CN108563113B - 舰船用多回路无模型自适应艏向控制方法 - Google Patents

舰船用多回路无模型自适应艏向控制方法 Download PDF

Info

Publication number
CN108563113B
CN108563113B CN201810602151.2A CN201810602151A CN108563113B CN 108563113 B CN108563113 B CN 108563113B CN 201810602151 A CN201810602151 A CN 201810602151A CN 108563113 B CN108563113 B CN 108563113B
Authority
CN
China
Prior art keywords
heading
angular velocity
model
ship
control
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.)
Active
Application number
CN201810602151.2A
Other languages
English (en)
Other versions
CN108563113A (zh
Inventor
王磊峰
廖煜雷
潘恺文
李晔
张蔚欣
姜权权
范佳佳
贾知浩
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 CN201810602151.2A priority Critical patent/CN108563113B/zh
Publication of CN108563113A publication Critical patent/CN108563113A/zh
Application granted granted Critical
Publication of CN108563113B publication Critical patent/CN108563113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本发明提供一种舰船用多回路无模型自适应艏向控制方法，本发明中控制系统采用外环导航控制器和内环角速度控制器的组合方式，外环导航控制器计算期望转艏角速度，内环MFAC角速度控制器完成角速度控制，间接实现航向控制的目的。实际应用中，角速度传感器噪声大，本发明利用控制系统历史输入输出数据进行角速度预测，通过卡尔曼滤波器对角速度数据滤波，作为内环角速度控制器的反馈输入，抑制角速度传感器的噪声，有效提高实际应用中的控制效果。本发明将MFAC控制理论引入舰船艏向控制领域，借助MFAC理论独特的自适应性及在线数据驱动优点，本发明提供的舰船用多回路无模型自适应艏向控制方法具有较强的自适应性。

Description

舰船用多回路无模型自适应艏向控制方法
技术领域
本发明涉及一种舰船用多回路无模型自适应艏向控制方法，用于舰船艏向控制，属于舰船自动运动控制领域，本发明中的舰船是指广义上的各种水中航行装备，如水面船舶、潜水器、潜艇、水下无人航行器、水面无人艇等，在本发明中统称为舰船，都在本发明的应用范围内。
背景技术
舰船的航向控制对于舰船系统来说非常重要，只有保证了舰船的航向稳定，才能有效的跟踪期望航迹。目前在实际工程应用中，舰船的航向控制基本上采用的是PID控制算法以及常规的基于“模型导向”设计策略开发的控制算法。PID控制器是一种基于离线数据的数据驱动控制算法，但舰船运行于海洋环境中时容易受到模型摄动、海洋环境干扰力等影响，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保持良好控制性能或稳定。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。
无模型自适应控制理论(MFAC)不依赖于精确的数学模型，采用数据驱动方式调节控制参数，已应用于多种领域并取得了良好效果，如程启明等提出的公布号为CN101957598A,发明名称为“一种大时滞系统灰色无模型控制方法”的发明专利，马洁等发表的论文《大型舰船综合减摇系统无模型自适应控制》等，但目前已公开的方法均不适用于舰船的艏向控制，因为舰船的艏向系统不满足MFAC算法对受控系统“拟线性”假设条件的要求，即受控系统输入增加时相应的受控系统的输出是不减的。
姜权权等人提出的发明名称为“舰船用重定义输出式无模型自适应艏向控制算法”的尚未公开的专利中，在无模型自适应控制理论(MFAC)中重定义系统输出(船体艏向和角速度的函数)，使得舰船的艏向控制系统满足MFAC理论对受控系统的“拟线性”假设条件，从而使得该重定义输出式MFAC理论可以应用于舰船的艏向控制中。而本发明提出的方法为外环导航控制器和内环角速度控制器的组合方式，MFAC控制器用于内环角速度的控制，此外，本发明利用控制系统历史输入输出数据进行角速度预测，通过卡尔曼滤波器估计系统转艏角速度，解决了实际应用中角速度传感器噪声大的问题。因此，二者的理论基础和控制系统结构具有本质不同，并且本发明中引入的对角速度传感器噪声的处理过程将有效提高实际应用中的控制效果，相对于现有技术具有显著进步。
蔡满军等发表的论文《一种带有无模型外环补偿的PID控制》，控制系统采用了多回路结构，内环采用PID控制方法，外环无模型自适应控制作为补偿，实际控制系统输出取外环无模型自适应控制与内环PID控制之和，该方法本质为对控制系统中原有控制方法的加性修正，而本发明中MFAC控制器为内环控制器，与外环导航控制器为串联关系，二者原理具有本质不同。
发明内容
本发明的目的是为了提供一种舰船用多回路无模型自适应艏向控制方法，舰船航向控制系统不满足无模型自适应控制(model free adaptive control，MFAC)算法的“拟线性”假设条件，导致MFAC算法无法直接应用于舰船航向控制，本发明中控制系统采用外环导航控制器和内环角速度控制器的组合方式，外环导航控制器计算期望转艏角速度，内环MFAC角速度控制器完成角速度控制，间接实现航向控制的目的。实际应用中，角速度传感器噪声大，本发明利用控制系统历史输入输出数据进行角速度预测，通过卡尔曼滤波器对角速度数据滤波，作为内环角速度控制器的反馈输入，抑制角速度传感器的噪声，有效提高实际应用中的控制效果。借助MFAC理论独特的自适应性及在线数据驱动优点，本发明提供的舰船用多回路无模型自适应艏向控制方法具有较强的自适应性。
本发明的目的是这样实现的：步骤如下：
步骤(1)由制导模块给出舰船的期望艏向ψ*(k)，其中k为离散控制系统的运行时刻；
步骤(2)由艏向传感器测量得到系统实际艏向ψ(k)，将所述舰船期望艏向与实际艏向相减，得到艏向误差e(k)＝ψ*(k)-ψ(k)，如果艏向误差绝对值|e(k)|小于设定的阈值e0并保持，则波浪滑翔器艏向控制系统实际输出稳定收敛到期望输出，跳出循环，否则将e(k)作为外环导航控制器的输入，解算出期望转艏角速度r*(k)，进入步骤(3)；
步骤(3)无模型自适应控制器根据控制系统输出的历史数据u(i)，i＝1,2,…,k-1和系统转艏角速度的历史数据r(i)，i＝1,2,…,k-1，估算系统伪偏导数
Figure BDA0001693514050000021
步骤(4)根据系统伪偏导数
Figure BDA0001693514050000022
系统转艏角速度的历史数据r(i)，i＝1,2,…,k-1以及控制系统输出当前值和历史数据u(i)，i＝1,2,…,k，系统转艏角速度的预测值
Figure BDA0001693514050000023
步骤(5)由角速度传感器测量得到系统实际转艏角速度的测量值r(k)；
步骤(6)采用卡尔曼滤波器对系统转艏角速度估计，得到系统转艏角速度的估计值
Figure BDA0001693514050000024
其中在卡尔曼滤波器中，系统转艏角速度的预测值
Figure BDA0001693514050000025
作为状态值的一步预测，将系统实际转艏角速度的测量值r(k)作为状态观测值；
步骤(7)将所述系统转艏角速度的估计值
Figure BDA0001693514050000031
作为无模型自适应控制器的输入，解算出控制系统期望输出u*(k+1)；
步骤(8)执行机构驱动舰船转向，进入步骤(2)进行循环。
本发明还包括这样一些结构特征：
1.步骤(2)中所述的外环导航控制器，控制算法包括PID、模糊PID或S面。
2.步骤(3)中所述的无模型自适应控制器，包括紧格式无模型自适应控制器、偏格式无模型自适应控制器、全格式无模型自适应控制器。
3.步骤(3)中所述的控制系统输出可以是期望舵角，或期望转艏力矩。
4.步骤(2)和步骤(5)中所述的艏向传感器和角速度传感器，为磁罗经或惯导，艏向传感器和角速度传感器可采用一个集成传感器或两个独立传感器。
与现有技术相比，本发明的有益效果是：1、通过外环导航控制器和内环角速度控制器的组合方式，将MFAC控制理论引入舰船艏向控制领域，通过对角速度的控制时间对艏向角的间接控制，避免了MFAC控制理论直接进行艏向控制时舰船的艏向系统不满足受控系统“拟线性”假设条件的限制，借助MFAC理论独特的自适应性及在线数据驱动优点，本发明提供的舰船用多回路无模型自适应艏向控制方法具有较强的自适应性。2、利用控制系统历史输入输出数据进行角速度预测，不依赖于动力学系统精确的数学模型，基于角速度预测利用卡尔曼滤波器估计系统转艏角速度，解决了实际应用中角速度传感器噪声大的问题，有效提高实际应用中的控制效果。
附图说明
图1是舰船艏向控制系统结构图；
图2是舰船用多回路无模型自适应艏向控制方法流程图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
结合图1说明舰船艏向控制系统的结构。制导模块给出系统期望艏向ψ*(k)，导航控制器依据系统期望艏向ψ*(k)和艏向传感器测得的实际艏向ψ(k)，计算出期望转艏角速度r*(k)作为MFAC角速度控制器的输入，MFAC角速度控制器结合卡尔曼滤波器计算的角速度估计值
Figure BDA0001693514050000032
计算得到伪偏导数估计值
Figure BDA0001693514050000033
和下一时刻控制系统期望输出u*(k+1)，执行机构依据控制系统指令驱动舰船转向，舰船的实际运动情况还受海洋环境的影响，由艏向传感器和角速度传感器实时监测舰船的艏向和角速度。其中，传感器测得的舰船角速度r(k)作为观测值，由伪偏导数估计值
Figure BDA0001693514050000041
和历史控制系统输入输出数据计算的角速度作为预测值
Figure BDA0001693514050000042
由卡尔曼滤波器计算得到角速度的估计值
Figure BDA0001693514050000043
输入MFAC角速度控制器中。
结合图2说明本发明提供的舰船用多回路无模型自适应艏向控制方法的流程，包括如下步骤：
(1)由制导模块给出舰船的期望艏向ψ*(k)，其中k为离散控制系统的运行时刻；
(2)由艏向传感器测量得到系统实际艏向ψ(k)，将所述舰船期望艏向与实际艏向相减，得到艏向误差e(k)＝ψ*(k)-ψ(k)，如果艏向误差绝对值|e(k)|小于设定的阈值e0并保持一定时间，认为波浪滑翔器艏向控制系统实际输出稳定收敛到期望输出，跳出循环，否则将e(k)作为外环导航控制器的输入，解算出期望转艏角速度r*(k)，进入步骤(3)；
所述的艏向传感器，包括但不限于磁罗经，惯导等。
所述的外环导航控制器，控制算法包括但不限于PID，模糊PID，S面等多种形式。
以PID形式为例，则
Figure BDA0001693514050000044
其中，kp，ki，kd为比例项、积分项、微分项系数，需根据经验进行调节，T为控制系统运行步长。
(3)无模型自适应控制器(model free adaptive control，MFAC)根据控制系统输出的历史数据u(i)i＝1,2,…,k-1和系统转艏角速度的历史数据r(i)i＝1,2,…,k-1，估算系统伪偏导数
Figure BDA0001693514050000045
所述的控制系统输出可以是期望舵角，或期望转艏力矩。
所述的无模型自适应控制器，包括但不限于紧格式无模型自适应控制器(compactform dynamic linearization based MFAC,CFDL-MFAC)，偏格式无模型自适应控制器(partial form dynamic linearization based MFAC,PFDL-MFAC)，全格式无模型自适应控制器(full form dynamic linearization based MFAC,FFDL-MFAC)等多种形式。
以紧格式形式为例，伪偏导数计算方法如下：
Figure BDA0001693514050000051
其中，Δu(k)＝u(k)-u(k-1)，Δr(k)＝r(k)-r(k-1)，η∈(0,1]为步长因子，μ＞0为权重系数，
Figure BDA0001693514050000052
为上一时刻伪偏导数估计值。当|Δu(k-1)|≤ε或
Figure BDA0001693514050000053
时，令
Figure BDA0001693514050000054
ε是一个充分小的正数，
Figure BDA0001693514050000055
是
Figure BDA0001693514050000056
的初值。
(4)根据系统伪偏导数φ(k)，系统转艏角速度的历史数据r(i)i＝1,2,…,k-1以及控制系统输出当前值和历史数据u(i)i＝1,2,…,k，计算系统转艏角速度的预测值
Figure BDA00016935140500000512
所述的系统转艏角速度的预测值
Figure BDA00016935140500000513
的计算方法，与步骤(3)所选取的无模型自适应控制器形式一一对应。
以紧格式无模型自适应控制器形式为例，其对应的数据模型为
r(k)＝r(k-1)+φ(k)×Δu(k)
其中，φ(k)是实际伪偏导数。
因此，系统转艏角速度的预测值
Figure BDA0001693514050000057
其中，
Figure BDA0001693514050000058
为上一时刻系统转艏角速度的卡尔曼滤波器估计值，
Figure BDA0001693514050000059
为伪偏导数估计值。
(5)由角速度传感器测量得到系统实际转艏角速度的测量值r(k)；
所述的角速度传感器，包括但不限于磁罗经，惯导等。所述角速度传感器和步骤(2)中所述的艏向传感器可采用一个集成传感器或两个独立传感器。
(6)采用卡尔曼滤波器对系统转艏角速度估计，得到系统转艏角速度的估计值
Figure BDA00016935140500000510
其中在卡尔曼滤波器中，系统转艏角速度的预测值
Figure BDA00016935140500000511
作为状态值的一步预测，将系统实际转艏角速度的测量值r(k)作为状态观测值；
以紧格式无模型自适应控制器形式计算得到系统转艏角速度的预测值为例，此时状态转移矩阵、噪声驱动矩阵，观测矩阵均为1，此时，利用卡尔曼滤波器进行系统角速度估计的计算方法如下：
1、状态一步预测
Figure BDA0001693514050000061
2、一步预测协方差阵
P(k|k-1)＝P(k-1|k-1)+Q
其中，Q为系统输入噪声的方差。
3、计算滤波增益矩阵
K(k)＝P(k|k-1)×(P(k|k-1)+R)-1
其中，R为系统观测噪声的方差，也即磁罗经测量角速度的噪声方差。
4、状态更新
Figure BDA0001693514050000062
5、协方差阵更新
P(k|k)＝(1-K(k))P(k|k-1)
(7)将所述系统转艏角速度的估计值
Figure BDA0001693514050000063
作为无模型自适应控制器(model freeadaptive control，MFAC)的输入，解算出控制系统期望输出u*(k+1)；
所述的无模型自适应控制器，与步骤(3)中所述无模型自适应控制器的形式一致。
以步骤(3)中选取紧格式无模型自适应控制器为例，控制系统期望输出计算方法如下：
Figure BDA0001693514050000064
其中，ρ∈(0,1]为步长因子，λ＞0为权重系数，u(k)为上一时刻控制系统实际输出，u*(k+1)为控制系统期望输出。
(8)执行机构驱动舰船转向，进入步骤(2)。
综上，本发明公开一种舰船用多回路无模型自适应艏向控制方法。舰船航向控制系统不满足无模型自适应控制(model free adaptive control，MFAC)算法的“拟线性”假设条件，导致MFAC算法无法直接应用于舰船航向控制，本发明中控制系统采用外环导航控制器和内环角速度控制器的组合方式，外环导航控制器计算期望转艏角速度，内环MFAC角速度控制器完成角速度控制，间接实现航向控制的目的。实际应用中，角速度传感器噪声大，本发明利用控制系统历史输入输出数据进行角速度预测，通过卡尔曼滤波器对角速度数据滤波，作为内环角速度控制器的反馈输入，抑制角速度传感器的噪声，有效提高实际应用中的控制效果。
本发明将MFAC控制理论引入舰船艏向控制领域，借助MFAC理论独特的自适应性及在线数据驱动优点，本发明提供的舰船用多回路无模型自适应艏向控制方法具有较强的自适应性。

Claims (5)

1.舰船用多回路无模型自适应艏向控制方法，其特征在于：步骤如下：
步骤(1)由制导模块给出舰船的期望艏向ψ*(k)，其中k为离散控制系统的运行时刻；
步骤(2)由艏向传感器测量得到系统实际艏向ψ(k)，将所述舰船期望艏向与实际艏向相减，得到艏向误差e(k)＝ψ*(k)-ψ(k)，如果艏向误差绝对值|e(k)|小于设定的阈值e0并保持，则波浪滑翔器艏向控制系统实际输出稳定收敛到期望输出，跳出循环；否则将e(k)作为外环导航控制器的输入，解算出期望转艏角速度r*(k)，进入步骤(3)；
步骤(3)无模型自适应控制器根据控制系统输出的历史数据u(i)，i＝1,2,…,k-1和系统转艏角速度的历史数据r(i)，i＝1,2,…,k-1，估算系统伪偏导数
Figure FDA0002669438170000011
步骤(4)根据系统伪偏导数
Figure FDA0002669438170000012
系统转艏角速度的历史数据r(i)，i＝1,2,…,k-1以及控制系统输出当前值和历史数据u(i)，i＝1,2,…,k，计算系统转艏角速度的预测值
Figure FDA0002669438170000016
步骤(5)由角速度传感器测量得到系统实际转艏角速度的测量值r(k)；
步骤(6)采用卡尔曼滤波器对系统转艏角速度估计，得到系统转艏角速度的估计值
Figure FDA0002669438170000013
其中在卡尔曼滤波器中，系统转艏角速度的预测值
Figure FDA0002669438170000014
作为状态值的下一步预测，将系统实际转艏角速度的测量值r(k)作为状态观测值；
步骤(7)将所述系统转艏角速度的估计值
Figure FDA0002669438170000015
作为无模型自适应控制器的输入，解算出控制系统期望输出u*(k+1)；
步骤(8)执行机构驱动舰船转向，进入步骤(2)进行循环。
2.根据权利要求1所述的舰船用多回路无模型自适应艏向控制方法，其特征在于：步骤(2)中所述的外环导航控制器，控制算法包括PID、模糊PID或S面。
3.根据权利要求2所述的舰船用多回路无模型自适应艏向控制方法，其特征在于：步骤(3)中所述的无模型自适应控制器，包括紧格式无模型自适应控制器、偏格式无模型自适应控制器、全格式无模型自适应控制器。
4.根据权利要求3所述的舰船用多回路无模型自适应艏向控制方法，其特征在于：步骤(3)中所述的控制系统输出可以是期望舵角，或期望转艏力矩。
5.根据权利要求4所述的舰船用多回路无模型自适应艏向控制方法，其特征在于：步骤(2)中所述的艏向传感器和步骤(5)中所述的角速度传感器，为磁罗经或惯导，艏向传感器和角速度传感器可采用一个集成传感器或两个独立传感器。
CN201810602151.2A 2018-06-12 2018-06-12 舰船用多回路无模型自适应艏向控制方法 Active CN108563113B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810602151.2A CN108563113B (zh) 2018-06-12 2018-06-12 舰船用多回路无模型自适应艏向控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810602151.2A CN108563113B (zh) 2018-06-12 2018-06-12 舰船用多回路无模型自适应艏向控制方法

Publications (2)

Publication Number Publication Date
CN108563113A CN108563113A (zh) 2018-09-21
CN108563113B true CN108563113B (zh) 2020-11-20

Family

ID=63553516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810602151.2A Active CN108563113B (zh) 2018-06-12 2018-06-12 舰船用多回路无模型自适应艏向控制方法

Country Status (1)

Country Link
CN (1) CN108563113B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109656142B (zh) * 2019-02-15 2021-09-10 哈尔滨工程大学 一种无人艇的串级结构无模型自适应制导方法
CN109856965B (zh) * 2019-03-08 2021-11-16 天津工业大学 一种波浪滑翔器航向跟踪控制方法
CN111352344B (zh) * 2020-02-28 2022-05-31 大连海事大学 一种动态完全未知系统的数据驱动自适应预估器
CN112034858B (zh) * 2020-09-14 2022-04-29 哈尔滨工程大学 一种融合弱观测高阶输出数据的无模型自适应艏向控制方法
CN113485389A (zh) * 2021-08-03 2021-10-08 艾乐尔机器人科技(南京)有限公司 一种基于自适应预测的水下机器人三维轨迹跟踪控制方法
CN113805486A (zh) * 2021-10-13 2021-12-17 哈尔滨工程大学 一种usv路径跟踪控制方法
CN114123894A (zh) * 2021-11-19 2022-03-01 九江精密测试技术研究所 一种基于卡尔曼的转位机构三环控制方法
CN116165885B (zh) * 2022-11-29 2023-11-14 华东交通大学 一种高速列车的无模型自适应鲁棒控制方法及系统
CN117784593B (zh) * 2024-02-23 2024-05-03 哈尔滨工程大学 一种基于卡尔曼滤波器的无模型振动主动控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105197200A (zh) * 2015-09-24 2015-12-30 哈尔滨工程大学 一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法
CN107168335A (zh) * 2017-06-28 2017-09-15 大连海事大学 一种考虑混合多目标避障的水面无人艇路径跟踪制导方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6360131B1 (en) * 1998-10-16 2002-03-19 Cheng Model-free adaptive control for flexible production systems
CN101419464B (zh) * 2008-06-13 2010-07-07 哈尔滨工程大学 一种采用矢量推进器的无人潜水器定深航行控制方法
CN102411657A (zh) * 2011-10-31 2012-04-11 江苏科技大学 自由航行状态下耙吸挖泥船动力定位的滤波器设计方法
CN102809377B (zh) * 2012-08-15 2015-08-12 南京航空航天大学 飞行器惯性/气动模型组合导航方法
CN103217160A (zh) * 2013-04-22 2013-07-24 哈尔滨工程大学 一种船舶动力定位卡尔曼滤波方法
CN103345259B (zh) * 2013-07-01 2015-09-30 哈尔滨工程大学 动力定位船舶实现定位旋转的几何坐标变换导引控制方法
CN104199464B (zh) * 2014-08-19 2017-01-18 哈尔滨工程大学 一种基于环境估计的实时环境最优艏向船舶动力定位控制方法
CN104881038A (zh) * 2015-04-22 2015-09-02 哈尔滨工业大学 环境干扰下的水下无人航行器航迹跟踪控制优化方法
CN107942688A (zh) * 2018-01-05 2018-04-20 哈尔滨工程大学 水中航行器用遗忘因子式无模型自适应航向控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105197200A (zh) * 2015-09-24 2015-12-30 哈尔滨工程大学 一种基于航迹引导的气垫船进坞过程自动控制系统及控制方法
CN107168335A (zh) * 2017-06-28 2017-09-15 大连海事大学 一种考虑混合多目标避障的水面无人艇路径跟踪制导方法

Also Published As

Publication number Publication date
CN108563113A (zh) 2018-09-21

Similar Documents

Publication Publication Date Title
CN108563113B (zh) 舰船用多回路无模型自适应艏向控制方法
CN109507885B (zh) 基于自抗扰的无模型自适应auv控制方法
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
Li et al. Active disturbance rejection with sliding mode control based course and path following for underactuated ships
CN106950974B (zh) 欠驱动自主水下航行器的对三维路径进行理解及跟踪控制方法
KR101706367B1 (ko) 과소작동기를 갖는 자율무인 이동체의 신경회로망 기반 결함포용 컨트롤 방법
CN109669345B (zh) 基于eso的水下机器人模糊pid运动控制方法
Corno et al. Data-driven online speed optimization in autonomous sailboats
CN110376886B (zh) 一种基于扩张状态卡尔曼滤波器的模型预测控制算法
Fan et al. Global fixed-time trajectory tracking control of underactuated USV based on fixed-time extended state observer
Wang et al. Extended state observer-based fixed-time trajectory tracking control of autonomous surface vessels with uncertainties and output constraints
CN112462773B (zh) 一种欠驱动水面船的路径跟踪抗饱和鲁棒控制方法
CN111948937B (zh) 多智能体系统的多梯度递归强化学习模糊控制方法及系统
CN113110511B (zh) 一种基于广义模糊双曲模型的智能船舶航向控制方法
CN113031614B (zh) 一种远洋船舶航向控制复合优化节油方法
CN109765907B (zh) 一种舰船用pid无模型自适应航向控制算法
CN116449687B (zh) 一种基于改进型海上救援飞翼扰动观测pid控制方法
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
CN115113524B (zh) 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法
CN108829102A (zh) 自适应艏向信息融合的波浪滑翔器航向控制方法
CN114115276A (zh) 一种基于在线分组优化模型预测的船舶动力定位控制方法
CN113467231A (zh) 基于侧滑补偿ilos制导律的无人艇路径跟踪方法
CN109116727B (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
CN110231822B (zh) 一种舰船用变输出约束式无模型自适应航向控制方法
CN110687795A (zh) 一种基于目标计算的船舶动力定位系统非线性无偏预测控制方法

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