CN109656143A - 一种海面全驱动船舶的自适应跟踪控制方法及系统 - Google Patents
一种海面全驱动船舶的自适应跟踪控制方法及系统 Download PDFInfo
- Publication number
- CN109656143A CN109656143A CN201910138314.0A CN201910138314A CN109656143A CN 109656143 A CN109656143 A CN 109656143A CN 201910138314 A CN201910138314 A CN 201910138314A CN 109656143 A CN109656143 A CN 109656143A
- Authority
- CN
- China
- Prior art keywords
- ship
- output constraint
- sea surface
- drive
- tracking 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000252229 Carassius auratus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法及系统，所述方法包括：获取海面全驱动船舶系统动态模型；接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。基于本发明的控制方法，能够精确控制船舶的运动轨迹误差，保证船舶按照给定的目标轨迹运动。
Description
技术领域
本发明属于船舶自动控制技术领域，尤其涉及一种海面全驱动船舶的自适应跟踪控制方法及系统。
背景技术
随着海洋资源的发展和海洋运输的快速发展，对船舶运动控制提出了更高的要求。船舶运动控制的目的是提高船舶的自动化和智能化水平，从而有效地保证船舶在航行过程中的安全、经济和舒适性。海面船舶如果配备有主推进器(螺旋桨)、舵单元和侧推进器，则是全驱动系统。另一方面，传统水面船舶只安装有主推进器和舵单元，控制船舶的前进速度和航向角。由于船体没有推进器，利用螺旋桨产生的纵向推进和舵产生的转矩来控制船舶水平位置和船艏航向角三个自由度的运动。因此，这种船舶控制系统属于欠驱动系统。
相比较海面欠驱动船舶系统，海面全驱动船舶系统受到的关注较少。现有技术研究了全驱动船舶系统的自适应机动控制设计。针对一类具有不确定性和未知扰动的全驱动水面船舶，采用前馈逼近法，现有技术提出了轨迹跟踪控制方法。针对一类具有输出约束和不确定性的全驱动海面船舶系统，利用非对称障碍李雅普诺夫函数和神经网络方法，现有技术提出了一种轨迹跟踪控制策略。针对惯性矩阵和阻尼矩阵为对角矩阵或非对角矩阵的欠驱动船舶系统，现有技术主要解决了镇定和跟踪控制算法。针对随机激励下的对角欠驱动水面船舶系统，现有技术主要考虑路径跟踪控制方法。
在实际应用中，系统输出常常会受到一定的运动限制。例如，在实际工作中，由于起重机系统的物理约束，台车轨道长度是一定的。从安全角度出发，人们设计的控制方法应能够将台车控制在设定界内运行，避免台车超出运行范围，而与轨道边界发生激烈碰撞,造成安全事故.因此，在最近几年里，输出受限控制得到了广泛的关注。针对具有输出约束的海面全驱动船舶系统，虽然现有技术提出了跟踪控制方法，但是发明人发现这些控制方法仅能保证跟踪误差信号收敛到有界区域内，并不能保证跟踪误差信号收敛到零，从而限制了目前技术的实际应用效果。另一方面，如果系统动态模型中有些参数的准确信息不能量测，现有技术还不能给出未知参数的估计方法。
发明内容
为克服上述现有技术的不足，本发明提供了一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法及系统，能够精确控制船舶的运动轨迹误差，保证船舶按照给定的目标轨迹运动。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，包括以下步骤：
获取海面全驱动船舶系统动态模型；
接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
进一步地，计算船舶控制参数前，还接收用户设定的初始化参数，所述初始化参数包括：船舶在大地坐标系下的位置坐标和艏摇角、船舶的纵向速度，横荡速度以及艏摇角速度。
进一步地，所述海面全驱动船舶系统动态模型为：
其中向量η＝[η1,η2,η3]T＝[x,y,ψ]T，v＝[v1,v2,v3]＝[u,υ,r]T，(x,y)和ψ分别表示船舶在大地坐标系下的位置坐标和艏摇角，u，υ，r分别代表船舶的纵向速度，横荡速度以及艏摇角速度，J(η)是非奇异的转换矩阵，τ表示系统的控制输入向量，M是正定对称惯性矩阵，C(v)是中心和哥氏力矩矩阵，D(v)是阻尼矩阵。
进一步地，设定的所述轨迹误差包括船舶的位置坐标和艏摇角误差。
进一步地，船舶控制输入参数的计算公式为：
其中，Ji(z1)表示非奇异转换矩阵J(z1)的第i行，是不确定常数向量θ的在线估计，其中γ∈R3×3为正定对称矩阵；z1表示状态运动轨迹，e1＝[e11,e12,e13]T＝z1-ηd表示轨迹误差，z2表示横档速度，e2＝[e21,e22,e23]T＝z2-μ表示船舶横荡速度误差；为退化矩阵，σ(i)为自定义的符号函数；ai,bi,i＝1,2,3为设定的轨迹误差，满足：-b1≤x(t)-xd(t)≤a1，-b2≤y(t)-yb(t)≤a2，-b3≤ψ(t)-ψd(t)≤a3，其中，x(t)、y(t)和ψ(t)分别表示状态运动轨迹中t时刻的船舶在大地坐标系下的横纵坐标和艏摇角，xd(t)、yd(t)和ψd(t)分别表示目标轨迹中t时刻的船舶在大地坐标系下的横纵坐标和艏摇角。
