CN109189071B - 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 - Google Patents
基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 Download PDFInfo
- Publication number
- CN109189071B CN109189071B CN201811117143.5A CN201811117143A CN109189071B CN 109189071 B CN109189071 B CN 109189071B CN 201811117143 A CN201811117143 A CN 201811117143A CN 109189071 B CN109189071 B CN 109189071B
- Authority
- CN
- China
- Prior art keywords
- unmanned ship
- fuzzy
- error
- speed
- guidance
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000003044 adaptive effect Effects 0.000 claims description 7
- 238000013016 damping Methods 0.000 claims description 6
- 238000007667 floating Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Images
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
-
- 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
-
- 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
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D13/00—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover
- G05D13/62—Control of linear speed; Control of angular speed; Control of acceleration or deceleration, e.g. of a prime mover characterised by the use of electric means, e.g. use of a tachometric dynamo, use of a transducer converting an electric value into a displacement
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Automation & Control Theory (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于模糊未知观测器的鲁棒自适应欠驱动水面船路径跟踪控制方法,包括以下步骤:建立无人船运动学和动力学模型;构建路径跟踪误差动态;提出速度可变的视线制导律;建立模糊逻辑系统;基于模糊未知观测器的控制器设计。本发明在制导子系统中,提出了一种速度可变的视线制导律,提高了制导系统的操纵灵活性和鲁棒性,使位置误差渐近稳定到零;在控制子系统中,通过设计模糊未知干扰观测器对未知干扰进行快速精确的估计,在设计的速度和航向控制器中进行有效补偿,使制导信号与实际量之间的追踪误差渐近稳定回到零,所涉及的算法框架可使整个闭环系统具有全局渐近稳定特性,极大地提高了路径跟踪控制系统的操纵灵活性和跟踪精度。
Description
技术领域
本发明属于无人船领域,尤其涉及一种无人船精确路径跟踪控制方法。
背景技术
由于在海上民用和军事上的灵活性和多功能性,欠驱动水面船的应用变得越来越普遍。欠驱动水面船的运动控制一直都是研究热点,通常被分为镇定问题、轨迹追踪和路径跟踪。路径跟踪控制是欠驱动水面船在自主执行各种高风险海事任务过程中一项基础且关键的功能。通常路径跟踪控制系统可分为制导子系统和控制子系统。在制导子系统设计中,主要是采用视线制导方法,比例视线制导最先被提出,通过横向误差与一个设定参数的反正切值计算期望舵角。积分视线制导在比例视线制导的基础上,通过一个积分项补偿侧滑角的影响。自适应视线制导,通过自适应方法估计未知的侧滑角。还有给予各种观测器的视线制导律,利用观测器观测未知的侧滑角。在控制系统的设计中,反步控制、滑模控制、利亚诺夫直接法等被广泛采用于船舶运动控制中,但是这些控制方法都依靠精确的数学模型参数且没有考虑参数摄动对系统稳定性的影响。
在已有的制导方法中,无人船的速度通常预定义为常量。在这种情况下,无人船实际上仅由方向舵控制,从而不仅降低了总体操纵性与灵活性,而且增加了方向舵的操纵负担。在控制子系统中,快速精确的扰动估计和补偿没有实现,极大地降低了路径跟踪控制系统的精度。
发明内容
为解决现有技术存在的上述问题,本发明要设计一种能提高路径跟踪控制系统的精度的基于模糊未知观测器的鲁棒自适应欠驱动水面船路径跟踪控制方法。
为了实现上述目的,本发明的技术方案如下:
基于模糊未知观测器的鲁棒自适应欠驱动水面船路径跟踪控制方法,利用路径跟踪控制系统进行跟踪控制,所述的路径跟踪控制系统包括制导子系统和控制子系统。所述的制导子系统是一个决策系统,结合无人船与参考路径之间的误差产生速度和航向的参考指令,以此参考指令动作,跟踪误差将渐近收敛到零;所述的控制子系统是一个执行系统,使无人船实际姿态和参考指令达到一致。
所述的路径跟踪控制方法,包括以下步骤:
A、建立无人船运动学和动力学模型
无人船运动学模型如下:
x代表惯性坐标系下无人船的横坐标,y代表惯性坐标系下无人船的纵坐标,ψ代表惯性坐标系下无人船的航向,u代表浮体坐标系下无人船的前向速度、v代表浮体坐标系下无人船的横向速度,r代表浮体坐标系下无人船的航向角速度,其中是x的导数,是y的导数,是ψ的导数。
无人船动力学模型如下:
式中:d11是无人船在前向速度维度上的阻尼参数,d22是无人船在横向速度维度上的阻尼参数,d33是无人船在航向角速度维度上的阻尼参数,m11是无人船在前向速度维度上的质量参数,m22是无人船在横向速度维度上的质量参数,m33是无人船在航向角速度维度上的质量参数,τu和τr分别为可利用的控制输入前向推力和转向力矩,是无人船在前向速度上的外界干扰,是无人船在横向速度上的外界干扰,是无人船在航向角速度速度上的外界干扰。
进一步将无人船动力学模型整理为如下形式:
其中:
Du被作为前向速度维度上的集总的不确定性,Dv被作为横向速度维度上的集总的不确定性,Dr被作为航向角速度维度上的集总的不确定性,集总的不确定性包括模型参数摄动、内部未知动态及外界干扰,其形式为:
B、构建路径跟踪误差动态
在无人船跟踪参数路径上选取一个移动虚拟点,以这个移动虚拟点为原点,其在惯性坐标系下的横纵坐标分别为xp和yp,建立一个相对于惯性坐标系旋转角度φp的坐标系,称之为路径正切参考坐标系,无人船相对于移动虚拟点在路径参考坐标系横坐标方向上的位置误差为xe,在纵坐标方向上的位置误差为ye,xe和ye的计算公式如下:
路径跟踪误差的动态为:
utar是路径上移动虚拟点的速度,表达成下列形式:
C、提出速度可变的视线制导律
基于推导出的路径跟踪误差动态(4),设计制导律如下,使路径跟踪误差渐近稳定到零,制导子系统达到渐近稳定:
式中:ud是无人船前向速度u的参考值,ψd是航向ψ的参考值,βd是侧滑角β的理想信号,k1>0是前向速度制导律中的设定常数,Δ>0是前视距离,k2>0是航向制导律中的设定常数,是理想航速值。运用以上设计的制导律,路径跟踪误差将渐近收敛到零点,无人船速度和航向得到双重制导,制导子系统的决策水平和灵活性都得到了极大的提高。运用设计的航向制导律,得到下列公式:
将整体的制导律代到路径跟踪误差动态中,得:
定义第一个李亚诺夫方程如下:
求取第一个李亚诺夫方程的导数,并将制导律代入其中,得:
其中k=2min{k1,k2}。
由于设计的李亚诺夫方程的导数是负定的,满足渐近稳定特性的充分条件,因此制导子系统的渐近稳定性得到了证明和保证。
D、建立模糊逻辑系统
模糊逻辑系统被表达成下列形式:
其中:X=[X1,X2,…,Xn]T∈Rn和Y=[Y1,Y2,…,Ym]T∈Rm分别是模糊系统的输入和输出变量。Fi j,i=1,2,…,n;j=1,2,…N是第i条模糊规则的模糊序列,θi j,i=1,2,…,m;j=1,2,…N是模糊权重参数。
模糊系统的整体输出被表达为下列形式:
由于模糊逻辑系统的通用逼近能力,集总的不确定项Du、Dr被完全描绘为如下形式:
E、基于模糊未知观测器的控制器设计
E1、速度控制
速度控制器被设计成下列的形式:
辅助不确定性观测误差被定义为:
σu=ue-ρu
其中:
设计第二个李亚诺夫方程:
对第二个李亚诺夫方程V2求微分:
将设计的速度控制器以及参数自适应率代入到上述方程中,得:
从此得到结论,速度制导信号能被渐近追踪,所有的误差信号都能渐近稳定到零。
E2、航向控制
航向控制器被设计成下列的形式:
其中kr>0,ψe=ψ-ψd是航向追踪误差,re=r-rd是航向角速度追踪误差,rd是一个虚拟控制律,公式如下:
rd=-kψψe+ψd
辅助不确定性观测误差被定义为:
σr=re-ρr
其中:
定义第三个李亚诺夫方程:
对第三个李亚诺夫方程V3求导,得:
将设计的航向控制器以及参数自适应率代入到上述方程中,得:
从以上证明结果得出结论,所有误差信号都能将近稳定到零,制导航向能够被精确地追踪。
与现有技术相比,本发明具有以下有益效果:
