CN111798702B - 无人艇路径跟踪控制方法、系统、存储介质及终端 - Google Patents
无人艇路径跟踪控制方法、系统、存储介质及终端 Download PDFInfo
- Publication number
- CN111798702B CN111798702B CN202010645104.3A CN202010645104A CN111798702B CN 111798702 B CN111798702 B CN 111798702B CN 202010645104 A CN202010645104 A CN 202010645104A CN 111798702 B CN111798702 B CN 111798702B
- Authority
- CN
- China
- Prior art keywords
- unmanned ship
- unmanned
- path
- velocity
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013178 mathematical model Methods 0.000 claims abstract description 33
- 230000003044 adaptive effect Effects 0.000 claims abstract description 16
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 23
- 239000013598 vector Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G3/00—Traffic control systems for marine craft
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Aviation & Aerospace Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Automation & Control Theory (AREA)
- Ocean & Marine Engineering (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种无人艇路径跟踪控制方法、系统、存储介质及终端，其中，所述无人艇路径跟踪控制方法包括以下步骤：创建无人艇在海流干扰状态下的相对速度运动数学模型；基于所述数学模型和虚拟点跟踪原理生成所述无人艇的位置跟踪误差；基于所述数学模型和视线法原理创建自适应视线法制导律；根据所述位置跟踪误差和所述制导律引导所述无人艇对期望路径进行跟踪。本发明提供的无人艇路径跟踪控制方法、系统、存储介质及终端的路径跟踪精度高、且能跟踪曲线路径。
Description
技术领域
本发明涉及无人艇航行控制技术领域，尤其涉及一种无人艇路径跟踪控制方法、系统、存储介质及终端。
背景技术
无人艇(unmanned surface vessel，简称USV)被广泛地应用于海洋生产活动中，尤其是在海洋资源调查、水质监测与采样、环卫等方面具有突出的优势。海洋中航行的无人艇常常会受到来自海流等环境力的扰动，这对无人艇的路径跟踪控制精度会产生极大影响，但是现有的无人艇的路径跟踪控制方案均没有考虑海流环境力对无人艇路径跟踪控制的影响，且难以直接对无人艇任意曲线路径进行跟踪控制。因此急需提出一种能有效补偿海流干扰力的无人艇路径跟踪控制方法。
发明内容
本发明的目的在于提供一种无人艇路径跟踪控制方法、系统、存储介质及终端，用以解决现有无人艇路径跟踪控制方法精度低、跟踪路径受限的难题。
本发明的上述目的可采用下列技术方案来实现：
本发明提供一种无人艇路径跟踪控制方法，包括以下步骤：创建无人艇在海流干扰状态下的相对速度运动数学模型；基于所述数学模型和虚拟点跟踪原理生成所述无人艇的位置跟踪误差；基于所述数学模型和视线法原理创建自适应视线法制导律；根据所述位置跟踪误差和所述制导律引导所述无人艇对期望路径进行跟踪；其中，所述数学模型如下：
其中，m11、m22、m33、dur、dvr、dr均为艇体的水动力参数，x，y均为无人艇的坐标值，ψ为艏向角，ur为无人艇的纵向相对速度、vr为无人艇的横向相对速度，r为无人艇的艏向角速度，τu,τr分别为纵向控制力和艏向控制力矩，ur＝u-uc、vr＝v-vc，海流速度分量uc和海流速度分量vc分别为海流速度u和海流速度v在艇体坐标系下的分量；海流速度分量Vcx和海流速度分量Vcy分别为海流速度u和海流速度v在大地坐标系下的分量。
本发明的目的还可以采用以下的技术措施来进一步实现。
