CN107942688A - 水中航行器用遗忘因子式无模型自适应航向控制方法 - Google Patents

水中航行器用遗忘因子式无模型自适应航向控制方法 Download PDF

Info

Publication number
CN107942688A
CN107942688A CN201810010308.2A CN201810010308A CN107942688A CN 107942688 A CN107942688 A CN 107942688A CN 201810010308 A CN201810010308 A CN 201810010308A CN 107942688 A CN107942688 A CN 107942688A
Authority
CN
China
Prior art keywords
mrow
aircraft
course
water
forgetting factor
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
Application number
CN201810010308.2A
Other languages
English (en)
Inventor
廖煜雷
陈启贤
姜权权
范佳佳
王博
庄佳园
潘恺文
张伟
张蔚欣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin Engineering University
Original Assignee
Harbin Engineering University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin Engineering University filed Critical Harbin Engineering University
Priority to CN201810010308.2A priority Critical patent/CN107942688A/zh
Publication of CN107942688A publication Critical patent/CN107942688A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供的是一种水中航行器用遗忘因子式无模型自适应航向控制方法。一：下达期望航向状态指令；二：通过罗经测得当前实际航向状态，计算误差的绝对值e(k)，若e(k)小于一个期望常数e0、且稳定一段时间，则认为实际航向稳定收敛到期望航向并结束循环，否则进入步骤三；三：将e(k)作为遗忘因子式MFAC航向控制器的输入，解算出期望输入；所述遗忘因子式MFAC航向控制器是在MFAC航向控制器的基础上，用β×u(k‑1)代替MFAC航向控制器中的u(k‑1)；四：将期望输入指令下达到执行机构，执行期望输入指令，同时在外界环境干扰共同作用下，水中航行器不断调整航向，并转到步骤二，直到水中航行器航向稳定收敛到期望航向。本发明能够避免航向出现大的超调或震荡现象。