1、本发明在制导子系统中,提出了一种速度可变的视线制导律,提高了制导系统的操纵灵活性和鲁棒性,使位置误差渐近稳定到零;在控制子系统中,通过设计模糊未知干扰观测器对未知干扰进行快速精确的估计,在设计的速度和航向控制器中进行有效补偿,使制导信号与实际量之间的追踪误差渐近稳定回到零,所涉及的算法框架可以使整个闭环系统具有全局渐近稳定特性。
2、本发明通过将辅助观测动态与自适应逼近误差补偿相结合,模糊未知观测器被创新性地设计精确地观测集总不确定项,可以避免有界观测和渐近观测的局限性。
3、本发明结合有限时间观测器设计和反步控制技术的速度和航向跟踪控制器,使得在存在复杂干扰的情况下可以精确跟踪制导信号,从而实现精确的欠驱动船路径跟踪控制。
4、综上所述,本发明采用速度和航向双重制导来提高制导系统的决策水平和操纵灵活性,模糊未知观测器对包括参数摄动及外界干扰在内的集总不确定性进行精确观测,减轻了路径跟踪控制系统设计对精确数学模型参数的依赖程度,极大地提高了路径跟踪控制系统的操纵灵活性和跟踪精度。
附图说明
图1是无人船路径跟踪控制几何图。
图2是基于速度与航向双重制导的无人船精确路径跟踪控制系统框图。
图3是参考路径与实际路径示意图。
图4是路径跟踪横向误差曲线图。
图5是路径跟踪纵向误差曲线图。
图6是速度跟踪曲线图。
图7是航向跟踪曲线图。
图8是速度跟踪误差曲线图。
图9是航向跟踪误差曲线图。
图10是前向速度外界扰动观测曲线图。
图11是横向速度外界扰动观测曲线图。
图12是航向角速度外界扰动观测曲线图。
图13是前向推力示意图
图14是转向力矩示意图。
具体实施方式
本发明不局限于本实施例,任何在本发明披露的技术范围内的等同构思或者改变,均列为本发明的保护范围。
为了说明方法的有效性和卓越性,在Cybership I船舶模型上进行仿真,并且运用本发明提出的控制方法(简称:FUO-RAPFC)与不带模糊未知观测器的算法框架(简称:RAPFC)进行对比以说明模糊观测器对路径跟踪控制系统性能的改善,该船舶模型参数为:
m11=19kg,m22=35.2kg,m33=4.2kg,d11=4kg/s,d22=1kg/s,d33=10kg/s。
复杂的参数摄动和未知干扰假设如下:
Δm11=0.1m11sin0.7t
Δm22=0.1m22cos0.7t
Δm33=0.1m33sin0.7t
Δd11=0.1d11sin0.7t
Δd22=0.1d22cos0.7t
Δd33=0.1d33sin0.7t
船舶的初始状态设定为[x,y,ψ]=[10,0,0],[u,v,r]=[0,0,0],参考路径的设定如下:
算法中的设定参数选择为:
图3展现无人船实际的运动轨迹与参考轨迹,从图中我们能看到精确的跟踪效果。图4展现的是路径跟踪横向误差,从图中可以看出FUO-RAPFC算法可以使路径跟踪横向误差收敛到零,而RAPFC算法则无法使路径跟踪横向误差收敛到零。图5展现的是路径跟踪纵向误差,从图中可以看出FUO-RAPFC算法可以使路径跟踪纵向误差收敛到零,而RAPFC算法则无法使路径跟踪纵向误差收敛到零却存在较大误差。图6展现的是速度跟踪曲线图,从图中可以看出FUO-RAPFC算法可以使前向速度精确地追踪上参考速度,而RAPFC算法则无法实现精确的速度追踪。图7展现的是航向跟踪曲线图,从图中可以看出FUO-RAPFC算法可以使航向精确地跟踪上参考航向,而RAPFC算法则无法实现精确的航向追踪。图8展现的是速度跟踪误差,从图中可以看出FUO-RAPFC算法可以使速度跟踪误差收敛到零,而RAPFC算法则无法使速度跟踪误差收敛到零。图9展现的是航向跟踪误差,从图中可以看出FUO-RAPFC算法可以使航向跟踪误差收敛到零,而RAPFC算法则无法使航向跟踪误差收敛到零却存在较大误差。图10-12是三个方向上的外界干扰观测,从图中可以看出,本发明提出的扰动观测器可以实现精确的扰动观。图13为前向推力曲线图,控制前向速度的大小。图14为转向力矩曲线图,控制无人船航向。可以得出这样的结论:验证了所提出的算法方案显著的有效性和优越性。
Claims (1)
1.基于模糊未知观测器的鲁棒自适应欠驱动水面船路径跟踪控制方法,其特征在于:利用路径跟踪控制系统进行跟踪控制,所述的路径跟踪控制系统包括制导子系统和控制子系统;所述的制导子系统是一个决策系统,结合无人船与参考路径之间的误差产生速度和航向的参考指令,以此参考指令动作,跟踪误差将渐近收敛到零;所述的控制子系统是一个执行系统,使无人船实际姿态和参考指令达到一致;
所述的路径跟踪控制方法,包括以下步骤:
A、建立无人船运动学和动力学模型
无人船运动学模型如下:
x代表惯性坐标系下无人船的横坐标,y代表惯性坐标系下无人船的纵坐标,ψ代表惯性坐标系下无人船的航向,u代表浮体坐标系下无人船的前向速度、v代表浮体坐标系下无人船的横向速度,r代表浮体坐标系下无人船的航向角速度,其中是x的导数,是y的导数,是ψ的导数;
无人船动力学模型如下:
式中:d11是无人船在前向速度维度上的阻尼参数,d22是无人船在横向速度维度上的阻尼参数,d33是无人船在航向角速度维度上的阻尼参数,m11是无人船在前向速度维度上的质量参数,m22是无人船在横向速度维度上的质量参数,m33是无人船在航向角速度维度上的质量参数,τu和τr分别为可利用的控制输入前向推力和转向力矩,是无人船在前向速度上的外界干扰,是无人船在横向速度上的外界干扰,是无人船在航向角速度速度上的外界干扰;
进一步将无人船动力学模型整理为如下形式:
其中:
Du被作为前向速度维度上的集总的不确定性,Dv被作为横向速度维度上的集总的不确定性,Dr被作为航向角速度维度上的集总的不确定性,集总的不确定性包括模型参数摄动、内部未知动态及外界干扰,其形式为:
B、构建路径跟踪误差动态
在无人船跟踪参数路径上选取一个移动虚拟点,以这个移动虚拟点为原点,其在惯性坐标系下的横纵坐标分别为xp和yp,建立一个相对于惯性坐标系旋转角度φp的坐标系,称之为路径正切参考坐标系,无人船相对于移动虚拟点在路径参考坐标系横坐标方向上的位置误差为xe,在纵坐标方向上的位置误差为ye,xe和ye的计算公式如下:
路径跟踪误差的动态为:
utar是路径上移动虚拟点的速度,表达成下列形式:
C、提出速度可变的视线制导律
基于推导出的路径跟踪误差动态(7),设计制导律如下,使路径跟踪误差渐近稳定到零,制导子系统达到渐近稳定:
式中:ud是无人船前向速度u的参考值,ψd是航向ψ的参考值,βd是侧滑角β的理想信号,k1>0是前向速度制导律中的设定常数,Δ>0是前视距离,k2>0是航向制导律中的设定常数,是理想航速值;运用以上设计的制导律,路径跟踪误差将渐近收敛到零点,无人船速度和航向得到双重制导,制导子系统的决策水平和灵活性都得到了极大的提高;运用设计的航向制导律,得到下列公式:
将整体的制导律代到路径跟踪误差动态中,得:
D、建立模糊逻辑系统
模糊逻辑系统被表达成下列形式:
其中:X=[X1,X2,…,Xn]T∈Rn和Y=[Y1,Y2,…,Ym]T∈Rm分别是模糊系统的输入和输出变量;Fi j,i=1,2,…,n;j=1,2,…N是第i条模糊规则的模糊序列,θi j,i=1,2,…,m;j=1,2,…N是模糊权重参数;
模糊系统的整体输出被表达为下列形式:
由于模糊逻辑系统的通用逼近能力,集总的不确定项Du、Dr被完全描绘为如下形式:
E、基于模糊未知观测器的控制器设计
E1、速度控制
速度控制器被设计成下列的形式:
辅助不确定性观测误差被定义为:
σu=ue-ρu
其中:
E2、航向控制
航向控制器被设计成下列的形式:
其中kr>0,ψe=ψ-ψd是航向追踪误差,re=r-rd是航向角速度追踪误差,rd是一个虚拟控制律,公式如下:
rd=-kψψe+ψd
辅助不确定性观测误差被定义为:
σr=re-ρr
其中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117143.5A CN109189071B (zh) | 2018-09-25 | 2018-09-25 | 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811117143.5A CN109189071B (zh) | 2018-09-25 | 2018-09-25 | 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189071A CN109189071A (zh) | 2019-01-11 |
CN109189071B true CN109189071B (zh) | 2021-03-26 |
Family
ID=64910052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811117143.5A Active CN109189071B (zh) | 2018-09-25 | 2018-09-25 | 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189071B (zh) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109828586B (zh) * | 2019-03-06 | 2021-06-22 | 福州大学 | 基于非线性不确定性的无人船舶鲁棒h∞航向控制方法 |
CN109901581A (zh) * | 2019-03-15 | 2019-06-18 | 智久(厦门)机器人科技有限公司上海分公司 | 一种agv车自旋角的标定方法及自旋运动控制方法 |
CN109857124B (zh) * | 2019-03-22 | 2021-09-24 | 大连海事大学 | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 |
CN110032197B (zh) * | 2019-05-07 | 2021-11-30 | 大连海事大学 | 一种基于有限时间制导和控制的无人船路径跟踪控制方法 |
CN110311607B (zh) * | 2019-07-24 | 2021-01-22 | 大连海事大学 | 一种反步滑模最大波能捕获方法 |
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 |
CN110703605B (zh) * | 2019-10-29 | 2022-04-22 | 大连海事大学 | 一种面向智能船舶自动舵系统的自适应模糊最优控制方法及系统 |
CN110703765B (zh) * | 2019-11-07 | 2022-05-06 | 大连海事大学 | 一种无人船的碰撞自规避方法及系统 |
CN110687799B (zh) * | 2019-11-12 | 2022-02-11 | 大连海事大学 | 一种智能船舶自动舵系统的模糊自适应输出反馈控制方法及系统 |
CN110989597B (zh) * | 2019-12-05 | 2022-06-10 | 南京理工大学 | 一种集成模糊神经网络的自适应路径跟踪方法 |
CN111290387B (zh) * | 2020-02-21 | 2022-06-03 | 大连海事大学 | 一种智能船舶自动舵系统的模糊自适应输出反馈指定性能控制方法及系统 |
CN111198502B (zh) * | 2020-02-28 | 2021-04-09 | 浙江大学 | 基于干扰观测器和模糊系统的无人艇航迹跟踪控制方法 |
CN111930141A (zh) * | 2020-07-21 | 2020-11-13 | 哈尔滨工程大学 | 一种水下机器人三维路径可视化跟踪方法 |
CN112130566B (zh) * | 2020-09-18 | 2022-03-25 | 上海大学 | 一种基于模糊逻辑和滑模控制策略的无人艇、无人机混合编队控制方法及其控制系统 |
CN112346465B (zh) * | 2020-11-27 | 2022-09-02 | 哈尔滨工程大学 | 基于ialos导引律的欠驱无人船自适应模糊控制方法 |
CN112462773B (zh) * | 2020-11-27 | 2022-09-02 | 哈尔滨工程大学 | 一种欠驱动水面船的路径跟踪抗饱和鲁棒控制方法 |
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 |
CN112835369A (zh) * | 2021-01-08 | 2021-05-25 | 中国石油大学(华东) | 一种基于eso估计漂角的无人船变速曲线路径跟踪控制方法 |
CN112987771B (zh) * | 2021-03-08 | 2023-10-27 | 大连海事大学 | 基于多端口输出误差触发机制的机帆船路径跟踪控制方法 |
CN113093734B (zh) * | 2021-03-17 | 2023-11-03 | 大连海事大学 | 一种输入受限的无人船航向共融控制方法、系统及装置 |
CN113110458B (zh) * | 2021-04-19 | 2023-09-01 | 大连海事大学 | 一种无人船虚拟目标跟踪控制系统 |
CN113220000B (zh) * | 2021-05-11 | 2022-12-02 | 华中科技大学 | 一种面向水下探测作业的无人艇路径跟踪预设性能控制方法及系统 |
CN113960998B (zh) * | 2021-06-10 | 2023-07-14 | 航天时代(青岛)海洋装备科技发展有限公司 | 一种无人艇模糊预测控制系统及方法 |
CN113485377B (zh) * | 2021-08-16 | 2023-11-17 | 大连海事大学 | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 |
CN114115274A (zh) * | 2021-11-25 | 2022-03-01 | 江苏大学 | 一种农用轮式拖拉机路径跟踪输出反馈控制策略 |
CN114879658B (zh) * | 2022-03-28 | 2023-03-03 | 北京理工大学 | 一种气垫船轨迹跟踪控制方法 |
CN117742352B (zh) * | 2024-02-21 | 2024-05-10 | 陕西欧卡电子智能科技有限公司 | 基于矢量推进无人船的轨迹控制方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177290A (zh) * | 2013-04-03 | 2013-06-26 | 大连海事大学 | 一种基于在线自组织神经网络的船舶领域模型的辨识方法 |
CN106773713A (zh) * | 2017-01-17 | 2017-05-31 | 北京航空航天大学 | 针对欠驱动海洋航行器的高精度非线性路径跟踪控制方法 |
CN109358499A (zh) * | 2018-09-25 | 2019-02-19 | 大连海事大学 | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 |
CN109407671A (zh) * | 2018-12-11 | 2019-03-01 | 大连海事大学 | 一种欠驱动无人船目标包围控制器结构及设计方法 |
-
2018
- 2018-09-25 CN CN201811117143.5A patent/CN109189071B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177290A (zh) * | 2013-04-03 | 2013-06-26 | 大连海事大学 | 一种基于在线自组织神经网络的船舶领域模型的辨识方法 |
CN106773713A (zh) * | 2017-01-17 | 2017-05-31 | 北京航空航天大学 | 针对欠驱动海洋航行器的高精度非线性路径跟踪控制方法 |
CN109358499A (zh) * | 2018-09-25 | 2019-02-19 | 大连海事大学 | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 |
CN109407671A (zh) * | 2018-12-11 | 2019-03-01 | 大连海事大学 | 一种欠驱动无人船目标包围控制器结构及设计方法 |
Non-Patent Citations (6)
Title |
---|
Finite-Time Sideslip Observer-Based Adaptive Fuzzy Path-Following Control of Underactuated Marine Vehicles with Time-Varying Large Sideslip;Ning Wang 等;《Fuzzy Systems》;20171231;全文 * |
Fuzzy Uncertainty Observer Based Path Following Control of Underactuated Marine Vehicles with Unmodelled Dynamics and Disturbances;Ning Wang 等;《IEEE》;20181231;全文 * |
Fuzzy unknown observer-based robust adaptive path following control of underactuated surface vehicles subject to multiple unknowns;Ning Wang 等;《Ocean Engineering》;20190222;全文 * |
Surge-Varying Adaptive LOS Based Path Following Control of Underactuated Marine Vehicles with Adaptive Sideslip Compensation and Fuzzy Uncertainty Observation;Ning Wang 等;《Proceedings of the 37th Chinese Control Conference》;20180727;全文 * |
基于动态模糊神经趋近律的水下航行器航迹跟踪控制;刘厶源 等;《大连海事大学学报》;20161130;全文 * |
时变大漂角欠驱动无人船路径跟随控制研;孙卓;《CNKI》;20190616;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109189071A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189071B (zh) | 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 | |
Huang et al. | A new guidance law for trajectory tracking of an underactuated unmanned surface vehicle with parameter perturbations | |
Zhang et al. | MPC-based 3-D trajectory tracking for an autonomous underwater vehicle with constraints in complex ocean environments | |
Miao et al. | Spatial curvilinear path following control of underactuated AUV with multiple uncertainties | |
CN106773713B (zh) | 针对欠驱动海洋航行器的高精度非线性路径跟踪控制方法 | |
Zheng et al. | Path following control for marine surface vessel with uncertainties and input saturation | |
CN109857124B (zh) | 基于速度与航向双重制导的无人船精确路径跟踪控制方法 | |
CN110032197B (zh) | 一种基于有限时间制导和控制的无人船路径跟踪控制方法 | |
Wang et al. | Line-of-sight guidance law for path following of amphibious hovercrafts with big and time-varying sideslip compensation | |
CN107562068B (zh) | 一种四旋翼飞行器姿态的动态面输出调节控制方法 | |
CN112462773B (zh) | 一种欠驱动水面船的路径跟踪抗饱和鲁棒控制方法 | |
CN111045432A (zh) | 一种欠驱动水面船非线性路径跟踪控制系统及方法 | |
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 | |
Faramin et al. | Track-keeping observer-based robust adaptive control of an unmanned surface vessel by applying a 4-DOF maneuvering model | |
An et al. | Robust fixed-time tracking control for underactuated AUVs based on fixed-time disturbance observer | |
Wu et al. | Adaptive neural network and extended state observer-based non-singular terminal sliding modetracking control for an underactuated USV with unknown uncertainties | |
Shi et al. | Distributed circumnavigation control of autonomous underwater vehicles based on local information | |
Fu et al. | A novel asymmetrical integral barrier Lyapunov function-based trajectory tracking control for hovercraft with multiple constraints | |
Liu et al. | A hierarchical disturbance rejection depth tracking control of underactuated AUV with experimental verification | |
Du et al. | A novel adaptive backstepping sliding mode control for a lightweight autonomous underwater vehicle with input saturation | |
Yi et al. | Research on underactuated USV path following algorithm | |
Liu et al. | Robust adaptive self-Structuring neural network bounded target tracking control of underactuated surface vessels | |
Qu et al. | Simultaneous planning and executing trajectory tracking control for underactuated unmanned surface vehicles from theory to practice | |
Alqaisi et al. | Vision-based leader-follower approach for uncertain quadrotor dynamics using feedback linearisation sliding mode control | |
CN116339314A (zh) | 一种基于自适应滑模的欠驱动无人艇航迹跟踪控制方法 |
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 |