优选的，其中，所述创建无人艇在海流干扰状态下的相对速度运动数学模型的步骤包括以下步骤：获取所述无人艇的第一目标信息；获取所述海流的速度信息；基于所述第一目标信息和所述速度信息创建所述数学模型。
优选的，其中，所述基于所述数学模型和虚拟点跟踪原理生成所述无人艇的位置跟踪误差的步骤包括以下步骤：在所述期望路径上创建虚拟航路点；获取所述虚拟航路点的目标位置信息和所述期望路径的第二目标信息；基于所述目标位置信息和所述第二目标信息创建位置跟踪误差方程；根据所述第一目标信息、所述第二目标信息和所述位置跟踪误差方程生成所述位置跟踪误差。
优选的，其中，所述基于所述数学模型和视线法原理创建自适应视线法制导律的步骤包括以下步骤：基于所述海流的速度信息生成补偿值；基于所述第二目标信息生成可变前视距离；基于所述补偿值、所述可变前视距离和所述位置跟踪误差生成自适应视线法引导角；基于所述引导角、所述第一目标信息和所述第二目标信息生成期望艏向角。
优选的，其中，所述根据所述位置跟踪误差和所述制导律引导所述无人艇对期望路径进行跟踪的步骤包括以下步骤：基于径向基函数神经网络技术原理分别创建艏向控制器与速度控制器；根据所述艏向控制器和所述期望艏向角调整所述无人艇的转艏运动；根据所述速度控制器和期望纵向加速度调整所述无人艇的纵向速度。
优选的，其中，所述径向基函数神经网络技术原理中的径向函数为高斯函数。
优选的，其中，所述径向基函数神经网络技术原理中的神经网络权值向量自适应更新率根据所述第一目标信息中的三自由速度信息生成。
本发明的目的还采用以下的技术方案来实现。依据本发明提出的一种无人艇路径跟踪控制系统，其中包括：执行任意一项前述的无人艇路径跟踪控制方法的步骤的模块。
本发明的目的还采用以下的技术方案来实现。依据本发明提出的一种存储介质，其上存储有计算机程序，其中，所述存储介质是计算机可读存储介质，且所述程序被执行时实现任意一项前述的无人艇路径跟踪控制方法。
本发明的目的还采用以下的技术方案来实现。依据本发明提出的一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现任意一项前述的无人艇路径跟踪控制方法。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明提出的无人艇路径跟踪控制方法、系统、存储介质及终端至少具有下列优点及有益效果：
1、创建无人艇相对速度运动数学模型时考虑了海流的干扰，从而能够对海流漂移力进行有效补偿，进而提高路径跟踪控制精度；
2、通过视线法原理创建制导律，并在可变前视距离中考虑期望路径的部分第二目标信息的影响，能够实现无人艇对任意曲线路径的跟踪控制，从而提高了其适用性、扩大了其使用范围；
3、使用径向基函数神经网络技术原理分别创建艏向控制器和速度控制器，从而解决了无人艇的模型不确定性问题，提高了其控制系统的鲁棒性。
上述说明仅是本发明技术方案的概述，为了能更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的无人艇路径跟踪控制方法的流程框图；
图2是本发明一个实施例的无人艇路径跟踪控制方法的流程框图；
图3是本发明一个实施例的无人艇路径跟踪控制方法的流程框图；
图4是本发明一个实施例的无人艇路径跟踪控制方法的流程框图；
图5是本发明一个实施例的无人艇路径跟踪控制方法的流程框图；
图6是本发明一个实施例的终端的结构框图；
图7是本发明中无人艇在大地坐标系下的示意图；
图8是本发明一个实施例的无人艇路径跟踪控制方法的仿真示意图。
附图标记与说明：
10000、终端；11000、存储器；11100、计算机程序；12000、处理器；{B}、艇体坐标系；{E}、大地坐标系；Vc、海流合速度；βc、夹角；ψ、艏向角；u、海流速度；v、海流速度；Vcx、海流速度分量；Vcy、海流速度分量；uc、海流速度分量；vc、海流速度分量；θ、侧滑角。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的无人艇路径跟踪控制方法、系统、存储介质及终端的具体实施方式、结构、特征及其功效，详细说明如后。
虽然每个实施例代表了申请步骤的单一组合，但是本发明不同实施例的步骤可以替换，或者合并组合，因此本发明也可认为包含记载的相同和/或不同实施例中步骤的所有可能组合。因而，如果一个实施例包含步骤A、B、C，另一个实施例包含步骤B和D的组合，那么本发明也视为包括含有A、B、C、D的一个或多个步骤的所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
实施方式一
下面将结合附图，对本发明实施例提供的一种无人艇路径跟踪控制方法进行详细介绍。
图1至图5是本发明一个实施例的无人艇路径跟踪控制方法的流程框图。具体的，请参阅图1，本发明示例的无人艇路径跟踪控制方法主要包括以下步骤：
S1：创建无人艇在海流干扰状态下的相对速度运动数学模型
