CN111736600A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111736600A CN111736600A CN202010526389.9A CN202010526389A CN111736600A CN 111736600 A CN111736600 A CN 111736600A CN 202010526389 A CN202010526389 A CN 202010526389A CN 111736600 A CN111736600 A CN 111736600A
- Authority
- CN
- China
- Prior art keywords
- time
- surface vehicle
- unmanned surface
- unmanned
- asymmetric
- 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 54
- 238000006243 chemical reaction Methods 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 43
- 230000003044 adaptive effect Effects 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 239000000126 substance Substances 0.000 claims description 12
- 101100057959 Mus musculus Atxn1l gene Proteins 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 10
- 238000013016 damping Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000004888 barrier function Effects 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 12
- 230000006870 function Effects 0.000 description 55
- 230000008569 process Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 240000007049 Juglans regia Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009897 systematic effect Effects 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
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
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,属于控制技术领域。本发明为了解决现有的USV的轨迹跟踪控制方法并没有考虑时滞约束而导致的控制效果不佳的问题。本发明通过利用一种移位函数,实现对水面无人艇系统的误差变量进行移位转换,同时还设计了一种非对称障碍Lyapunov函数,设计相应的控制律和自适应律,保证无论初始条件如何,都可以实现最终一致有界的跟踪控制效果,而且时滞不对称时变约束可以在有限时间之后实现。主要用于水面无人艇的轨迹跟踪控制。
Description
技术领域
本发明属于控制技术领域,具体涉及一种水面无人艇的跟踪控制方法。
背景技术
随着科学技术的进步,对于海上无人载具的研究得到了快速发展,涌现出多种不同的控制策略。例如,G.C.Zhang,H.Huang等人的《A novel adaptive second ordersliding mode path following control for a portable AUV》、X.Liang等人的《Three-dimensional path following of an underactuated AUV based on fuzzybackstepping sliding mode control》以及Z.H.Peng等人的《Output-feedback path-following control of autonomous underwater vehicles based on an extendedstate observer and projection neural networks》分别研究了自主式水下机器人(AUV)的路径跟踪控制。W.Xing等人《Convergence analysis on multi-auv systems withleader-follower architecture》提出了一种多AUV协同导航算法。N.Wang等人的《Nussbaum-based adaptive fuzzy tracking control of unmanned surface vehicleswith fully unknown dynamics and complex input nonlinearities》设计了水面无人艇(USV)的跟踪控制策略。其中,USV一直是军事和民用领域的研究热点。它具有监测海洋环境、开发海洋资源和执行巡逻任务的能力。因此,它可以为海洋工程、海洋运输、海洋石油工业等许多领域做出巨大贡献。
目前对USV的轨迹跟踪控制方法中,已经考虑了诸多实际问题,比如输入饱和问题、不确定性问题、外界干扰问题等等,但对于时滞约束控制还没有进行深入的研究,由于没有对时滞约束进行考虑,从而导致的控制效果不佳。
发明内容
本发明为了解决现有的USV的轨迹跟踪控制方法并没有考虑时滞约束而导致的控制效果不佳的问题。进而提出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。
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,包括以下步骤:
S1、根据3自由度的水面无人艇的的动力学模型建立水面无人艇的闭环系统;包括以下步骤:
S1.1、针对3自由度的水面无人艇的的动力学模型,利用x1表示位置和航向角对应的向量η,利用x2表示速度向量ν,对水面无人艇的动力学模型进行表示;
S1.2、根据实际需求确定期望轨迹xd=[xd1(t),xd2(t),xd3(t)]T;
xd1(t)表示无人艇x方向的期望位移,xd2(t)表示无人艇y方向的期望位移,xd3(t)表示无人艇期望的转向角度;
