CN114442640B - 一种水面无人艇轨迹跟踪控制方法 - Google Patents

一种水面无人艇轨迹跟踪控制方法 Download PDF

Info

Publication number
CN114442640B
CN114442640B CN202210189745.1A CN202210189745A CN114442640B CN 114442640 B CN114442640 B CN 114442640B CN 202210189745 A CN202210189745 A CN 202210189745A CN 114442640 B CN114442640 B CN 114442640B
Authority
CN
China
Prior art keywords
ocean current
matrix
derivative
unmanned surface
vector
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
Application number
CN202210189745.1A
Other languages
English (en)
Other versions
CN114442640A (zh
Inventor
孙明晓
原张杰
栾添添
甄立强
谭政纲
吴凯
王潇
王楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Harbin University of Science and Technology
Original Assignee
Harbin University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Harbin University of Science and Technology filed Critical Harbin University of Science and Technology
Priority to CN202210189745.1A priority Critical patent/CN114442640B/zh
Publication of CN114442640A publication Critical patent/CN114442640A/zh
Application granted granted Critical
Publication of CN114442640B publication Critical patent/CN114442640B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02Control of position or course in two dimensions
    • G05D1/0206Control of position or course in two dimensions specially adapted to water vehicles
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明涉及一种水面无人艇轨迹跟踪控制方法,所述方法包括:鉴于水面无人艇在海面航行会受到环境干扰和洋流变化的影响,在对水面无人艇进行三自由度建模时加入洋流变化和环境扰动,同时搭建干扰观测器对干扰进行观测和洋流自适应估计律对洋流进行估计,为了达到能量消耗小的目的,搭建状态误差端口受控哈密顿控制器,进而将干扰值和洋流估计值结合状态误差端口受控哈密顿控制器设计轨迹跟踪控制律,实现水面无人艇精准轨迹跟踪。

Description

一种水面无人艇轨迹跟踪控制方法
技术领域
本发明涉及船舶控制工程与船舶自动化航行技术领域,具体而言,尤其涉及一种水面无人艇轨迹跟踪控制方法,适用于水面无人艇轨迹跟踪控制。
背景技术
目前世界各国对海洋资源及主权的重视程度日益增加,推动无人化装备快速发展。其中水面无人艇以其快速机动性,高灵活性以及低成本等著多特性被广泛关注。但是由于水面无人艇行驶的海洋环境复杂多变,轨迹跟踪控制研究尚不成熟。
常用的轨迹跟踪控制方法有反步法、模糊神经网络等等。但是传统轨迹跟踪控制方法存在如下问题:
(1)水面无人艇运动学和动力学建模困难问题,水面无人艇在海洋环境中会受到风,浪,流的扰动影响,传统控制算法为了达到好的控制效果往往忽略这些扰动,设计的控制器得不到实际应用,轨迹跟踪的精度难以达到要求。
(2)能量消耗巨大问题,传统轨迹跟踪控制研究目的是提高轨迹跟踪的精度,忽略高精度轨迹跟踪对驱动器性能严格要求,从而导致能量消耗巨大,降低了无人艇航行效率。
论文《Robust state-error port-controlled Hamiltonian trajectorytracking control for unmanned surface vehicle with disturbance uncertainties》提供的控制器,在水面无人艇运动学和动力学建模时忽略了洋流变化对运动学方程的影响,在实际应用中,难以达到轨迹跟踪效果;
综上所述,如何在复杂海洋环境下设计水面无人艇轨迹跟踪控制器已成为亟待解决的难点。
发明内容
本发明的目的是提出一种水面无人艇轨迹跟踪控制方法,解决水面无人艇运动学和动力学建模困难、能量消耗巨大问题。
本发明为了解决上述问题采用以下技术方案:设计了一种水面无人艇轨迹跟踪控制方法,考虑洋流变化以及环境扰动对水面无人艇进行三自由度建模,进一步搭建干扰观测器对干扰进行观测和洋流自适应估计律对洋流进行估计,将干扰值和洋流估计值结合状态误差端口受控哈密顿控制器设计轨迹跟踪控制律,实现精准轨迹跟踪。具体包括以下步骤:
S1:
建立考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程;
S2:
构建状态误差端口受控哈密顿控制器;
S3:
搭建扰动观测器和洋流自适应估计律;
S4:
根据扰动观测器和洋流自适应估计律以及状态误差端口受控哈密顿控制器设计轨迹跟踪控制律;
S5:
设计李雅普诺夫函数,证明控制系统的稳定性;
S6:
对三自由度的水面无人艇进行仿真验证,验证算法的有效性。
所述S1中,建立考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程具体为:
Figure GDA0003778871190000021
Figure GDA0003778871190000022
其中,式(1)中,η=[ηxyψ]T为地球惯性坐标系下水面无人艇位置向量,ηx为横向位置坐标,ηy为纵向位置坐标,ηψ为航向角,υ=[u,v,r]T为船体固定坐标系下水面无人艇速度向量,u为横向线速度,v为纵向线速度,r为角速度,υr=[ur,vr,0]T为洋流速度向量,ur为洋流横向线速度,vr为洋流纵向线速度,R(η)为地球惯性坐标系与船体固定坐标系间的旋转矩阵,具体为:
Figure GDA0003778871190000031
式(2)中,τ为控制律,τb为扰动输入向量,M,C(υ),D(υ)分别为水面无人艇质量矩阵、科里奥利向心力矩阵以及阻尼矩阵;
所述S2中,端口受控哈密顿模型为:
Figure GDA0003778871190000032
Figure GDA0003778871190000033
其中,x为状态向量,y为输出向量,Jo为斜对称矩阵,有
Figure GDA0003778871190000034
Do(x)为耗散矩阵,有
Figure GDA0003778871190000035
H为哈密顿函数,Go(x)为变换矩阵。
重新定义状态向量x,将水面无人艇运动学(1)和动力学(2)转化为端口受控哈密顿模型:
Figure GDA0003778871190000036
在不考虑洋流变化和干扰的情况下重写为如下:
Figure GDA0003778871190000037
其中,R(x)对应公式(1)中的旋转矩阵R(η),RT(x)为R(x)的转置,I3为3阶单位矩阵,
Figure GDA0003778871190000038
Figure GDA0003778871190000039
如下:
Figure GDA00037788711900000310
Figure GDA00037788711900000311
将状态跟踪误差
Figure GDA00037788711900000312
定义为:
Figure GDA00037788711900000313
其中,
Figure GDA00037788711900000314
为水面无人艇期望参考时变轨迹,
Figure GDA00037788711900000315
为期望速度,可通过如下公式计算得到:
Figure GDA0003778871190000041
其中,
Figure GDA0003778871190000042
Figure GDA0003778871190000043
的导数,
Figure GDA0003778871190000044
Figure GDA0003778871190000045
二阶导数,
Figure GDA0003778871190000046
Figure GDA0003778871190000047
的导数。
进一步得到状态误差端口受控哈密顿模型,如下:
Figure GDA0003778871190000048
其中,
Figure GDA0003778871190000049
为状态跟踪误差
Figure GDA00037788711900000410
的一阶导数,
Figure GDA00037788711900000411
为状态跟踪误差
Figure GDA00037788711900000412
的一阶导数,
Figure GDA00037788711900000429
为期望耗散矩阵,
Figure GDA00037788711900000414
Hd(x)为期望的哈密顿函数,表示为如下:
Figure GDA00037788711900000415
其中,K为参数矩阵,进而得到状态误差端口受控哈密顿控制器τs如下:
Figure GDA00037788711900000416
所述S3扰动观测器为
Figure GDA00037788711900000417
Figure GDA00037788711900000418
其中,
Figure GDA00037788711900000419
为扰动观测器输出,ε为中间辅助向量,
Figure GDA00037788711900000420
为ε的一阶导数,K1为参数矩阵,K0为对称正定的增益矩阵。
所述S3洋流自适应估计律设计如下:
Figure GDA00037788711900000421
其中,
Figure GDA00037788711900000422
为ηxy估计值
Figure GDA00037788711900000423
的一阶导数,
Figure GDA00037788711900000424
Figure GDA00037788711900000425
是估计误差,l1,l2为正常数,
Figure GDA00037788711900000426
分别为ur,vr的估计值,更新
Figure GDA00037788711900000427
如下所示:
Figure GDA00037788711900000428
其中,λxy,kx,ky为正常数,
Figure GDA0003778871190000051
Figure GDA0003778871190000052
过滤权重估计,如下:
Figure GDA0003778871190000053
其中,
Figure GDA0003778871190000054
Figure GDA0003778871190000055
的一阶导数,
Figure GDA0003778871190000056
Figure GDA0003778871190000057
的一阶导数,λrx和λry为常数;
所述S4中,根据洋流自适应估计律得到的
Figure GDA0003778871190000058
对式(8)进行变换,如下:
Figure GDA0003778871190000059
其中,
Figure GDA00037788711900000510
为洋流速度估计向量,
Figure GDA00037788711900000511
为洋流横向速度估计值,
Figure GDA00037788711900000512
为洋流纵向速度估计值,
Figure GDA00037788711900000513
Figure GDA00037788711900000514
的一阶导数,根据扰动观测器输出
Figure GDA00037788711900000515
进一步设计控制律τ,如下:
Figure GDA00037788711900000516
所述S5中,选择李雅普诺夫函数,如下:
Figure GDA00037788711900000517
其中,
Figure GDA00037788711900000518
为干扰误差,
Figure GDA00037788711900000519
为权重估计误差,对式(18)求导,如下:
Figure GDA00037788711900000520
利用杨氏不等式和完全平方不等式,有:
Figure GDA0003778871190000061
其中,σ,σ1,
Figure GDA0003778871190000062
是一个小的正常数,λmin(·)是矩阵最小特征值,
Figure GDA0003778871190000063
进一步式(19)可以重写为:
Figure GDA0003778871190000064
其中,
Figure GDA0003778871190000065
λmax(·)为矩阵的最大特征值,通过选择
Figure GDA0003778871190000066
K1,σ,σ1的参数,可以使得:
Figure GDA0003778871190000067
同时,
Figure GDA0003778871190000068
进而使得
Figure GDA0003778871190000069
证明了控制系统的稳定性。
本发明具有如下有益效果:
1.本发明所述方法建立的考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程,考虑了洋流变化和环境干扰对水面无人艇运动影响,进而设计控制器实现精准轨迹跟踪控制;
2.本发明所述方法设计的干扰观测器和洋流自适应估计律能够较好观测干扰和估计洋流,观测精度达到99%,估计精度达到94.11%,为设计控制律打下坚实的基础;
3.本发明所述方法构建的状态误差端口受控哈密顿控制器借助哈密顿模型实现在水面无人艇轨迹跟踪中整体能量消耗小,结合干扰观测器和洋流自适应估计律设计控制律,轨迹跟踪精度达到90.91%。
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做以简单地介绍,显而易见地,下面描述中的附图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为水面无人艇轨迹跟踪控制方法流程图;
图2为水面无人艇轨迹跟踪控制系统框图;
图3为干扰观测器效果图;
图4为洋流自适应估计律效果图;
图5为水面无人艇位置跟踪效果图。
具体实施方式
需要说明的是,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。下面将参考附图并结合实施例来详细说明本发明。
为使本发明实施例的目的、技术方案和优点更加清楚,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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有做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。
如图1所示,本发明提供了一种水面无人艇轨迹跟踪控制方法,包括如下步骤:
S1:
建立考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程;
S2:
构建状态误差端口受控哈密顿控制器;
S3:
搭建扰动观测器和洋流自适应估计律;
S4:
根据扰动观测器和洋流自适应估计律以及状态误差端口受控哈密顿控制器设计如图2所示轨迹跟踪控制律;
S5:
设计李雅普诺夫函数,证明控制系统的稳定性;
S6:
对三自由度的水面无人艇进行仿真验证,验证算法的有效性。
所述S1中,建立考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程具体为:
Figure GDA0003778871190000081
Figure GDA0003778871190000082
其中,式(1)中,η=[ηxyψ]T为地球惯性坐标系下水面无人艇位置向量,ηx为横向位置坐标,ηy为纵向位置坐标,ηψ为航向角,υ=[u,v,r]T为船体固定坐标系下水面无人艇速度向量,u为横向线速度,v为纵向线速度,r为角速度,υr=[ur,vr,0]T为洋流速度向量,ur为洋流横向线速度,vr为洋流纵向线速度,R(η)为地球惯性坐标系与船体固定坐标系间的旋转矩阵,具体为:
Figure GDA0003778871190000091
式(2)中,τ为控制律,τb为扰动输入向量,M,C(υ),D(υ)分别为水面无人艇质量矩阵、科里奥利向心力矩阵以及阻尼矩阵;
所述S2中,端口受控哈密顿模型为:
Figure GDA0003778871190000092
Figure GDA0003778871190000093
其中,x为状态向量,y为输出向量,Jo为斜对称矩阵,有
Figure GDA0003778871190000094
Do(x)为耗散矩阵,有
Figure GDA0003778871190000095
H为哈密顿函数,Go(x)为变换矩阵。
重新定义状态向量x,将水面无人艇运动学(1)和动力学(2)转化为端口受控哈密顿模型:
Figure GDA0003778871190000096
在不考虑洋流变化和干扰的情况下重写为如下:
Figure GDA0003778871190000097
其中,R(x)对应公式(1)中的旋转矩阵R(η),RT(x)为R(x)的转置,I3为3阶单位矩阵,
Figure GDA0003778871190000098
Figure GDA0003778871190000099
如下:
Figure GDA00037788711900000910
Figure GDA00037788711900000911
将状态跟踪误差
Figure GDA00037788711900000912
定义为:
Figure GDA00037788711900000913
其中,
Figure GDA00037788711900000914
为水面无人艇期望参考时变轨迹,
Figure GDA00037788711900000915
为期望速度,可通过如下公式计算得到:
Figure GDA0003778871190000101
其中,
Figure GDA0003778871190000102
Figure GDA0003778871190000103
的导数,
Figure GDA0003778871190000104
Figure GDA0003778871190000105
二阶导数,
Figure GDA0003778871190000106
Figure GDA0003778871190000107
的导数。
进一步得到状态误差端口受控哈密顿模型,如下:
Figure GDA0003778871190000108
其中,
Figure GDA0003778871190000109
为状态跟踪误差
Figure GDA00037788711900001010
的一阶导数,
Figure GDA00037788711900001011
为状态跟踪误差
Figure GDA00037788711900001012
的一阶导数,
Figure GDA00037788711900001029
为期望耗散矩阵,
Figure GDA00037788711900001014
Hd(x)为期望的哈密顿函数,表示为如下:
Figure GDA00037788711900001015
其中,K为参数矩阵,进而得到状态误差端口受控哈密顿控制器τs如下:
Figure GDA00037788711900001016
所述S3扰动观测器为
Figure GDA00037788711900001017
Figure GDA00037788711900001018
其中,
Figure GDA00037788711900001019
为扰动观测器输出,ε为中间辅助向量,
Figure GDA00037788711900001020
为ε的一阶导数,K1为参数矩阵,K0为对称正定的增益矩阵。
所述S3洋流自适应估计律设计如下:
Figure GDA00037788711900001021
其中,
Figure GDA00037788711900001022
为ηxy估计值
Figure GDA00037788711900001023
的一阶导数,
Figure GDA00037788711900001024
Figure GDA00037788711900001025
是估计误差,l1,l2为正常数,
Figure GDA00037788711900001026
分别为ur,vr的估计值,更新
Figure GDA00037788711900001027
如下所示:
Figure GDA00037788711900001028
其中,λxy,kx,ky为正常数,
Figure GDA0003778871190000111
Figure GDA0003778871190000112
过滤权重估计,如下:
Figure GDA0003778871190000113
其中,
Figure GDA0003778871190000114
Figure GDA0003778871190000115
的一阶导数,
Figure GDA0003778871190000116
Figure GDA0003778871190000117
的一阶导数,λrx和λry为常数;
所述S4中,根据洋流自适应估计律得到的
Figure GDA0003778871190000118
对(8)进行变换,如下:
Figure GDA0003778871190000119
其中,
Figure GDA00037788711900001110
为洋流速度估计向量,
Figure GDA00037788711900001111
为洋流横向速度估计值,
Figure GDA00037788711900001112
为洋流纵向速度估计值,
Figure GDA00037788711900001113
Figure GDA00037788711900001114
的一阶导数,根据扰动观测器输出
Figure GDA00037788711900001115
