CN109976349B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN109976349B CN109976349B CN201910295860.5A CN201910295860A CN109976349B CN 109976349 B CN109976349 B CN 109976349B CN 201910295860 A CN201910295860 A CN 201910295860A CN 109976349 B CN109976349 B CN 109976349B
- Authority
- CN
- China
- Prior art keywords
- unmanned ship
- constraint
- course
- longitudinal
- heading
- 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 26
- 238000013461 design Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 238000005096 rolling process Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000013016 damping Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 230000009471 action Effects 0.000 abstract description 5
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000012937 correction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 230000000694 effects Effects 0.000 description 18
- 238000011160 research Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing 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
- 238000012360 testing method 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
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种含约束无人船路径跟踪制导与控制器结构的设计方法,包括以下步骤:扰动观测器的设计;LOS制导律模块的设计;航向控制模块的设计;速度控制模块的设计。本发明通过采用扰动观测器对由含约束无人船动力学建模不确定性与海洋环境带来外部扰动组成的集总不确定性进行估计,所需调节参数少,易于调参。通过发送集总不确定性的估计值给航向控制模块与速度控制模块,进而控制船舶运动,有效的降低了制导与控制结构的计算负荷,可以实现快速收敛,提高了制导与控制结构的抗干扰能力,控制性能良好。本发明通过在线滚动优化和反馈校正策略,含约束无人船的制导与控制结构可以充分利用允许的控制动作,提高性能。
Description
技术领域
本发明涉及无人船领域,特别是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。
背景技术
鉴于含约束无人船在应用方面的广阔前景以及在轻量化、能源消耗等方面展现出的巨大优势,各国都致力于含约束无人船的研究,目前正处于飞速发展的关键阶段,在军事和民用领域有了尝试性的应用并取得了很大的成功,包括反潜作战、支持特种作战、海事巡航监管、海事搜寻与救助、海洋数据测量与监测以及气象保障服务。特别是随着通信技术、人工智能等新技术、新理念的迅速发展,含约束无人船的研究有了新的突破,其中对含约束无人船路径跟踪方法的研究与实际应用也越来越多。路径跟踪要求含约束无人船到达并能够航行在预定路径上,有时为了满足任务需求避免损失而对航速及航向的控制精度要求较高。
在单船运动控制方面,由于含约束无人船运动模型具有非线性、强耦合、欠驱动等特性,并且航行过程中存在大量的不确定性,如参数不确定、未建模动态、时变风浪流扰动等,含约束无人船运动控制面临着较大的挑战。根据控制目标的不同,含约束无人船的控制运动可划分为定点稳定、目标跟踪、轨迹跟踪、路径跟踪。而针对无人船的路径跟踪运动控制的主要方法包括自适应控制、滑模控制、神经网络控制、模糊控制、自抗扰控制等。主流的控制器设计方法包括反步法设计、动态面设计、指令优化设计等。经过近二十年的研究,单船运动控制已经取得了丰硕的研究成果。
但是,现有的技术仍然存在以下问题:
第一,现有路径跟踪的控制方法依赖于精确的船舶模型,把船舶内、外扰动,如由建模误差、海洋环境中的风浪流变化带来的未知扰动引起的不确定性等参数全部人工预设好后再进行船舶路径跟踪控制,这就导致该类型的控制方法只能提前获取所需各种参数后才能控制船舶的运动,不利于工程实现。且控制系统计算负担较大,所需人工调节参数较多、过程繁琐。