在一些实施例中，请参见图2，步骤S1：创建无人艇在海流干扰状态下的相对速度运动数学模型包括以下步骤：
S11：获取无人艇的第一目标信息
其中，第一目标信息包括无人艇的艇体水动力参数、无人艇的位置信息、艏向角信息及速度信息(即无人艇的纵向相对速度、横向相对速度和艏向角速度)。
S12：获取海流的速度信息
其中，海流的速度信息可以选择相对坐标系的方式或者绝对坐标系的方式进行表述，只要其能够通过适当转换后便于后续数学模型调取使用即可。
S13：基于第一目标信息和速度信息创建数学模型
在一些实施例中，具体的，根据该步骤创建形成的相对速度运动数学模型如下：
其中，m11、m22、m33、dur、dvr、dr均为艇体的水动力参数，无人艇的位置信息为无人艇的坐标值x，y，艏向角信息为艏向角ψ，速度信息包括无人艇的纵向相对速度ur、横向相对速度vr和艏向角速度r，其通过公式ur＝u-uc、vr＝v-vc计算生成，具体的，海流速度分量uc和海流速度分量vc分别为海流速度u和海流速度v在艇体坐标系{B}下的分量；海流速度分量Vcx和海流速度分量Vcy分别为海流速度u和海流速度v在大地坐标系{E}下的分量，夹角βc为海流合速度Vc相对正北方向的夹角，具体的，海流合速度
夹角βc＝arctan(vc/uc)；τu,τr分别为纵向控制力和艏向控制力矩，具体参数的几何关系请参阅图7。
S2：基于数学模型和虚拟点跟踪原理生成无人艇的位置跟踪误差
在一些实施例中，请参见图3，步骤S2：基于数学模型和虚拟点跟踪原理生成无人艇的位置跟踪误差包括以下步骤：
S21：在期望路径上创建虚拟航路点
在一些实施例中，在期望路径上根据路径跟踪的实际情况仅创建一个虚拟航路点P；在另一些实施例中创建虚拟航路点的数量为多个。
S22：获取虚拟航路点的目标位置信息和期望路径的第二目标信息
其中，第二目标信息包括期望路径的曲线参数s，期望路径的曲率cc(s)，虚拟航路点P的目标位置信息包括：虚拟航路点P的速度Vp(其可以表示为
)和虚拟航路点P处的路径切线方向和路径曲率的关系
(其可以表示为
)。
S23：基于目标位置信息和第二目标信息创建位置跟踪误差方程
S24：根据第一目标信息、第二目标信息和位置跟踪误差方程生成位置跟踪误差在一些实施例中，位置跟踪误差可以根据下述位置跟踪误差方程生成：
其中，xe和ye均为位置跟踪误差，βr为相对速度漂角(其可以表示为βr＝arctan(vr/ur))，s为期望路径的曲线参数，cc(s)为期望路径的曲率，Vp为期望路径上任一虚拟航路点P的速度，
为虚拟航路点P处的路径切线方向和路径曲率的关系。
S3：基于数学模型和视线法原理创建自适应视线法制导律
其中，视线法原理即Line-of-Sight,简称LOS。其具体含义为：视线法通过不断引导船舶时刻瞄准下一目标点运动，以实现点到点的引导运动，从而完成两点之间的路径跟踪控制。
在一些实施例中，请参见图4，步骤S3：基于数学模型和视线法原理创建自适应视线法制导律包括以下步骤：
S31：基于海流的速度信息生成补偿值
其中，该补偿值是根据海流的参数生成，其具体计算方式可以根据海流的实际条件选取不同的计算公式生成，在此不对其具体使用的计算公式进行限制，只要其引入了补偿值就应当在本发明的保护范围之内。
S32：基于第二目标信息生成可变前视距离
在一些实施例中，具体的，可变前视距离Δ可以采用公式
计算生成，其中L为船长，kc为设计参数，其取值范围为kc＞0。
S33：基于补偿值、可变前视距离和位置跟踪误差生成自适应视线法引导角
在一些实施例中，具体的，自适应视线法引导角ψLOS根据以下方式计算得到：
其中，k1为设计参数，其取值范围为k1＞0。
S34：基于引导角、第一目标信息和第二目标信息生成期望艏向角
在一些实施例中，具体的，期望艏向角ψd根据以下方式计算得到：
ψd＝-βr+αp+ψLOS
本发明通过在该步骤中引入补偿值，能够保证即使路径跟踪误差均收敛于零后，生成的该制导律仍能产生一个时变的引导角ψLOS使无人艇克服海流的漂移力；而在前视距离Δ中引入曲率参数cc(s)则能够控制无人艇在不同曲率路径处的转弯幅度，以适应曲线路径的变化。
S4：根据位置跟踪误差和制导律引导无人艇对期望路径进行跟踪
在一些实施例中，请参见图5，步骤S4：根据位置跟踪误差和制导律引导无人艇对期望路径进行跟踪包括以下步骤：
S41：基于径向基函数神经网络技术原理分别创建艏向控制器与速度控制器
在一些实施例中，径向基函数神经网络技术原理中的径向函数采用高斯函数的形式。在另一些实施例中，径向基函数神经网络技术原理中的神经网络权值向量自适应更新率根据第一目标信息中的三自由速度信息生成(即纵向相对速度ur、横向相对速度vr和艏向角速度r)。
本领域的技术人员应当明白，径向基函数神经网络技术原理中的径向函数和神经网络权值向量自适应更新率也可以采用其他函数进行表达，只要艏向控制器与速度控制器是基于径向基函数神经网络技术原理创建的就应当在本发明的保护范围内。