其中,J为水面无人艇的的动力学模型对应的随体坐标系到地面坐标系的非奇异转换矩阵;C1为对角线元素均为正常数的对角阵;为移位函数;Z1=[k11z11,k12z12,k13z13]T;A2=[η11ζ11,η12ζ12,η13ζ13],USV有两个系统状态量x1、x2,为了简单表示,下标1的是针对x1对应的参数,下标2的是针对x2对应的参数;下标i=1,2,3表示三个自由度对应的参数;当下标同时出现1、2和i时表示x1、x2对应自由度i时的参数,k2i为对应的设计参数;ζ1i为对应的z1i移位变化后的误差变量;k1i、k2i为控制参数;F11i=k c1i(t)-x di(t), k c1i(t)、为边界条件,满足 x di(t)、为xdi(t)的边界条件;
根据误差变量的定义有:
z1=[z11,z12,z13]T=x1-xd
z2=[z21,z22,z23]T=x2-α
结合水面无人艇的动力学模型、z1和z2,初步建立起水面无人艇的闭环系统:
其中,M是一个对称正定的惯性矩阵;τ为期望控制输入;C代表向心力和科氏力扭矩,D为阻尼矩阵,g代表由重力、海流和浮力引起的回复力,w为外界干扰;
S2、期望控制输入的饱和特性处理:
期望控制输入τ的饱和函数sat(τ)如下:
sat(τ)=[sat(τ1),sat(τ2),sat(τ3)]T
其中,sat(τi)=sgn(τi)min{τimax,|τi|},i=1,2,3,τimax为饱和函数幅值;
期望控制输入和实际控制输入之间的差值为Δτ:
Δτ=sat(τ)-τ
根据sat(τ)和Δτ,则水面无人艇的闭环系统表示如下:
为了消除输入饱和对系统的影响,设计如下的饱和补偿辅助系统:
其中,C1,C2为对角线元素均为正常数的对角阵,λ1=[λ11,λ12,λ13]T,λ2=[λ21,λ22,λ23]T是辅助系统的输出;依据饱和补偿辅助系统,重新定义误差变量z1和z2为:
建立最终的闭环系统为:
S3、设计移位函数:
其中,t表示时间,T>0是一个预先规定的有限安定时间,n是系统阶数或是系统状态变量的数量;
根据移位函数将误差变量进行移位转换:
其中,j=1,2;
S4、根据移位转换后的误差变量设计非对称障碍Lyapunov函数:
其中,F1(t)和F2(t)为正的障碍函数;
根据非对称障碍Lyapunov函数确定相应的控制律和自适应律,对水面无人艇进行轨迹跟踪控制。
进一步地,根据非对称障碍Lyapunov函数确定相应的控制律和自适应律如下:
其中,为输入向量;θ为估计误差,为θ、Wi自适应估计值;γ0、γ1、δ分别为大于零的常数;a1、a2、K3为正的常数;Γi为增益矩阵;C2为对角线元素均为正常数的对角阵;(z2 T)+为z2 T的伪逆;
进一步地,所述的3自由度的水面无人艇动力学模型表示如下:
其中,包括大地坐标系下的位置(ηx,ηy)和航向角(ηψ);包括纵荡的速度vx、横荡的速度vy、艏摇的速度vψ;是一个对称正定的惯性矩阵,代表向心力和科氏力扭矩,为阻尼矩阵,g(η)代表由重力、海流和浮力引起的回复力;τ为期望控制输入,w为外界干扰;J(η)为非奇异的转换矩阵;
进一步地,所述的非奇异转换矩阵J(η)如下:
进一步地,利用x1表示位置和航向角对应的向量η,利用x2表示速度向量ν,对水面无人艇的动力学模型进行表示,具体如下:
其中,x1=η,x2=ν。
有益效果:
本发明通过利用一种移位函数,实现对水面无人艇系统的误差变量进行移位转换,同时还设计了一种非对称障碍Lyapunov函数,设计相应的控制律和自适应律,保证无论初始条件如何,都可以实现最终一致有界的跟踪控制效果,而且时滞不对称时变约束可以在有限时间之后实现。本发明对时滞影响进行了设计,有效的解决了时滞约束的问题,从而进一步提高轨迹跟踪的控制效果。通过实施例能够看出本发明能够实现较好的轨迹跟踪控制效果。
附图说明
图1为x1与x1d轨迹比较图;
图2为x2与x2d轨迹比较图;
图3为追踪误差z1轨迹图;
图4为追踪误差z2轨迹图;
图5为控制输入sat(τ)图。
具体实施方式
为了实现水面无人艇在时滞非对称时变约束下的轨迹跟踪控制方法,本发明通过利用一种移位函数,实现对水面无人艇系统的误差变量进行移位转换,同时还设计了一种非对称障碍Lyapunov函数。设计相应的控制律和自适应律,保证无论初始条件如何,都可以实现最终一致有界的跟踪控制效果,而且时滞不对称时变约束可以在有限时间之后实现。在说明本实施方式之前,首先对本发明的术语和主要参数进行一下说明。
地面坐标系(O-XY):坐标原点O位于系泊线和系泊终端的连接处,XY轴所在的平面与地面平行。
随体坐标系(o-xy):坐标原点o位于水面无人艇的重心处,x轴沿中纵轴线从船尾指向船首,y轴指向左舷。
轨迹跟踪控制方法:预先设定好水面无人艇的航行路线,并控制水面无人艇按此轨迹路线航行。
移位函数:一种用于处理始跟踪条件的未知问题的函数,不仅可以帮助将非零且有界(可能未知)的变量初始值转移至零,还可以解决原始状态量的时滞约束。
非对称障碍Lyapunov函数:一种基于势函数思想建立的状态约束控制方法,其通过保证在闭环系统中障碍Lyapunov函数的有界性,从而来确保状态不会超过约束条件。其非对称的形式可以使得约束条件的上下界不需要完全对称。
主要参数:ηx,ηy,ηψ——目标水面无人艇相对于地面坐标系的位置分量和航向;vx,νy,νψ——目标水面无人艇的纵荡、横荡和艏摇速度;M——对称正定惯性矩阵;C(ν)——向心力和科氏力矩阵;D(ν)——阻尼矩阵;g(η)——由重力、海流和浮力引起的恢复力;w——外界干扰;wM——外界干扰的边界;J(η)——从随体坐标系到地面坐标系的非奇异转换矩阵;τ——期望控制输入;sat(τ)——实际控制输入;Δτ——实际控制输入和期望控制输入之间的差值;xd——位置的期望轨迹;x2d——速度的期望轨迹;z1——关于位置的误差变量;z2——关于速度的误差变量;α——虚拟控制函数;γ0,γ1,δ——大于零的常数;——自适应估计值;θ,Wi——被自适应估计的真实值;——自适应估计误差;C1,C2——对角线元素均为正常数的对角阵;λ1,λ2——饱和补偿辅助系统的输出;xdi——系统状态量的预设约束界限;F11i,F12i——约束函数;——神经网络中的未确定项;—简化符号;——简化符号;——简化符号;A2=[η11ζ11,η12ζ12,η13ζ13]——简化符号。
具体实施方式一:
本实施方式为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,包括以下步骤:
1、建立水面无人艇的闭环系统:
一个存在多输入多输出的3自由度的水面无人艇动力学模型表示如下:
其中,包括大地坐标系下的位置(ηx,ηy)和航向角(ηψ)。包括纵荡的速度vx、横荡的速度vy、艏摇的速度vψ。是一个对称正定的惯性矩阵,代表向心力和科氏力扭矩,为阻尼矩阵,g(η)代表由重力、海流和浮力引起的回复力,w为外界干扰。J(η)为非奇异的转换矩阵,从随体坐标系到地面坐标系的非奇异转换矩阵J(η):
由实际需求,建立期望轨迹xd=[xd1(t),xd2(t),xd3(t)]T;
令x1=η,x2=ν,可建立起其水面无人艇的动力学模型:
设计虚拟控制函数α,根据误差变量的定义,可得:
z1=[z11,z12,z13]T=x1-xd (2)
