以及逼近器的输出信号经过以下计算
得到预计器的输出信号ki2=diag{ki21,ki22,ki23}∈Z3×3,其中ki21,ki22,ki23是待设计常数;κi1=diag{κi11,κi12,κi13}∈Z3×3,其中κi11,κi12,κi13是待设计常数;Mi∈Z3×3是已知的惯性矩阵。
F、动力学控制器的设计
动力学控制器的输入信号包括一阶滤波器的输出信号vid和受控AUV的输出速度信号vi以及逼近器的输出信号经过以下计算
得到动力学控制器的输出信号τi,作为受控AUV的控制输入。
本发明所设计的控制器稳定性分析如下:
由AUV运动模型及控制器结构可得如下闭环系统:
其中zi2=vi-vid,qi=vid-αi, εi是逼近误差。对qi求导可得,其中Bi(·)为连续函数。
定理:考虑AUV运动模型(1)、控制率(8)、更新率(6)以及预估器(7),对于给定的有界的初始条件,通过选择适当的参数,可以使系统中所有信号一致最终有界,且跟踪误差zi1收敛到原点附近的较小邻域内。
证明:选择如下的李雅普诺夫函数:
对V求导,联立闭环系统(9)并选择适当的参数,根据李雅普诺夫稳定性定理可以证明因此,闭环系统中所有信号都是有界的。
本发明的有益效果是:
第一,由于本发明采用了分布式控制结构,克服了集中式控制结构中控制器需掌握全部信息的缺点,控制器只需掌握局部信息即可实现对个体的控制,只有部分AUV接受参考目标信息,能够保证多AUV间信息的交换量最小,显著降低了信息的通信量,提高了系统的灵活性和可操作性,并且具有高度的容错性和扩展性,有利实际应用。
第二,本发明与基于反推法的控制器设计方法相比,克服了反推法中方程项数的膨胀和复杂的求导问题,显著降低了控制器的计算复杂性,减小了控制算法的计算负荷,使得控制器有利于实际微处理器系统如单片机或数字信号处理器的实时计算。
第三,本发明与采用直接神经网络的控制器设计方法相比,由于引入预估器,神经网络的学习率不再基于多AUV的速度跟踪误差,而是基于预估器的估计误差,显著提高了神经网络暂态逼近效果的快速性与准确性,从而提高了系统的整体控制性能。
附图说明
本发明共有附图5张,其中:
图1是多AUV同步控制器结构示意图。
图2是五AUV同步控制系统的通讯结构。
图3是五AUV同步运动轨迹。
图4是五AUV同步跟踪给定轨迹。
图5是基于预估器的神经网络自适应方法与传统神经网络自适应方法的逼近效果的比较。
具体实施方式
下面以一个具体的五AUV同步控制系统为例对本发明进行进一步说明。图1所示为本发明的结构示意图,多AUV同步控制器系统中的每艘AUV都满足式(1)所示的运动模型,AUV模型的具体参数如下:
系统中五艘AUV的通讯结构如图2所示,只有1号AUV访问参考目标信息,即0号参考目标的位置和速度信息传递给1号AUV;1号AUV的位置和速度信息传递给2号AUV;以此类推,每艘AUV只接受相邻AUV的位置和速度信息。这种通讯结构保证了从参考目标到网络中任意AUV都存在唯一一条信息传递路径,既可以保证网络中所有的AUV都能直接或间接接受到参考目标信息,也能最大程度上的减少信息传递量。
在此例中,系统控制的目标是保证五艘AUV在图2所示的通讯结构下同步跟踪一个参考目标的给定轨迹η0。
系统中五AUV同步控制器满足式(3)-(8)所描述的控制器结构,具体的控制参数如下:
ki1=diag{5,5,5},ki2=diag{2000,2500,800},κi1={2000,2500,800},ΓiW=1000,kW=0.01,γi=0.02
仿真结果如图3-5所示。图3是五AUV同步运动轨迹,图中可以直观的看出系统中的五艘AUV在不同深度的水下做同步运动。图4中虚线表示给定轨迹坐标,实线表示各艘AUV的运动轨迹坐标,图中可以看出系统中五艘AUV都能跟踪给定轨迹。图5是本发明所采用的基于预估器的神经网络自适应方法与传统神经网络自适应方法的逼近效果的比较,图中f1 u、f1 v、f1 r表示AUV动态不确定与环境扰动,PNDSC表示基于预估器的神经网络动态面方法,NDSC表示普通神经网络动态面方法。图中可以看出基于预估器的神经网络自适应方法对系统的不确定项有更好的补偿效果,尤其体现在暂态逼近性能更快速更准确。
Claims (2)
1.一种多AUV同步控制器的结构,其特征在于:由运动学控制器、一阶滤波器、动力学控制器、预估器、逼近器和比较器组成;所述的运动学控制器的输入端分别与受控AUV的输出端和通讯网络相连;运动学控制器的输出端与一阶滤波器的输入端相连;所述的一阶滤波器的两个输出端分别与动力学控制器的两个输入端相连;所述的动力学控制器的另两个输入端分别与受控AUV的输出端和逼近器的输出端相连;动力学控制器的输出端与受控AUV的输入端和预估器的输入端相连;所述的预估器的输入端还与受控AUV的输出端和逼近器的输出端相连;预估器的输出端与比较器的输入端相连;所述的比较器的输入端还与受控AUV的输出端相连;比较器的输出端与逼近器的输入端相连;逼近器的另一输入端与受控AUV的输出端相连;
所述的受控AUV满足下面的运动模型:
其中
