CN113050432A - 一种欠驱动船的在线自适应近优控制方法、系统及装置 - Google Patents
一种欠驱动船的在线自适应近优控制方法、系统及装置 Download PDFInfo
- Publication number
- CN113050432A CN113050432A CN202110529084.8A CN202110529084A CN113050432A CN 113050432 A CN113050432 A CN 113050432A CN 202110529084 A CN202110529084 A CN 202110529084A CN 113050432 A CN113050432 A CN 113050432A
- Authority
- CN
- China
- Prior art keywords
- under
- actuated
- ship
- model
- parameters
- 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
Images
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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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)
- Feedback Control In General (AREA)
Abstract
本发明提出了一种欠驱动船的在线自适应近优控制方法、系统及装置,包括以下步骤:S1:获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;S2:根据状态信息估计欠驱动船模型的参数;S3:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩;通过输入至欠驱动船模型,对欠驱动船模型的参数进行估计,再通过对估计驱动船模型的参数进行分析后输出对欠驱动船的控制,实现了模型简单,在线计算,自适应性、近似最优性及输出安全的效果。
Description
优先权信息
本申请要求2020年11月12日申请的,申请号为2020112650877,名称为“一种欠驱动船的在线自适应近优控制方法、系统、装置及存储介质”的中国专利申请的优先权,在此将其全文引入作为参考。
技术领域
本发明涉及船舶回转性操作性的控制领域,具体涉及一种欠驱动船的在线自适应近优控制方法、系统及装置。
背景技术
无人船在海洋资源探索、开发等应用中发挥着越来越重要的作用。作为无人船控制技术的一种重要技术,船系统的跟踪控制已引起学术界和工业界的广泛关注。
现有技术存在以下不足:第一,多数技术仅适用于全驱动的无人船控制,而实际过程中,大部分的船系同属于欠驱动系统;第二,大多数技术都难以保证船控制系统的最优性且没有对控制系统的输入约束进行考虑;第三,现有的船系统自适应控制技术多基于神经网络的近似能力,导致计算量较大。
发明内容
为了克服现有技术的缺陷,本发明所要解决的技术问题在于提出一种欠驱动船的在线自适应近优控制方法、系统及装置,采集欠驱动船的状态信息后通过输入至欠驱动船模型,对欠驱动船模型的参数进行估计,再通过对估计驱动船模型的参数进行分析后输出对欠驱动船的控制,实现了模型简单,在线计算,自适应性、近似最优性及输出安全的效果。
为达此目的,本发明采用以下技术方案:一种欠驱动船的在线自适应近优控制方法,包括以下步骤:
S1:获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
S2:根据状态信息估计欠驱动船模型的参数;
S3:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
优选的,S2中根据状态信息估计欠驱动船模型的参数包括:将欠驱动船的状态空间模型表示为其中为状态向量,Wf和Wg为未知的参数矩阵,φf(x)和φg(x)为已知的关于状态向量x(t)的函数,u(t)对应欠驱动船的控制输入,也即是欠驱动船浪涌力和偏航力矩;将其输出模型表示为y=h(x),其中y表示其输出向量。
优选的,利用估计模型通过如下迭代获得对欠驱动船的模型参数的估计:
其中,为对应于状态向量x(t)一个辅助状态向量且初始值应设置为x(0);和为对Wf和Wg的估计量;Kx,Kf和Kg为对角权矩阵用于调整参数和的收敛速度;Kx,Kf和Kg的对角元素值都大于零其余元素值为零。
优选的,其中Kf和Kg的对角元素值应远大于Kx的对角元素值从而保证参数更好地收敛,参数τ表示采样间隔,上标表示第k次迭代。
优选的,其特征在于S3中根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩包括:
即将步骤2中得到的对欠驱动船的模型参数的估计值用于如下公式中用于计算需要第k次采样施加到欠驱动船浪涌力和偏航力矩:
优选的,正定对称矩阵R和Q及预测参数T对应如下时变最优控制性能指标的参数:
一种欠驱动船的在线自适应近优控制系统,其特征在于,包括:船系统、参数估计模型、控制器;
船系统传输欠驱动船的状态信息至参数估计模型,参数估计模型更具状态信息输出船系统参数的估计值至控制器,控制器根据船系统参数的估计值输出用于控制船系统的控制量至船系统,同时控制量反馈回参数估计模型用于参考估计模型进行参数估计。
一种欠驱动船的在线自适应近优控制装置,其特征在于,包括:
获取模块:获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
生成模块:根据状态信息估计欠驱动船模型的参数;
处理模块:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
一种非临时性计算机可读存储介质,当存储介质中的指令由装置的处理器执行时,使得装置能够执行一种欠驱动船的在线自适应近优控制方法,方法包括:
获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
根据状态信息估计欠驱动船模型的参数;
根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
本发明的有益效果为:
本发明提供的一个自欠驱动船的自适应最优控制方法,首先将欠驱动船的状态信息输入至船模型进行估计船模型参数,接着通过将船模型估计参数进行带饱和的自适应最优控制律计算公式和给定的表达式对所述模型参数进行处理分析,然后得到需要施加给欠驱动船浪涌力和偏航力矩,最后输出控制量至欠驱动船;本申请通过欠驱动船模型的加入,采集欠驱动船的状态信息后进行估计欠驱动船模型的参数,通过欠驱动船模型的参数再利用带饱和的自适应最优控制律计算公式和给定的表达式求得需要施加给欠驱动船浪涌力和偏航力矩来实现对欠驱动船的控制,同时控制量会反馈回欠驱动船模型用于进行参数估计;所提出的自适应近优控制律的参数实时更新,不需要对所提出的参数进行离线训练,具有更小的计算量。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明具体实施方式中提供的方法的流程图;
图2为本发明具体实施方式中提供的系统的框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
如图1所示,本实施例中提供的一种欠驱动船的在线自适应近优控制方法,包括以下步骤:
S1:获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
S2:根据状态信息估计欠驱动船模型的参数;
S3:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。具体的,S1中获取欠驱动船的状态信息的过程为通过各类传感器获得欠驱动船固定框架中的状态信息坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩,状态信息主要用输入至欠驱动船模型,进行估计欠驱动船模型的参数,最后利用带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩输出至欠驱动船,来实现对欠驱动船的控制。
优选的,S2中根据状态信息估计欠驱动船模型的参数包括:将欠驱动船的状态空间模型表示为其中为状态向量,Wf和Wg为未知的参数矩阵,φf(x)和φg(x)为已知的关于状态向量x(t)的函数,u(t)对应欠驱动船的控制输入,也即是欠驱动船浪涌力和偏航力矩;将其输出模型表示为y=h(x),其中y表示其输出向量。
优选的,利用估计模型通过如下迭代获得对欠驱动船的模型参数的估计:
其中,为对应于状态向量x(t)一个辅助状态向量且初始值应设置为x(0);和为对Wf和Wg的估计量;Kx,Kf和Kg为对角权矩阵用于调整参数和的收敛速度;Kx,Kf和Kg的对角元素值都大于零其余元素值为零。
优选的,其中Kf和Kg的对角元素值应远大于Kx的对角元素值从而保证参数更好地收敛,参数τ表示采样间隔,上标表示第k次迭代,其中,采样间隔τ其在实际运用中应尽可能地小,例如取τ=0.01秒。具体的欠驱动船模型包括欠驱动船的状态空间模型以及输出模型,通过估计模型获得对欠驱动船的模型参数进行估计。
优选的,其特征在于S3中根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩包括:
即将步骤2中得到的对欠驱动船的模型参数的估计值用于如下公式中用于计算需要第k次采样施加到欠驱动船浪涌力和偏航力矩:
优选的,正定对称矩阵R和Q及预测参数T对应如下时变最优控制性能指标的参数:
优选的,参数向量v∈R3且第i个元素值为vi=T2+i/(2(2+i)i!);κ=T5/20;
则为实现控制输入计算结果的辅助量。上述计算所得到的uk施加到欠驱动船电枢后驱动欠驱动船沿着给定的轨迹运动。
在实际应用中,如果欠驱动船系统的参数矩阵Wf和Wg的所有元素都有很好的先验之时,即就是说,所有的元素的初始值都被设置在一个很小的邻域内。在没有很好的先验知识的情况下,完全重构欠驱动船系统的模型可能导致极大的自适应控制输入量uk,而实际系统所能承受的控制量是有限的。为了避免自适应最优控制器产生极大的控制输入,可以采用以下改进的带饱和的在线自适应最优控制器:
其中β=[β1,β2,…,βm,]T,与饱和度相关,且每一个β大于零satβ(uA(t))的第j个元素定义如下:
考虑一艘水面舰艇在故障模式下工作其中只有两个螺旋桨工作,即浪涌力和偏航控制力矩。在这种现实的假设下,欠驱动船的运动学和动力学由以下普通微分方程描述。
其中(x1,x2)表示舰艇在地球固定框架中的坐标,x3表示其航向角;x4,x5,x6分别表示纵荡、横荡和偏航时的速度;u1,u2分别表示浪涌力和偏航力矩。参数m11,m22,m33,d11,d22,d33为正常数,由欠驱动船的惯性和阻尼矩阵给出。状态向量为x=[x1,x2,x3,x4,x5,x6]T,输入向量为u=[u1,u2]T。在本应用中,欠驱动船系统的实际值和阻尼参数为m11=m22=m33=0.1,d11=d33=0,d22=0.2。欠驱动船系统可以由参数化系统重写,
φf1(x)=x4cosx3,φf2(x)=x5sinx3,
φf3(x)=x4sinx3,φf4(x)=x5cosx3,
φf5(x)=x6,φf6(x)=x5x6,φf7(x)=x4x6,φf8(x)=x5
wf11=1,wf12=-1,wf23=1,wf24=1,wf35=1,
若目标轨迹为yd(t),性能指标中的矩阵Q和R以及预测参数T都已经给定。根据本发明,可先将初始化为x(0)并设置好参数矩阵Kf、Kg和Kx。在第k次迭代,首先通过传感器获得欠驱动船的状态量该欠驱动船的未知参数可以通过如下公式在线估计
欠驱动船系统的输出如下:
其中l为欠驱动船质心和位置(x1,x2)的距离。进而根据本发明中的自适应控制率计算公式:
得到在第k次迭代需要输入到欠驱动船的浪涌力和偏航力矩
用修正公式对输入进行修正,βi>0.