z2=[z21,z22,z23]T=x2-α (3)
结合式(1)、式(2)和式(3),初步建立起所需的闭环系统:
2、期望控制输入的饱和特性处理:
在实际应用中,由于在USV上的执行机构能够提供的控制力和控制力矩通常是有限的,所以在对控制器设计时有必要考虑输入饱和对控制性能的影响。饱和函数sat(τ)可以表达为如下形式:
sat(τ)=[sat(τ1),sat(τ2),sat(τ3)]T (5)
其中,sat(τi)=sgn(τi)min{τimax,|τi|},i=1,2,3,τimax为饱和函数幅值。由于期望控制输入τ有可能比执行机构实际上能提供的控制输入sat(τ)大,所以在期望控制输入和实际控制输入之间会存在一个差值Δτ,表示为:
Δτ=sat(τ)-τ (6)
根据输入饱和性(5)和(6),则USV系统(1)可以表示如下:
为了消除输入饱和对系统的影响,设计如下的饱和补偿辅助系统:
其中,C1,C2为对角线元素均为正常数的对角阵,λ1=[λ11,λ12,λ13]T,λ2=[λ21,λ22,λ23]T是辅助系统的输出。则可以重新定义误差变量z1和z2为:
可得闭环系统为:
3、设计移位函数:
为了处理初始跟踪条件的未知问题,本发明引入如下的移位函数
其中,T>0是一个预先规定的有限安定时间,并且n是系统阶数或是系统状态变量的数量。
关于安定时间T,由于安全或可靠性原因,预先定义的边界条件i=1,2,...,n,具体到USV系统i=1,2,3。在t=Tc前都能保持住,其中Tc是实际应用施加的时间。因此,有限安定时间T应为0<T≤Tc,并且T必须大于最小时间周期Tm。所以0<Tm≤T≤Tc。另外,T越小收敛越快,但是这会导致更大的控制影响,尤其是在初始阶段。因此在实际应用中,通常需要在收敛速度和控制力之间进行权衡。
引理1:本发明中的移位函数式(5)有如下特性:
根据移位函数将误差变量进行移位转换:
4、非对称障碍Lyapunov函数的提出:
现有研究中大多采用障碍Lyapunov函数处理状态约束的问题,而所谓障碍Lyapunov函数其实是基于势函数思想建立的一种状态约束控制方法,它可以通过保证在闭环系统中界限Lyapunov函数的有界性来确保状态不会超过约束条件。
在本发明中为了令约束条件更贴合实际情况,使其约束条件的上界和下界可以为非对称形式,设计了一种非对称障碍Lyapunov函数,其具体形式为:
5、不确定性问题的处理:
f=WTS(Z)+ε (13)
6、控制律和自适应律的确定:
根据上述几个步骤的设计处理,可将轨迹跟踪控制律以及自适应律设计如下:
根据确定的控制律τ和自适应律对水面无人艇进行轨迹跟踪控制。USV有两个系统状态量x1、x2,简单来说下标1的是针对x1对应的参数,下标2的是针对x2对应的参数;而i=1,2,3表示三个自由度对应的参数;当下标同时出现1、2和i时表示x1、x2对应i的参数。
利用本发明能够实现水面无人艇的轨迹跟踪控制,以及本发明的控制律和自适应律的确定过程如下:
1)水面无人艇的动力学模型
单点系泊系统的运动和状态变量的定义和测量由地面坐标系和随体坐标系决定。随体坐标系o-xy的坐标原点o位于水面无人艇的重心处,x轴沿中纵轴线从船尾指向船首,y轴指向左舷;地面坐标系O-XY的坐标原点O位于系泊线和系泊终端的连接处,X、Y轴与随体坐标系的x、y轴在同一平面内。
3自由度并且是多输入多输出的水面无人艇的动力学模型如下:
其中包括USV在大地坐标系下的位置(ηx,ηy)和航向角(ηψ)。包括USV纵荡的速度vx、横荡的速度vy、艏摇的速度vψ。是一个对称正定的惯性矩阵,代表向心力和科氏力扭矩,为阻尼矩阵,g(η)代表由重力、海流和浮力引起的回复力,w为外界干扰。
对称正定的惯性矩阵M,向心力和科氏力矩阵C(ν),以及阻尼矩阵D(ν)如下:
其中,m为目标的质量,Xdu为纵向力关于x轴方向运动的加速度系数,Ydv为横向力关于y轴方向运动的加速度系数,Ydr为横向力关于z轴方向转动的加速度系数,xg为重心纵向位置,Ndr为偏航力矩关于z轴方向转动的加速度系数,Xu为纵向力关于x轴方向运动的速度系数,Xuu为纵向力关于x轴方向运动的二阶速度系数,Xuuu为在x轴方向的关于x轴方向运动的三阶速度系数;Yv为横向力关于y轴方向运动的速度系数,Yvv为横向力关于y轴方向运动的二阶速度系数,Yr为横向力关于z轴方向转动的速度系数,Yrr为横向力关于z轴方向转动的二阶速度系数,Yrv为横向力关于z轴方向转动和y轴方向运动的耦合系数,Yvr为横向力关于y轴方向运动和z轴方向转动的耦合系数;Nv为偏航力矩关于y轴方向运动的速度系数,Nvv为偏航力矩关于y轴方向运动的二阶速度系数,Nr为偏航力矩关于z轴方向转动的速度系数,Nrr为偏航力矩关于z轴方向转动的二阶速度系数,Nrv为偏航力矩关于z轴方向转动和y轴方向运动的耦合系数,Nvr为偏航力矩关于y轴方向运动和z轴方向转动的耦合系数。由此根据目标水面无人艇的自身性质及水动力参数,可确定上述的M、C(ν)、D(ν)并根据相应情况建立恢复力g(η)和未知干扰w。
J(η)为非奇异的转换矩阵,其定义如下:
2)移位函数的建立
为了处理初始跟踪条件的未知问题,本发明引入了如下的移位函数
其中,T>0是一个预先规定的有限安定时间,并且n是系统阶数或是系统状态变量的数量。
备注2:关于安定时间T,由于安全或可靠性原因,预先定义的边界条件在t=Tc前都能保持住,其中Tc是实际应用施加的时间。因此,有限安定时间T应为0<T≤Tc,并且T必须大于最小时间周期Tm。所以0<Tm≤T≤Tc。另外,T越小收敛越快,但是这会导致更大的控制影响,尤其是在初始阶段。因此在实际应用中,通常需要在收敛速度和控制力之间进行某种权衡。
引理1:本发明中的移位函数式(19)有如下特性:
3)饱和系统的建立
在实际应用中,由于在USV上的执行机构能够提供的控制力和控制力矩通常是有限的,所以在对控制器设计时有必要考虑输入饱和对控制性能的影响。饱和函数sat(τ)一般可以表达为如下形式:
sat(τ)=[sat(τ1),sat(τ2),sat(τ3)]T (20)
其中,sat(τi)=sgn(τi)min{τimax,|τi|},i=1,2,3,τimax为饱和函数幅值。由于期望控制输入τ有可能比执行机构实际上能提供的控制输入sat(τ)大,所以在期望控制输入和实际控制输入之间会存在一个差值Δτ,表示为:
Δτ=sat(τ)-τ (21)
根据输入饱和性(20)和(21),则USV系统(18)可以表示如下:
为了消除输入饱和对系统的影响,设计如下的饱和补偿辅助系统:
其中,C1,C2为对角线元素均为正常数的对角阵,λ1=[λ11,λ12,λ13]T,λ2=[λ21,λ22,λ23]T是辅助系统的输出。则可以重新定义误差变量z1和z2为:
其中,α为待设计的虚拟控制函数;
可得闭环系统为:
4)非对称障碍Lyapunov函数的建立
备注3:由式(22)中可以看出,通过式(21)转换,任何可能未知的非零且初始值有界的误差变量zj(t)可以转化为一个初始值为零的新误差变量ζj(t),并且随着t≥T,ζj(t)可以恢复回原来的误差变量zj(t)。这种特性克服了常规BLF方法中初始跟踪条件不确定所带来的技术困难。