S42：根据艏向控制器和期望艏向角调整无人艇的转艏运动
在一些实施例中，该无人艇的转艏运动通过调整舵机的舵角进行。本领域的技术人员应当明白，在不采用舵机进行转艏运动控制的状态下，还可以通过控制力矩调整无人艇的其他结构来控制其转艏运动，只要能调整无人艇的转艏运动就应当在本发明的保护范围之内。
S43：根据速度控制器和期望纵向加速度调整无人艇的纵向速度
在一些实施例中，该纵向运动的调整通过调整推进器的转速进行。本领域的技术人员应当明白，调整推进器的转速是为了调整无人艇的纵向运动，从而控制无人艇的航行速度，进而控制其路径跟踪精度。
本领域的技术人员应当明白，期望纵向加速度可以根据无人艇的第一目标信息(即无人艇的速度信息)选取不同的公式进行计算得到，在此不对其选用的具体公式进行限制。
以下通过一个具体实施例来对本发明中艏向控制器和速度控制器的创建进行详细描述：
(1)艏向控制器设计：
定义无人艇的艏向跟踪误差为ψe＝ψ-ψd，则虚拟艏向角速度控制律为：
其中，
为期望艏向角的一阶导数。
根据上述的虚拟艏向角速度控制律，艏向角速度误差可以表示为re＝r-αr。在实际使用中为了避免无人艇的数学模型不确定性的问题，艏向控制器设计为以下形式：
其中，kr为控制参数、其取值范围为kr＞0，
为神经网络权值向量的估计值，Hr为高斯基函数向量，Zr为神经网络输入向量、其表示为Zr＝[ur,vr,r]T，
为虚拟艏向角速度的一阶导数。
进一步的，神经网络权值向量自适应更新率设计为：
其中，
γr为控制参数，其取值范围为γr＞0，本领域的技术人员应当明白，
为可调的控制参数，其是一个系数矩阵，该形式表示这个系数矩阵的性质是对称阵。
(2)速度控制器设计：
由于无人艇的运动学、动力学方程均基于海流的相对速度信息建立，因此定义无人艇期望纵向相对速度为urd，则纵向相对速度跟踪误差可表示为ure＝ur-urd。那么考虑无人艇的模型不确定性问题，速度控制器(也即纵向相对速度控制器)可以设计为：
其中，ku为控制参数、其取值范围为ku＞0，
为神经网络权值向量的估计值，Hu为高斯基函数向量，Zu为神经网络输入向量、其表示为Zu＝[ur,vr,r]T。
进一步的，神经网络权值向量自适应更新率设计为：
其中，
γu为控制参数，其取值范围为γu＞0，本领域的技术人员应当明白，
为可调的控制参数，其是一个系数矩阵，该形式表示这个系数矩阵的性质是对称阵。
本发明创建的无人艇的动力学控制器(即艏向控制器与速度控制器)只需要输入信息无人艇的三自由度速度信息(即纵向相对速度ur、横向相对速度vr和艏向角速度r)，而不需要输入无人艇的水动力系数；且其是通过神经网络权值向量自适应更新率对无人艇的数学模型进行在线逼近学习，因此对于无人艇的数学模型依赖性较小。
图8是本发明本发明一个实施例的无人艇路径跟踪控制方法的仿真示意图，其中，期望路径为S形曲线路径，跟踪过程是在海流干扰状态下进行。由仿真结果可以看到，由于海流干扰力的存在，无人艇在稳定跟踪阶段的艏向角并没有与期望路径的切线方向相切，而是存在一个侧滑角θ来抵抗海流漂移力的影响，由此验证了本发明所提出的无人艇路径跟踪控制方法的有效性。
本领域的技术人员应当明白，在该实施方式中出现的符号标记具有相同的含义，因此只在其初次出现的时候对其进行解释说明，而不会在其每次出现的位置都进行解释说明。
本发明提出的无人艇路径跟踪控制方法至少具有下列优点及有益效果：
1、创建无人艇相对速度运动数学模型时考虑了海流的干扰，从而能够对海流漂移力进行有效补偿，进而提高路径跟踪控制精度；
2、通过视线法原理创建制导律，并在可变前视距离中考虑期望路径的部分第二目标信息的影响，能够实现无人艇对任意曲线路径的跟踪控制，从而提高了其适用性、扩大了其使用范围；
3、使用径向基函数神经网络技术原理分别创建艏向控制器和速度控制器，从而解决了无人艇的模型不确定性问题，提高了其控制系统的鲁棒性。
实施方式二
本发明实施例还提供了一种无人艇路径跟踪控制系统，该系统包括执行实施方式一中任意一个实施例中无人艇路径跟踪控制方法的步骤的模块。本领域的技术人员应当了解，本发明提供的系统具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。
实施方式三
本发明实施例还提供了一种存储介质，其上存储有计算机程序11100，存储介质是计算机可读存储介质，且该程序被处理器12000执行时实现实施方式一中任一实施例方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC)，或适合于存储指令和/或数据的任何类型的媒介或设备。具体执行过程可以参见实施方式一中的方法实施例的具体说明，在此不进行赘述。
本领域的技术人员应当了解，本发明提供的计算机可读存储介质具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。
实施方式四
请参见图6，本发明实施例还提供了一种终端10000，包括存储器11000、处理器12000及存储在存储器11000上并可在处理器12000上运行的计算机程序11100。其中该处理器12000执行该计算机程序11100时实现实施方式一中任一实施例的方法。具体执行过程可以参见上述方法实施例的具体说明，在此不进行赘述。
本发明实施例中，处理器12000为计算机系统的控制中心，可以是实体机的处理器，也可以是虚拟机的处理器。本发明实施例中，存储器11000中存储有至少一条指令，所述指令由处理器12000加载并执行以实现上述各个实施例中的方法。
本发明实施例中的终端可以包括但不限于智能手机、平板电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PAD)、交互智能平板、移动电脑等设备。
本发明另一个实施例中，处理器12000可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器12000可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器12000也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器12000，也称CPU(Central Processing Unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器12000。
存储器11000可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器11000还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在本发明的一些实施例中，存储器11000中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器12000所执行以实现本发明实施例中的方法。
本领域的技术人员应当了解，本发明提供的终端10000具有和实施方式一中实施例一样的有益效果，在这里就不再进行赘述。
以上所述，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (10)
1.一种无人艇路径跟踪控制方法，其特征在于，包括以下步骤：
创建无人艇在海流干扰状态下的相对速度运动数学模型；
基于所述数学模型和虚拟点跟踪原理生成所述无人艇的位置跟踪误差；
基于所述数学模型和视线法原理创建自适应视线法制导律；
根据所述位置跟踪误差和所述制导律引导所述无人艇对期望路径进行跟踪；
其中，所述数学模型如下：
其中，m11、m22、m33、dur、dvr、dr均为艇体的水动力参数，x，y均为无人艇的坐标值，ψ为艏向角，ur为无人艇的纵向相对速度、vr为无人艇的横向相对速度，r为无人艇的艏向角速度，τu,τr分别为纵向控制力和艏向控制力矩，ur＝u-uc、vr＝v-vc，海流速度分量uc和海流速度分量vc分别为海流速度u和海流速度v在艇体坐标系下的分量；海流速度分量Vcx和海流速度分量Vcy分别为海流速度u和海流速度v在大地坐标系下的分量。
2.根据权利要求1所述的无人艇路径跟踪控制方法，其特征在于，所述创建无人艇在海流干扰状态下的相对速度运动数学模型的步骤包括以下步骤：
获取所述无人艇的第一目标信息；
获取所述海流的速度信息；
基于所述第一目标信息和所述速度信息创建所述数学模型。
3.根据权利要求2所述的无人艇路径跟踪控制方法，其特征在于，所述基于所述数学模型和虚拟点跟踪原理生成所述无人艇的位置跟踪误差的步骤包括以下步骤：
在所述期望路径上创建虚拟航路点；
获取所述虚拟航路点的目标位置信息和所述期望路径的第二目标信息；
基于所述目标位置信息和所述第二目标信息创建位置跟踪误差方程；
根据所述第一目标信息、所述第二目标信息和所述位置跟踪误差方程生成所述位置跟踪误差。
4.根据权利要求3所述的无人艇路径跟踪控制方法，其特征在于，所述基于所述数学模型和视线法原理创建自适应视线法制导律的步骤包括以下步骤：
基于所述海流的速度信息生成补偿值；
基于所述第二目标信息生成可变前视距离；
基于所述补偿值、所述可变前视距离和所述位置跟踪误差生成自适应视线法引导角；
基于所述引导角、所述第一目标信息和所述第二目标信息生成期望艏向角。
5.根据权利要求4所述的无人艇路径跟踪控制方法，其特征在于，所述根据所述位置跟踪误差和所述制导律引导所述无人艇对期望路径进行跟踪的步骤包括以下步骤：
基于径向基函数神经网络技术原理分别创建艏向控制器与速度控制器；
根据所述艏向控制器和所述期望艏向角调整所述无人艇的转艏运动；
根据所述速度控制器和期望纵向加速度调整所述无人艇的纵向速度。