第二,现有路径跟踪控制方法有的使用神经网络或扰动观测器来估计含约束无人船动力学系统的不确定性,却无法做到显式和主动处理约束,即含约束无人船行驶在复杂多变的海洋环境中,当前时刻的控制动作可能在下一时刻产生违背约束的动态,降低控制系统的性能,从而影响路径跟踪的控制效果。
发明内容
为解决现有技术存在的上述问题,本发明要设计一种含约束无人船的路径跟踪制导与控制结构的设计方法。该方法易于工程实现,控制系统计算负担小,调节参数少,可避免下一时刻无人船可能产生的约束违背动态,并提高制导与控制结构性能。
为了实现上述目的,本发明的技术方案如下:一种含约束无人船路径跟踪制导与控制器结构的设计方法,所述的结构包括扰动观测器、LOS制导律模块、航向控制模块、速度控制模块和含约束无人船,所述扰动观测器的输入端分别与含约束无人船、航向控制模块以及速度控制模块的输出端相连,所述LOS制导律模块的输入端与含约束无人船的输出端相连,所述航向控制模块的输入端分别与LOS制导律模块的输出端、扰动观测器的输出端相连,所述速度控制模块的输入端与扰动观测器的输出端相连。
所述的含约束无人船的运动学和动力学模型用下式表示:
x、y、u、v和r分别代表地球坐标系下的含约束无人船的横坐标、纵坐标、航向角、纵向速度、横漂速度和艏摇角速度;mu、mv、mr分别代表含约束无人船纵向、侧向以及艏摇方向的惯量;τu、τr分别表示含约束无人船纵向的推力和艏摇方向上的力矩,由于含约束无人船没有侧向推力,则τv=0;fu(·)、fv(·)、fr(·)分别表示纵向、侧向以及艏摇方向上由于向心力、阻尼力以及含约束无人船未建模动态所产生的含约束无人船不确定性;τwu、τwv分别为海洋环境中时变风浪流扰动对含约束无人船纵向、侧向方向上产生的力;τwr为海洋环境中时变风浪流扰动对含约束无人船艏摇角方向上产生的力矩。
所述的设计方法,包括以下步骤:
A、扰动观测器的设计
扰动观测器的输入信号为含约束无人船的地球坐标系下的位置和航向信号x、y、与速度信号u、v、r以及控制输入信号τu、τr,输出信号包括对含约束无人船航向的观测值纵向速度的观测值以及纵向、艏摇方向上产生的含约束无人船不确定性的观测值所设计的扰动观测器表示为:
式中:
R是旋转矩阵;τ是控制输入信号,表示为τ=[τu 0τr]T;
M是惯性矩阵;
K1、K2、K3是扰动观测器增益矩阵。
B、LOS制导律模块的设计
pr=[xr yr]T
p=[x y]T
含约束无人船的期望航向表示为:
其中,α为含约束无人船的跟踪目标的航向,Δt为含约束无人船相对跟踪目标的视距。
C、航向控制模块的设计
航向预测方程如下:
其中,r(k)分别表示第k时刻含约束无人船的航向和艏摇角速度,r(k+1)分别表示第k+1时刻含约束无人船的航向和艏摇角速度,T是采样时间。根据当前k时刻预测第k+1时刻含约束无人船的航向,以此类推。
为了使含约束无人船跟踪上参考路径,用航向的预测值和期望值之间的累积误差定义一个惩罚函数:
为了使含约束无人船的航向角与期望航向一致,求解以下优化问题:
D、速度控制模块的设计
航向预测方程如下:
其中,u(k)表示第k时刻含约束无人船的纵向速度,u(k+1)表示第k+1时刻含约束无人船的纵向速度,T是采样时间。根据当前k时刻预测第k+1时刻含约束无人船的纵向速度,以此类推。
为了使含约束无人船跟踪上参考路径,用纵向速度的预测值和期望值之间的累积误差定义一个惩罚函数:
其中,Np是预测时域,Nc是控制时域,Γu是加权因子,u(k+i|k)表示根据当前k时刻含约束无人船的纵向速度预测第k+i时刻的纵向速度,ur(k+i)表示第k+i时刻含约束无人船的期望纵向速度。
为了使含约束无人船的纵向速度与期望速度一致,求解以下优化问题:
uk=argminJ(u,Δu)(9)
uk={uk+1,uk+2,···,uk+n}为在线滚动时域优化决策得到最优控制序列,n是预测步数,将最优控制序列的第一个元素uk+1作用于含约束无人船,更新含约束无人船的状态及轨迹,进行迭代。
与现有技术相比,本发明具有以下有益效果:
第一,本发明通过采用扰动观测器对由含约束无人船动力学建模不确定性与海洋环境带来外部扰动组成的集总不确定性进行估计,所需调节参数少,易于调参。通过发送集总不确定性的估计值给航向控制模块与速度控制模块,进而控制船舶运动,有效的降低了制导与控制结构的计算负荷,可以实现快速收敛,提高了制导与控制结构的抗干扰能力,控制性能良好。
第二,本发明通过在线滚动优化和反馈校正策略,含约束无人船的制导与控制结构可以充分利用允许的控制动作,提高性能。并且在预测含约束无人船未来动态的过程中,可以预见未来可能发生的约束违背,从而调整当前时刻的控制动作,使系统能够避免约束违背。
第三,本发明不依赖于精确的船舶模型,使得该发明可以应用到复杂环境中,鲁棒性较好、适应力强、控制简单。并且该发明不仅适用于水面含约束无人船,同时也适用于水下无人海洋航行器,在水面水下无人海洋航行器的目标跟踪、轨迹路径跟踪等运动控制场合具有重要应用价值。
第四,本发明将模型预测控制算法与扰动观测器相结合,设计了一种基于模型预测控制、考虑各种约束和环境干扰的含约束无人船路径跟踪制导与控制结构,采用多步测试、在线滚动优化性能指标和反馈校正等控制策略,充分利用允许的控制动作,提高控制性能,避免约束违背,显示出较高的鲁棒性能和良好的应用效果。
附图说明