由此,本发明设计了一种非对称BLF:
其中,F1(t)和F2(t)为正的障碍函数,V在集合Ωζ:={-F1(t)<ζ(t)<F2(t)}中有效。如果初始条件满足-F1(0)<ζ(0)<F2(0),并且V对所有t∈[0,∞)定义明确,那么当且仅当ζ(t)→-F1(t)或ζ(t)→F2(t)时存在V→∞。因此,我们只需保证从而满足在t>0时ζ(t)∈Ωζ。
为了简化符号,接下来的公式中有时会省略函数参数。
根据式(25)和(27),可得
为了解决x1上的延时不对称时变约束,我们构造了以下的不对称BLF
5)神经网络法的应用
径向基函数神经网络能够很好的近似非线性函数。对于一个非线性函数f(Z),存在
f(Z)=WTS(Z)+ε (32)
其中,ci和σi分别代表高斯函数的中心和宽度,r为神经元的数量。
假设4:对于所有Z∈ΩZ,存在一个正的常数εM,即||ε||≤εM。
利用神经网络法对f进行逼近,可得
f=WTS(Z)+ε (34)
6)控制律和自适应律的确立
由此设计的控制律和自适应律为:
7)最终一致有界稳定的证明
对(31)关于时间求导,可得
那么
设计虚拟控制函数为
其中,Z1=[k11z11,k12z12,k13z13]T。
将式(42)代入式(41),可得
进一步的对BLF进行设计
对式(44)关于时间求导,可得
f=WTS(Z)+ε (46)
接下来设计BLF函数为
对(48)关于时间求导,可得
由此设计的控制律和自适应律为:
定理1:对于存在输入饱和以及时滞非对称时变全状态约束的USV系统,在利用假设1-4的情况下,轨迹跟踪控制律被设计成(51)-(53)。同样证明控制方案的在任意初始条件下的UUB,以及在有限时间Tc之后能够实现时滞不对称时变约束。
证明:将式(51)-(53)代入式(50)中,可得
继续设计BLF候选函数为
对(53)关于时间求导,得
由引理2可得
将(58)代入(57),并根据(59)可得
根据《Tracking control of uncertain nonlinear systems withdeferredasymmetric time-varying full state constraints,Automatica》的理论证明,式(61)可转化为
可以清楚看出在集合-F11<ζ1<F12中那么根据(62),可以轻松得到随着t→∞,由此可以看出与任何其他UUB结果一样,通过正确选择设计参数,可以使ζ1变小。t∈[0,T)时z1(t)有界,而且t≥T时z1(t)=ζ1(t),因此跟踪误差z1也是UUB的。
对(64)进行积分并利用V2和Θ有界,可得
同样的,我们还得到
由(65)-(67),我们可进一步得到
这意味着均方跟踪误差和虚拟跟踪误差是O(υ)的阶数,即如果C调整得足够小,zi可以调整得更小。
随着我们可以得到zi(t)=ζi(t),并满足于-Fi1(t)<zi(t)<Fi2(t),因为x1=z1+xd,x2=z2+α,那么有和这意味着和随着F11(t)=k c1-x d,F21(t)=k c2-α,因此,在预先设定的有限时间T后,得以满足系统的状态约束在T≤Tc时,可以得出结论在有限时间Tc后时变非对称状态约束可以实现。此结果适用于任何有界初始条件。
实施例
为了验证本发明提出的半全局一致有界的控制方法,以及有限时间控制方法的有效性,利用具体实施方式一的方案进行仿真模拟。
本发明采用的是Cybership II的模型船,这是一个由挪威科技大学的海洋控制实验室建造的测量船的1:70的复制品。
选择的期望轨迹如下:
x1d(t)=[x1xd(t),x1yd(t),x1ψd(t)]T
外界干扰假定如下:
w(t)=[w1(t),w2(t),w3(t)]T
对称正定的惯性矩阵M,向心力和科氏力扭矩C(ν),以及阻尼矩阵D(ν)如下:
本发明中相应的水动力参数如下:m=23.8,Iz=1.76,xg=0.046,Xu=-0.7225,Xuu=-1.3274,Xuuu=-5.8664,Yv=-0.8612,Yvv=-36.2823,Yr=0.1079,Nv=0.1052,Nvv=5.0437,Xdu=-2.0,Ydv=-10.0,Ydr=-0,Ndv=0,Ndr=-1.0,Yrv=2,Yvr=1,Yrr=3,Nrv=5,Nr=4,Nvr=0.5,Nrr=0.8。
其相应的状态初始值为x1(0)=[0.01,1,-0.012]T,x2(0)=[0.8,0.8,-0.1]T;控制参数K11=16,K12=20,K13=6,K21=3,K22=30,K23=0.5,K3=160,n=2,T=10,a1=a2=1,γ0=0.1,γ1=0.01,δ=5。
时变函数F11i=1+0.2sin(0.2t),F12i=1.5+0.2cos(0.4t),F21i=5+10e-0.1t,F221=4+15e-0.1t,F222=4+35e-0.2t,F223=4+15e-0.1t;
接着,我们进一步对控制算法加入Anti-windup补偿器和神经网络,进而尝试提高控制性能。其中,饱和补偿辅助系数C1=diag[0.2,0.2,0.2],C2=diag[4,4,4];饱和输入限制τimax=500,i=1,2,3;选择了11个神经网络节点,即
S(Z)=[S1(Z),...,S11(Z)]T
其仿真结果如图1至图5所示,尽管初始时刻未进行约束处理,图1-图2中的x1和x2仍能实现较好的轨迹跟踪控制效果。图3-图4中误差z1和z2的某型变量尽管初始较大,但它们都迅速向0收敛,所有的变量都能保证在约束限制之内。而且,通过输入饱和处理,图5中的控制输入sat(τ)也更小更容易实现。
本发明与现有技术方案的比较
A、自适应全状态约束轨迹跟踪控制
此方法针对具有全状态约束和动力学不确定性的水面无人艇,提出了一种轨迹跟踪控制方法(Z.Yin,W.He,C.G.Yang.等人的《Tracking control of a marine surfacevessel withfull-state constraints,International Journal of Systems Science》)。基于障碍Lyapunov函数,进而防止状态变量违反约束约束。所提出的控制律能够补偿全状态约束的影响,同时保证闭环系统中的信号是半全局一致有界的,并实现了渐近跟踪。但这种方法的约束条件是从刚开始就起效,并且约束上下界必须是对称的。与之相比,本发明算法的约束条件更加灵活多变,不仅可以在预设时间后才开始对状态量进行约束,而且约束界限可以是不对称形态,更能满足实际需求。
B、基于观测器的有限时间轨迹跟踪控制
针对具有未知死区和未知干扰的水面无人艇,提出了一种有限时间轨迹跟踪控制方法(Y.Gao,N.Wang,W.D.Zhang.等人的《Disturbance observer based finite-timetrajectory tracking control of unmanned surface vehicles with unknown dead-zones,in:32nd Youth Academic Annual Conference of Chinese Association ofAutomatio》)。利用具有有限时间收敛性的鲁棒齐次微分器,从而精确地观测到外部扰动,同时基于死区斜率的界信息,将时变输入系数视为系统不确定性。但这种方法只处理了水面无人艇的不确定性问题。而且是与本发明算法相比,没有考虑执行机构的饱和性以及性能约束的问题。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本发明的保护范围内。
Claims (6)
1.一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,其特征在于,包括以下步骤:
S1、根据3自由度的水面无人艇的的动力学模型建立水面无人艇的闭环系统;包括以下步骤:
S1.1、针对3自由度的水面无人艇的的动力学模型,利用x1表示位置和航向角对应的向量η,利用x2表示速度向量ν,对水面无人艇的动力学模型进行表示;
S1.2、根据实际需求确定期望轨迹xd=[xd1(t),xd2(t),xd3(t)]T;
xd1(t)表示无人艇x方向的期望位移,xd2(t)表示无人艇y方向的期望位移,xd3(t)表示无人艇期望的转向角度;
其中,J为水面无人艇的的动力学模型对应的随体坐标系到地面坐标系的非奇异转换矩阵;C1为对角线元素均为正常数的对角阵;为移位函数;Z1=[k11z11,k12z12,k13z13]T;A2=[η11ζ11,η12ζ12,η13ζ13],USV有两个系统状态量x1、x2,为了简单表示,下标1的是针对x1对应的参数,下标2的是针对x2对应的参数;下标i=1,2,3表示三个自由度对应的参数;当下标同时出现1、2和i时表示x1、x2对应自由度i时的参数,k2i为对应的设计参数;ζ1i为对应的移位变化后的误差变量;k1i、k2i为对应的设计参数;F11i=k c1i(t)-x di(t), k c1i(t)、为边界条件,满足 x di(t)、为xdi(t)的边界条件;
根据误差变量的定义有:
z1=[z11,z12,z13]T=x1-xd
z2=[z21,z22,z23]T=x2-α
结合水面无人艇的动力学模型、z1和z2,初步建立起水面无人艇的闭环系统:
其中,M是一个对称正定的惯性矩阵;τ为期望控制输入;C代表向心力和科氏力扭矩,D为阻尼矩阵,g代表由重力、海流和浮力引起的回复力,w为外界干扰;
S2、期望控制输入的饱和特性处理:
期望控制输入τ的饱和函数sat(τ)如下:
sat(τ)=[sat(τ1),sat(τ2),sat(τ3)]T
其中,sat(τi)=sgn(τi)min{τimax,|τi|},i=1,2,3,τimax为饱和函数幅值;
期望控制输入和实际控制输入之间的差值为Δτ:
Δτ=sat(τ)-τ
根据sat(τ)和Δτ,则水面无人艇的闭环系统表示如下:
为了消除输入饱和对系统的影响,设计如下的饱和补偿辅助系统:
其中,C1,C2为对角线元素均为正常数的对角阵,λ1=[λ11,λ12,λ13]T,λ2=[λ21,λ22,λ23]T是辅助系统的输出;重新定义误差变量z1和z2为:
最终可得闭环系统为:
S3、设计移位函数:
其中,t表示时间,T>0是一个预先规定的有限安定时间,n是系统阶数或是系统状态变量的数量;
根据移位函数将误差变量进行移位转换:
其中,j=1,2;
S4、根据移位转换后的误差变量设计非对称障碍Lyapunov函数:
其中,F1(t)和F2(t)为正的障碍函数;
根据非对称障碍Lyapunov函数确定相应的控制律和自适应律,对水面无人艇进行轨迹跟踪控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010526389.9A CN111736600B (zh) | 2020-06-10 | 2020-06-10 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010526389.9A CN111736600B (zh) | 2020-06-10 | 2020-06-10 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111736600A true CN111736600A (zh) | 2020-10-02 |
CN111736600B CN111736600B (zh) | 2022-04-15 |
Family
ID=72648722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010526389.9A Active CN111736600B (zh) | 2020-06-10 | 2020-06-10 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111736600B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112276954A (zh) * | 2020-10-29 | 2021-01-29 | 青岛大学 | 基于有限时间输出状态受限的多关节机械臂阻抗控制方法 |
CN112965371A (zh) * | 2021-01-29 | 2021-06-15 | 哈尔滨工程大学 | 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法 |
CN113031446A (zh) * | 2021-03-15 | 2021-06-25 | 贵州大学 | 不确定时滞非线性系统非奇异性神经自适应跟踪控制方法 |
CN113110527A (zh) * | 2021-04-12 | 2021-07-13 | 大连海事大学 | 一种自主水下航行器有限时间路径跟踪的级联控制方法 |
CN113238482A (zh) * | 2021-04-14 | 2021-08-10 | 山东师范大学 | 一种单臂机器人系统的渐近跟踪控制方法及系统 |
CN113568306A (zh) * | 2021-06-22 | 2021-10-29 | 山东师范大学 | 考虑状态约束和控制增益的倒立摆系统控制方法及系统 |
CN113625702A (zh) * | 2020-10-28 | 2021-11-09 | 北京科技大学 | 基于二次规划的无人车同时路径跟踪与避障方法 |
CN115268260A (zh) * | 2022-06-07 | 2022-11-01 | 华中科技大学 | 考虑瞬态性能的无人艇预设时间轨迹跟踪控制方法及系统 |
CN115256386A (zh) * | 2022-07-26 | 2022-11-01 | 沈阳工业大学 | 考虑跟踪误差约束的不确定机械臂神经自适应控制方法 |
CN115509243A (zh) * | 2022-09-19 | 2022-12-23 | 哈尔滨工程大学 | 一种适用于大初始偏差状态下能够低能耗运行的auv运动控制方法 |
CN115617044A (zh) * | 2022-10-28 | 2023-01-17 | 华中科技大学 | 非奇异有限时间无人艇预设性能动力定位控制方法及系统 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001028622A2 (en) * | 1999-10-19 | 2001-04-26 | Johns Hopkins University | Techniques using heat flow management, stimulation, and signal analysis to treat medical disorders |
US20060027710A1 (en) * | 2004-07-30 | 2006-02-09 | Eugene Lavretsky | Adaptive control in the presence of input constraints |
US20130218365A1 (en) * | 2012-02-21 | 2013-08-22 | Toyota Motor Engineering & Mftg. N. America (TEMA) | Vehicular platooning using distributed receding horizon control |
US9296474B1 (en) * | 2012-08-06 | 2016-03-29 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Control systems with normalized and covariance adaptation by optimal control modification |
US20170225760A1 (en) * | 2014-12-15 | 2017-08-10 | Leidos, Inc. | System and Method For Fusion of Sensor Data to Support Autonomous Maritime Vessels |
CN107918284A (zh) * | 2018-01-10 | 2018-04-17 | 重庆大学 | 非线性倒立摆系统基于事件触发策略的模糊控制方法 |
CN108519736A (zh) * | 2018-03-29 | 2018-09-11 | 北京航天控制仪器研究所 | 一种usv轨迹跟踪反步滑模控制方法 |
CN108803632A (zh) * | 2018-09-19 | 2018-11-13 | 哈尔滨工程大学 | 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 |
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 |
CN109477938A (zh) * | 2016-06-02 | 2019-03-15 | 麻省理工学院 | 用于光学神经网络的设备和方法 |
CN109656143A (zh) * | 2019-02-25 | 2019-04-19 | 曲阜师范大学 | 一种海面全驱动船舶的自适应跟踪控制方法及系统 |
CN110007606A (zh) * | 2019-05-28 | 2019-07-12 | 哈尔滨工程大学 | 一种考虑输入饱和的水面无人艇误差约束控制方法 |
CN110232350A (zh) * | 2019-06-10 | 2019-09-13 | 哈尔滨工程大学 | 一种基于在线学习的实时水面多运动目标检测跟踪方法 |
US20190302773A1 (en) * | 2016-12-02 | 2019-10-03 | Yamaha Hatsudoki Kabushiki Kaisha | Boat and control method for same |
CN110308735A (zh) * | 2019-03-08 | 2019-10-08 | 哈尔滨工程大学 | 一种针对输入时滞的欠驱动uuv轨迹跟踪滑模控制方法 |
CN110333661A (zh) * | 2019-08-06 | 2019-10-15 | 大连海事大学 | 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 |
CN111026135A (zh) * | 2020-01-18 | 2020-04-17 | 上海大学 | 一种无人艇高性能航行前馈控制系统及其控制方法 |
CN111142384A (zh) * | 2019-12-31 | 2020-05-12 | 济南大学 | 二级摆型塔式吊车自适应神经网络跟踪控制方法及系统 |
-
2020
- 2020-06-10 CN CN202010526389.9A patent/CN111736600B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001028622A2 (en) * | 1999-10-19 | 2001-04-26 | Johns Hopkins University | Techniques using heat flow management, stimulation, and signal analysis to treat medical disorders |
US20060027710A1 (en) * | 2004-07-30 | 2006-02-09 | Eugene Lavretsky | Adaptive control in the presence of input constraints |
US20130218365A1 (en) * | 2012-02-21 | 2013-08-22 | Toyota Motor Engineering & Mftg. N. America (TEMA) | Vehicular platooning using distributed receding horizon control |
US9296474B1 (en) * | 2012-08-06 | 2016-03-29 | The United States of America as represented by the Administrator of the National Aeronautics & Space Administration (NASA) | Control systems with normalized and covariance adaptation by optimal control modification |
US20170225760A1 (en) * | 2014-12-15 | 2017-08-10 | Leidos, Inc. | System and Method For Fusion of Sensor Data to Support Autonomous Maritime Vessels |
CN109477938A (zh) * | 2016-06-02 | 2019-03-15 | 麻省理工学院 | 用于光学神经网络的设备和方法 |
US20190302773A1 (en) * | 2016-12-02 | 2019-10-03 | Yamaha Hatsudoki Kabushiki Kaisha | Boat and control method for same |
CN107918284A (zh) * | 2018-01-10 | 2018-04-17 | 重庆大学 | 非线性倒立摆系统基于事件触发策略的模糊控制方法 |
CN108519736A (zh) * | 2018-03-29 | 2018-09-11 | 北京航天控制仪器研究所 | 一种usv轨迹跟踪反步滑模控制方法 |
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 |
CN108803632A (zh) * | 2018-09-19 | 2018-11-13 | 哈尔滨工程大学 | 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 |
CN109656143A (zh) * | 2019-02-25 | 2019-04-19 | 曲阜师范大学 | 一种海面全驱动船舶的自适应跟踪控制方法及系统 |
CN110308735A (zh) * | 2019-03-08 | 2019-10-08 | 哈尔滨工程大学 | 一种针对输入时滞的欠驱动uuv轨迹跟踪滑模控制方法 |
CN110007606A (zh) * | 2019-05-28 | 2019-07-12 | 哈尔滨工程大学 | 一种考虑输入饱和的水面无人艇误差约束控制方法 |
CN110232350A (zh) * | 2019-06-10 | 2019-09-13 | 哈尔滨工程大学 | 一种基于在线学习的实时水面多运动目标检测跟踪方法 |
CN110333661A (zh) * | 2019-08-06 | 2019-10-15 | 大连海事大学 | 一种考虑量化和状态时滞的umv自适应滑模容错控制方法 |
CN111142384A (zh) * | 2019-12-31 | 2020-05-12 | 济南大学 | 二级摆型塔式吊车自适应神经网络跟踪控制方法及系统 |
CN111026135A (zh) * | 2020-01-18 | 2020-04-17 | 上海大学 | 一种无人艇高性能航行前馈控制系统及其控制方法 |
Non-Patent Citations (10)
Title |
---|
GUOCHENG ZHANG: "UUV Trajective Tracking Control Based on ADRC", 《2016 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS》 * |
HONGDE QIN: "Fault-Tolerant Prescribed Performance Control", 《IEEE ACCESS》 * |
HONGDE QIN: "Trajectory tracking control of", 《HIGH AUTONOMY MARINE ROBOTICS - RESEARCH ARTICLE》 * |
QUANG M. LAM: "Input Saturation Treatments: A Performance Comparison of Direct", 《2007 IEEE AEROSPACE CONFERENCE》 * |
YANCHAO SUN: "Distributed Coordinated Tracking Control for", 《IEEE ACCESS》 * |
YONGPENG WENG: "Data-Driven Adaptive Tracking Control of", 《IEEE ACCESS》 * |
YUANHUI WANG: "Tracking_Control_With_Input_Saturation_and_Full-State_Constraints_for_Surface_Vessels", 《IEEE ACCESS》 * |
廖煜雷: "无人艇的非线性运动控制方法研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
徐传忠: "非线性机器人的智能反演滑模控制研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
李光宇: "粒子群优化分数阶控制器及欠驱动船舶航向控制研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625702B (zh) * | 2020-10-28 | 2023-09-22 | 北京科技大学 | 基于二次规划的无人车同时路径跟踪与避障方法 |
CN113625702A (zh) * | 2020-10-28 | 2021-11-09 | 北京科技大学 | 基于二次规划的无人车同时路径跟踪与避障方法 |
CN112276954B (zh) * | 2020-10-29 | 2021-11-09 | 青岛大学 | 基于有限时间输出状态受限的多关节机械臂阻抗控制方法 |
CN112276954A (zh) * | 2020-10-29 | 2021-01-29 | 青岛大学 | 基于有限时间输出状态受限的多关节机械臂阻抗控制方法 |
CN112965371A (zh) * | 2021-01-29 | 2021-06-15 | 哈尔滨工程大学 | 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法 |
CN113031446A (zh) * | 2021-03-15 | 2021-06-25 | 贵州大学 | 不确定时滞非线性系统非奇异性神经自适应跟踪控制方法 |
CN113110527A (zh) * | 2021-04-12 | 2021-07-13 | 大连海事大学 | 一种自主水下航行器有限时间路径跟踪的级联控制方法 |
CN113110527B (zh) * | 2021-04-12 | 2023-12-01 | 大连海事大学 | 一种自主水下航行器有限时间路径跟踪的级联控制方法 |
CN113238482A (zh) * | 2021-04-14 | 2021-08-10 | 山东师范大学 | 一种单臂机器人系统的渐近跟踪控制方法及系统 |
CN113238482B (zh) * | 2021-04-14 | 2022-11-29 | 山东师范大学 | 一种单臂机器人系统的渐近跟踪控制方法及系统 |
CN113568306A (zh) * | 2021-06-22 | 2021-10-29 | 山东师范大学 | 考虑状态约束和控制增益的倒立摆系统控制方法及系统 |
CN113568306B (zh) * | 2021-06-22 | 2024-01-30 | 山东师范大学 | 考虑状态约束和控制增益的倒立摆系统控制方法及系统 |
CN115268260A (zh) * | 2022-06-07 | 2022-11-01 | 华中科技大学 | 考虑瞬态性能的无人艇预设时间轨迹跟踪控制方法及系统 |
CN115268260B (zh) * | 2022-06-07 | 2023-07-25 | 华中科技大学 | 考虑瞬态性能的无人艇预设时间轨迹跟踪控制方法及系统 |
CN115256386B (zh) * | 2022-07-26 | 2023-03-07 | 沈阳工业大学 | 考虑跟踪误差约束的不确定机械臂神经自适应控制方法 |
CN115256386A (zh) * | 2022-07-26 | 2022-11-01 | 沈阳工业大学 | 考虑跟踪误差约束的不确定机械臂神经自适应控制方法 |
CN115509243A (zh) * | 2022-09-19 | 2022-12-23 | 哈尔滨工程大学 | 一种适用于大初始偏差状态下能够低能耗运行的auv运动控制方法 |
CN115617044A (zh) * | 2022-10-28 | 2023-01-17 | 华中科技大学 | 非奇异有限时间无人艇预设性能动力定位控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111736600B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111736600B (zh) | 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 | |
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 | |
CN109100939B (zh) | 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 | |
CN108008628B (zh) | 一种不确定欠驱动无人艇系统的预设性能控制方法 | |
Zhang et al. | Robust model predictive control for path-following of underactuated surface vessels with roll constraints | |
CN110007606B (zh) | 一种考虑输入饱和的水面无人艇误差约束控制方法 | |
Zhou et al. | Adaptive robust sliding mode control of autonomous underwater glider with input constraints for persistent virtual mooring | |
Sang et al. | Heading tracking control with an adaptive hybrid control for under actuated underwater glider | |
CN112965371B (zh) | 基于固定时间观测器的水面无人艇轨迹快速跟踪控制方法 | |
Fan et al. | Course keeping control based on integrated nonlinear feedback for a USV with pod-like propulsion | |
CN112612209A (zh) | 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 | |
Zhang et al. | Anti-disturbance control for dynamic positioning system of ships with disturbances | |
Wiig et al. | A 3D reactive collision avoidance algorithm for underactuated underwater vehicles | |
CN111857165B (zh) | 一种水下航行器的轨迹跟踪控制方法 | |
Gao et al. | Disturbance observer based finite-time exact bottom-following control for a BUV with input saturation | |
CN116048090A (zh) | 一种具有能耗优化效应的风帆助航船路径跟踪控制方法 | |
CN115686034A (zh) | 考虑速度传感器失效的无人潜航器轨迹跟踪控制方法 | |
Thyri et al. | A 3DOF path-following controller for a non-directionally stable vessel with slow thruster dynamics | |
Teng et al. | On intelligent ship tracking control method based on hierarchical MPC | |
Caharija et al. | Semiglobal exponential stability of a counter-current and co-current guidance scheme | |
Ding et al. | Based on disturbance observer of Air Cushion Vehicle course sliding backstepping control | |
Xiao et al. | Nonlinear robust heading control for sailing yachts | |
Liu et al. | A novel terminal sliding mode control for the navigation of an under-actuated UUV | |
Wang et al. | Disturbance observer-based motion control of small autonomous underwater vehicles | |
Zhao et al. | Reinforcement Learning Method for AUV Hover Control in Uncertain Environment |
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 |