CN108170151A - 一种水下机器人的自适应运动控制装置及其方法 - Google Patents
一种水下机器人的自适应运动控制装置及其方法 Download PDFInfo
- Publication number
- CN108170151A CN108170151A CN201710607763.6A CN201710607763A CN108170151A CN 108170151 A CN108170151 A CN 108170151A CN 201710607763 A CN201710607763 A CN 201710607763A CN 108170151 A CN108170151 A CN 108170151A
- Authority
- CN
- China
- Prior art keywords
- module
- underwater robot
- outer shroud
- nonlinear
- underwater
- 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.)
- Granted
Links
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000035935 pregnancy Effects 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 230000007246 mechanism Effects 0.000 claims description 6
- 238000005312 nonlinear dynamic Methods 0.000 claims description 3
- 238000000465 moulding Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000013461 design Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000011800 void material Substances 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
- G05D1/04—Control of altitude or depth
- G05D1/06—Rate of change of altitude or depth
- G05D1/0692—Rate of change of altitude or depth specially adapted for under-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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种水下机器人自适应运动控制装置及其方法,包括内环控制模块和外环控制模块,外环控制模块对期望信号进行跟踪,内环控制模块对外环控制模块的虚拟控制律进行跟踪;所述外环控制模块中加入干扰补偿项和输入不确定性补偿项,外环控制模块基于模糊逻辑模块的模糊逻辑的和动态信号生成模块的动态信号构建非线性自适应补偿模块;其中基于非线性自适应补偿模块构建执行机构非线性模块,基于执行机构非线性模块构建水下机器人动力学模型,基于水下机器人动力学模型构建水下机器人运动学模型。能够保证机器人在水下复杂环境中实现期望的轨迹和姿态跟踪,同时很好的处理执行机构中存在的死区等非线性特性。
Description
技术领域
本发明属于水下机器人运动控制技术领域,涉及一种多执行机构水下机器人的自适应运动控制;具体涉及一种水下机器人自适应运动控制装置;还涉及一种水下机器人自适应运动控制方法。
背景技术
海洋蕴含着丰富的资源,目前合理利用、开发海洋资源对于人类社会的可持续发展将起到巨大的作用。水下机器人能够广泛应用于海洋救助与打捞、海洋石油开采、水下工程施工、深海资源调查、军事和国防建设等诸多方面,是人类进行深海资源的研究与开发的强有力的工具。水下机器人常常工作于复杂的水下环境中,受到水流、电磁等外部干扰的影响,其运动控制已成为当前的技术难题和热点问题之一。此外,由于工作在水下环境中,该类机器人的推进器和控制舵也常常呈现非线性特性和耦合特征,可能会降低运动控制的控制精度,甚至会引起系统失稳。
针对水下机器人的运动控制,人们已经提出了很多种控制方法。传统的PID控制方法具有结构简单、易于工程实现的优点,但是PID方法的参数难以调整,而且难以在复杂多变的环境下获得良好的控制效果。近年来,现代控制理论也在水下机器人的运动控制中取得了广泛应用。但是基于反馈线性化的控制方法算法较为复杂,会加重计算机的计算负担,难以在线实现。鲁棒控制方法虽然能够解决模型不确定性系统的控制问题,在保证系统稳定的同时能将干扰对系统性能的影响抑制在一定的水平之下。但是鲁棒方法的控制增益是根据不确定性的范数上界设计的,过于保守而且不能随着干扰变化而变化。
发明内容
本发明提供了一种水下机器人自适应运动控制装置,能够保证机器人在水下复杂环境中实现期望的轨迹和姿态跟踪,同时很好的处理执行机构中存在的死区等非线性特性。
本发明还提供了一种水下机器人自适应运动控制方法,基于自适应思想和反步控制策略,能够对多推进水下机器人执行机构死区非线性,水下环境干扰和未建模动态进行有效抑制。