为载体坐标系和惯性坐标系之间的转移矩阵;用Z3表示三维向量,Z3×3表示3×3阶矩阵;ηi=[xi,yi,ψi]T∈Z3代表惯性坐标系下AUV的位置信号,其中xi表示在惯性坐标系下x轴方向的坐标,yi表示惯性坐标系下y轴方向的坐标,ψi表示惯性坐标系下的首摇角;vi=[ui,υi,ri]T∈Z3代表载体坐标系下AUV的速度信号,其中ui表示载体坐标系下的纵荡速度,vi表示载体坐标系下的横荡速度,ri表示载体坐标系下的首摇角速度;代表惯性矩阵;Ci(vi)∈Z3×3代表科里奥利向心矩阵;Di(vi)∈Z3×3代表非线性阻尼矩阵;gi(ηi)∈Z3 ×3是由浮力和重力共同作用所引起的回复力与回复力矩的向量;τi=[τiu,τiυ,τir]T∈Z3是AUV的控制信号,其中τiu,τiv,τir分别表示对AUV的纵荡速度、横荡速度、首摇角速度的控制信号;τiw(t)=[τiwu,τiwv,τiwr]T∈Z3代表时变风浪流对AUV造成的扰动,其中τiwu,τiwv,τiwr分别代表时变风浪流对AUV的纵荡速度、横荡速度、首摇角速度的扰动;
所述的通讯网络的通讯结构如下:
把N艘AUV看作节点n1,...,nN,将参考目标作为节点n0,那么N艘AUV的通讯结构用单向图Ξ={Λ,ε}表示,其中Λ={n0,n1,...,nN}表示节点集合,ε={(ni,nj)∈Λ×Λ}表示节点ni到节点nj存在信息传递;所述的单向图Ξ={Λ,ε}须满足从节点n0到任意节点都存在唯一路径;路径是指由不重复节点构成的序列,且其中任意相邻节点集属于集合ε。
2.一种多AUV同步控制器的设计方法,其特征在于:包括以下步骤:
A、运动学控制器的设计
运动学控制器的输入信号包括受控AUV的输出位置信号ηi;当第j艘AUV信息传递给第i艘AUV时,输入信号还包括第j艘AUV的输出位置信号ηj和速度信号νj;当受控AUV与参考目标有通讯时,输入信号还包括参考目标的位置信号η0和速度信号所述的输入信号经过以下计算
得到运动学控制器的输出信号αi,其中aij表示AUV间的通信关系,若第j艘AUV信息传递给第i艘AUV,则aij=1,否则aij=0;ai0表示第i艘AUV与参考目标的通信关系,若参考目标信息传递给第i艘AUV,则ai0=1,否则ai0=0;ki1=diag{ki11,ki12,ki13}∈Z3 ×3,其中ki11,ki12,ki13均为待设计常数;R(ψi)、R(ψj)分别表示第i艘和第j艘AUV的载体坐标系和惯性坐标系之间的转移矩阵,RT(ψi)、RT(ψj)分别表示R(ψi)和R(ψj)的转置矩阵;
B、一阶滤波器的设计
一阶滤波器的输入信号为运动学控制器的输出信号αi,经过下列滤波器
得到一阶滤波器的输出信号νid和其中γi>0为常值;αi(0)是αi在t=0时刻的初始值,νid(0)是νid在t=0时刻的初始值;
C、比较器的设计
比较器的输入信号是受控AUV的输出速度信号νi和预估器的输出信号经以下计算
得到比较器的输出信号
D、逼近器的设计
逼近器的输入信号是受控AUV的输出位置信号ηi、速度信号vi和比较器的输出信号
引入一个未知的参数矩阵Wi(t),并满足||Wi(t)||F≤Wi *及Wi *,是正常数;再引入一个已知的激励函数矩阵并满足是正常数;定义是Wi(t)的估计,设计的更新率为
其中ΓiW∈Z,kW∈Z是正常数;
最后得到逼近器的输出为
E、预估器的设计
预估器的输入信号包括动力学控制器的输出信号τi、受控AUV的输出速度信号vi以及逼近器的输出信号经过以下计算
得到预计器的输出信号 其中ki21,ki22,ki23均为待设计常数;κi1=diag{κi11,κi12,κi13}∈Z3×3,其中κi11,κi12,κi13均为待设计常数;Mi∈Z3×3是已知的惯性矩阵;
F、动力学控制器的设计
动力学控制器的输入信号包括一阶滤波器的输出信号vid和受控AUV的输出速度信号vi以及逼近器的输出信号经过以下计算
得到动力学控制器的输出信号τi,作为受控AUV的控制输入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410400499.5A CN104133375B (zh) | 2014-08-14 | 2014-08-14 | 一种多auv同步控制器结构及设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410400499.5A CN104133375B (zh) | 2014-08-14 | 2014-08-14 | 一种多auv同步控制器结构及设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104133375A CN104133375A (zh) | 2014-11-05 |
CN104133375B true CN104133375B (zh) | 2016-08-17 |
Family
ID=51806096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410400499.5A Expired - Fee Related CN104133375B (zh) | 2014-08-14 | 2014-08-14 | 一种多auv同步控制器结构及设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104133375B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488565A (zh) * | 2015-11-17 | 2016-04-13 | 中国科学院计算技术研究所 | 加速深度神经网络算法的加速芯片的运算装置及方法 |
CN107544256B (zh) * | 2017-10-17 | 2020-02-14 | 西北工业大学 | 基于自适应反步法的水下机器人滑模控制方法 |
CN108197350B (zh) * | 2017-12-11 | 2020-04-24 | 大连海事大学 | 一种无人船速度和不确定性估计系统及设计方法 |
CN108356816B (zh) * | 2018-01-12 | 2021-03-30 | 南京邮电大学 | 基于输出位置的单臂机械手事件触发adp控制器结构 |
CN108710373B (zh) * | 2018-05-31 | 2021-01-15 | 大连海事大学 | 一种网络化欠驱动无人艇分布式编队控制器及其设计方法 |
CN109739249B (zh) * | 2018-09-06 | 2022-04-19 | 中国船舶工业系统工程研究院 | 一种速度状态缺失条件下的多uuv编队协调控制方法 |
CN109343348B (zh) * | 2018-10-26 | 2021-11-12 | 黑龙江大学 | 一种混合阶机电系统的协同容错控制方法及控制系统 |
CN109189103B (zh) * | 2018-11-09 | 2020-12-08 | 西北工业大学 | 一种具有暂态性能约束的欠驱动auv轨迹跟踪控制方法 |
CN109726761B (zh) * | 2018-12-29 | 2023-03-31 | 青岛海洋科学与技术国家实验室发展中心 | Cnn进化方法、基于cnn的auv集群工作方法、装置及存储介质 |
CN110362075B (zh) * | 2019-06-26 | 2020-09-22 | 华南理工大学 | 一种具有预设性能的无人艇输出反馈编队控制设计方法 |
CN111290435B (zh) * | 2020-03-12 | 2020-10-02 | 国家深海基地管理中心 | 一种波浪滑翔器的路径规划方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5329450A (en) * | 1991-05-10 | 1994-07-12 | Shinko Electric Co., Ltd. | Control method for mobile robot system |
CN102323584A (zh) * | 2011-05-19 | 2012-01-18 | 哈尔滨工程大学 | 一种适用于水下auv/uuv平台的自主避碰装置 |
CN102323586A (zh) * | 2011-07-14 | 2012-01-18 | 哈尔滨工程大学 | 一种基于海流剖面的uuv辅助导航方法 |
CN102385316A (zh) * | 2011-09-16 | 2012-03-21 | 哈尔滨工程大学 | 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法 |
CN102768539A (zh) * | 2012-06-26 | 2012-11-07 | 哈尔滨工程大学 | 基于迭代的自主水下航行器三维曲线路径跟踪控制方法 |
CN102818567A (zh) * | 2012-08-08 | 2012-12-12 | 浙江大学 | 集合卡尔曼滤波-粒子滤波相结合的auv组合导航方法 |
CN103226357A (zh) * | 2013-03-22 | 2013-07-31 | 海南大学 | 一种基于目标跟踪的多无人机通信决策方法 |
CN103699007A (zh) * | 2014-01-10 | 2014-04-02 | 大连海事大学 | 一种船舶动力定位系统及其设计方法 |
-
2014
- 2014-08-14 CN CN201410400499.5A patent/CN104133375B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5329450A (en) * | 1991-05-10 | 1994-07-12 | Shinko Electric Co., Ltd. | Control method for mobile robot system |
CN102323584A (zh) * | 2011-05-19 | 2012-01-18 | 哈尔滨工程大学 | 一种适用于水下auv/uuv平台的自主避碰装置 |
CN102323586A (zh) * | 2011-07-14 | 2012-01-18 | 哈尔滨工程大学 | 一种基于海流剖面的uuv辅助导航方法 |
CN102385316A (zh) * | 2011-09-16 | 2012-03-21 | 哈尔滨工程大学 | 一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法 |
CN102768539A (zh) * | 2012-06-26 | 2012-11-07 | 哈尔滨工程大学 | 基于迭代的自主水下航行器三维曲线路径跟踪控制方法 |
CN102818567A (zh) * | 2012-08-08 | 2012-12-12 | 浙江大学 | 集合卡尔曼滤波-粒子滤波相结合的auv组合导航方法 |
CN103226357A (zh) * | 2013-03-22 | 2013-07-31 | 海南大学 | 一种基于目标跟踪的多无人机通信决策方法 |
CN103699007A (zh) * | 2014-01-10 | 2014-04-02 | 大连海事大学 | 一种船舶动力定位系统及其设计方法 |
Non-Patent Citations (1)
Title |
---|
多自主船协同路径跟踪的自适应动态面控制;王昊 等;《控制理论与应用》;20130531;第30卷(第5期);第637-643页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104133375A (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104133375B (zh) | 一种多auv同步控制器结构及设计方法 | |
CN103592846B (zh) | 基于自适应模糊估计器的滤波反步船舶运动控制系统 | |
CN109634307A (zh) | 一种无人水下航行器复合航迹跟踪控制方法 | |
CN108983612A (zh) | 一种具有预设性能和连接保持的水下机器人编队控制方法 | |
CN108594846A (zh) | 一种障碍环境下多auv编队队形优化控制方法 | |
CN104850122B (zh) | 基于可变船长比的抵抗侧风无人水面艇直线路径跟踪方法 | |
CN106444796B (zh) | 一种不确定时变时滞的欠驱动uuv深度自适应全局滑模控制方法 | |
CN107085427A (zh) | 一种基于领导跟随结构的无人水面艇编队控制方法 | |
CN110196599A (zh) | 一种避碰与连接保持约束下的无人艇分布式编队控制方法 | |
CN109241552A (zh) | 一种基于多约束目标的水下机器人运动规划方法 | |
CN105867382B (zh) | 一种基于等效干扰补偿的船舶动力定位控制系统 | |
CN105068427A (zh) | 一种多机器人系统有限时间鲁棒协同跟踪控制方法 | |
Qi et al. | Three-dimensional formation control based on nonlinear small gain method for multiple underactuated underwater vehicles | |
CN110377036A (zh) | 一种基于指令约束的无人水面艇航迹跟踪固定时间控制方法 | |
Borhaug et al. | Straight line path following for formations of underactuated underwater vehicles | |
CN108089589A (zh) | 一种水下机器人姿态控制方法 | |
Bian et al. | Three-dimensional coordination control for multiple autonomous underwater vehicles | |
CN104865825B (zh) | 一种多机器人合作时序预测控制方法 | |
CN109933074A (zh) | 一种有领导者的多无人船群集运动控制器结构及设计方法 | |
Su et al. | Fixed-time formation of AUVs with disturbance via event-triggered control | |
CN103699007B (zh) | 一种船舶动力定位系统的设计方法 | |
CN108829132A (zh) | 一种考虑大时滞的多uuv空间机动控制方法 | |
Li et al. | Neural-network based AUV path planning in estuary environments | |
Chen et al. | A formation control method for AUV group under communication delay | |
Wang et al. | Output-feedback control for cooperative diving of saucer-type underwater gliders based on a fuzzy observer and event-triggered communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160817 Termination date: 20190814 |
|
CF01 | Termination of patent right due to non-payment of annual fee |