6.根据权利要求5所述的无人艇路径跟踪控制方法，其特征在于，所述径向基函数神经网络技术原理中的径向函数为高斯函数。
7.根据权利要求5所述的无人艇路径跟踪控制方法，其特征在于，所述径向基函数神经网络技术原理中的神经网络权值向量自适应更新率根据所述第一目标信息中的三自由速度信息生成。
8.一种无人艇路径跟踪控制系统，其特征在于，包括：
执行权利要求1到7中任一项权利要求所述的无人艇路径跟踪控制方法的步骤的模块。
9.一种存储介质，其上存储有计算机程序，其特征在于，
所述存储介质是计算机可读存储介质，且所述程序被执行时实现如权利要求1到7中任一项权利要求所述的无人艇路径跟踪控制方法。
10.一种终端，包括存储器、处理器及存储在所述存储器上并可在所述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计算机程序时实现如权利要求1-7中任一项所述的无人艇路径跟踪控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010645104.3A CN111798702B (zh) | 2020-07-07 | 2020-07-07 | 无人艇路径跟踪控制方法、系统、存储介质及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010645104.3A CN111798702B (zh) | 2020-07-07 | 2020-07-07 | 无人艇路径跟踪控制方法、系统、存储介质及终端 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111798702A CN111798702A (zh) | 2020-10-20 |
| CN111798702B true CN111798702B (zh) | 2022-05-31 |
Family
ID=72810351
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010645104.3A Active CN111798702B (zh) | 2020-07-07 | 2020-07-07 | 无人艇路径跟踪控制方法、系统、存储介质及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111798702B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112612268B (zh) * | 2020-12-10 | 2022-12-06 | 武汉轻工大学 | 路径跟踪的控制方法、装置、设备及存储介质 |
| 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 |
| CN114157530A (zh) * | 2021-12-02 | 2022-03-08 | 浙江海洋大学 | 一种用于无人艇的智能监测与预警系统与方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765370A (zh) * | 2015-04-15 | 2015-07-08 | 哈尔滨工业大学 | 有环境干扰下考虑侧滑角的uuv航迹视线导引法 |
| EP3366134A1 (en) * | 2017-02-28 | 2018-08-29 | Deere & Company | Adjustable row unit and vehicle with adjustable row unit |
| CN111045432A (zh) * | 2019-12-31 | 2020-04-21 | 哈尔滨工程大学 | 一种欠驱动水面船非线性路径跟踪控制系统及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109597417B (zh) * | 2019-01-14 | 2022-04-05 | 哈尔滨工程大学 | 一种基于避碰准则的多usv群体协同避碰规划方法 |
-
2020
- 2020-07-07 CN CN202010645104.3A patent/CN111798702B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765370A (zh) * | 2015-04-15 | 2015-07-08 | 哈尔滨工业大学 | 有环境干扰下考虑侧滑角的uuv航迹视线导引法 |
| EP3366134A1 (en) * | 2017-02-28 | 2018-08-29 | Deere & Company | Adjustable row unit and vehicle with adjustable row unit |