图1是含约束无人船路径跟踪制导与控制结构示意图;
图2是含约束无人船跟踪效果示意图;
图3是航向误差效果示意图;
图4是纵向速度误差效果示意图;
图5是含约束无人船纵向上的不确定性观测效果示意图;
图6是含约束无人船侧向上的不确定性观测效果示意图;
图7是含约束无人船艏摇方向上的不确定性观测效果示意图;
图8是含约束无人船的航向观测效果示意图;
图9是含约束无人船的纵向速度观测效果示意图。
具体实施方式
下面结合附图对本发明进行进一步地描述。图1为本发明的结构示意图,含约束无人船路径跟踪控制系统中含约束无人船满足式(1)中的动力学模型,模型的具体参数如下:
含约束无人船的初始位置为p=[-5-10]T。
在此实施例中,含约束无人船的路径跟踪控制器的控制目标是保证含约束无人船精确跟踪目标的航迹,各项参数如下:参考位置pr=[0.1t 0.1t]T,控制输入-10≤τu≤10,-5≤τr≤5,采样时间T=0.1,加权因子Γu=0.00,预测步数n=3,含约束无人船的期望纵向速度设定为ur=0.2,视距设定为Δt=6。
扰动观测器的具体参数如下:
仿真结果如图2-9所示。
图2是含约束无人船对目标的路径跟踪效果示意图,图中实线条是目标的参考轨迹,虚线条是含约束无人船的轨迹,可以看到目标从点(0,0)出发,然后含约束无人船从点(-5,-10)出发以给定的速度对目标进行路径的跟踪,经过一段时间后,含约束无人船已经跟踪上参考路径。图3是航向误差效果示意图,图中线条为含约束无人船与目标的航向误差,可以看到在第三秒的时候含约束无人船的航行已经跟踪上给定路径航向。图4是纵向速度误差效果示意图,图中线条为含约束无人船与期望的纵向速度误差,可以看到在第二秒的时候误差已经接近于零,实际速度已经可以跟踪上给定速度。图5是含约束无人船纵向上的不确定性观测效果示意图,图中实线条是含约束无人船纵向上的不确定性实际值,虚线条是含约束无人船纵向上的不确定性观测值,可以看到纵向上的不确定性观测值可以准确跟踪上实际值。图6是含约束无人船侧向上的不确定性观测效果示意图,图中实线条是含约束无人船侧向上的不确定性实际值,虚线条是含约束无人船侧向上的不确定性观测值,可以看到对侧向上的不确定性观测值与可以准确跟踪上实际值。图7是含约束无人船艏摇方向上的不确定性观测效果示意图,图中实线条是含约束无人船艏摇方向上的不确定性实际值,图中虚线条是含约束无人船艏摇方向上的不确定性观测值,可以看到对艏摇方向上的不确定性观测值可以准确跟踪上实际值。图8是含约束无人船的航向观测效果示意图,图中实线条是含约束无人船的航向实际值,虚线条是含约束无人船的航向观测值,可以看到对航向的观测值可以准确跟踪上实际值。图9是含约束无人船的纵向速度观测效果示意图,图中实线条是含约束无人船的纵向速度实际值,虚线条是含约束无人船的纵向速度观测值,可以看到对纵向速度的观测值可以准确跟踪上实际值。
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。
Claims (1)
1.一种含约束无人船路径跟踪制导与控制器结构的设计方法,所述的结构包括扰动观测器、LOS制导律模块、航向控制模块、速度控制模块和含约束无人船,所述扰动观测器的输入端分别与含约束无人船、航向控制模块以及速度控制模块的输出端相连,所述LOS制导律模块的输入端与含约束无人船的输出端相连,所述航向控制模块的输入端分别与LOS制导律模块的输出端、扰动观测器的输出端相连,所述速度控制模块的输入端与扰动观测器的输出端相连;
所述的含约束无人船的运动学和动力学模型用下式表示:
x、y、u、v和r分别代表地球坐标系下的含约束无人船的横坐标、纵坐标、航向角、纵向速度、横漂速度和艏摇角速度;mu、mv、mr分别代表含约束无人船纵向、侧向以及艏摇方向的惯量;τu、τr分别表示含约束无人船纵向的推力和艏摇方向上的力矩,由于含约束无人船没有侧向推力,则τv=0;fu(·)、fv(·)、fr(·)分别表示纵向、侧向以及艏摇方向上由于向心力、阻尼力以及含约束无人船未建模动态所产生的含约束无人船不确定性;τwu、τwv分别为海洋环境中时变风浪流扰动对含约束无人船纵向、侧向方向上产生的力;τwr为海洋环境中时变风浪流扰动对含约束无人船艏摇角方向上产生的力矩;
其特征在于:所述的设计方法,包括以下步骤:
A、扰动观测器的设计
扰动观测器的输入信号为含约束无人船的地球坐标系下的位置和航向信号x、y、与速度信号u、v、r以及控制输入信号τu、τr,输出信号包括对含约束无人船航向的观测值纵向速度的观测值以及纵向、艏摇方向上产生的含约束无人船不确定性的观测值所设计的扰动观测器表示为:
式中:
R是旋转矩阵;τ是控制输入信号,表示为τ=[τu 0 τr]T;
M是惯性矩阵;
K1、K2、K3是扰动观测器增益矩阵;
B、LOS制导律模块的设计
pr=[xr yr]T
p=[x y]T
含约束无人船的期望航向表示为:
其中,α为含约束无人船的跟踪目标的航向,Δt为含约束无人船相对跟踪目标的视距;
C、航向控制模块的设计
航向预测方程如下:
其中,r(k)分别表示第k时刻含约束无人船的航向和艏摇角速度,r(k+1)分别表示第k+1时刻含约束无人船的航向和艏摇角速度,T是采样时间;根据当前k时刻预测第k+1时刻含约束无人船的航向,以此类推;
为了使含约束无人船跟踪上参考路径,用航向的预测值和期望值之间的累积误差定义一个惩罚函数:
为了使含约束无人船的航向角与期望航向一致,求解以下优化问题:
D、速度控制模块的设计
航向预测方程如下:
其中,u(k)表示第k时刻含约束无人船的纵向速度,u(k+1)表示第k+1时刻含约束无人船的纵向速度,T是采样时间;根据当前k时刻预测第k+1时刻含约束无人船的纵向速度,以此类推;
为了使含约束无人船跟踪上参考路径,用纵向速度的预测值和期望值之间的累积误差定义一个惩罚函数:
其中,Np是预测时域,Nc是控制时域,Γu是加权因子,u(k+i|k)表示根据当前k时刻含约束无人船的纵向速度预测第k+i时刻的纵向速度,ur(k+i)表示第k+i时刻含约束无人船的期望纵向速度;
为了使含约束无人船的纵向速度与期望速度一致,求解以下优化问题:
uk=argminJ(u,Δu) (9)
uk={uk+1,uk+2,···,uk+n}为在线滚动时域优化决策得到最优控制序列,n是预测步数,将最优控制序列的第一个元素uk+1作用于含约束无人船,更新含约束无人船的状态及轨迹,进行迭代。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295860.5A CN109976349B (zh) | 2019-04-12 | 2019-04-12 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910295860.5A CN109976349B (zh) | 2019-04-12 | 2019-04-12 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109976349A CN109976349A (zh) | 2019-07-05 |
CN109976349B true CN109976349B (zh) | 2021-09-24 |
Family
ID=67084513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910295860.5A Active CN109976349B (zh) | 2019-04-12 | 2019-04-12 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109976349B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110262513B (zh) * | 2019-07-12 | 2022-01-28 | 大连海事大学 | 一种海洋机器人轨迹跟踪控制结构的设计方法 |
CN110398971B (zh) * | 2019-08-07 | 2022-04-01 | 大连海事大学 | 一种直流电机推进无人船的速度控制方法 |
CN110687918A (zh) * | 2019-10-17 | 2020-01-14 | 哈尔滨工程大学 | 一种基于回归型神经网络在线逼近的水下机器人轨迹跟踪控制方法 |
CN110618686B (zh) * | 2019-10-30 | 2023-04-07 | 江苏科技大学 | 一种基于显式模型预测控制的无人船航迹控制方法 |
CN111506090A (zh) * | 2020-04-18 | 2020-08-07 | 华中科技大学 | 一种水下机器人深度区间控制方法和系统 |
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 |
CN111580523B (zh) * | 2020-05-19 | 2022-09-27 | 哈尔滨工程大学 | 一种基于侧滑角补偿的无人艇路径跟踪自抗扰控制方法 |
CN112114521B (zh) * | 2020-07-30 | 2022-03-01 | 南京航空航天大学 | 航天器智能预测控制进入制导方法 |
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 |
CN112558477B (zh) * | 2020-12-03 | 2022-04-01 | 大连海事大学 | 一种基于加速度信息的无人船状态和扰动观测器 |
CN113885534B (zh) * | 2021-11-19 | 2023-11-21 | 江苏科技大学 | 一种基于智能预测控制的水面无人船路径跟踪方法 |
CN114115276A (zh) * | 2021-11-26 | 2022-03-01 | 江苏科技大学 | 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 |
CN114755918A (zh) * | 2022-03-18 | 2022-07-15 | 大连海事大学 | 一种推进器部分失效下的无人船控制失效率和扰动估计方法及系统 |
CN116184836B (zh) * | 2023-04-26 | 2023-06-27 | 中国船舶集团有限公司第七〇七研究所 | 一种基于片体间流体干扰力预测的船舶运动预报方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955034A (zh) * | 2016-07-04 | 2016-09-21 | 厦门理工学院 | 受扰高超声速飞行器的无静差轨迹跟踪预测控制方法 |