Description

水中航行器用遗忘因子式无模型自适应航向控制方法
技术领域
本发明涉及的是一种水中航行器运动控制方法，具体地说是一种无模型自适应航向控制方法。
背景技术
水中航行器的运动控制是水中航行器自动化的核心，其中水中航行器的航向控制又在其运动控制中占据至关重要的地位，水中航行器的航向控制直接关系到水中航行器航行的安全性，操纵性和经济性。目前在工程应用中，水中航行器的航向控制基本采用PID控制算法，以及基于“模型导向”策略开发的控制算法。PID是一种基于离线数据的数据驱动控制算法，但无人艇容易受到模型摄动，环境干扰力等影响，导致PID控制器难以维持一致的控制效果，需要重新调整参数才能使系统稳定。而基于“模型导向”设计策略开发的控制器，严重地依赖于系统数学模型，由于获得精确的数学模型十分困难，存在未建模动态、模型摄动等影响导致系统的自适应较差，难以保证系统鲁棒性能，从而很难在工程中获得应用。
公开日2017年02月01日、公布号为CN106369589A、发明名称为“一种过热蒸汽温度的控制方法”的专利文件中公开的控制方法，基于MFAC算法采用由外环控制器和内环控制器构成的串级控制系统对锅炉过热蒸汽温度进行控制。公开日2016年01月06日、公布号CN105227017A、发明名称“为一种针对船舶吊舱SSP推进器的高阶MFAC的方法及系统”的专利文件中，系统的速度外环由MFAC控制器构成，用来生成期望的交轴参考电流，内环电流调节仍由PI控制器实现，以此实现对船舶吊舱SSP推进电机的控制。
但上述MFAC控制算法不适用于水中航行器航向系统的控制，因为MFAC是一种增量式的控制算法，即下一时刻控制器期望输出，是在上一时刻控制器期望输出基础上累加得到，导致当水中航行器的实际航向趋于期望航向时，航向系统的期望输入并不能迅速减小以避免超调，同时水中航行器的航向系统具有大时滞特性，在期望输入下，航向系统的实际输出存在严重的时间上的滞后，导致航向系统的实际输入不断偏离期望输入，进一步加剧了超调及震荡。因此，将MFAC算法直接用于水中航行器的航向控制时，必然导致水中航行器航向系统产生严重的超调和震荡现象，航向系统的收敛速度变慢。
发明内容
本发明的目的在于提供一种能够避免航向出现大的超调或震荡现象的水中航行器用遗忘因子式无模型自适应航向控制方法。
本发明的目的是这样实现的：
步骤一：向水中航行器下达期望航向状态指令y*(k)；
步骤二：水中航行器通过罗经测得当前水中航行器的实际航向状态y(k)，计算误差的绝对值e(k)，若e(k)小于一个期望常数e0、且稳定一段时间，则认为实际水中航行器实际航向稳定收敛到期望航向并结束循环，否则进入步骤三；
步骤三：将e(k)作为遗忘因子式MFAC航向控制器的输入，解算出期望输入u(k)；所述遗忘因子式MFAC航向控制器是在MFAC航向控制器的基础上，引入遗忘因子β，用β×u(k-1)代替MFAC航向控制器中的u(k-1)；
步骤四：将期望输入指令下达到执行机构，执行机构执行期望输入指令，同时在外界环境干扰共同作用下，水中航行器不断调整航向，并转到步骤二，直到水中航行器航向稳定收敛到期望航向。
1、所述期望航向状态指令包括水中航行器期望航向ψ*和期望航向角速度r*。
2、所述实际航向状态包括水中航行器航向ψ和航向角速度r。
3、步骤三具体包括：
其中η∈(0,1]，μ＞0为权重系数，β为遗忘因子且β∈(0,1]φ(k)为伪偏导数，为伪偏导数估计值；当|Δu(k-1)|≤ε或或时
4、β为小于1的正数。
本发明提供了一种水中航行器用遗忘因子式无模型自适应的航向控制方法。本发明在MFAC控制算法的基础上引入遗忘因子β，用β×u(k-1)代替u(k-1)其中β为小于1的正的可调参数，从而降低了上一时刻期望输入对当前期望输入u(k)的影响，遗忘因子β不仅可以降低历史数据对当前数据的影响，还可以根据航向偏差绝对值的大小动态调节这种影响程度。当航向偏差较大时，取适当的β值增加历史数据对当前控制器解算出的数据的影响程度，加快水中航行器航向的收敛速度，当航向偏差变小时通过改变β的值降低这种影响程度，从而避免航向出现大的超调或震荡现象。本发明适用于潜水器，水面无人艇等各种水中航行装备。
附图说明
图1是本发明的航向系统整体框图；
图2是本发明的流程图。
具体实施方式
下面举例对本发明做更详细的描述。
结合图1，本发明的航向系统模型，首先向水中航行器下达期望航向状态指令即y*(k)(包括水中航行器期望航向ψ*和期望航向角速度r*等信息)。水中航行器通过罗经测得此刻水中航行器的实际航向状态y(k)(包括水中航行器航向ψ和航向角速度r等信息)，并计算误差的绝对值e(k)，作为遗忘因子式MFAC控制器的输入，控制器解算出期望输入u(k)，水中航行器的执行机构(舵机或速度差动等模式)执行期望输入指令，在外界环境的干扰下水中航行器的实际航向发生改变，通过磁罗经测得此时水中航行器的实际航向并计算此时航向误差的绝对值。重复上述过程，不断更新期望输入，直到水中航行器的实际航向稳定收敛到期望航向。
结合图2，本发明的控制方法流程的具体实现步骤如下：
步骤一：在MFAC控制算法的基础上引入遗忘因子β，用β×u(k-1)代替u(k-1)，其中β为小于1的正的可调参数。
步骤二：向水中航行器下达期望航向状态指令即y*(k)(包括水中航行器期望航向ψ*和期望航向角速度r*等信息)。
步骤三：水中航行器通过罗经测得此刻水中航行器的实际航向状态y(k)(包括水中航行器航向ψ和航向角速度r等信息)，并计算误差的绝对值e(k)，若e(k)小于一个期望常数e0，且稳定一段时间，则认为实际水中航行器实际航向稳定收敛到期望航向并结束循环，否则进入步骤四。
步骤四：将e(k)输入到遗忘因子式MFAC控制器，此处以遗忘因子紧格式无模型自适应控制(compact format dynamic linearization model free adaptive control,CFDL_MFAC)算法为例，遗忘因子CFDL_MFAC航向控制算法如下，通过下面的控制算法，解算出期望输入u(k)。
其中η∈(0,1]，μ＞0为权重系数，β∈(0,1]为遗忘因子，φ(k)为伪偏导数，为伪偏导数估计值，当|Δu(k-1)|≤ε或或时
步骤五：将期望输入指令下达到执行机构(舵机或速度差动等驱动模式)，执行机构执行期望输入指令，同时在外界环境干扰共同作用下，水中航行器不断调整航向，并转到步骤三,直到水中航行器航向稳定收敛到期望航向。
其中的稳定一定时间通常为20-30秒。
本发明的特点包括：
(1)在MFAC算法的基础上引入遗忘因子β，β∈(0,1]，用β*u(k-1)代替u(k-1)，从而降低了上一时刻期望输入对当前时刻期望输入u(k)的影响，解决了在将基本型MFAC算法直接应用于水中航行器航向控制时，存在的水中航行器航向严重超调和震荡的问题。
(2)遗忘因子β不仅可以降低历史数据对当前数据的影响，还可以根据航向偏差绝对值的大小动态调节这种影响程度。当航向偏差较大时，取适当的β值增加历史数据对当前控制器解算出的数据的影响程度，加快水中航行器航向的收敛速度，当航向偏差变小时通过改变β的值降低这种影响程度，从而避免航向出现大的超调或震荡。