进一步地，自适应律估计为：
其中，Γ为正定对称矩阵。
一个或多个实施例提供了一种带有输出约束的海面全驱动船舶的自适应跟踪控制系统，包括：
模型获取模块，获取海面全驱动船舶系统动态模型；
参数自定义模块，接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
控制参数求解模块，根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
一个或多个实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的带有输出约束的海面全驱动船舶的自适应跟踪控制方法。
一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的带有输出约束的海面全驱动船舶的自适应跟踪控制方法。
以上一个或多个技术方案存在以下有益效果：
本发明针对一类受输出约束的全驱动海上船舶系统，提供了自适应轨迹跟踪控制方法，实现了跟踪误差信号在不超出设定运动范围的前提下，能够渐近收敛到零，同时对船舶系统的未知参数能够实现在线估计。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明一个或多个实施例中控制方法的流程图；
图2为基于本发明控制方法进行仿真的轨迹跟踪误差响应图；
图3为基于本发明控制方法进行仿真的船舶纵向速度，横荡速度以及艏摇角速度响应图；
图4为基于本发明控制方法进行仿真的未知参数的自适应律响应图；
图5为基于本发明控制方法进行仿真的未知参数的船舶控制输入响应图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，包括以下步骤：
步骤1：获取海面全驱动船舶系统动态模型；
海面全驱动船舶系统的动态方程描述为：
其中向量η＝[η1,η2,η3]T＝[x,y,ψ]T，v＝[v1,v2,v3]＝[u,υ,r]T，(x,y)和ψ分别表示船舶在大地坐标系下的位置坐标和艏摇角，u，υ，r分别代表船舶的纵向速度，横荡速度以及艏摇角速度，τ表示系统的控制输入向量，M是正定对称惯性矩阵，其具体的表达式为：
中心和哥氏力矩矩阵C(v)定义为：
其中m代表船体质量，xg表示附加质量。阻尼矩阵D(v)的形式为：
其中d11(v)＝-Xu-X|u|u|u|-Xuuuu2，d22(v)＝-Yυ-Y|υ|υ|υ|-Y|r|υ|r|，d23(v)＝-Yr-Y|υ|r|υ|-Y|r|r|r|，d32(v)＝-Nυ-N|υ|υ|υ|-N|r|υ|r|，d32(v)＝-Nr-N|υ|r|υ|-N|r|r|r|，系数{X(·),Y(·),N(·)}表示水动力参数。g(η)是由重力、洋流和浮流所造成的恢复力矩向量。非奇异的转换矩阵J(η)定义为：
步骤2：接收用户设定的期望目标轨迹、初始化参数、运动轨迹控制参数，以及输出约束条件；
所述初始化参数包括：船舶在大地坐标系下的位置坐标(x,y)和艏摇角ψ、船舶的纵向速度u，横荡速度υ以及艏摇角速度r，是不确定常数向量θ的在线估计。
所述运动轨迹控制参数包括：船舶在大地坐标系下的位置坐标和艏摇角的边界条件。
所述期望目标轨迹为ηd＝[ηd1,ηd2,ηd3]T＝[xd,yd,ψd]T。
所述控制目标为设计自适应跟踪控制器τ使得船舶系统的状态运动轨迹η能够跟踪到预先给定的期望轨迹ηd。输出约束条件包括：轨迹跟踪误差不会超出设定的界、闭环系统的所有信号是有界的。上述控制目标可由数学语言描述为：
其中ai,bi,i＝1,2,3为设定的正实数。为实现该目标，作如下假设：
假设1：期望轨迹ηd以及其一阶、二阶导数都是有界的。
假设2：线性依赖于参数性，即对任意的x,y∈R3成立C(v)x+D(v)y+g(η)＝Φ(v,η,x,y)θ，其中Φ称为退化矩阵，θ为常数向量，同时设定θ为不确定但为有界的。
步骤3：所述输出约束条件包括轨迹误差和船舶横荡速度误差，根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至控制器；
定义z1＝[z11,z12,z13]T＝η,z2＝[z21,z22,z23]T＝v，系统(1)可重新描述为
为了给出跟踪误差动态方程，引入误差变量e1＝[e11,e12,e13]T＝z1-ηd，e2＝[e21,e22,e23]T＝z2-μ，其中μ＝[μ1,μ2,μ3]T为待设计的镇定函数向量。
其中函数σ(i)定义为
函数V1关于时间的导数计算为
计算e1i关于时间的导数，可得
其中Ji(z1)表示矩阵J(z1)的第i行。这里，选取虚拟控制输入μ为
其中Λ定义为
其中ki>0,i＝1,2,3为设计参数。将(6)和(7)式带入到(5)式，可得
接下来，选取李雅普诺夫函数V2为
其中 是不确定常数向量θ的在线估计，Γ为正定对称矩阵。函数V2的导数可计算为
其中e2关于时间的导数满足
联立(8)式和(11)式可推得
基于假设2，可推得存在未知的常数向量θ使得
根据(12)和(13)式，可推得