本发明的技术方案是:一种水下机器人自适应运动控制装置,包括内环控制模块和外环控制模块,外环控制模块对期望信号进行跟踪,内环控制模块对外环控制模块的虚拟控制律进行跟踪;所述外环控制模块中加入干扰补偿项和输入不确定性补偿项,外环控制模块基于模糊逻辑模块的模糊逻辑的和动态信号生成模块的动态信号构建非线性自适应补偿模块;其中基于非线性自适应补偿模块构建执行机构非线性模块,基于执行机构非线性模块构建水下机器人动力学模型,基于水下机器人动力学模型构建水下机器人运动学模型。
更进一步的,本发明的特点还在于:
其中外环控制模型中水下环境干扰自适应补偿模块完成干扰补偿项,通过非线性反馈模块完成输入不确定性补偿项。
其中水下环境干扰自适应补偿模块、非线性反馈模块、动态信号生成模块和模糊逻辑模块共同构建控制分配模块,并且基于控制分配模块构建非线性自适应补偿模块。
本发明的另一技术方案是:一种水下机器人自适应运动控制方法,包括以下步骤:步骤1,构建水下机器人的运动学模型和动力学模型,并且构建水下机器人执行机构的非线性死区特性;步骤2,对未建模动态进行补偿,生成非线性动态补偿信号,其中未建模状态满足输入状态稳定性;步骤3,构建外环控制律和内环控制律,并且基于模糊逻辑构建外环虚拟控制律;步骤4,对水下机器人多执行机构的虚拟控制量进行控制分配。
更进一步的,本发明的特点还在于:
其中步骤1中还包括建立未建模状态下的动态方程。
其中步骤3还包括根据内环跟踪误差建立内环跟踪误差的动态方程。
其中步骤4还包括通过自适应补偿项克服由其自身带来的输入不确定性。
与现有技术相比,本发明的有益效果是:本发明从多执行机构水下机器人的运动学动力学角度出发,在存在未建模动态以及执行机构非线性的情形下,能够实现水下机器人的运动控制;控制器结构简单,不需要水动力的精确参数,能够减轻机器人的运算负荷;同时,该运动控制方法能够克服水下环境中存在各种干扰力和力矩,具备较强的鲁棒性和自适应性。通过该控制方法,能够辅助水下机器人完成海洋救助与打捞、海洋石油开采等诸多任务。
附图说明
图1为本发明控制装置的结构示意图;
图2为本发明控制方法执行机构死区非线性示意图。
图中:1为内环控制模块;2为外环控制模块;3为执行机构非线性模型;4为水下机器人动力学模型;5为水下机器人运动学模型;6为水下环境干扰自适应补偿模块;7为非线性反馈模块;8为动态信号生成模块;9为模糊逻辑模块;10为控制分配模块;11为非线性自适应补偿模块。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进一步说明。
本发明提供了一种水下机器人自适应运动控制装置,如图1所示,包括内环控制模块1和外环控制模块2;其中外环控制模块2通过动态信号生成模块8、模糊逻辑模块9、水下环境干扰自适应补偿模块6和非线性反馈模块7建立控制分配模块10;其中基于动态信号生成模块8生成的动态信号和模糊逻辑模块9的模糊逻辑设计模糊自适应补偿器,对水下机器人动态方程中未建模动态进行补偿;其中基于水下环境干扰自适应补偿模块6和非线性反馈模块7,加入干扰补偿项和输入不确定性补偿项对干扰和执行机构死区引起的输入不确定性进行处理。
其中基于控制分配模块10构建非线性自适应补偿模块11,基于非线性自适应补偿模块11构建执行机构非线性模块3,基于执行机构非线性模块3构建水下机器人动力学模型4,基于水下机器人动力学模型4构建水下机器人运动学模型5。
本发明还提供了一种水下机器人自适应运动控制方法,改方法基于自适应反步思想和非线性动态信号。其具体实施过程包括以下步骤:
步骤1,构建多执行机构水下机器人的运动学模型和动力学模型,并且构建水下机器人执行机构的非线性死区特性;其中多执行机构水下机器人的运动学动力学模型可以构建为:
其中M为惯性矩阵,C(v)为科氏力和向心力矩阵,D(v)为水动力矩阵,g(η)为恢复力和力矩向量,N为执行机构个数,τd为外部干扰力和力矩,J(η)为转换矩阵,η表示水下机器人的位置和姿态向量,表示水下机器人的速度向量。表示水下机器人的第j个执行机构的控制输出向量,Bj表示第j个执行机构的控制分布矩阵。τ=[τ1 T,τ2 T,…,τN T]T。
为未建模的状态,代表由未建模动态引起的动态不确定性。未建模状态具有以下动态方程:
一般而言,存在未知光滑函数和满足:
考虑到水下执行机构工作时的复杂状况,将水下机器人执行机构的非线性死区特性构建如下:
其中mj,i,l(t)和mj,i,r(t)分别为第j个舵的第i个分量的死区特性的左右斜率;如图2所示,δj,i,l和δj,i,r分别为死区非线性的左右折点,τj,i,0(t)为该舵系统的输入,τj,i(t)为该舵系统的输出。定义:
则有:τj,i(t)=hj,i(t)τj,i,0(t)+δj,i(t) (6)
定义τj,0=[τj,1,0,τj,2,0,…,τj,n,0]T,hj=[hj,1,hj,2,…,hj,n]T,δj=[δj,1,δj,2,…,δj,n]T,那么方程(1)可以写为:
步骤2,未建模动态进行补偿,生成非线性动态补偿信号;其中未建模状态满足输入状态稳定性,因此存在Vω(ω)满足:
α1(ω)≤Vω(ω)≤α2(ω)
为了对未建模动态进行补偿,引入如下动态信号:
其中,易知,该动态信号满足Vω(ω(t))≤r(t)+D(t),其中D(t)对于所有t≥T0满足D(t)=0。
步骤3,构建外环控制律和内环控制律,并且基于模糊逻辑构建外环虚拟控制律。考虑到水下机器人运动学和动力学环节时间尺度的不同,将其动态方程分为内外两个环路。外环路实现对期望信号的跟踪,内环路实现对外环路虚拟控制律的跟踪。在外环实际控制律中,加入干扰补偿项和输入不确定性补偿项对外干扰和执行机构死区引起的输入不确定性进行处理,同时,基于模糊逻辑和前述动态信号,设计模糊自适应补偿器,对水下机器人动态方程的未建模动态进行补偿;其具体过程为:
假设期望信号为ηd,定义跟踪误差为eη=η-ηd,那么跟踪误差的动态方程为:
设计外环虚拟控制律为:其中k1>0为设计参数。进一步的,定义内环跟踪误差为ev=v-vvirtual,那么该内环跟踪误差的动态方程可表示为:
定义外环控制律为选择对V0进行求导可得:
考虑
其中
其中ε1,ε2为正常数。因为光滑函数和未知,而且C(v)和水动力矩阵D(v)也假设为未知,本发明引入模糊逻辑对其进行逼近。理想状态为:
其中,为未知参数矩阵,Nl为模糊逻辑的个数,为模糊逼近函数,其分量可以表示为
l=1,2,…,Nl。,为模糊近似误差,满足因此
其中
其中
于是得到
定义和δ的估计值为和设计外环虚拟控制律为:
其中k2>0为设计参数,得到:
步骤4,对水下机器人多执行机构的虚拟控制量进行控制分配;令τj,virtual=hjτj,0,针对该虚拟控制量进行控制分配。定义B=[B1,B2,…,BN]。考虑如下最优控制分配问题:
可以直接得到解为:τvirtual=BT[BBT]-1uvirtual (27)
于是,将式(25)重写为:
因为hj是时变未知的,所以无法直接根据τvirtual求得τj,0,需要设计自适应补偿项克服其带来的输入不确定性。定义使得得到:
定义Hj=1/inft≥0||hj||,设计实际控制律为:
于是:
进一步的:
得到:
选择最终Lyapunov函数为:
求导得到:
得到选择自适应律为:
从而使控制系统收敛,其中σδ,σH为正常数。
Claims (8)
1.一种水下机器人自适应运动控制装置,其特征在于,包括内环控制模块(1)和外环控制模块(2),外环控制模块(2)对期望信号进行跟踪,内环控制模块(1)对外环控制模块(2)的虚拟控制律进行跟踪;所述外环控制模块(2)中加入干扰补偿项和输入不确定性补偿项,外环控制模块(2)基于模糊逻辑模块(9)的模糊逻辑的和动态信号生成模块(8)的动态信号构建非线性自适应补偿模块(11);
基于非线性自适应补偿模块(11)构建执行机构非线性模块(3),基于执行机构非线性模块(3)构建水下机器人动力学模型(4),基于水下机器人动力学模型(4)构建水下机器人运动学模型(5)。
2.根据权利要求1所述的水下机器人自适应运动控制装置,其特征在于,所述外环控制模型(2)中水下环境干扰自适应补偿模块(6)完成干扰补偿项,通过非线性反馈模块(7)完成输入不确定性补偿项。
3.根据权利要求2所述的水下机器人自适应运动控制装置,其特征在于,所述水下环境干扰自适应补偿模块(6)、非线性反馈模块(7)、动态信号生成模块(8)和模糊逻辑模块(9)共同构建控制分配模块(10),并且基于控制分配模块(10)构建非线性自适应补偿模块(11)。
4.一种水下机器人自适应运动控制方法,其特征在于,包括以下步骤:
步骤1,构建水下机器人的运动学模型和动力学模型,并且构建水下机器人执行机构的非线性死区特性;
步骤2,对未建模动态进行补偿,生成非线性动态补偿信号,其中未建模状态满足输入状态稳定性;
步骤3,构建外环控制律和内环控制律,并且基于模糊逻辑构建外环虚拟控制律;
步骤4,对水下机器人多执行机构的虚拟控制量进行控制分配。
5.根据权利要求4所述的水下机器人自适应运动控制方法,其特征在于,所述步骤1中还包括建立未建模状态下的动态方程:其中v表示水下机器人的速度向量,ω表示水下机器人未建模的状态。
6.根据权利要求4或5任意一项所述的水下机器人自适应运动控制方法,其特征在于,所述步骤1中水下机器人的运动学模型和动力学模型为:
其中M为惯性矩阵,C(v)为科氏力和向心力矩阵,D(v)为水动力矩阵,g(η)为恢复力和力矩向量,N为执行机构个数,τd为外部干扰力和力矩,J(η)为转换矩阵,η表示水下机器人的位置和姿态向量,表示水下机器人的速度向量,表示水下机器人的第j个执行机构的控制输出向量,Bj表示第j个执行机构的控制分布矩阵;
其中水下机器人执行机构的非线性死区特性为:
其中mj,i,l(t)和mj,i,r(t)分别为第j个舵的第i个分量的死区特性的左右斜率;δj,i,l和δj,i,r分别为死区非线性的左右折点,τj,i,0(t)为该舵系统的输入,τj,i(t)为该舵系统的输出。
7.根据权利要求4所述的水下机器人自适应运动控制方法,其特征在于,所述步骤3还包括根据内环跟踪误差建立内环跟踪误差的动态方程:。
8.根据权利要求4所述的水下机器人自适应运动控制方法,其特征在于,所述步骤4还包括通过自适应补偿项克服由其自身带来的输入不确定性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710607763.6A CN108170151B (zh) | 2017-07-24 | 2017-07-24 | 一种水下机器人的自适应运动控制装置及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710607763.6A CN108170151B (zh) | 2017-07-24 | 2017-07-24 | 一种水下机器人的自适应运动控制装置及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108170151A true CN108170151A (zh) | 2018-06-15 |
CN108170151B CN108170151B (zh) | 2019-12-31 |
Family
ID=62526672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710607763.6A Active CN108170151B (zh) | 2017-07-24 | 2017-07-24 | 一种水下机器人的自适应运动控制装置及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108170151B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109018259A (zh) * | 2018-07-05 | 2018-12-18 | 上海查派机器人科技有限公司 | 机器人系统 |
CN109189080A (zh) * | 2018-11-12 | 2019-01-11 | 西北工业大学 | 基于模糊理论的多自主海洋航行器系统分布式控制方法 |
CN109976384A (zh) * | 2019-03-13 | 2019-07-05 | 厦门理工学院 | 一种自治水下机器人及路径跟随控制方法、装置 |
CN110379247A (zh) * | 2019-07-19 | 2019-10-25 | 武汉理工大学 | 一种多任务、多角色的rov协同训练仿真系统及方法 |
CN112306076A (zh) * | 2020-11-06 | 2021-02-02 | 西北工业大学 | 一种混合驱动水下机器人动力学模型建立方法 |
CN112650233A (zh) * | 2020-12-15 | 2021-04-13 | 大连海事大学 | 死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008116322A (ja) * | 2006-11-06 | 2008-05-22 | Mitsubishi Electric Corp | 非磁性サーボ機構磁力計 |
US7869910B1 (en) * | 2007-09-14 | 2011-01-11 | The United States Of America As Represented By The Secretary Of The Navy | Auto-catalytic oscillators for locomotion of underwater vehicles |
US20110076940A1 (en) * | 2009-09-25 | 2011-03-31 | Mark Rhodes | Underwater wireless communications hotspot |
CN102862666A (zh) * | 2011-07-08 | 2013-01-09 | 中国科学院沈阳自动化研究所 | 一种基于自适应ukf的水下机器人状态和参数联合估计方法 |
CN103412567A (zh) * | 2013-04-15 | 2013-11-27 | 上海大学 | 基于线性自抗扰技术的水下机器人深度控制装置和方法 |
CN103942383A (zh) * | 2014-04-17 | 2014-07-23 | 哈尔滨工程大学 | 一种深海作业型水下机器人的动力学和运动学估计方法 |
CN104022699A (zh) * | 2014-05-19 | 2014-09-03 | 江苏新绿能科技有限公司 | 无刷直流电机直接转矩控制方法 |
CN105717936A (zh) * | 2014-11-30 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种无缆自治水下机器人的潜浮控制方法 |
CN106054607A (zh) * | 2016-06-17 | 2016-10-26 | 江苏科技大学 | 水下检测与作业机器人动力定位方法 |
CN106708064A (zh) * | 2015-11-13 | 2017-05-24 | 中国科学院沈阳自动化研究所 | 一种水下机器人的垂直面控制方法 |
-
2017
- 2017-07-24 CN CN201710607763.6A patent/CN108170151B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008116322A (ja) * | 2006-11-06 | 2008-05-22 | Mitsubishi Electric Corp | 非磁性サーボ機構磁力計 |
US7869910B1 (en) * | 2007-09-14 | 2011-01-11 | The United States Of America As Represented By The Secretary Of The Navy | Auto-catalytic oscillators for locomotion of underwater vehicles |
US20110076940A1 (en) * | 2009-09-25 | 2011-03-31 | Mark Rhodes | Underwater wireless communications hotspot |
CN102862666A (zh) * | 2011-07-08 | 2013-01-09 | 中国科学院沈阳自动化研究所 | 一种基于自适应ukf的水下机器人状态和参数联合估计方法 |
CN103412567A (zh) * | 2013-04-15 | 2013-11-27 | 上海大学 | 基于线性自抗扰技术的水下机器人深度控制装置和方法 |
CN103942383A (zh) * | 2014-04-17 | 2014-07-23 | 哈尔滨工程大学 | 一种深海作业型水下机器人的动力学和运动学估计方法 |