CN106959698A (zh) * | 2017-05-24 | 2017-07-18 | 大连海事大学 | 一种路径跟踪避障制导方法 |
CN109116856A (zh) * | 2018-09-28 | 2019-01-01 | 上海海事大学 | 一种基于扰动观测器的欠驱动船舶路径跟踪控制方法 |
CN109283941A (zh) * | 2018-11-15 | 2019-01-29 | 哈尔滨工程大学 | 基于扰动观测器的预设性能海底飞行节点轨迹跟踪控制方法 |
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 |
CN109583144A (zh) * | 2019-01-08 | 2019-04-05 | 大连海事大学 | 一种无人海洋航行器的动力学优化控制器结构及设计方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8457830B2 (en) * | 2010-03-22 | 2013-06-04 | John R. Goulding | In-line legged robot vehicle and method for operating |
-
2019
- 2019-04-12 CN CN201910295860.5A patent/CN109976349B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955034A (zh) * | 2016-07-04 | 2016-09-21 | 厦门理工学院 | 受扰高超声速飞行器的无静差轨迹跟踪预测控制方法 |
CN106959698A (zh) * | 2017-05-24 | 2017-07-18 | 大连海事大学 | 一种路径跟踪避障制导方法 |
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 |
CN109116856A (zh) * | 2018-09-28 | 2019-01-01 | 上海海事大学 | 一种基于扰动观测器的欠驱动船舶路径跟踪控制方法 |
CN109283941A (zh) * | 2018-11-15 | 2019-01-29 | 哈尔滨工程大学 | 基于扰动观测器的预设性能海底飞行节点轨迹跟踪控制方法 |
CN109583144A (zh) * | 2019-01-08 | 2019-04-05 | 大连海事大学 | 一种无人海洋航行器的动力学优化控制器结构及设计方法 |
Non-Patent Citations (5)
Title |
---|
Disturbance Compensating Predictive Control for Path Following of Underactuated Surface Vessels with Roll Constraints;Zhaoyang Liu;《Proceedings of the 36th Chinese Control Conference》;20170728;5887-5892 * |
Model Predictive Controller Design with Disturbance Observer for Path Following of Unmanned Surface Vessel;Zhilin Liu;《proceedings of 2017 IEEE international conference on mechatronics and automation》;20170809;1827-1832 * |
欠驱动无人船的路径跟踪与协同控制;刘陆;《中国博士学位论文全文数据库-工程科技Ⅱ辑》;20181215(第12期);C036-6 * |
海洋环境下欠驱动无人艇航迹跟踪控制算法;陈霄;《哈尔滨工业大学学报》;20181031;第50卷(第10期);110-117 * |
黎为.基于预测控制的水面无人艇航迹跟踪方法研究.《中国优秀硕士学位论文全文数据库-工程科技Ⅱ辑》.2018,(第03期),C036-253. * |
Also Published As
Publication number | Publication date |
---|---|
CN109976349A (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
Gao et al. | Velocity free leader-follower formation control for autonomous underwater vehicles with line-of-sight range and angle constraints | |
Li et al. | Robust adaptive neural network control for dynamic positioning of marine vessels with prescribed performance under model uncertainties and input saturation | |
CN108803632B (zh) | 基于饱和补偿技术的水面无人艇全状态约束轨迹跟踪控制方法 | |
Zhang et al. | Robust model predictive control for path-following of underactuated surface vessels with roll constraints | |
Park | Adaptive formation control of underactuated autonomous underwater vehicles | |
CN108845576B (zh) | 一种基于粒子群与序列二次规划结合的推力分配方法 | |
Sun et al. | Adaptive path following control for wave gliders in time-varying environment | |
CN109828467B (zh) | 一种数据驱动的无人船强化学习控制器结构及设计方法 | |
Leifeng et al. | Adaptive heading control of unmanned wave glider with heading information fusion | |
Liu et al. | Virtual guide automatic berthing control of marine ships based on heuristic dynamic programming iteration method | |
CN110262513B (zh) | 一种海洋机器人轨迹跟踪控制结构的设计方法 | |
Zhao et al. | Broken lines path following algorithm for a water-jet propulsion USV with disturbance uncertainties | |
Pavlov et al. | MPC-based optimal path following for underactuated vessels | |
Zhang et al. | Improved LVS guidance and path-following control for unmanned sailboat robot with the minimum triggered setting | |
Mu et al. | Path following for podded propulsion unmanned surface vehicle: Theory, simulation and experiment | |
Zhang et al. | Tracking fault-tolerant control based on model predictive control for human occupied vehicle in three-dimensional underwater workspace | |
Gao et al. | Online optimal control for dynamic positioning of vessels via time-based adaptive dynamic programming | |
Li et al. | Event-triggered robust adaptive control for path following of the URS in presence of the marine practice | |
Yuan et al. | An event-triggered trajectory planning and tracking scheme for automatic berthing of unmanned surface vessel | |
CN117311142A (zh) | 一种融合粒子群算法与神经网络预测控制的dp船舶运动控制与推力分配协同控制方法 | |
Gao et al. | Augmented model-based dynamic positioning predictive control for underactuated unmanned surface vessels with dual-propellers | |
Wang et al. | Autonomous piloting and berthing based on Long Short Time Memory neural networks and nonlinear model predictive control algorithm | |
CN114967702A (zh) | 一种无人艇控制系统及路径跟踪方法 | |
Li et al. | Dynamic positioning test for removable of ocean observation platform |
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 |