Claims (5)

1.一种水中航行器用遗忘因子式无模型自适应航向控制方法，其特征是：
步骤一：向水中航行器下达期望航向状态指令y*(k)；
步骤二：水中航行器通过罗经测得当前水中航行器的实际航向状态y(k)，计算误差的绝对值e(k)，若e(k)小于一个期望常数e0、且稳定一段时间，则认为实际水中航行器实际航向稳定收敛到期望航向并结束循环，否则进入步骤三；
步骤三：将e(k)作为遗忘因子式MFAC航向控制器的输入，解算出期望输入u(k)；所述遗忘因子式MFAC航向控制器是在MFAC航向控制器的基础上，引入遗忘因子β，用β×u(k-1)代替MFAC航向控制器中的u(k-1)；
步骤四：将期望输入指令下达到执行机构，执行机构执行期望输入指令，同时在外界环境干扰共同作用下，水中航行器不断调整航向，并转到步骤二，直到水中航行器航向稳定收敛到期望航向。
2.根据权利要求1所述的水中航行器用遗忘因子式无模型自适应航向控制方法，其特征是：所述期望航向状态指令包括水中航行器期望航向ψ*和期望航向角速度r*。
3.根据权利要求1所述的水中航行器用遗忘因子式无模型自适应航向控制方法，其特征是：所述实际航向状态包括水中航行器航向ψ和航向角速度r。
4.根据权利要求1所述的水中航行器用遗忘因子式无模型自适应航向控制方法，其特征是：步骤三具体包括：
<mrow> <mover> <mi>&amp;phi;</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mover> <mi>&amp;phi;</mi> <mo>^</mo> </mover> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mrow> <mi>&amp;eta;</mi> <mi>&amp;Delta;</mi> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;mu;</mi> <mo>+</mo> <mi>&amp;Delta;</mi> <mi>u</mi> <msup> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <mrow> <mo>(</mo> <mi>&amp;Delta;</mi> <mi>y</mi> <mo>(</mo> <mi>k</mi> <mo>)</mo> <mo>-</mo> <mover> <mi>&amp;phi;</mi> <mo>^</mo> </mover> <mo>(</mo> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mi>&amp;Delta;</mi> <mi>u</mi> <mo>(</mo> <mrow> <mi>k</mi> <mo>-</mo> <mn>1</mn> </mrow> <mo>)</mo> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>&amp;beta;</mi> <mo>&amp;times;</mo> <mi>u</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>-</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <mrow> <mi>&amp;rho;</mi> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> <mrow> <mi>&amp;lambda;</mi> <mo>+</mo> <msup> <mrow> <mo>|</mo> <mi>&amp;phi;</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> </mrow> <mn>2</mn> </msup> </mrow> </mfrac> <mi>e</mi> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow>
其中η∈(0,1]，μ＞0为权重系数，β为遗忘因子且β∈(0,1]φ(k)为伪偏导数，为伪偏导数估计值；当|Δu(k-1)|≤ε或或时
5.根据权利要求4所述的水中航行器用遗忘因子式无模型自适应航向控制方法，其特征是：β为小于1的正数。
CN201810010308.2A 2018-01-05 2018-01-05 水中航行器用遗忘因子式无模型自适应航向控制方法 Pending CN107942688A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810010308.2A CN107942688A (zh) 2018-01-05 2018-01-05 水中航行器用遗忘因子式无模型自适应航向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810010308.2A CN107942688A (zh) 2018-01-05 2018-01-05 水中航行器用遗忘因子式无模型自适应航向控制方法