CN104022699A (zh) * | 2014-05-19 | 2014-09-03 | 江苏新绿能科技有限公司 | 无刷直流电机直接转矩控制方法 |
CN105717936A (zh) * | 2014-11-30 | 2016-06-29 | 中国科学院沈阳自动化研究所 | 一种无缆自治水下机器人的潜浮控制方法 |
CN106708064A (zh) * | 2015-11-13 | 2017-05-24 | 中国科学院沈阳自动化研究所 | 一种水下机器人的垂直面控制方法 |
CN106054607A (zh) * | 2016-06-17 | 2016-10-26 | 江苏科技大学 | 水下检测与作业机器人动力定位方法 |
Non-Patent Citations (4)
Title |
---|
LEI QIAO: "Double-loop Chattering-free Adaptive Integral Sliding Mode Control for Underwater Vehicles", 《MTS/IEEE OCEANS 16, SHANGHAI CHINA》 * |
俞建成等: "基于模糊神经网络水下机器人直接自适应控制", 《自动化学报》 * |
孙茂相等: "动态补偿的水下机器人路径规划", 《机器人》 * |
张利军等: "水下机器人自适应输出反馈控制设计", 《中南大学学报(自然科学版)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109018259A (zh) * | 2018-07-05 | 2018-12-18 | 上海查派机器人科技有限公司 | 机器人系统 |
CN109018259B (zh) * | 2018-07-05 | 2020-06-12 | 上海查派机器人科技有限公司 | 机器人系统 |
CN109189080A (zh) * | 2018-11-12 | 2019-01-11 | 西北工业大学 | 基于模糊理论的多自主海洋航行器系统分布式控制方法 |
CN109189080B (zh) * | 2018-11-12 | 2021-04-20 | 西北工业大学 | 基于模糊理论的多自主海洋航行器系统分布式控制方法 |
CN109976384A (zh) * | 2019-03-13 | 2019-07-05 | 厦门理工学院 | 一种自治水下机器人及路径跟随控制方法、装置 |
CN109976384B (zh) * | 2019-03-13 | 2022-02-08 | 厦门理工学院 | 一种自治水下机器人及路径跟随控制方法、装置 |
CN110379247A (zh) * | 2019-07-19 | 2019-10-25 | 武汉理工大学 | 一种多任务、多角色的rov协同训练仿真系统及方法 |
CN112306076A (zh) * | 2020-11-06 | 2021-02-02 | 西北工业大学 | 一种混合驱动水下机器人动力学模型建立方法 |
CN112306076B (zh) * | 2020-11-06 | 2021-09-14 | 西北工业大学 | 一种混合驱动水下机器人动力学模型建立方法 |
CN112650233A (zh) * | 2020-12-15 | 2021-04-13 | 大连海事大学 | 死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法 |
CN112650233B (zh) * | 2020-12-15 | 2023-11-10 | 大连海事大学 | 无人船轨迹跟踪最优控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108170151B (zh) | 2019-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Finite-time formation control of under-actuated ships using nonlinear sliding mode control | |
Yu et al. | Finite-time PLOS-based integral sliding-mode adaptive neural path following for unmanned surface vessels with unknown dynamics and disturbances | |
CN108170151A (zh) | 一种水下机器人的自适应运动控制装置及其方法 | |
Chu et al. | Adaptive fuzzy sliding mode diving control for autonomous underwater vehicle with input constraint | |
Sun et al. | A bioinspired filtered backstepping tracking control of 7000-m manned submarine vehicle | |
Chen et al. | Adaptive neural control of uncertain MIMO nonlinear systems with state and input constraints | |
