CN109254585A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN109254585A
CN109254585A CN201811169433.4A CN201811169433A CN109254585A CN 109254585 A CN109254585 A CN 109254585A CN 201811169433 A CN201811169433 A CN 201811169433A CN 109254585 A CN109254585 A CN 109254585A
Authority
CN
China
Prior art keywords
heading
naval vessel
model
output
expectation
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
CN201811169433.4A
Other languages
English (en)
Inventor
姜权权
廖煜雷
李晔
苗玉刚
李资科
姜文
成昌盛
庄佳园
王博
武皓微
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 CN201811169433.4A priority Critical patent/CN109254585A/zh
Publication of CN109254585A publication Critical patent/CN109254585A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/0206Control of position or course in two dimensions specially adapted to 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)

Abstract

本发明属于舰船运动控制领域,具体涉及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,包括以下步骤:将原航向系统的输出形式取为y(k)=f(δ,ψ)的形式,系统输出y(k)取为k1×δ+ψ,其中δ为舵角,k1为增益系数和舰船系统的动力学特性有关;将航向系统的期望输出量与实际输出量y(k)相减,得误差e(k),当|e(k)|小于一个期望的常数e0时,认为舰船的实际航向收敛达到期望航向并跳出循环,否则将e(k)作为无模型自适应控制器的输入解算出航向系统期望输入u(k);本发明使得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可以应用于舰船的航向控制中。

Description

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
技术领域
本发明属于舰船运动控制领域,具体涉及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。
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。
公开日2011年01月26日,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”的中国发明专利,把灰色预测模型与MFAC算法结合起来,采用在MFAC算法中加入灰色预测模型的控制方法来实现复杂对象进行控制,实现大时滞系统的灰色无模型控制。在文献“大型舰船综合减摇系统无模型自适应控制”,作者马洁利用MFAC算法设计了减摇鳍/被动舱综合控制的控制器,仿真试验表明大型舰船采用MFAC算法设计的减摇鳍/被动舱综合控制方案在各种航态下均能取得很好的减摇效果。
综上所述,上述MFAC算法均不适用于舰船的航向控制,因为舰船的航向系统不满足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。
发明内容
本发明的目的在于提供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。原航向系统的输出y(k)即舰船航向,融入航向系统的输入信息,新的航向系统的输出形式为y(k)=f(δ,ψ),y(k)=f(δ,ψ)包含了线性(如k1×δ+ψ)、非线性(如tanh(k1×δ+ψ))等多种具体数学表达形式,本发明以线性叠加形式为例,通过将舰船航向系统的输入与输出数据相融合,使得舰船的航向系统满足MFAC理论对受控系统的“拟线性”假设条件,从而使得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可以应用于舰船的航向控制中。
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,包括以下步骤:
(1)将原航向系统的输出形式取为y(k)=f(δ,ψ)的形式,系统输出y(k)取为k1×δ+ψ,其中δ为舵角,k1为增益系数和舰船系统的动力学特性有关;
(2)将航向系统的期望输出量与实际输出量y(k)相减,得误差e(k),当|e(k)|小于一个期望的常数e0时,认为舰船的实际航向收敛达到期望航向并跳出循环,否则将e(k)作为无模型自适应控制器的输入解算出航向系统期望输入u(k);
(3)将期望输入u(k)下达到操纵机构,操纵机构执行接收的期望指令,改变舰船航向,通过舰船上搭载的磁罗经或GPS等姿态传感器测得舰船当前航向ψ,令k=k+1,得到系统新的输出y(k),取为k1×δ+ψ,转向步骤(2)。
所述将航向系统的期望输出量与实际输出量y(k)相减,得误差e(k),当|e(k)|小于一个期望的常数e0时,认为舰船的实际航向收敛达到期望航向并跳出循环,否则将e(k)作为无模型自适应控制器的输入解算出航向系统期望输入u(k),包括:
其中,η∈(0,1]为步长因子,μ>0为权重系数,φ(k)为伪偏导数,为伪偏导数估计值,当|Δu(k-1)|≤ε或时,令
本发明的有益效果在于:
(1)本发明使得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可以应用于舰船的航向控制中;
(2)航向系统的输入即期望舵角是可控的,且相比较于艏向角速度波动较小,因此将舵角作为航向系统输出一部分,比直接利用艏向角速度重定义系统输出,可提高系统的稳定性以及鲁棒性。
附图说明
图1是本发明的流程图;
图2是本发明的航向系统整体框图;
具体实施方式
下面结合附图对本发明做进一步描述。
本发明公开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。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算法不适用于舰船航向控制,本发明舰船用受控系统输入输出数据融合式改进无模型自适应航向控制算法解决了上述问题,拓展了MFAC理论的适用范围。主要步骤:
(1)将舵角作为系统输出的一部分,原来系统的输出量y(k)即航向角ψ,重新定义为y(k)=f(δ,ψ)的形式,本发明以线性叠加形式为例,将系统输出y(k)定义为k1×δ+ψ。其中δ为舰船的舵角,k1为增益系数和舰船系统的动力学特性有关,k为系统运行次数。
(2)向舰船下达期望航向状态指令即δ*为舰船的期望舵角恒为零,为舰船的期望航向,通过传感器测得舰船当前航向状态y(k),做差得到航向状态误差e(k),
(3)将e(k)作为数据融合式改进MFAC控制器的输入,解算出第k次航向系统输入指令即舵角δ(k)
(4)操纵机构执行系统输入指令即舵角δ(k),从而改变舰船的实际航向。
(5)令k=k+1根据下一时刻舰船的实际航向状态y(k)与期望航向状态y*(k)之差,计算下一时刻航向状态偏差e(k),并当e(k)的绝对值|e(k)|小于设定的航行状态偏差的阈值e0,则认为舰船的实际航向收敛到期望航向。否则执行(3)直到舰船的实际航向收敛到期望航向。
1、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,包括以下步骤:
(1)将原航向系统的输出量y(k)即航向角ψ,取为y(k)=f(δ,ψ)的形式,本发明以线性叠加形式为例,系统输出y(k)重定义为k1×δ+ψ。其中δ为舵角,k1为增益系数和舰船系统的动力学特性有关。
(2)将航向系统的期望输出量与实际输出量y(k)相减,得误差e(k),当|e(k)|小于一个期望的常数e0时,认为舰船的实际航向收敛到期望航向并跳出循环,否则将e(k)作为无模型自适应(model free adaptive control,MFAC)控制器的输入解算出航向系统期望输入u(k)(如期望舵角等)并进入步骤(3)。
(3)将期望输入指令u(k)下达到操纵机构,操纵机构执行接收的期望指令,从而改变舰船航向,通过舰船上搭载的磁罗经或GPS等姿态传感器测得舰船当前航向ψ,令k=k+1,得到系统新的输出y(k),即k1×δ+ψ的形式并转向步骤(2)。
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,其航向系统输入输出数据融合特征在于:
(1)针对MFAC控制算法对受控系统的要求,将航向系统的输入信息与航向系统的输出信息相融合,并取航向系统输入输出信息融合后的系统输出y(k)的形式为y(k)=f(δ,ψ),y(k)=f(δ,ψ)包含了线性(如k1×δ+ψ)、非线性(如tanh(k1×δ+ψ))等多种具体数学表达形式,任何航向系统输入输出数据融合后新的航向系统输出形式为y(k)=f(δ,ψ)的无模型自适应控制方法,皆属于本专利所保护范围。本发明以线性叠加形式为例,将航向系统输出y(k)的形式取为k1×δ+ψ。其中δ为舵角,k1为增益系数。
(2)增益系数k1是和舰船系统的动力学特性有关的正常数,通过理论推导或试验获取并使其满足当系统输入增大时,航向系统的输出是不减的。通过将航向系统的输入信息与航向系统的输出信息相融合,使得舰船的航向系统满足MFAC算法对受控系统“拟线性”假设条件—即控制输入增加时相应的受控系统输出是不减的要求。使得该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适用于舰船的航向控制。
本发明涉及舰船运动控制领域,是一种舰船用重定义航向系统输出改进无模型自适应航向控制算法,属于舰船自动控制领域。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。
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。
公开日2011年01月26日,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”,把灰色预测模型与MFAC算法结合起来,采用在MFAC算法中加入灰色预测模型的控制方法来实现复杂对象进行控制,实现大时滞系统的灰色无模型控制。在文献“大型舰船综合减摇系统无模型自适应控制”,作者马洁利用MFAC算法设计了减摇鳍/被动舱综合控制的控制器,仿真试验表明大型舰船采用MFAC算法设计的减摇鳍/被动舱综合控制方案在各种航态下均能取得很好的减摇效果。
但上述MFAC算法均不适用于舰船的航向控制,因为舰船的航向系统不满足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。本发明通过将舰船航向系统的输入即期望舵角输出数据相融合,即将MFAC控制器解算出的期望舵角多为使得舰船的航向系统满足MFAC理论对受控系统的“拟线性”假设条件,从而使得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可以应用于舰船的航向控制中。
航向系统的输入即期望舵角是可控的,且相比较于艏向角速度波动较小,因此将舵角作为航向系统输出一部分,比直接利用艏向角速度重定义系统输出,可提高系统的稳定性以及鲁棒性。
本发明的目的在于提供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。原航向系统的输出y(k)即舰船航向,融入航向系统的输入信息,新的航向系统的输出形式为y(k)=f(δ,ψ),y(k)=f(δ,ψ)包含了线性(如k1×δ+ψ)、非线性(如tanh(k1×δ+ψ))等多种具体数学表达形式,本发明以线性叠加形式为例,通过将舰船航向系统的输入与输出数据相融合,使得舰船的航向系统满足MFAC理论对受控系统的“拟线性”假设条件,从而使得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可以应用于舰船的航向控制中。
(1)将航向系统的输入信息δ与输出信息ψ相融合,新的航向系统的输出形式为y(k)=f(δ,ψ),本发明以线性叠加形式为例,系统输出y(k)取为k1×δ+ψ。其中δ为舵角,k1为增益系数和舰船系统的动力学特性有关。
(2)将航向系统的期望输出量y*(k)实际输出量y(k)相减的,得到系统输出误差e(k),当|e(k)|小于一个期望的常数e0,认为系统实际输出稳定收敛到期望值,并跳出循环,否则将e(k)作为MFAC控制器的输入解算出期望输入u(k)并进入步骤(3)。此处以紧格式无模型自适应控制(compact format dynamic linearization model free adaptivecontrol,CFDL_MFAC)算法为例,航向系统输入输出数据融合CFDL_MFAC航向控制算法如下:
其中,η∈(0,1]为步长因子,μ>0为权重系数,φ(k)为伪偏导数,为伪偏导数估计值。当|Δu(k-1)|≤ε或时,令
(3)将期望输入指令下到达操纵机构,操纵机构执行接收到的期望输入指令,从而改变舰船航向,通过舰船上的磁罗经测得舰船当前航向ψ,令k=k+1得到航向系统新的输出y(k)本文以其线性叠加形式为例即k1×δ+ψ并转向步骤(2)
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;
图1表述了本发明的航向系统模型,首先给出期望航向ψ*和期望舵角δ*的指令,本发明以线性叠加形式为例,舰船航向系统输出y(k)定义为k1×δ+ψ。其中δ为舰船的实际舵角,k1为增益系数,ψ为舰船的实际航向。将y(k)并作为MFAC控制器的负反馈输入,控制器进行解算和不断在线辨识,得出舰船航向系统输入量即u(k),舰船系统执行期望输入指令,不断更新舰船系统的实际航向,进而再次进入反馈回路中,直到舰船实际航向收敛到到期望航向。
图2表述了本发明的系统流程图。具体实现步骤如下:
(1)将航向系统的输入信息δ与输出信息ψ相融合,新的航向系统的输出形式为y(k)=f(δ,ψ),本发明以线性叠加形式为例,系统输出y(k)取为k1×δ+ψ。其中δ为舵角,k1为增益系数和舰船系统的动力学特性有关。
(2)将航向系统的期望输出量y*(k)实际输出量y(k)相减的,得到系统输出误差e(k),当|e(k)|小于一个期望的常数e0,认为系统实际输出稳定收敛到期望值,并跳出循环,否则将e(k)作为MFAC控制器的输入解算出期望输入u(k)并进入步骤(3)。
(3)将期望输入指令下到达操纵机构,操纵机构执行接收到的期望输入指令,从而改变舰船航向,通过舰船上的磁罗经测得舰船当前航向ψ,令k=k+1,得到航向系统新的输出y(k)本文以其线性叠加形式为例即k1×δ+ψ并转向步骤(2)。

Claims (2)

1.一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,其特征在于,包括以下步骤:
(1)将原航向系统的输出形式取为y(k)=f(δ,ψ)的形式,系统输出y(k)取为k1×δ+ψ,其中δ为舵角,k1为增益系数和舰船系统的动力学特性有关;
(2)将航向系统的期望输出量与实际输出量y(k)相减,得误差e(k),当|e(k)|小于一个期望的常数e0时,认为舰船的实际航向收敛达到期望航向并跳出循环,否则将e(k)作为无模型自适应控制器的输入解算出航向系统期望输入u(k);
(3)将期望输入u(k)下达到操纵机构,操纵机构执行接收的期望指令,改变舰船航向,通过舰船上搭载的磁罗经或GPS等姿态传感器测得舰船当前航向ψ,令k=k+1,得到系统新的输出y(k),取为k1×δ+ψ,转向步骤(2)。
2.根据权利要求1所述的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,其特征在于,所述将航向系统的期望输出量与实际输出量y(k)相减,得误差e(k),当|e(k)|小于一个期望的常数e0时,认为舰船的实际航向收敛达到期望航向并跳出循环,否则将e(k)作为无模型自适应控制器的输入解算出航向系统期望输入u(k),包括:
其中,η∈(0,1]为步长因子,μ>0为权重系数,φ(k)为伪偏导数,为伪偏导数估计值,当|Δu(k-1)|≤ε或时,令
CN201811169433.4A 2018-10-08 2018-10-08 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 Pending CN109254585A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811169433.4A CN109254585A (zh) 2018-10-08 2018-10-08 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811169433.4A CN109254585A (zh) 2018-10-08 2018-10-08 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

Publications (1)

Publication Number Publication Date
CN109254585A true CN109254585A (zh) 2019-01-22

Family

ID=65045449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811169433.4A Pending CN109254585A (zh) 2018-10-08 2018-10-08 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

Country Status (1)

Country Link
CN (1) CN109254585A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110231822A (zh) * 2019-06-04 2019-09-13 哈尔滨工程大学 一种舰船用变输出约束式无模型自适应航向控制方法
CN110955980A (zh) * 2019-12-12 2020-04-03 哈尔滨工程大学 时滞水下超高速航行体稳定性分析方法
CN111538339A (zh) * 2020-05-29 2020-08-14 智慧航海(青岛)科技有限公司 船舶航迹控制方法及装置
CN112034858A (zh) * 2020-09-14 2020-12-04 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
CN113110519A (zh) * 2021-05-26 2021-07-13 哈尔滨工程大学 一种舰船用非增量型无模型自适应艏向控制方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030067355A1 (en) * 2001-07-13 2003-04-10 Wojsznis Wilhelm K. Model-free adaptation of a process controller
CN101859147A (zh) * 2010-06-11 2010-10-13 哈尔滨工程大学 船舶航向智能协调控制方法
CN101957598A (zh) * 2010-09-26 2011-01-26 上海电力学院 一种大时滞系统的灰色无模型控制方法
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
CN105629721A (zh) * 2016-02-01 2016-06-01 金陵科技学院 基于指令滤波Backstepping二阶非线性系统无模型控制方法
CN106774341A (zh) * 2017-01-20 2017-05-31 四方继保(武汉)软件有限公司 无人船运动控制系统及运动控制方法
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
CN108227483A (zh) * 2018-01-05 2018-06-29 哈尔滨工程大学 海洋运载器用pd型紧格式无模型自适应航速控制方法
CN108319140A (zh) * 2018-02-02 2018-07-24 哈尔滨工程大学 一种重定义输出式无模型自适应航向控制方法及系统
CN108415423A (zh) * 2018-02-02 2018-08-17 哈尔滨工程大学 一种高抗扰自适应路径跟随方法及系统
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

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030067355A1 (en) * 2001-07-13 2003-04-10 Wojsznis Wilhelm K. Model-free adaptation of a process controller
CN101859147A (zh) * 2010-06-11 2010-10-13 哈尔滨工程大学 船舶航向智能协调控制方法
CN101957598A (zh) * 2010-09-26 2011-01-26 上海电力学院 一种大时滞系统的灰色无模型控制方法
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
CN105629721A (zh) * 2016-02-01 2016-06-01 金陵科技学院 基于指令滤波Backstepping二阶非线性系统无模型控制方法
CN106774341A (zh) * 2017-01-20 2017-05-31 四方继保(武汉)软件有限公司 无人船运动控制系统及运动控制方法
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
CN108227483A (zh) * 2018-01-05 2018-06-29 哈尔滨工程大学 海洋运载器用pd型紧格式无模型自适应航速控制方法
CN108319140A (zh) * 2018-02-02 2018-07-24 哈尔滨工程大学 一种重定义输出式无模型自适应航向控制方法及系统
CN108415423A (zh) * 2018-02-02 2018-08-17 哈尔滨工程大学 一种高抗扰自适应路径跟随方法及系统
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马洁 等: "大型舰船综合减摇系统无模型自适应控制", 《控制理论与应用》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110231822A (zh) * 2019-06-04 2019-09-13 哈尔滨工程大学 一种舰船用变输出约束式无模型自适应航向控制方法
CN110231822B (zh) * 2019-06-04 2022-04-05 哈尔滨工程大学 一种舰船用变输出约束式无模型自适应航向控制方法
CN110955980A (zh) * 2019-12-12 2020-04-03 哈尔滨工程大学 时滞水下超高速航行体稳定性分析方法
CN110955980B (zh) * 2019-12-12 2023-08-01 哈尔滨工程大学 时滞水下超高速航行体稳定性分析方法
CN111538339A (zh) * 2020-05-29 2020-08-14 智慧航海(青岛)科技有限公司 船舶航迹控制方法及装置
CN112034858A (zh) * 2020-09-14 2020-12-04 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
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
CN113110519A (zh) * 2021-05-26 2021-07-13 哈尔滨工程大学 一种舰船用非增量型无模型自适应艏向控制方法
CN113110519B (zh) * 2021-05-26 2021-11-30 哈尔滨工程大学 一种舰船用非增量型无模型自适应艏向控制方法

Similar Documents

Publication Publication Date Title
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
Xia et al. Improved line-of-sight trajectory tracking control of under-actuated AUV subjects to ocean currents and input saturation
Yang et al. A trajectory tracking robust controller of surface vessels with disturbance uncertainties
Liu et al. Predictor-based LOS guidance law for path following of underactuated marine surface vehicles with sideslip compensation
Zhang et al. Fixed-time velocity-free sliding mode tracking control for marine surface vessels with uncertainties and unknown actuator faults
CN108319140A (zh) 一种重定义输出式无模型自适应航向控制方法及系统
Zhao et al. Adaptive neural network control of a fully actuated marine surface vessel with multiple output constraints
Li et al. Active disturbance rejection with sliding mode control based course and path following for underactuated ships
Donaire et al. Dynamic positioning of marine craft using a port-Hamiltonian framework
Sun et al. Practical proportional integral sliding mode control for underactuated surface ships in the fields of marine practice
CN110618686B (zh) 一种基于显式模型预测控制的无人船航迹控制方法
CN108563113A (zh) 舰船用多回路无模型自适应艏向控制方法
Qin et al. Disturbance-observer-based prescribed performance fault-tolerant trajectory tracking control for ocean bottom flying node
Wang et al. Extended state observer-based fixed-time trajectory tracking control of autonomous surface vessels with uncertainties and output constraints
Yang et al. An improved stanley guidance law for large curvature path following of unmanned surface vehicle
Witkowska et al. Nonlinear backstepping ship course controller
Su et al. An improved adaptive integral line-of-sight guidance law for unmanned surface vehicles with uncertainties
Qiu et al. Robust path‐following control based on trajectory linearization control for unmanned surface vehicle with uncertainty of model and actuator saturation
Fu et al. Barrier Lyapunov function-based adaptive control of an uncertain hovercraft with position and velocity constraints
Deng et al. UKF based nonlinear offset-free model predictive control for ship dynamic positioning under stochastic disturbances
CN109765907B (zh) 一种舰船用pid无模型自适应航向控制算法
Smirnov et al. The issues of multipurpose control laws construction
Tang et al. Robust fixed-time trajectory tracking control of the dynamic positioning ship with actuator saturation
CN110687794B (zh) 一种基于干扰观测器的船舶动力定位系统非线性无偏预测控制方法
Liu et al. Robust adaptive self-Structuring neural network bounded target tracking control of underactuated surface vessels

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190122

RJ01 Rejection of invention patent application after publication