基于(14)式，系统实际的控制输入τ设计为
其中γ∈R3×3为正定对称矩阵，自适应律选取为
综合(14)-(16)，可得如下结论
步骤4：基于所述控制模型求解控制参数并输出至船舶控制系统。
主要结论归纳如下：
定理1：考虑系统(1),如果假设条件1-2成立e1i(0)∈(-bi,ai),i＝1,2,3，且控制输入由(15)式定义，则由(1)和(15)构成的闭环系统的运动轨迹η能够渐近跟踪到期望轨迹ηd同时不会超出设定的界-b1≤x(t)-xd(t)≤a1，-b2≤y(t)-yd(t)≤a2，-b3≤ψ(t)-ψd(t)≤a3，并且闭环系统的其他信号都是有界的。
证明：由(17)式可知，从而V2(t)是非增函数。进而可得V2(t)≤V2(0)。下面，说明如果e1i(0)∈(-bi,ai),i＝1,2,3，则e1i(t)就不会超出运动范围(-bi,ai)。注意到e1i(0)∈(-bi,ai)，可知，即使e1i(t)要超出运动界限(-bi,ai)，它必须先到到边界-bi或者ai，即或者但是无论或者V2(t)都会变的无穷大，这与V2(t)≤V2(0)是矛盾的。因此，如果e1i(0)∈(-bi,ai),i＝1,2,3，e1i(t)就不会超出运动范围(-bi,ai)。考虑到函数V2的定义以及(18)式，可知函数V2(t)是正定且是有界的，即
相应地，由(9)式可知
由LaSalles不变集定理可知，收敛到包含于集合的最大不变集Ω，故
为验证所提控制方法的有效性，考虑由挪威科技大学船舶控制实验中心设计的CybershipII船舶模型，该模型与海上供应船的比例1:70。恢复力矩向量g(η)取为
g(η)＝[0.2cos(ψ)-0.36sin(ψ),0.2cos(ψ)+0.36sin(ψ),0.18]T。 (20)
系统已知的物理参数在表1中给出。因此，不确定常数向量θ取为
θ＝[Y|r|υ,Y|υ|r,Y|r|r,N|r|υ,Nr,N|υ|r,N|r|r]T。 (21)
从而，退化矩阵Φ可写为
表1船舶系统已知的物理参数
选取期望的跟踪目标轨迹ηd(t)为
ηd(t)＝[xd(t),yd(t),ψd(t)]T＝[0.4t,0.4t,π/4]T， (22)
系统初始条件选为x(0)＝-0.6，y(0)＝0.7，ψ(0)＝0，u(0)＝0，υ(0)＝0.5，r(0)＝0，为了实施Matlab仿真，选取控制设计参数为k1＝k2＝k3＝1，a1＝a2＝a3＝1，b1＝b2＝b3＝1。仿真结果如图2-5所示。由图2可知船舶的状态轨迹η(t)能够渐近跟踪到设定的期望轨迹ηd(t)，同时跟踪误差不会超出设定的边界|x(t)-xd(t)|≤1，|y(t)-yd(t)|≤1，|ψ(t)-ψd(t)|≤1。由图3，可以看出船舶系统的纵向速度，横荡速度以及艏摇角速度都收敛到常数速度，这从另一面也说明了船舶跟踪到了期望轨迹。另外，由图4-5，可知闭环系统的自适应律以及控制输入都是有界的。仿真结果与理论分析的结果相一致。
实施例二
本实施例的目的是提供一种控制系统。
本实施例提供了一种带有输出约束的海面全驱动船舶的自适应跟踪控制系统，包括：
模型获取模块，获取海面全驱动船舶系统动态模型；
参数自定义模块，接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
控制参数求解模块，根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
实施例三
本实施例的目的是提供一种计算机设备。
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现：
获取海面全驱动船舶系统动态模型；
接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
实施例四
本实施例的目的是提供一种计算机可读存储介质。
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：
获取海面全驱动船舶系统动态模型；
接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
以上实施例二-五的中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
以上一个或多个实施例具有以下技术效果：
本发明针对一类受输出约束的全驱动海上船舶系统，提供了自适应轨迹跟踪控制方法，实现了跟踪误差信号在不超出设定运动范围的前提下，能够渐近收敛到零，保证了船舶能够根据设定的目标轨迹航行。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
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。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，其特征在于，包括以下步骤：
获取海面全驱动船舶系统动态模型；
接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
2.如权利要求1所述的一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，其特征在于，计算船舶控制参数前，还接收用户设定的初始化参数，所述初始化参数包括：船舶在大地坐标系下的位置坐标和艏摇角、船舶的纵向速度，横荡速度以及艏摇角速度。