Kong et al. | Extended state observer-based controller with model predictive governor for 3-D trajectory tracking of underactuated underwater vehicles | |
CN111650832B (zh) | 一种水下多足步行机器人机械足姿态跟踪控制方法 | |
Dong et al. | Robust performance-prescribed attitude control of foldable wave-energy powered AUV using optimized backstepping technique | |
Tijjani et al. | Robust adaptive tracking control of underwater vehicles: Design, stability analysis, and experiments | |
Zhu et al. | A bio-inspired neurodynamics-based backstepping path-following control of an AUV with ocean current | |
Bian et al. | Three-dimensional coordination control for multiple autonomous underwater vehicles | |
Zhang et al. | Learning and near-optimal control of underactuated surface vessels with periodic disturbances | |
Zhang et al. | Disturbance observer-based composite neural learning path following control of underactuated ships subject to input saturation | |
Jinghua et al. | Design of RBF adaptive sliding mode controller for a supercavitating vehicle | |
Lv et al. | Robust state‐error port‐controlled Hamiltonian trajectory tracking control for unmanned surface vehicle with disturbance uncertainties | |
Feng et al. | Adaptive decentralized control for constrained strong interconnected nonlinear systems and its application to inverted pendulum | |
Mu et al. | Formation control strategy for underactuated unmanned surface vehicles subject to unknown dynamics and external disturbances with input saturation | |
Li et al. | Soft-switching proximate time optimal heading control for underactuated autonomous underwater vehicle | |
Dai et al. | Finite-time trajectory tracking for marine vessel by nonsingular backstepping controller with unknown external disturbance | |
Yan et al. | Robust MPC-based trajectory tracking of autonomous underwater vehicles with model uncertainty | |
Wang et al. | Adaptive online constructive fuzzy tracking control for unmanned surface vessel with unknown time-varying uncertainties | |
Sun et al. | A bio-inspired cascaded approach for three-dimensional tracking control of unmanned underwater vehicles | |
Ali et al. | State recovery and disturbance estimation-based fast trajectory tracking of autonomous surface vehicles: A finite-time approach | |
Liu et al. | Robust adaptive self‐structuring neural networks tracking control of unmanned surface vessels with uncertainties and time‐varying disturbances |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |