CN108267955A - 面向无人艇自主靠泊的运动控制方法 - Google Patents

面向无人艇自主靠泊的运动控制方法 Download PDF

Info

Publication number
CN108267955A
CN108267955A CN201810044826.6A CN201810044826A CN108267955A CN 108267955 A CN108267955 A CN 108267955A CN 201810044826 A CN201810044826 A CN 201810044826A CN 108267955 A CN108267955 A CN 108267955A
Authority
CN
China
Prior art keywords
unmanned boat
speed
fuzzy
control
berthing
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
Application number
CN201810044826.6A
Other languages
English (en)
Other versions
CN108267955B (zh
Inventor
廖煜雷
贾知浩
张伟斌
李晔
陈启贤
张伟
王磊峰
王博
庄佳园
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 CN201810044826.6A priority Critical patent/CN108267955B/zh
Publication of CN108267955A publication Critical patent/CN108267955A/zh
Application granted granted Critical
Publication of CN108267955B publication Critical patent/CN108267955B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0275—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic only

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了面向无人艇自主靠泊的运动控制方法，属于无人艇自主靠泊运动控制领域。步骤为：根据无人艇当前的靠泊状态确定当前控制系统模式；获取当前无人艇的实际速度或航向，获得航向或航速的控制偏差和偏差变化率；将其作为模糊控制器输入，结合当前控制系统模式选择合适的控制参数变化量并更新控制参数；将e(t)作为控制器输入，由控制器输出期望控制指令传递给执行器。本发明在传统PID控制器上进行改进，将控制器分成了两种模式——远端模式和近岸模式，加入自适应模糊控制规则，使其根据靠泊行为改变进行控制参数的动态自适应调整，解决欠驱动无人艇自主靠岸时的弱机动，大扰动以及强岸壁效应等影响下的运动控制难题。

Description

面向无人艇自主靠泊的运动控制方法
技术领域
本发明属于无人艇自主靠泊运动控制领域，具体涉及面向无人艇自主靠泊的运动控制方法。
背景技术
无人艇是一种非线性的欠驱动控制系统，在自主靠泊时不仅面临着较大的环境干扰，还要受到因速度低导致的舵效差、因岸壁效应导致的扰动大等不利影响，因此对无人艇的自主靠泊控制是无人艇自动控制领域的一大难题。
公开日2017年7月21日，公开号CN106970636A，发明名称为“一种用于控制飞行器速率的控制系统及其控制方法”的专利申请用于控制飞行器速率，其控制系统包含常规PID控制器、模糊PID控制器和权重分配模块，其中的权重分配模块根据实际飞行环境对常规PID控制器和模糊PID控制器进行权重分配，实现二者的有效结合，在常态飞行时能够保证飞行的稳定性，在突发情况时能够提高自适应性。
但是飞行器的动力学特性及其所处工作环境与无人艇都显著不同，因此该方法不适用于无人艇的运动控制。
公开日2013年1月9日，公开号CN202663351U，发明名称为“基于模糊自适应PID控制器的伺服电机转速控制系统”的专利申请，系统包括位置模糊自适应PID控制器、速度模糊自适应PID控制器和电流模糊自适应PID控制器，响应快，超调少，精度高，参数自适应能力强，具有较好的抗干扰性和动态特性。
但该控制系统把电机作为研究对象，没有考虑无人艇动态靠泊行为变化的影响，在控制方法上同样缺乏针对性，无法直接应用于无人艇系统在低航速、环境力扰动下的高精度控制。
文献“基于模糊PID的水下机器人运动控制”中，尹梦舒等人提出一种基于模糊PID的控制器来解决水下机器人的纵向潜浮运动控制问题，同时在WEBOTS仿真环境中进行了仿真测试，并进行了真实环境的试验验证。
该方法虽然经过了试验验证，但是水下机器人做潜浮运动的工作环境相对无人艇的自主靠泊任务较为稳定，环境扰动较小；且该方法无法根据机器人工作时的具体情况对控制参数进行自适应在线调整，因此难以直接应用于无人艇的自主靠泊控制中。
总而言之，无人艇自主靠泊控制的难点在于：(1)在自主靠泊过程的远码头阶段，无人艇航速较高，此时如果不能保证控制器的稳定性和实时性，就无法在有限的时间内对无人艇的航速、航向进行有效控制，最终导致靠泊任务失败甚至发生事故。(2)而在码头末端的近岸阶段，无人艇的航速与航向则要尽可能地避免出现“超调”现象。对于航速而言，码头末端航速很低，假如出现超调，容易引起较大的轨迹跟踪误差(即实际轨迹震荡)，进而导致期望艏向出现“180度大反转”的现象；对于航向而言，由于航速低导致舵效差，航向一旦超调，在极其有限的空间内难以进行艏向修正；而且泊位一般距离岸边很近，艏向超调易于导致无人艇撞上码头，发生事故。而传统的PID控制器是一种基于离线数据的数据驱动控制算法，无法根据实际情况进行在线调整，其运动控制性能难以保证。
发明内容
本发明的目的在于提供一种分别针对不同的控制要求对模糊控制器的参数进行在线自适应调节的面向无人艇自主靠泊的运动控制方法。
本发明的目的通过如下技术方案来实现：
面向无人艇自主靠泊的运动控制方法，包括以下步骤：
(1)由系统获取当前的期望速度u_expect(t)和当前的实际速度u_actual(t)，利用公式
计算出实际速度与期望速度之间的偏差e和偏差率其中t为控制器的步长，转步骤(2)；
(2)判断当前期望速度u_expect(t)是否大于阈值u，是则选用远端模糊规则，否则选用近岸模糊规则，转步骤(3)；
其中阈值u根据LOS视距制导法获得，即u＝f(Δr)其中Δr是用来调整无人艇航速的因数，无人艇在与最终目标点接近的过程中，航速的控制模型定义为下式：
式中：Vt表示无人艇t时刻的速度大小，r表示无人艇到目标点的视线距离，假设Δr取5，表示速度Vt下降为0.5米每秒时无人艇距离目标点的距离为5米。
当r足够大，即无人艇距离目标点较远时，Vt基本上等于Vmax，所以将此时定义为远端阶段，而当r逐渐下降到与Δr在同一量级时，Vt越来越小直至减小到0，此阶段定义为近岸阶段，本发明令阈值u等于0.8m/s。
(3)根据步骤(2)中选取的模糊规则，将步骤(1)中得到的偏差e和偏差率作为模糊规则输入，经过模糊化，模糊调整和解模糊后输出PID控制参数改变量ΔKp,ΔKi,ΔKd，利用公式
更新Kp,Ki,Kd参数，式中K'p,K'i,K'd为上一个控制节拍下的控制参数，转步骤(4)；
(4)将偏差e和新的控制参数带入PID控制器，解算出所需的推进器电机电压值输出给电机，返回步骤(1)；