Publications (1)

Publication Number Publication Date
CN107942688A true CN107942688A (zh) 2018-04-20

Family

ID=61938357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810010308.2A Pending CN107942688A (zh) 2018-01-05 2018-01-05 水中航行器用遗忘因子式无模型自适应航向控制方法

Country Status (1)

Country Link
CN (1) CN107942688A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415257A (zh) * 2018-04-19 2018-08-17 清华大学 基于mfac的分布式电驱动车辆系统主动容错控制方法
CN108563113A (zh) * 2018-06-12 2018-09-21 哈尔滨工程大学 舰船用多回路无模型自适应艏向控制方法
CN109144066A (zh) * 2018-09-05 2019-01-04 哈尔滨工程大学 一种舰船用积分分离式pi型紧格式无模型自适应航向控制算法
CN109189075A (zh) * 2018-10-08 2019-01-11 哈尔滨工程大学 一种舰船用模糊遗忘因子无模型自适应航向控制方法
CN109254585A (zh) * 2018-10-08 2019-01-22 哈尔滨工程大学 一种舰船用输入输出数据融合的改进无模型自适应航向控制算法
CN109507885A (zh) * 2018-12-20 2019-03-22 中国海洋大学 基于自抗扰的无模型自适应auv控制方法
CN109765907A (zh) * 2019-03-05 2019-05-17 哈尔滨工程大学 一种舰船用pid无模型自适应航向控制算法
CN111338206A (zh) * 2020-04-23 2020-06-26 深圳市吉影科技有限公司 一种水下航行器的自动平衡方法及系统
CN117608199A (zh) * 2024-01-16 2024-02-27 湖南大学 一种预瞄机制下网络化多机器人数据驱动编队控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1121196A (zh) * 1994-09-08 1996-04-24 侯忠生 应用于工业控制中的无模型控制技术及无模型控制器
CN102331717A (zh) * 2011-10-10 2012-01-25 哈尔滨工程大学 一种船舶航速智能控制方法
US20120259437A1 (en) * 2011-04-08 2012-10-11 General Cybernation Group Inc. Model-free adaptive control of advanced power plants
CN105159078A (zh) * 2015-08-25 2015-12-16 大唐河北发电有限公司马头热电分公司 Nmc滑压控制方法
CN105227017A (zh) * 2015-10-27 2016-01-06 青岛远洋船员职业学院 一种针对船舶吊舱ssp推进器的高阶mfac的方法及系统
CN105487385A (zh) * 2016-02-01 2016-04-13 金陵科技学院 基于无模型自适应内模控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1121196A (zh) * 1994-09-08 1996-04-24 侯忠生 应用于工业控制中的无模型控制技术及无模型控制器
US20120259437A1 (en) * 2011-04-08 2012-10-11 General Cybernation Group Inc. Model-free adaptive control of advanced power plants
CN102331717A (zh) * 2011-10-10 2012-01-25 哈尔滨工程大学 一种船舶航速智能控制方法
CN105159078A (zh) * 2015-08-25 2015-12-16 大唐河北发电有限公司马头热电分公司 Nmc滑压控制方法
CN105227017A (zh) * 2015-10-27 2016-01-06 青岛远洋船员职业学院 一种针对船舶吊舱ssp推进器的高阶mfac的方法及系统
CN105487385A (zh) * 2016-02-01 2016-04-13 金陵科技学院 基于无模型自适应内模控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨天奇: "三容水箱液位无模型自适应控制的仿真与实验研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108415257B (zh) * 2018-04-19 2020-03-27 清华大学 基于mfac的分布式电驱动车辆系统主动容错控制方法
CN108415257A (zh) * 2018-04-19 2018-08-17 清华大学 基于mfac的分布式电驱动车辆系统主动容错控制方法
CN108563113A (zh) * 2018-06-12 2018-09-21 哈尔滨工程大学 舰船用多回路无模型自适应艏向控制方法
CN109144066A (zh) * 2018-09-05 2019-01-04 哈尔滨工程大学 一种舰船用积分分离式pi型紧格式无模型自适应航向控制算法
CN109144066B (zh) * 2018-09-05 2021-07-06 哈尔滨工程大学 一种舰船用积分分离式pi型紧格式无模型自适应航向控制算法
CN109189075A (zh) * 2018-10-08 2019-01-11 哈尔滨工程大学 一种舰船用模糊遗忘因子无模型自适应航向控制方法
CN109254585A (zh) * 2018-10-08 2019-01-22 哈尔滨工程大学 一种舰船用输入输出数据融合的改进无模型自适应航向控制算法
CN109507885B (zh) * 2018-12-20 2020-09-25 中国海洋大学 基于自抗扰的无模型自适应auv控制方法
CN109507885A (zh) * 2018-12-20 2019-03-22 中国海洋大学 基于自抗扰的无模型自适应auv控制方法
CN109765907A (zh) * 2019-03-05 2019-05-17 哈尔滨工程大学 一种舰船用pid无模型自适应航向控制算法
CN109765907B (zh) * 2019-03-05 2022-04-05 哈尔滨工程大学 一种舰船用pid无模型自适应航向控制算法
CN111338206A (zh) * 2020-04-23 2020-06-26 深圳市吉影科技有限公司 一种水下航行器的自动平衡方法及系统
CN117608199A (zh) * 2024-01-16 2024-02-27 湖南大学 一种预瞄机制下网络化多机器人数据驱动编队控制方法
CN117608199B (zh) * 2024-01-16 2024-04-12 湖南大学 一种预瞄机制下网络化多机器人数据驱动编队控制方法