3.如权利要求2所述的一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，其特征在于，所述海面全驱动船舶系统动态模型为：
其中向量η＝[η1,η2,η3]T＝[x,y,ψ]T，v＝[v1,v2,v3]＝[u,υ,r]T，(x,y)和ψ分别表示船舶在大地坐标系下的位置坐标和艏摇角，u，υ，r分别代表船舶的纵向速度，横荡速度以及艏摇角速度，J(η)是非奇异的转换矩阵，τ表示系统的控制输入向量，M是正定对称惯性矩阵，C(v)是中心和哥氏力矩矩阵，D(v)是阻尼矩阵。
4.如权利要求1所述的一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，其特征在于，设定的所述轨迹误差包括船舶的位置坐标和艏摇角误差。
5.如权利要求1所述的一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，其特征在于，船舶控制输入参数的计算公式为：
其中，Ji(z1)表示非奇异转换矩阵J(z1)的第i行，是不确定常数向量θ的在线估计，其中γ∈R3×3为正定对称矩阵；z1表示状态运动轨迹，e1＝[e11,e12,e13]T＝z1-ηd表示轨迹误差，z2表示横档速度，e2＝[e21,e22,e23]T＝z2-μ表示船舶横荡速度误差；为退化矩阵，σ(i)为自定义的符号函数；ai,bi,i＝1,2,3为设定的轨迹误差，满足：-b1≤x(t)-xd(t)≤a1，-b2≤y(t)-yd(t)≤a2，-b3≤ψ(t)-ψd(t)≤a3，其中，x(t)、y(t)和ψ(t)分别表示状态运动轨迹中t时刻的船舶在大地坐标系下的横纵坐标和艏摇角，xd(t)、yd(t)和ψd(t)分别表示目标轨迹中t时刻的船舶在大地坐标系下的横纵坐标和艏摇角。
6.如权利要求5所述的一种带有输出约束的海面全驱动船舶的自适应跟踪控制方法，其特征在于，自适应律估计为：
其中，Γ为正定对称矩阵。
7.一种带有输出约束的海面全驱动船舶的自适应跟踪控制系统，其特征在于，包括：
模型获取模块，获取海面全驱动船舶系统动态模型；
参数自定义模块，接收用户设定的期望目标轨迹和输出约束条件，其中，所述输出约束条件包括轨迹误差和船舶横荡速度误差；
控制参数求解模块，根据所述输出约束条件和全驱动船舶系统动态模型，计算船舶控制参数并输出至船舶控制系统。
8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述的带有输出约束的海面全驱动船舶的自适应跟踪控制方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的带有输出约束的海面全驱动船舶的自适应跟踪控制方法。
10.一种控制器，用于船舶系统，其特征在于，执行如权利要求1-5任一项所述的带有输出约束的海面全驱动船舶的自适应跟踪控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910138314.0A CN109656143B (zh) | 2019-02-25 | 2019-02-25 | 一种海面全驱动船舶的自适应跟踪控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910138314.0A CN109656143B (zh) | 2019-02-25 | 2019-02-25 | 一种海面全驱动船舶的自适应跟踪控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109656143A true CN109656143A (zh) | 2019-04-19 |
| CN109656143B CN109656143B (zh) | 2022-01-28 |
Family
ID=66123659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910138314.0A Active CN109656143B (zh) | 2019-02-25 | 2019-02-25 | 一种海面全驱动船舶的自适应跟踪控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109656143B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110908288A (zh) * | 2019-12-26 | 2020-03-24 | 南京航空航天大学 | 一种基于障碍Lyapunov函数的无人机地速约束抗扰控制方法 |
| CN111665719A (zh) * | 2020-06-11 | 2020-09-15 | 大连海事大学 | 一种具有时效性与稳定性的补给船同步控制算法 |
| CN111736600A (zh) * | 2020-06-10 | 2020-10-02 | 哈尔滨工程大学 | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 |
| CN112034865A (zh) * | 2020-08-12 | 2020-12-04 | 浙江大学 | 基于优化算法的全驱动水下航行器航迹跟踪控制方法 |