本发明将e，ΔKp，ΔKi，ΔKd的模糊论域均定义为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}，为了确保模糊控制器的精度要求，将控制器输入、输出都划分为七档{NB，NM，NS，ZO，PS，PM，PB}，分别表示负大、负中、负小、零、正小、正中、正大，模糊隶属度函数选择应用较为普遍的三角型隶属度函数，采用面积中心平均法作为解模糊化的方法。
①远端模式模糊规则的确定
根据以上的参数整定原则，采用MAMDANI推理模型，同时结合输入/输出变量以及隶属度曲线的确定，分析人的实际丰富操纵经验可以产生如下一系列的航向、航速控制规则语言：
If e is NB andis NB,then u is PB
......
If e is PB andis PB,then u is NB
得到调整Kp，Ki，Kd三个参数的修正量ΔKp，ΔKi，ΔKd的模糊规制表。
②近岸模式规则表的确定
在控制系统中，响应速度慢是影响系统性能的一个主要因素，但是对于无人艇靠泊过程中对码头末端速度和航向的控制，快速响应相对于超调来说就没那么重要。
因此从限制超调现象出现出发，尽可能的使无人艇航向、航速快速响应，得到调整Kp，Ki，Kd三个参数的修正量ΔKp，ΔKi，ΔKd的模糊规制表。
本发明的有益效果在于：
本发明针对无人艇自主靠泊时的运动控制问题，将控制器分成两种模式，分别针对不同的控制要求对模糊控制器的参数进行在线自适应调节，在靠泊过程的远端阶段具有良好的稳定性和实时性，而在靠泊过程的近岸阶段又具有较强的鲁棒性并能够有效地防止超调，从而实现对无人艇自主靠泊的有效控制，该控制方法在仿真和试验下均得到了有效验证。
附图说明
图1为无人艇运动控制系统框图；
图2为运动控制流程图；
图3为通过视线距离控制速度曲线图；
图4为自适应改进模糊PID控制器结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
结合图1，向无人艇传递控制期望值即[Ψq]，利用惯导测得无人艇当前的实际值[Ψmh]，计算误差绝对值e(k)，作为自适应改进模糊PID控制器的输入，并由控制器解算出期望指令u(k)(期望电压或期望转速或期望推力)本发明以期望电压为例，无人艇动力机构接收并执行期望电压指令，从而改变无人艇运动状态，并通过惯导测得下一时刻无人艇的航速或航向，与期望值做差并取绝对值，并作为自适应改进模糊PID控制器下一时刻的输入。同时考虑到环境干扰对无人艇运动控制的影响，重复上述过程直到无人艇稳定到期望状态。
结合图2，表述了本发明的控制系统流程图，具体实现步骤如下：
(1)由系统获取当前的期望速度u_expect(t)和当前的实际速度u_actual(t)，利用公式
计算出实际速度与期望速度之间的偏差e和偏差率其中t为控制器的步长，转步骤(2)；
(2)判断当前期望速度u_expect(t)是否大于阈值u，是则选用远端模糊规则，否则选用近岸模糊规则，转步骤(4)；
其中阈值u根据LOS视距制导法获得，即u＝f(Δr)其中Δr是用来调整无人艇航速的因数，无人艇在与最终目标点接近的过程中，航速的控制模型定义为下式：
式中：Vt表示无人艇t时刻的速度大小，r表示无人艇到目标点的视线距离，如图3所示速度曲线图，假设Δr取5，表示速度Vt下降为0.5米每秒时无人艇距离目标点的距离为5米。
当r足够大，即无人艇距离目标点较远时，Vt基本上等于Vmax，所以将此时定义为远端阶段，而当r逐渐下降到与Δr在同一量级时，Vt越来越小直至减小到0，此阶段定义为近岸阶段，本发明令阈值u等于0.8m/s。
(3)根据步骤(2)中选取的模糊规则，将步骤(1)中得到的偏差e和偏差率作为模糊规则输入，经过模糊化，模糊调整和解模糊后输出PID控制参数改变量ΔKp,ΔKi,ΔKd，利用公式
更新Kp,Ki,Kd参数，式中K'p,K'i,K'd为上一个控制节拍下的控制参数，具体结构如图4所示，转步骤(4)；
(4)将偏差e和新的控制参数带入PID控制器，解算出所需的推进器电机电压值输出给电机，返回步骤(1)；
本发明将e，ΔKp，ΔKi，ΔKd的模糊论域均定义为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}，为了确保模糊控制器的精度要求，将控制器输入、输出都划分为七档{NB，NM，NS，ZO，PS，PM，PB}，分别表示负大、负中、负小、零、正小、正中、正大，模糊隶属度函数选择应用较为普遍的三角型隶属度函数，采用面积中心平均法作为解模糊化的方法。
(a)远端模式模糊规则的确定
根据以上的参数整定原则，采用MAMDANI推理模型，同时结合输入/输出变量以及隶属度曲线的确定，分析人的实际丰富操纵经验可以产生如下一系列的航向、航速控制规则语言：
If e is NB andis NB,then u is PB
......
If e is PB andis PB,then u is NB
得到调整Kp，Ki，Kd三个参数的修正量ΔKp，ΔKi，ΔKd的模糊规制表如下：
表1远端模式ΔKp的控制规则表
表2远端模式ΔKi的控制规则表
表3远端模式ΔKd的控制规则表
(b)近岸模式规则表的确定
在控制系统中，响应速度慢是影响系统性能的一个主要因素，但是对于无人艇靠泊过程中对码头末端速度和航向的控制，快速响应相对于超调来说就没那么重要。
因此从限制超调现象出现出发，尽可能的使无人艇航向、航速快速响应，得到调整Kp，Ki，Kd三个参数的修正量ΔKp，ΔKi，ΔKd的模糊规制表如表4、表5、表6所示。
表4码头末端ΔKp的模糊规制表
表5码头末端ΔKi的模糊规制表
表6码头末端ΔKd的模糊规制表
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.面向无人艇自主靠泊的运动控制方法，其特征在于，包括以下步骤：
(1)由系统获取当前的期望速度u_expect(t)和当前的实际速度u_actual(t)，利用公式计算出实际速度与期望速度之间的偏差e和偏差率
(2)判断当前航速的期望值uq(t)是否大于阈值u，是则选用远端模糊规则，否则选用近岸模糊规则；
(3)根据步骤(2)中选取的模糊规则，将步骤(1)中得到的偏差e和偏差率作为模糊规则输入，经过模糊化，模糊调整和解模糊后输出PID控制参数改变量ΔKp,ΔKi,ΔKd，利用公式更新Kp,Ki,Kd参数；
(4)将偏差e和新的控制参数带入PID控制器，解算出期望控制指令并传递给执行器(如：电机或舵机)，同时令t＝t+1，返回步骤(1)。
2.根据权利要求1所述的面向无人艇自主靠泊的运动控制方法，其特征在于，步骤(1)所述的计算实际速度与期望速度之间的偏差e和偏差率采用公式：
e＝u_except(t)-u_actual(t)
其中，t为控制器的步长。
3.根据权利要求1所述的面向无人艇自主靠泊的运动控制方法，其特征在于，步骤(2)所述的阈值u根据LOS视距制导法获得，即u＝f(Δr)其中Δr是用来调整无人艇航速的因数，无人艇在与最终目标点接近的过程中，航速的控制模型定义为下式：
式中：Vt表示无人艇t时刻的速度大小，r表示无人艇到目标点的视线距离。
4.根据权利要求1，3所述的面向无人艇自主靠泊的运动控制方法，其特征在于，本发明令阈值u等于0.8m/s。
5.根据权利要求1所述的面向无人艇自主靠泊的运动控制方法，其特征在于，步骤(3)所述的更新Kp,Ki,Kd参数采用公式：
其中，K'p,K'i,K'd为上一个控制节拍下的控制参数。
6.根据权利要求1，5所述的面向无人艇自主靠泊的运动控制方法，其特征在于，本发明将e,ΔKp,ΔKi,ΔKd的模糊论域均定义为{-6,-5,-4,-3,-2,-1,0,1,2,3,4,5,6}，为了确保模糊控制器的精度要求，将控制器输入、输出都划分为七档{NB，NM，NS，ZO，PS，PM，PB}，分别表示负大、负中、负小、零、正小、正中、正大，模糊隶属度函数选择应用较为普遍的三角型隶属度函数，采用面积中心平均法作为解模糊化的方法。
7.根据权利要求6所述的面向无人艇自主靠泊的运动控制方法，其特征在于，
(a)远端模式模糊规则的确定
根据以上的参数整定原则，采用MAMDANI推理模型,同时结合输入/输出变量以及隶属度曲线的确定，分析人的实际丰富操纵经验可以产生如下一系列的航向、航速控制规则语言：
If e is NB andis NB,then u is PB
......
If e is PB andis PB,then u is NB
得到调整Kp，Ki，Kd三个参数的修正量ΔKp，ΔKi，ΔKd的模糊规制表；
(b)近岸模式规则表的确定
从限制超调现象出现出发，尽可能的使无人艇航向、航速快速响应，得到调整Kp，Ki，Kd三个参数的修正量ΔKp，ΔKi，ΔKd的模糊规制表。
CN201810044826.6A 2018-01-17 2018-01-17 面向无人艇自主靠泊的运动控制方法 Active CN108267955B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810044826.6A CN108267955B (zh) 2018-01-17 2018-01-17 面向无人艇自主靠泊的运动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810044826.6A CN108267955B (zh) 2018-01-17 2018-01-17 面向无人艇自主靠泊的运动控制方法

Publications (2)

Publication Number Publication Date
CN108267955A true CN108267955A (zh) 2018-07-10
CN108267955B CN108267955B (zh) 2021-03-30

Family

ID=62775857

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810044826.6A Active CN108267955B (zh) 2018-01-17 2018-01-17 面向无人艇自主靠泊的运动控制方法

Country Status (1)

Country Link
CN (1) CN108267955B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109062058A (zh) * 2018-09-26 2018-12-21 大连海事大学 基于自适应模糊最优控制的船舶航向轨迹跟踪设计方法
CN109062236A (zh) * 2018-09-01 2018-12-21 哈尔滨工程大学 波浪滑翔器自适应浮体艏向控制方法
CN109283842A (zh) * 2018-08-02 2019-01-29 哈尔滨工程大学 一种无人艇航迹跟踪智能学习控制方法
CN109828570A (zh) * 2019-02-18 2019-05-31 哈尔滨工程大学 一种自适应边界层水面无人艇控制导引方法
CN110426958A (zh) * 2019-08-06 2019-11-08 大连海事大学 无人船艇航行控制方法、系统、存储介质及计算机设备
CN110632920A (zh) * 2019-08-29 2019-12-31 上海海事大学 一种无人船控制方法
CN110673598A (zh) * 2019-09-29 2020-01-10 哈尔滨工程大学 一种水面无人艇智能路径跟踪控制方法
CN111324132A (zh) * 2020-04-29 2020-06-23 上海海事大学 一种基于坐标补偿的智能船舶自动靠泊控制方法
CN112051732A (zh) * 2020-08-07 2020-12-08 集美大学 一种考虑岸壁效应的航标船自适应神经网络分数阶滑模控制系统及方法
CN112947494A (zh) * 2021-04-22 2021-06-11 中国船舶重工集团公司第七0七研究所九江分部 一种基于模糊pid的船舶自动靠泊控制方法
CN115202366A (zh) * 2022-08-11 2022-10-18 中国船舶集团有限公司第七一六研究所 一种基于环境感知的无人艇自主靠泊方法及系统
CN116165958A (zh) * 2023-04-25 2023-05-26 舜泰汽车有限公司 一种两栖特种无人平台的自动驾驶系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4200052A (en) * 1976-12-14 1980-04-29 The Secretary of State for Industry in Her Britannic Majesty's Government of the United Kingdon of Great Britain and Northern Ireland Systems for controlling the position of a moored floating vessel
JPH07228486A (ja) * 1994-02-16 1995-08-29 Mitsubishi Heavy Ind Ltd ファジイ制御型係船装置
JPH10203472A (ja) * 1997-01-24 1998-08-04 Mitsubishi Heavy Ind Ltd 係船索調整式船位保持装置
CN104850122A (zh) * 2015-05-13 2015-08-19 上海海事大学 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
CN106325064A (zh) * 2016-11-07 2017-01-11 哈尔滨工程大学 一种无人艇航速与航向控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4200052A (en) * 1976-12-14 1980-04-29 The Secretary of State for Industry in Her Britannic Majesty's Government of the United Kingdon of Great Britain and Northern Ireland Systems for controlling the position of a moored floating vessel
JPH07228486A (ja) * 1994-02-16 1995-08-29 Mitsubishi Heavy Ind Ltd ファジイ制御型係船装置
JPH10203472A (ja) * 1997-01-24 1998-08-04 Mitsubishi Heavy Ind Ltd 係船索調整式船位保持装置
CN104850122A (zh) * 2015-05-13 2015-08-19 上海海事大学 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
CN106325064A (zh) * 2016-11-07 2017-01-11 哈尔滨工程大学 一种无人艇航速与航向控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DAEYEONG LIM，等: "Improvement performance of marine vehicle’s autopilot using Piecewise Fuzzy control", 《SICE ANNUAL CONFERENCE 2010》 *
李铭，等: "模糊PID控制算法在气缸位置伺服控制中的应用", 《机床与液压》 *
董早鹏: "无人艇运动模糊控制技术研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109283842A (zh) * 2018-08-02 2019-01-29 哈尔滨工程大学 一种无人艇航迹跟踪智能学习控制方法
CN109283842B (zh) * 2018-08-02 2022-01-07 哈尔滨工程大学 一种无人艇航迹跟踪智能学习控制方法
CN109062236B (zh) * 2018-09-01 2021-04-20 哈尔滨工程大学 波浪滑翔器自适应浮体艏向控制方法
CN109062236A (zh) * 2018-09-01 2018-12-21 哈尔滨工程大学 波浪滑翔器自适应浮体艏向控制方法
CN109062058A (zh) * 2018-09-26 2018-12-21 大连海事大学 基于自适应模糊最优控制的船舶航向轨迹跟踪设计方法
CN109828570A (zh) * 2019-02-18 2019-05-31 哈尔滨工程大学 一种自适应边界层水面无人艇控制导引方法
CN109828570B (zh) * 2019-02-18 2021-10-01 哈尔滨工程大学 一种自适应边界层水面无人艇控制导引方法
CN110426958A (zh) * 2019-08-06 2019-11-08 大连海事大学 无人船艇航行控制方法、系统、存储介质及计算机设备
CN110632920A (zh) * 2019-08-29 2019-12-31 上海海事大学 一种无人船控制方法
CN110673598A (zh) * 2019-09-29 2020-01-10 哈尔滨工程大学 一种水面无人艇智能路径跟踪控制方法
CN110673598B (zh) * 2019-09-29 2022-10-25 哈尔滨工程大学 一种水面无人艇智能路径跟踪控制方法
CN111324132A (zh) * 2020-04-29 2020-06-23 上海海事大学 一种基于坐标补偿的智能船舶自动靠泊控制方法
CN111324132B (zh) * 2020-04-29 2022-12-27 上海海事大学 一种基于坐标补偿的智能船舶自动靠泊控制方法
CN112051732A (zh) * 2020-08-07 2020-12-08 集美大学 一种考虑岸壁效应的航标船自适应神经网络分数阶滑模控制系统及方法
CN112947494A (zh) * 2021-04-22 2021-06-11 中国船舶重工集团公司第七0七研究所九江分部 一种基于模糊pid的船舶自动靠泊控制方法
CN115202366A (zh) * 2022-08-11 2022-10-18 中国船舶集团有限公司第七一六研究所 一种基于环境感知的无人艇自主靠泊方法及系统
CN116165958A (zh) * 2023-04-25 2023-05-26 舜泰汽车有限公司 一种两栖特种无人平台的自动驾驶系统

Also Published As

Publication number Publication date
CN108267955B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
CN108267955A (zh) 面向无人艇自主靠泊的运动控制方法
CN109976349B (zh) 一种含约束无人船的路径跟踪制导与控制结构的设计方法
CN110673598B (zh) 一种水面无人艇智能路径跟踪控制方法
Burns The use of artificial neural networks for the intelligent optimal control of surface ships
CN108594639B (zh) 一种基于强化学习的全垫升气垫船航迹跟踪控制方法
CN103558854B (zh) 一种风帆助航船舶航向控制方法及系统
CN109283842A (zh) 一种无人艇航迹跟踪智能学习控制方法
CN108427406A (zh) 一种基于预测控制的舰载机着舰控制及艉流抑制方法
Sun et al. Adaptive path following control for wave gliders in time-varying environment
CN109656142B (zh) 一种无人艇的串级结构无模型自适应制导方法
Kragelund et al. Adaptive speed control for autonomous surface vessels
Zhang et al. Adaptive self-regulation PID control of course-keeping for ships
CN114967702A (zh) 一种无人艇控制系统及路径跟踪方法
CN108717263A (zh) 波浪滑翔器多体艏向融合的无模型自适应航向控制方法
Shao et al. Sideslip angle observation-based LOS and adaptive finite-time path following control for sailboat
Xiao et al. Research on Multi-mode control system and autonomous cruise method for unmanned surface vehicles
McGookin et al. The optimization of a tanker autopilot control system using genetic algorithms
CN113805598B (zh) 一种面向欠驱动auv的航行控制方法
Nayak et al. Heading plane control of an autonomous underwater vehicle: A novel fuzzy and model reference adaptive control approach
Yu et al. Automatic ship handling of the maritime search mission using a self-tuning fuzzy gain scheduling PD controller
Zalewski 13. Path Following Problem for a DP Ship Simulation Model
Hearn et al. Comparison of SISO and SIMO neural control strategies for ship track keeping
Jiang et al. Safe Navigation of Unmanned Ship Based on Particle Swarm Optimization Algorithm
Yongqiang et al. Ship intelligent autopilot in narrow water
Guan et al. Motorized buoy path following based on improved LOS algorithm and Aquila Optimizer algorithm

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