Similar Documents

Publication Publication Date Title
CN107942688A (zh) 水中航行器用遗忘因子式无模型自适应航向控制方法
Witkowska et al. Adaptive dynamic control allocation for dynamic positioning of marine vessel based on backstepping method and sequential quadratic programming
Zhang et al. Concise robust adaptive path-following control of underactuated ships using DSC and MLP
Tannuri et al. Dynamic positioning systems: An experimental analysis of sliding mode control
CN108319140B (zh) 一种重定义输出式无模型自适应航向控制方法及系统
CN108227483A (zh) 海洋运载器用pd型紧格式无模型自适应航速控制方法
Zhang et al. Practical robust neural path following control for underactuated marine vessels with actuators uncertainties
CN102183957A (zh) 船舶航向变论域模糊与最小二乘支持向量机复合控制方法
CN106054884A (zh) 基于神经网络的l1自适应船舶动力定位双环控制系统
Witkowska et al. Nonlinear backstepping ship course controller
Øvereng et al. Dynamic positioning using deep reinforcement learning
CN109254585A (zh) 一种舰船用输入输出数据融合的改进无模型自适应航向控制算法
CN109885096A (zh) 一种基于Lyapunov-MPC技术的自主水下机器人路径跟踪闭环控制方法
Tang et al. Robust fixed-time trajectory tracking control of the dynamic positioning ship with actuator saturation
Saoud et al. Modeling and control design of a robotic sailboat
CN109765907A (zh) 一种舰船用pid无模型自适应航向控制算法
Kula et al. Control system of training ship keeping the desired path consisting of straight-lines and circular arcs
Liu et al. LMI-based model predictive control for underactuated surface vessels with input constraints
MuñOz et al. The predictive functional control and the management of constraints in GUANAY II autonomous underwater vehicle actuators
Wang et al. High-order sliding mode attitude controller design for reentry flight
Lyngstadaas Ship motion control concepts considering actuator constraints
CN109116727A (zh) 一种基于低通滤波器的pid型一阶全格式无模型自适应航速控制算法
Ngongi et al. Design of generalised predictive controller for dynamic positioning system of surface ships
Yuan et al. Combined depth and heading control and experiment of ROV under the influence of residual buoyancy, current disturbance, and control dead zone
Wang et al. A model-based decoupling method for surge speed and heading control in vessel path following

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination