CN105843224A - 基于神经动态模型反步法的auv水平面路径跟踪控制方法 - Google Patents
基于神经动态模型反步法的auv水平面路径跟踪控制方法 Download PDFInfo
- Publication number
- CN105843224A CN105843224A CN201610179617.3A CN201610179617A CN105843224A CN 105843224 A CN105843224 A CN 105843224A CN 201610179617 A CN201610179617 A CN 201610179617A CN 105843224 A CN105843224 A CN 105843224A
- Authority
- CN
- China
- Prior art keywords
- auv
- centerdot
- formula
- dynamic model
- horizontal plane
- 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.)
- Pending
Links
- 230000001537 neural effect Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000009795 derivation Methods 0.000 claims abstract description 17
- 238000013461 design Methods 0.000 claims description 16
- 238000013178 mathematical model Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 230000006978 adaptation Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000012938 design process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
基于神经动态模型反步法的AUV水平面路径跟踪控制方法,涉及欠驱动AUV的水平面路径跟踪控制技术领域。本发明是为了提高AUV路径跟踪控制的精度。本发明引进了神经动态模型理论,该模型具有输入输出平滑的特性。将反步法设计过程中出现的虚拟控制量流经神经动态模型,从而避免了对虚拟控制量的复杂求导运算,较传统的反步法设计而言避免了可能出现的“参数爆炸”现象,大大提高了系统的控制精度。
Description
技术领域
本发明涉及欠驱动AUV的水平面路径跟踪控制技术领域。
背景技术
自主无人水下航行器(AUV,Autonomous Underwater Vehicle)可以在水下承担复杂的军事对抗、应急救生与打捞、危险条件下作业等任务,成为当前世界各国海洋开发、国防工业部门和海洋装备的最重要研究方向之一。
AUV的水平面路径跟踪研究主要分为以下三个方面:1)、航迹点跟踪,要求AUV跟踪并收敛到给定离散位置点;2)、轨迹跟踪,要求AUV跟踪一条以时间为参数的轨迹,具有时间条件约束,即要求AUV在指定时刻运动到指定位置;3)、路径跟踪,要求AUV跟踪一条与时间无关的曲线,使AUV收敛到给定的曲线,而对何时到达何处没有要求。航迹点(也称作路径点)为可通过二维坐标表示的离散点,路径则可由一系列离散的点相连构成,水平面直线路径就是由一系列离散点的序列依次相连构成,而水平面任意的曲线路径也可以通过多段直线路径进行拟合。目前,国内外对AUV的航迹(包括航迹点、轨迹和路径)跟踪控制研究多集中于水平面的跟踪控制,或将三维跟踪控制问题解耦为水平面和垂直面的两个独立的子系统分别进行控制器设计。
《基于L2干扰抑制的水下机器人三维航迹跟踪控制》(控制理论与应用,2011,第28卷第5期)提出基于L2干扰抑制的鲁棒神经网络三维航迹跟踪控制器,其研究内容是以时间为参数的轨迹跟踪控制问题;
《基于离散滑模预测的欠驱动AUV三维航迹跟踪控制》(控制与决策,2011,第26卷第10期)针对离散系统采用递归滑模思想设计离散滑模预测控制器,利用滚动优化和反馈校正方法补偿了不确定项对滑模预测模型的影响;
《自主式水下航行器三维路径跟踪的神经网络H∞鲁棒自适应控制方法》(控制理论与应用,2012,第29卷第3期)基于正交投影Serret-Frenet坐标系建立AUV三维路径跟踪误差方程,运用H∞鲁棒控制思想设计控制器,同时引入神经网络补偿模型不确定性,但由于基于正交投影Serret-Frenet坐标系建立AUV三维路径跟踪误差模型存在奇异值点,使得对AUV的初始条件有约束,即AUV初始位置必须位于跟踪曲线最小曲率半径内,因此无法实现AUV跟踪的全局收敛性;
《基于自适应Backstepping的欠驱动AUV三维航迹跟踪控制》(控制与决策,2012,第38卷第2期)为三维航迹点跟踪控制,依据视线法(Line of Sight,LOS)计算期望跟踪视线角,基于自适应反步法设计跟踪控制器,然而在反步法控制器的设计过程中多次出现的中间虚拟变量且需要进行繁冗的求导运算。
发明内容
本发明是为了提高AUV路径跟踪控制的精度,从而提供一种基于神经动态模型反步法的AUV水平面路径跟踪控制方法。
基于神经动态模型反步法的AUV水平面路径跟踪控制方法,它由以下步骤实现:
步骤一、建模,建立AUV水平面三自由度的数学模型。
步骤二、初始化,通过AUV搭载的测量传感器对自身位置信息进行采集,可获得AUV当前的位置坐标、方位角及载体坐标系轴向的线速度信息;
步骤三、根据步骤二中传感器测量得到的AUV实际位置信息,结合期望跟踪轨迹参数方程求取AUV的相对位置偏差;
步骤四、基于步骤三中计算得到的AUV的位置跟踪误差,采用神经动态模型反步法的设计思想,计算AUV的前向速度虚拟控制量和横向速度虚拟控制量,结合AUV的水平面数学模型水动力参数,推导欠驱动AUV的水平面路径跟踪的AUV推进器推力信号;
步骤五、在步骤四的基础上,采用神经动态模型反步法的设计思想计算AUV的转艏虚拟控制量,结合AUV的水动力参数,推导欠驱动AUV的水平面路径跟踪的转艏力矩控制信号。
步骤六、在步骤四和步骤五的基础上,将取得的AUV推进器推力和转艏力矩信号应用于欠驱动AUV的水平面路径跟踪控制。
步骤七、计算当前AUV的实时位置与给定期望路径参考位置之间的偏差,若偏差距离有界且渐进收敛至零的极小邻域内,则表示AUV跟踪上了期望轨迹;反之,表示AUV跟踪给定期望轨迹失败,返回执行步骤三。
本发明相对于现有技术具有如下优点及效果:
1、本发明采用基于神经动态模型的反步法设计的AUV路径跟踪控制器,通过引进神经动态模型理论,避免了传统的反步法设计思想中出现对虚拟控制量进行复杂求导运算的过程;
2、本发明在避免控制设计中出现的复杂求导运算,较传统的反步法设计而言避免了可能出现的“参数爆炸”现象,大大提高了系统的控制精度。
附图说明
图1是本发明AUV的水平面运动示意图;
图2是本发明AUV的路径跟踪控制器解算流程示意图;
图3是本发明AUV的神经动态模型反步法控制系统示意图;
图4是本发明AUV水平面曲线跟踪效果仿真示意图;
图5是本发明AUV水平面曲线跟踪速度响应仿真示意图;
图6是本发明AUV水平面曲线跟踪误差响应仿真示意图;
图7是本发明AUV水平面曲线跟踪艏向角响应仿真示意图;
图8是本发明AUV水平面曲线跟踪推力和力矩相应仿真示意图;
具体实施方式
具体实施方式一、基于神经动态模型反步法的AUV水平面路径跟踪控制方法,具体实施如下:
步骤一中,所述的建立AUV的水平面三自由度动力学模型:
其中,F代表推进器推力,T表示AUV的转艏力矩,m11、m22、m33、d11、d22和d33分别为AUV的水动力系数,其具体定义如下:
d22=-Yv-Yvv|v|=100kg/s,d33=-Nr-Nrr|r|=50kg/s
步骤二中,通过传感器采集得到固定坐标系下AUV的当前位置坐标信息:
P(t)=[x(t),y(t)]T (1)
同时,定义u为AUV的前向运动速度,v为AUV的横向运动速度,r代表AUV的转艏速度,Pd(t)=[xd(t),yd(t)]T为任意时变参考轨迹,参考考轨迹偏向角为φd:
至此完成了步骤二中的初始化设置。
步骤三中,计算运动坐标系下AUV的水平面跟踪位置误差ex和ey的求取具体过程如下:
在固定坐标系下定义位置误差EI(t)=[xe,ye]T=P-Pd∈R2和φe=φ-φd,那么利用同胚变换得到AUV运动坐标系中的误差EB(t)=[ex,ey]T:
式中:φ为AUV的艏向角;P为AUV的实时位置矢量;为AUV在固定坐标系下的位置误差;
依据上可知对式(3)进行求导可得
其中, 为期望路径参考点纵向坐标的微分;为期望路径参考点横向坐标的微分;vp为期望位置参考点的速度。
步骤四中,基于AUV的位置跟踪误差,采用神经动态模型反步法的设计思想,计算AUV的前向速度虚拟控制量和横向速度虚拟控制量,结合AUV的水平面数学模型水动力参数,推导欠驱动AUV的水平面路径跟踪的AUV推进器推力信号:
选取Lyapunov能量函数为
其中e=(ex 2+ey 2),式(5)两边求导可得
设计速度u和v的虚拟控制量,那么它们的期望值可以设计为
其中,k1和k2是正常数。
为避免在面反步法控制器的设计过程中对虚拟变量ud和vd进行反复求导,让ud和vd分别通过如下神经动态模型:
其中uf和vf为神经动态模型的输出;Ai(i=1,2)为正常数,代表神经动态模型的衰减速率;正常数Bi和Di分别代表uf和vf的上界和下界;函数f(x)和g(x)定义如下:
将uf和vf分别作为反步法设计的虚拟控制量代替ud和vd,同时定义误差变量ev,eu,zu和zv:
那么,将式(7)和式(11)带入式(6)得:
将前向速度u看作虚拟控制量,其动态模型输出为uf,利用其推导实际控制力矩τ1来实现前向跟踪误差eu的镇定,从式(11)得到eu的导数
将式(8)带入上式得
其中,fu=[A1+f(ud)-g(ud)]uf-(B1f(ud)-D1g(ud))。
根据需要扩展Lyapunov能量函数
对上式求导得
这里选取控制力矩为τu=-k3eu-ex-fu,其中k3>0为常数,则式(16)可简化为
因此结合式τu=-k3eu-ex-fu和AUV水动力系数可得推进器的器的前进推力为
τ1=-m11(k3eu+ex+fu)-m22vr+d11u (18)
至此,完成了步骤4中的AUV推进器推力信号的求取。
步骤五中,采用神经动态模型反步法的设计思想计算AUV的转艏虚拟控制量,结合AUV的水动力参数,推导欠驱动AUV的水平面路径跟踪的转艏力矩控制信号:
在步骤3中提到v也是虚拟控制量,这里将r视作虚拟控制输入来控制误差ev,从式(11)可得ev的导数
将式(8)带入上式可得:
其中,fv=[A2+f(vd)+g(vd)]vf-(B2f(vd)-D2g(vd))。
建立如下的Lyapunov函数
对式(21)求导,结合式(17)可得
AUV在航行的过程中,其前向速度u是不为零的,故为虚拟控制律r选择的控制律为
这里A3>0为常数,代表神经动态模型的衰减速率;B3>0且D3>0分别代表rf的上界和下界。同时引入误差变量er和zr
zr=rf-rd,er=r-rf (24)
简化式(22)得:
下面建立新的Lyapunov能量函数,利用转艏力矩τ3实现对误差er的控制:
对式(26)求导,同时结合式(24)得er的导数:
其中,fr=[A3+frd+grd]rf-[B3f(rd)-D3g(rd)]。
则由式(25)和式(27)得
其中力矩τr见式(29),k5>0为常数。
τr=-k5er-αuev-fr (29)
则式(28)可变为
其中,δ=αuevzr+zuex+zvey。则根据式(29)和AUV的水动力系数可知
至此,步骤五中的AUV转艏力矩的求取完成。
步骤六中,将取得的AUV推进器推力和转艏力矩信号应用于欠驱动AUV的水平面路径跟踪控制:
步骤七中计算当前AUV的实时位置与给定期望路径参考位置之间的偏差:
计算当前AUV位置P=(x,y)与期望参考轨迹Pd=(xd,yd)之间的位置偏差:
若偏差d有界且渐进收敛至零的极小邻域内,则表示AUV跟踪上了期望轨迹,重复步骤三。
本发明与现有技术的比较:
与《基于L2干扰抑制的水下机器人三维航迹跟踪控制》相比,本发明针对参数化路径(不包含时间参数)设计跟踪控制器;
与《基于离散滑模预测的欠驱动AUV三维航迹跟踪控制》相比,本发明针对连续系统基于神经动态模型反步法设计路径跟踪控制器,通过设计控制器参数简化了虚拟控制量的形式,有助于工程应用;
与《自主式水下航行器三维路径跟踪的神经网络H∞鲁棒自适应控制方法》相比,本发明无需建立的跟踪误差模型故不存在奇异值问题,因此能够保证AUV跟踪误差的全局收敛性;
与《基于自适应Backstepping的欠驱动AUV三维航迹跟踪控制》相比,本发明采用了神经动态模型特性避免了对虚拟控制变量的求导运算,更加有利于工程上的应用。
Claims (7)
1.基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征是:它包括以下步骤:
步骤一、建立AUV的水平面三自由度动力学模型:
其中:F代表推进器推力,T表示AUV的转艏力矩,m11、m22、m33、d11、d22和d33分别为AUV的水动力系数;u为AUV的前向运动速度,v为AUV的横向运动速度,r代表AUV的转艏速度;
步骤二、通过AUV搭载的测量传感器对自身位置信息进行采集,获得AUV当前的位置坐标、方位角及载体坐标系轴向的线速度信息;
步骤三、根据步骤二中采集的AUV自身位置信息,结合期望跟踪轨迹参数方程求取AUV的位置跟踪误差;
步骤四、根据步骤三获得的AUV的位置跟踪误差,采用神经动态模型反步法计算AUV的前向速度虚拟控制量和横向速度虚拟控制量,结合AUV的水平面数学模型水动力参数,求取欠驱动AUV的水平面路径跟踪的AUV推进器推力信号;
步骤五、采用神经动态模型反步法计算AUV的转艏虚拟控制量,结合AUV的水动力参数,求取欠驱动AUV的水平面路径跟踪的转艏力矩控制信号;
步骤六、将取得的AUV推进器推力和转艏力矩信号应用于欠驱动AUV的水平面路径跟踪控制;
步骤七、计算当前AUV的实时位置与给定期望路径参考位置之间的偏差,若偏差距离有界且渐进收敛至零的极小邻域内,则表示AUV跟踪上了期望轨迹;反之,表示AUV跟踪给定期望轨迹失败,返回执行步骤三。
2.根据权利要求1所述基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征在于步骤二中,通过AUV搭载的测量传感器对自身位置信息进行采集,获得AUV当前的位置坐标、方位角及载体坐标系轴向的线速度信息为:
P(t)=[x(t),y(t)]T (1);
Pd(t)=[xd(t),yd(t)]T为任意时变参考轨迹,参考轨迹偏向角为φd:
3.根据权利要求2所述基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征在于步骤三中,根据步骤二中采集的AUV自身位置信息,结合期望跟踪轨迹参数方程求取AUV的位置跟踪误差的方法为:
在固定坐标系下,定义位置误差EI(t)=[xe,ye]T=P-Pd∈R2和φe=φ-φd,则利用同胚变换得到AUV运动坐标系中的误差EB(t)=[ex,ey]T:
式中:φ为AUV的艏向角;P为AUV的实时位置矢量;为AUV在固定坐标系下的位置误差;
可知:对式(3)进行求导得:
其中, 为期望路径参考点纵向坐标的微分;为期望路径参考点横向坐标的微分;vp为期望位置参考点的速度。
4.根据权利要求3所述基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征在于步骤四中,根据步骤三获得的AUV的位置跟踪误差,采用神经动态模型反步法计算AUV的前向速度虚拟控制量和横向速度虚拟控制量,结合AUV的水平面数学模型水动力参数,求取欠驱动AUV的水平面路径跟踪的AUV推进器推力信号,具体为:
选取Lyapunov能量函数为:
其中:式(5)两边求导得:
设计速度u和v的虚拟控制量,那么它们的期望值为:
其中,k1和k2是常数,且为正数;
为避免对虚拟变量ud和vd进行反复求导,让ud和vd分别通过如下神经动态模型:
其中:uf和vf为神经动态模型的输出;Ai(i=1,2)为正常数,代表神经动态模型的衰减速率;正常数Bi和Di分别代表uf和vf的上界和下界;函数f(x)和g(x)定义如下:
将uf和vf分别作为反步法设计的虚拟控制量代替ud和vd,同时定义误差变量ev、eu、zu和zv:
那么,将式(7)和式(11)带入式(6)得:
将前向速度u看作虚拟控制量,其动态模型输出为uf,利用其推导实际控制力矩τ1来实现前向跟踪误差eu的镇定,从式(11)得到eu的导数:
将式(8)带入上式得:
其中,fu=[A1+f(ud)-g(ud)]uf-(B1f(ud)-D1g(ud));
根据需要扩展Lyapunov能量函数:
对上式求导得:
选取控制力矩为:τu=-k3eu-ex-fu,其中k3>0为常数,则式(16)简化为:
结合式τu=-k3eu-ex-fu和AUV水动力系数获得推进器的器的前进推力为:
τ1=-m11(k3eu+ex+fu)-m22vr+d11u (18)
完成了步骤四中的AUV推进器推力信号的求取。
5.根据权利要求4所述基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征在于步骤五中,采用神经动态模型反步法计算AUV的转艏虚拟控制量,结合AUV的水动力参数,求取欠驱动AUV的水平面路径跟踪的转艏力矩控制信号,具体方法为:
在步骤三中提到v是虚拟控制量,这里将r视作虚拟控制输入来控制误差ev,从式(11)获得ev的导数:
将式(8)带入上式可得:
其中,fv=[A2+f(vd)+g(vd)]vf-(B2f(vd)-D2g(vd));
建立如下的Lyapunov函数:
对式(21)求导,结合式(17)得:
AUV在航行的过程中,其前向速度u是不为零的,故为虚拟控制律r选择的控制律为:
式中:A3>0为常数,代表神经动态模型的衰减速率;B3>0且D3>0分别代表rf的上界和下界;同时引入误差变量er和zr:
zr=rf-rd,er=r-rf (24)
简化式(22)得:
建立新的Lyapunov能量函数,利用转艏力矩τ3实现对误差er的控制:
对式(26)求导,同时结合式(24)得er的导数:
其中,fr=[A3+frd+grd]rf-[B3f(rd)-D3g(rd)];
则由式(25)和式(27)得:
其中:力矩τr见式(29),k5>0为常数;
τr=-k5er-αuev-fr (29)
则式(28)可变为:
其中,δ=αuevzr+zuex+zvey。则根据式(29)和AUV的水动力系数可知:
完成骤五中的AUV转艏力矩的求取。
6.根据权利要求5所述基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征在于步骤六中,将取得的AUV推进器推力和转艏力矩信号应用于欠驱动AUV的水平面路径跟踪控制是根据公式:
实现的。
7.根据权利要求6所述基于神经动态模型反步法的AUV水平面路径跟踪控制方法,其特征在于步骤七中,计算当前AUV的实时位置与给定期望路径参考位置之间的偏差依据公式:
其中:P=(x,y)为当前AUV的实时位置;Pd=(xd,yd)为期望路径参考位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179617.3A CN105843224A (zh) | 2016-03-25 | 2016-03-25 | 基于神经动态模型反步法的auv水平面路径跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610179617.3A CN105843224A (zh) | 2016-03-25 | 2016-03-25 | 基于神经动态模型反步法的auv水平面路径跟踪控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105843224A true CN105843224A (zh) | 2016-08-10 |
Family
ID=56583768
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610179617.3A Pending CN105843224A (zh) | 2016-03-25 | 2016-03-25 | 基于神经动态模型反步法的auv水平面路径跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105843224A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107544256A (zh) * | 2017-10-17 | 2018-01-05 | 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 |
CN108363400A (zh) * | 2018-01-29 | 2018-08-03 | 哈尔滨工程大学 | 一种基于虚拟锚泊的欠驱动auv三维控制区域镇定控制方法 |
CN108594846A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种障碍环境下多auv编队队形优化控制方法 |
CN108829099A (zh) * | 2018-06-01 | 2018-11-16 | 北京航空航天大学 | 一种基于受限反步法控制的欠驱动无人船轨迹跟踪方法 |
CN108897217A (zh) * | 2018-07-04 | 2018-11-27 | 西北工业大学 | 一种基于模型预测控制的欠驱动水面船轨迹跟踪控制方法 |
CN109189103A (zh) * | 2018-11-09 | 2019-01-11 | 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 |
CN109240317A (zh) * | 2018-11-21 | 2019-01-18 | 哈尔滨工程大学 | 考虑螺旋桨故障的海底地震检波飞行节点有限时间构型包含控制方法 |
CN109343350A (zh) * | 2018-11-20 | 2019-02-15 | 清华大学 | 一种基于模型预测控制的水下机器人路径跟踪控制方法 |
CN109634307A (zh) * | 2019-01-15 | 2019-04-16 | 大连海事大学 | 一种无人水下航行器复合航迹跟踪控制方法 |
CN110471032A (zh) * | 2019-08-29 | 2019-11-19 | 天津大学 | 一种水下目标被动定位的方法 |
CN112327892A (zh) * | 2020-11-17 | 2021-02-05 | 哈尔滨工程大学 | 一种auv误差受限的抗扰控制方法 |
CN112363538A (zh) * | 2020-11-09 | 2021-02-12 | 哈尔滨工程大学 | 一种速度信息不完备下的auv区域跟踪控制方法 |
CN112527018A (zh) * | 2020-12-26 | 2021-03-19 | 九江职业技术学院 | 一种欠驱动自主水下航行器的三维镇定控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1471051A (zh) * | 2002-04-30 | 2004-01-28 | 处理视觉信息的神经动态模型 | |
CN102298326A (zh) * | 2011-06-30 | 2011-12-28 | 哈尔滨工程大学 | 欠驱动auv自适应轨迹跟踪控制装置及控制方法 |
CN102722177A (zh) * | 2012-06-27 | 2012-10-10 | 哈尔滨工程大学 | 具有pid反馈增益的自主水下航行器三维直线路径跟踪控制方法 |
CN102980579A (zh) * | 2012-11-15 | 2013-03-20 | 哈尔滨工程大学 | 一种自主水下航行器自主导航定位方法 |
CN103064288A (zh) * | 2012-11-23 | 2013-04-24 | 中国科学院沈阳自动化研究所 | 一种基于对转桨加鳍舵的低速auv航行控制方法 |
-
2016
- 2016-03-25 CN CN201610179617.3A patent/CN105843224A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1471051A (zh) * | 2002-04-30 | 2004-01-28 | 处理视觉信息的神经动态模型 | |
CN102298326A (zh) * | 2011-06-30 | 2011-12-28 | 哈尔滨工程大学 | 欠驱动auv自适应轨迹跟踪控制装置及控制方法 |
CN102722177A (zh) * | 2012-06-27 | 2012-10-10 | 哈尔滨工程大学 | 具有pid反馈增益的自主水下航行器三维直线路径跟踪控制方法 |
CN102980579A (zh) * | 2012-11-15 | 2013-03-20 | 哈尔滨工程大学 | 一种自主水下航行器自主导航定位方法 |
CN103064288A (zh) * | 2012-11-23 | 2013-04-24 | 中国科学院沈阳自动化研究所 | 一种基于对转桨加鳍舵的低速auv航行控制方法 |
Non-Patent Citations (1)
Title |
---|
潘昌忠: "基于神经动态模型的自治水面艇智能跟踪控制", 《中国博士学位论文全文数据库》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107544256A (zh) * | 2017-10-17 | 2018-01-05 | 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 |
CN108363400A (zh) * | 2018-01-29 | 2018-08-03 | 哈尔滨工程大学 | 一种基于虚拟锚泊的欠驱动auv三维控制区域镇定控制方法 |
CN108363400B (zh) * | 2018-01-29 | 2020-12-22 | 哈尔滨工程大学 | 一种基于虚拟锚泊的欠驱动auv三维控制区域镇定控制方法 |
CN108594846A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种障碍环境下多auv编队队形优化控制方法 |
CN108829099A (zh) * | 2018-06-01 | 2018-11-16 | 北京航空航天大学 | 一种基于受限反步法控制的欠驱动无人船轨迹跟踪方法 |
CN108897217A (zh) * | 2018-07-04 | 2018-11-27 | 西北工业大学 | 一种基于模型预测控制的欠驱动水面船轨迹跟踪控制方法 |
CN109189103A (zh) * | 2018-11-09 | 2019-01-11 | 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 |
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 |
CN109343350A (zh) * | 2018-11-20 | 2019-02-15 | 清华大学 | 一种基于模型预测控制的水下机器人路径跟踪控制方法 |
CN109240317A (zh) * | 2018-11-21 | 2019-01-18 | 哈尔滨工程大学 | 考虑螺旋桨故障的海底地震检波飞行节点有限时间构型包含控制方法 |
CN109634307A (zh) * | 2019-01-15 | 2019-04-16 | 大连海事大学 | 一种无人水下航行器复合航迹跟踪控制方法 |
CN109634307B (zh) * | 2019-01-15 | 2021-08-03 | 大连海事大学 | 一种无人水下航行器复合航迹跟踪控制方法 |
CN110471032A (zh) * | 2019-08-29 | 2019-11-19 | 天津大学 | 一种水下目标被动定位的方法 |
CN110471032B (zh) * | 2019-08-29 | 2022-05-17 | 天津大学 | 一种水下目标被动定位的方法 |
CN112363538A (zh) * | 2020-11-09 | 2021-02-12 | 哈尔滨工程大学 | 一种速度信息不完备下的auv区域跟踪控制方法 |
CN112327892A (zh) * | 2020-11-17 | 2021-02-05 | 哈尔滨工程大学 | 一种auv误差受限的抗扰控制方法 |
CN112327892B (zh) * | 2020-11-17 | 2023-03-24 | 哈尔滨工程大学 | 一种auv误差受限的抗扰控制方法 |
CN112527018A (zh) * | 2020-12-26 | 2021-03-19 | 九江职业技术学院 | 一种欠驱动自主水下航行器的三维镇定控制方法 |
CN112527018B (zh) * | 2020-12-26 | 2023-02-07 | 九江职业技术学院 | 一种欠驱动自主水下航行器的三维镇定控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105843224A (zh) | 基于神经动态模型反步法的auv水平面路径跟踪控制方法 | |
CN103955218B (zh) | 一种基于非线性控制理论的无人艇轨迹跟踪控制装置及方法 | |
CN105929842B (zh) | 一种基于动态速度调节的欠驱动uuv平面轨迹跟踪控制方法 | |
CN106292287B (zh) | 一种基于自适应滑模控制的uuv路径跟踪方法 | |
CN102722177B (zh) | 具有pid反馈增益的自主水下航行器三维直线路径跟踪控制方法 | |
CN102768539B (zh) | 基于迭代的自主水下航行器三维曲线路径跟踪控制方法 | |
CN101833338B (zh) | 无人潜航器垂直面欠驱动运动控制方法 | |
CN107255923B (zh) | 基于rbf辨识的ica-cmac神经网络的欠驱动无人艇航迹跟踪控制方法 | |
CN107024863A (zh) | 一种避免微分爆炸的uuv轨迹跟踪控制方法 | |
CN110362089A (zh) | 一种基于深度强化学习和遗传算法的无人船自主导航的方法 | |
CN109634307A (zh) | 一种无人水下航行器复合航迹跟踪控制方法 | |
CN106227223A (zh) | 一种基于动态滑模控制的uuv轨迹跟踪方法 | |
CN103760900B (zh) | 一种考虑控制输入约束的船舶运动控制系统 | |
CN104199303B (zh) | 一种基于矢量场制导的平流层卫星平面路径跟踪控制方法 | |
CN104950882A (zh) | 全局一致渐进路径跟踪引导控制方法 | |
Woolsey et al. | Cross-track control of a slender, underactuated AUV using potential shaping | |
Zhang et al. | ESO-based path following control for underactuated vehicles with the safety prediction obstacle avoidance mechanism | |
CN105334854A (zh) | 应用于气垫船航向控制与横倾控制的解耦控制装置及方法 | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
CN102162733A (zh) | 一种基于svm的auv舰位推算导航误差实时修正方法 | |
Li et al. | Multi-UUV formation coordination control based on combination of virtual structure and leader | |
CN103336887A (zh) | 一种基于蜂群算法辨识水动力系数的方法 | |
KR102336197B1 (ko) | 제어 장치 및 제어 방법 | |
Do et al. | Design and simulate a Fuzzy autopilot for an Unmanned Surface Vessel | |
Morge et al. | Experimental studies of autonomous sailing with a radio controlled sailboat |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160810 |
|
WD01 | Invention patent application deemed withdrawn after publication |