实施例二
参考图2所示,一种欠驱动船的在线自适应近优控制系统,其特征在于,包括:船系统、参数估计模型、控制器;
船系统传输欠驱动船的状态信息至参数估计模型,参数估计模型更具状态信息输出船系统参数的估计值至控制器,控制器根据船系统参数的估计值输出用于控制船系统的控制量至船系统,同时控制量反馈回参数估计模型用于参考估计模型进行参数估计。
具体的,船系统即为实际的船舶系统,用于输出状态信息至参数估计模型,参数估计模型输出船系统参数的估计值至控制器,控制器进行分析处理后输出控制量至船系统,最后实现对,所提出的自适应近优控制律的参数实时更新,不需要对所提出的参数进行离线训练,具有更小的计算量;其中参数估计模型以及控制器两个模块均可通过单片机进行设置,且可以通过向控制器输入预设值,控制器根据预设值进行输出对应的控制量,实现对控制量进行可调性的控制。
实施例三
一种欠驱动船的在线自适应近优控制装置,其特征在于,包括:
获取模块:获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
生成模块:根据状态信息估计欠驱动船模型的参数;
处理模块:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
实施例四
一种非临时性计算机可读存储介质,当存储介质中的指令由装置的处理器执行时,使得装置能够执行一种欠驱动船的在线自适应近优控制方法,方法包括:
获取欠驱动船的状态信息,其中,状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
根据状态信息估计欠驱动船模型的参数;
根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,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。
Claims (9)
1.一种欠驱动船的在线自适应近优控制方法,其特征在于,包括以下步骤:
S1:获取欠驱动船的状态信息,其中,所述状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
S2:根据所述状态信息估计欠驱动船模型的参数;
S3:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对所述模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
4.如权利要求3所述的一种欠驱动船的在线自适应近优控制方法,其特征在于:其中Kf和Kg的对角元素值应远大于Kx的对角元素值从而保证参数更好地收敛,参数τ表示采样间隔,上标表示第k次迭代。
7.一种欠驱动船的在线自适应近优控制系统,其特征在于,包括:船系统、参数估计模型、控制器;
所述船系统传输欠驱动船的状态信息至所述参数估计模型,所述参数估计模型更具所述状态信息输出船系统参数的估计值至所述控制器,所述控制器根据所述船系统参数的估计值输出用于控制船系统的控制量至所述船系统,同时控制量反馈回所述参数估计模型用于所述参考估计模型进行参数估计。
8.一种欠驱动船的在线自适应近优控制装置,其特征在于,包括:
获取模块:获取欠驱动船的状态信息,其中,所述状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
生成模块:根据所述状态信息估计欠驱动船模型的参数;
处理模块:根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对所述模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
9.一种非临时性计算机可读存储介质,当所述存储介质中的指令由装置的处理器执行时,使得装置能够执行一种欠驱动船的在线自适应近优控制方法,所述方法包括:
获取欠驱动船的状态信息,其中,所述状态信息包括坐标、航向角;纵荡、横荡、偏航时的速度和浪涌力和偏航力矩;
根据所述状态信息估计欠驱动船模型的参数;
根据所得的模型参数,通过带饱和的自适应最优控制律计算公式和给定的表达式对所述模型参数进行处理分析,得到需要施加给欠驱动船浪涌力和偏航力矩。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2020112650877 | 2020-11-12 | ||
CN202011265087 | 2020-11-12 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113050432A true CN113050432A (zh) | 2021-06-29 |
CN113050432B CN113050432B (zh) | 2023-02-28 |
Family
ID=76518391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110529084.8A Active CN113050432B (zh) | 2020-11-12 | 2021-05-14 | 一种欠驱动船的在线自适应近优控制方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113050432B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255616A (zh) * | 2021-12-20 | 2022-03-29 | 武汉理工大学 | 一种无动力船舶轨迹预测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298326A (zh) * | 2011-06-30 | 2011-12-28 | 哈尔滨工程大学 | 欠驱动auv自适应轨迹跟踪控制装置及控制方法 |
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 |
CN110333658A (zh) * | 2019-07-11 | 2019-10-15 | 上海海事大学 | 一种带输入约束和漂角补偿的欠驱动船舶航向控制方法 |
CN110597262A (zh) * | 2019-09-25 | 2019-12-20 | 上海海事大学 | 一种基于漂角修正的欠驱动船舶路径跟踪自适应控制方法 |
-
2021
- 2021-05-14 CN CN202110529084.8A patent/CN113050432B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102298326A (zh) * | 2011-06-30 | 2011-12-28 | 哈尔滨工程大学 | 欠驱动auv自适应轨迹跟踪控制装置及控制方法 |
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 |
CN110333658A (zh) * | 2019-07-11 | 2019-10-15 | 上海海事大学 | 一种带输入约束和漂角补偿的欠驱动船舶航向控制方法 |
CN110597262A (zh) * | 2019-09-25 | 2019-12-20 | 上海海事大学 | 一种基于漂角修正的欠驱动船舶路径跟踪自适应控制方法 |
Non-Patent Citations (1)
Title |
---|