| CN112051742A (zh) * | 2020-09-17 | 2020-12-08 | 哈尔滨工程大学 | 一种基于mpc的全驱动船舶航迹跟踪方法 |
| CN112084574A (zh) * | 2020-08-11 | 2020-12-15 | 智慧航海（青岛）科技有限公司 | 一种基于神经网络的船舶附加质量和附加惯性矩确定方法 |
| CN112612209A (zh) * | 2020-12-14 | 2021-04-06 | 哈尔滨工业大学 | 基于指令滤波神经网络控制器的全驱动船舶轨迹跟踪控制方法及系统 |
| CN113341718A (zh) * | 2021-06-10 | 2021-09-03 | 浙江大学 | 欠驱动水面机器人的水动力系数混合自适应估计方法 |
| CN118331265A (zh) * | 2024-04-12 | 2024-07-12 | 哈尔滨工业大学 | 具有预定跟踪精度与时间的船舶轨迹跟踪控制系统及方法 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207568A (zh) * | 2013-03-18 | 2013-07-17 | 哈尔滨工程大学 | 一种抗舵机饱和的船舶航向自适应控制方法 |
| CN103576555A (zh) * | 2013-11-14 | 2014-02-12 | 哈尔滨工程大学 | 一种动力定位船舶循迹导引控制方法 |
| 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 |
| CN105867382A (zh) * | 2016-05-12 | 2016-08-17 | 哈尔滨工程大学 | 一种基于等效干扰补偿的船舶动力定位控制系统 |
| CN105974930A (zh) * | 2016-04-18 | 2016-09-28 | 哈尔滨工程大学 | 一种基于非线性模型预测控制的uuv对运动母船的跟踪方法 |
| KR101706367B1 (ko) * | 2015-11-27 | 2017-02-14 | 공주대학교 산학협력단 | 과소작동기를 갖는 자율무인 이동체의 신경회로망 기반 결함포용 컨트롤 방법 |
| CN106406095A (zh) * | 2016-10-26 | 2017-02-15 | 北京航空航天大学 | 输入输出非对称受限的全驱动水面舰船轨迹跟踪控制方法 |
| CN107015562A (zh) * | 2017-04-26 | 2017-08-04 | 华南理工大学 | 一种满足预设跟踪性能的欠驱动水面船舶控制方法 |
| CN107024863A (zh) * | 2017-03-24 | 2017-08-08 | 哈尔滨工程大学 | 一种避免微分爆炸的uuv轨迹跟踪控制方法 |
| CN108829099A (zh) * | 2018-06-01 | 2018-11-16 | 北京航空航天大学 | 一种基于受限反步法控制的欠驱动无人船轨迹跟踪方法 |
| CN109100939A (zh) * | 2018-09-19 | 2018-12-28 | 哈尔滨工程大学 | 考虑输入饱和的水面无人艇全状态约束轨迹跟踪控制方法 |
-
2019
- 2019-02-25 CN CN201910138314.0A patent/CN109656143B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207568A (zh) * | 2013-03-18 | 2013-07-17 | 哈尔滨工程大学 | 一种抗舵机饱和的船舶航向自适应控制方法 |
| CN103576555A (zh) * | 2013-11-14 | 2014-02-12 | 哈尔滨工程大学 | 一种动力定位船舶循迹导引控制方法 |
| 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 |
| KR101706367B1 (ko) * | 2015-11-27 | 2017-02-14 | 공주대학교 산학협력단 | 과소작동기를 갖는 자율무인 이동체의 신경회로망 기반 결함포용 컨트롤 방법 |
| CN105974930A (zh) * | 2016-04-18 | 2016-09-28 | 哈尔滨工程大学 | 一种基于非线性模型预测控制的uuv对运动母船的跟踪方法 |
| CN105867382A (zh) * | 2016-05-12 | 2016-08-17 | 哈尔滨工程大学 | 一种基于等效干扰补偿的船舶动力定位控制系统 |
| CN106406095A (zh) * | 2016-10-26 | 2017-02-15 | 北京航空航天大学 | 输入输出非对称受限的全驱动水面舰船轨迹跟踪控制方法 |
| CN107024863A (zh) * | 2017-03-24 | 2017-08-08 | 哈尔滨工程大学 | 一种避免微分爆炸的uuv轨迹跟踪控制方法 |
| CN107015562A (zh) * | 2017-04-26 | 2017-08-04 | 华南理工大学 | 一种满足预设跟踪性能的欠驱动水面船舶控制方法 |
| CN108829099A (zh) * | 2018-06-01 | 2018-11-16 | 北京航空航天大学 | 一种基于受限反步法控制的欠驱动无人船轨迹跟踪方法 |
| CN109100939A (zh) * | 2018-09-19 | 2018-12-28 | 哈尔滨工程大学 | 考虑输入饱和的水面无人艇全状态约束轨迹跟踪控制方法 |
Non-Patent Citations (5)
| Title |
|---|
| K. P. TEE,ET AL.: "Control of fully actuated ocean surface vessels using a class of feedforward approximators", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》 * |
| ROGER SKJETNE,ET AL.: "Adaptive maneuvering, with experiments, for a model ship in a marine control laboratory", 《AUTOMATICA》 * |
| WEI HE,ET AL.: "Adaptive neural network control of a marine vessel with constraints using the asymmetric barrier lyapunov function", 《IEEE TRANSACTIONS ON CYBERNETICS》 * |
| ZEWEI ZHENG,ET AL.: "Adaptive Trajectory Tracking Control of a Fully Actuated Surface Vessel With Asymmetrically Constrained Input and Output", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY 》 * |
| ZHEN ZHAO,ET AL.: "Adaptive Neural Network Control of a Fully Actuated Marine Surface Vessel With Multiple Output Constraints", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110908288A (zh) * | 2019-12-26 | 2020-03-24 | 南京航空航天大学 | 一种基于障碍Lyapunov函数的无人机地速约束抗扰控制方法 |
| CN111736600B (zh) * | 2020-06-10 | 2022-04-15 | 哈尔滨工程大学 | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 |
| CN111736600A (zh) * | 2020-06-10 | 2020-10-02 | 哈尔滨工程大学 | 一种时滞非对称时变全状态约束下的水面无人艇轨迹跟踪控制方法 |
| CN111665719A (zh) * | 2020-06-11 | 2020-09-15 | 大连海事大学 | 一种具有时效性与稳定性的补给船同步控制算法 |
| CN111665719B (zh) * | 2020-06-11 | 2022-11-22 | 大连海事大学 | 一种具有时效性与稳定性的补给船同步控制算法 |
| CN112084574B (zh) * | 2020-08-11 | 2024-04-19 | 智慧航海（青岛）科技有限公司 | 一种基于神经网络的船舶附加质量和附加惯性矩确定方法 |
| CN112084574A (zh) * | 2020-08-11 | 2020-12-15 | 智慧航海（青岛）科技有限公司 | 一种基于神经网络的船舶附加质量和附加惯性矩确定方法 |
| CN112034865A (zh) * | 2020-08-12 | 2020-12-04 | 浙江大学 | 基于优化算法的全驱动水下航行器航迹跟踪控制方法 |
| CN112034865B (zh) * | 2020-08-12 | 2021-10-08 | 浙江大学 | 基于优化算法的全驱动水下航行器航迹跟踪控制方法 |
| CN112051742A (zh) * | 2020-09-17 | 2020-12-08 | 哈尔滨工程大学 | 一种基于mpc的全驱动船舶航迹跟踪方法 |
| CN112612209A (zh) * | 2020-12-14 | 2021-04-06 | 哈尔滨工业大学 | 基于指令滤波神经网络控制器的全驱动船舶轨迹跟踪控制方法及系统 |
| CN113341718A (zh) * | 2021-06-10 | 2021-09-03 | 浙江大学 | 欠驱动水面机器人的水动力系数混合自适应估计方法 |
| CN118331265A (zh) * | 2024-04-12 | 2024-07-12 | 哈尔滨工业大学 | 具有预定跟踪精度与时间的船舶轨迹跟踪控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109656143B (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109656143B (zh) | 一种海面全驱动船舶的自适应跟踪控制方法及系统 | |
| Fang et al. | AUV position tracking and trajectory control based on fast-deployed deep reinforcement learning method | |
| Zhou et al. | Adaptive robust sliding mode control of autonomous underwater glider with input constraints for persistent virtual mooring | |
| CN108563130B (zh) | 一种欠驱动船舶自适应神经网络自动靠泊控制方法，设备及介质 | |
| Gao et al. | Adaptive formation control of autonomous underwater vehicles with model uncertainties | |
| CN109814392A (zh) | 一种欠驱动水下机器人执行器故障鲁棒容错控制方法 | |
| Park et al. | Design of an adaptive backstepping controller for auto-berthing a cruise ship under wind loads | |
| CN110333658A (zh) | 一种带输入约束和漂角补偿的欠驱动船舶航向控制方法 | |
| CN111798702B (zh) | 无人艇路径跟踪控制方法、系统、存储介质及终端 | |
| CN107544258A (zh) | 自主型水下航行器自适应反演控制方法 | |
| CN110244556A (zh) | 基于期望航向修正的欠驱动船舶航向控制方法 | |
| Zhang et al. | Tracking fault-tolerant control based on model predictive control for human occupied vehicle in three-dimensional underwater workspace | |
| CN113189867B (zh) | 一种考虑位姿与速度受限的无人船自学习最优跟踪控制方法 | |
| Ma et al. | Cooperative towing for double unmanned surface vehicles connected with a floating rope via vertical formation and adaptive moment control | |
| CN105700356B (zh) | 基于鲁棒约束模型预测控制的uuv对线控位回收方法 | |
| CN111596670A (zh) | 一种基于镇定控制的欠驱动水面艇自动靠泊方法 | |
| Wu et al. | Deep reinforcement learning with intrinsic curiosity module based trajectory tracking control for USV | |
| Tang et al. | Robust adaptive tracking control for dynamic positioning ships subject to dynamic safety constraints and actuator saturation | |
| Amendola et al. | Port channel navigation subjected to environmental conditions using reinforcement learning | |
| CN111651943B (zh) | 一种船舶运动控制方法、终端设备及存储介质 | |
| Yu | Saturated backstepping control for boat with disturbance estimator | |
| Ding et al. | Automatic Berthing Based on Reinforcement Learning and Feedback Control | |
| Zou et al. | Adaptive iterative sliding mode berthing control for underactuated ship based on chaotic particle swarm | |
| Li | 3D trajectory tracking of underactuated non-minimum phase underwater vehicles | |
| Ding et al. | Based on disturbance observer of Air Cushion Vehicle course sliding backstepping control |
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 |