| CN111045432A (zh) * | 2019-12-31 | 2020-04-21 | 哈尔滨工程大学 | 一种欠驱动水面船非线性路径跟踪控制系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111798702A (zh) | 2020-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111798702B (zh) | 无人艇路径跟踪控制方法、系统、存储介质及终端 | |
| CN107024863B (zh) | 一种避免微分爆炸的uuv轨迹跟踪控制方法 | |
| CN106444806B (zh) | 基于生物速度调节的欠驱动auv三维轨迹跟踪控制方法 | |
| CN111679585B (zh) | 一种具有输入饱和受限的无人船强化学习自适应跟踪控制方法 | |
| CN109656143B (zh) | 一种海面全驱动船舶的自适应跟踪控制方法及系统 | |
| CN109583144B (zh) | 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 | |
| CN111308890B (zh) | 一种带有指定性能的无人船数据驱动强化学习控制方法 | |
| CN113741433B (zh) | 一种水面无人船的分布式编队方法 | |
| CN110007606A (zh) | 一种考虑输入饱和的水面无人艇误差约束控制方法 | |
| CN113467231A (zh) | 基于侧滑补偿ilos制导律的无人艇路径跟踪方法 | |
| CN112612268A (zh) | 路径跟踪的控制方法、装置、设备及存储介质 | |
| CN113296511A (zh) | 基于漂角补偿和改进超螺旋算法的船舶航向控制方法 | |
| CN111798701B (zh) | 无人艇路径跟踪控制方法、系统、存储介质及终端 | |
| Dai et al. | Dual closed loop AUV trajectory tracking control based on finite time and state observer | |
| 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 | |
| LIU et al. | Design of variable stability ship control system for ship intelligent navigation test | |
| CN117369252A (zh) | 一种水面无人船-水下无人艇异构协同轨迹跟踪方法 | |
| CN109116857A (zh) | 一种欠驱动船舶路径跟踪非线性控制方法 | |
| Li et al. | [Retracted] A Systematic Pipelaying Control Method Based on the Sliding Matrix for Dynamically Positioned Surface Vessels | |
| Lee | Path-following control for autonomous navigation of marine vessels considering disturbances | |
| Lee et al. | Design and experiment of a small boat auto-berthing control system | |
| Salarieh et al. | Trajectory optimization for a high speed planing boat based on Gauss pseudospectral method | |
| Xu et al. | Robust adaptive command-filtered backstepping synchronization navigation control with prescribed performance for supply ship during underway replenishment | |
| Tomera | Dynamic positioning system design for “Blue Lady”. Simulation tests | |
| CN114217521B (zh) | 基于推进器矢量布局的水下机器人的全姿态运动控制方法 |
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 |