刘勇等: "欠驱动船舶轨迹跟踪控制设计", 《计算机仿真》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255616A (zh) * | 2021-12-20 | 2022-03-29 | 武汉理工大学 | 一种无动力船舶轨迹预测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113050432B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108445892B (zh) | 一种欠驱动无人船编队控制器结构及设计方法 | |
Araki et al. | Estimating maneuvering coefficients using system identification methods with experimental, system-based, and CFD free-running trial data | |
Zhang et al. | Fixed-time output feedback sliding mode tracking control of marine surface vessels under actuator faults with disturbance cancellation | |
Chen et al. | Tracking control of surface vessels via fault-tolerant adaptive backstepping interval type-2 fuzzy control | |
Haseltalab et al. | Adaptive control for autonomous ships with uncertain model and unknown propeller dynamics | |
Park et al. | Robust fault–tolerant tracking with predefined performance for underactuated surface vessels | |
Hassanein et al. | Model-based adaptive control system for autonomous underwater vehicles | |
Chu et al. | Fault reconstruction of thruster for autonomous underwater vehicle based on terminal sliding mode observer | |
Zhang et al. | Neuro-adaptive trajectory tracking control of underactuated autonomous surface vehicles with high-gain observer | |
CN109917657A (zh) | 动力定位船舶的抗干扰控制方法、装置与电子设备 | |
CN113050432B (zh) | 一种欠驱动船的在线自适应近优控制方法、系统及装置 | |
CN105867417B (zh) | 一种dvl测速失效时的uuv反步滑模动力定位控制方法 | |
CN110361975A (zh) | 一种基于滑模技术的umv状态时滞系统的自适应容错控制方法 | |
Sun et al. | Adaptive trajectory tracking control of vector propulsion unmanned surface vehicle with disturbances and input saturation | |
Chu et al. | Improved super-twisting sliding mode control for ship heading with sideslip angle compensation | |
Jiang et al. | Neural network based adaptive sliding mode tracking control of autonomous surface vehicles with input quantization and saturation | |
Zhang et al. | Tracking fault-tolerant control based on model predictive control for human occupied vehicle in three-dimensional underwater workspace | |
Xu et al. | Comparing generic and vectorial nonlinear manoeuvring models and parameter estimation using optimal truncated least square support vector machine | |
Çimen | Development and validation of a mathematical model for control of constrained non-linear oil tanker motion | |
Zhang et al. | Observer-based adaptive tracking control of underactuated autonomous marine vehicle with uncertainty dynamic | |
Li et al. | Adaptive reinforcement learning fault-tolerant control for AUVs with thruster faults based on the integral extended state observer | |
Song et al. | Event-triggered fuzzy finite-time reliable control for dynamic positioning of nonlinear unmanned marine vehicles | |
Liu et al. | Fixed-time self-structuring neural network fault-tolerant tracking control of underactuated surface vessels with state constraints | |
Ruiz-Duarte et al. | Higher order sliding mode control for autonomous underwater vehicles in the diving plane | |
Wen et al. | Orientation control of the Wave Glider with uncertain environment disturbances and unknown variable hydrodynamics coefficients: Theory and simulation |
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 |