进一步设计控制律τ,如下:
Figure GDA00037788711900001116
所述S5中,选择李雅普诺夫函数,如下:
Figure GDA00037788711900001117
其中,
Figure GDA00037788711900001118
为干扰误差,
Figure GDA00037788711900001119
为权重估计误差,对式(18)求导,如下:
Figure GDA00037788711900001120
利用杨氏不等式和完全平方不等式,有:
Figure GDA0003778871190000121
其中,σ,σ1,
Figure GDA0003778871190000122
是一个小的正常数,λmin(·)是矩阵最小特征值,
Figure GDA0003778871190000123
进一步式(19)可以重写为:
Figure GDA0003778871190000124
其中,
Figure GDA0003778871190000125
λmax(·)为矩阵的最大特征值,通过选择
Figure GDA0003778871190000126
K1,σ,σ1的参数,可以使得:
Figure GDA0003778871190000127
同时,
Figure GDA0003778871190000128
进而使得
Figure GDA0003778871190000129
证明了控制系统的稳定性。
所述S6中,对三自由度的水面无人艇进行仿真验证,验证算法的有效性。
参考轨迹定义如下:
Figure GDA0003778871190000131
干扰设置为τb=[0.2,0.3,0.4]T,洋流设置为υr=[0.2,0.1,0]T,水面无人艇动力学方程M,C,D矩阵为:
Figure GDA0003778871190000132
仿真参数l1=3,l2=3,λx=10,λy=10,kx=0.1,ky=0.1,λrx=2,λry=2,矩阵K,K1,Dd为:
Figure GDA0003778871190000133
干扰观测器效果如图3所示,可以看出干扰被快速观测,观测精度达到99%,洋流自适应估计律效果如图4所示,可以看出洋流被有效估计,估计精度达到94.11%,水面无人艇位置跟踪效果如图5所示,整体跟踪效果好,跟踪精度达到90.91%,验证算法有效性。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (1)

1.一种水面无人艇轨迹跟踪控制方法,其特征是:
S1:
建立考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程;
S2:
构建状态误差端口受控哈密顿控制器;
S3:
搭建扰动观测器和洋流自适应估计律;
S4:
根据扰动观测器和洋流自适应估计律以及状态误差端口受控哈密顿控制器设计轨迹跟踪控制律;
S5:
设计李雅普诺夫函数,证明控制系统的稳定性;
S6:
对三自由度的水面无人艇进行仿真验证,验证算法的有效性;
所述S1中,建立考虑洋流变化的带扰动水面无人艇三自由度的运动学和动力学方程具体为:
Figure FDA0003778871180000011
Figure FDA0003778871180000012
其中,式(1)中,η=[ηxyψ]T为地球惯性坐标系下水面无人艇位置向量,ηx为横向位置坐标,ηy为纵向位置坐标,ηψ为航向角,υ=[u,v,r]T为船体固定坐标系下水面无人艇速度向量,u为横向线速度,v为纵向线速度,r为角速度,υr=[ur,vr,0]T为洋流速度向量,ur为洋流横向线速度,vr为洋流纵向线速度,R(η)为地球惯性坐标系与船体固定坐标系间的旋转矩阵,具体为:
Figure FDA0003778871180000013
式(2)中,τ为控制律,τb为扰动输入向量,M,C(υ),D(υ)分别为水面无人艇质量矩阵、科里奥利向心力矩阵以及阻尼矩阵;
所述S2中,端口受控哈密顿模型为:
Figure FDA0003778871180000021
Figure FDA0003778871180000022
其中,x为状态向量,y为输出向量,Jo为斜对称矩阵,有
Figure FDA0003778871180000023
Do(x)为耗散矩阵,有
Figure FDA0003778871180000024
H为哈密顿函数,Go(x)为变换矩阵;
重新定义状态向量x,将水面无人艇运动学(1)和动力学(2)转化为端口受控哈密顿模型:
Figure FDA0003778871180000025
在不考虑洋流变化和干扰的情况下重写为如下:
Figure FDA0003778871180000026
其中,R(x)对应公式(1)中的旋转矩阵R(η),RT(x)为R(x)的转置,I3为3阶单位矩阵,
Figure FDA0003778871180000027
Figure FDA0003778871180000028
如下:
Figure FDA0003778871180000029
Figure FDA00037788711800000210
将状态跟踪误差
Figure FDA00037788711800000211
定义为:
Figure FDA00037788711800000212
其中,
Figure FDA00037788711800000213
为水面无人艇期望参考时变轨迹,
Figure FDA00037788711800000214
为期望速度,可通过如下公式计算得到:
Figure FDA00037788711800000215
其中,
Figure FDA0003778871180000031
Figure FDA0003778871180000032
的导数,
Figure FDA0003778871180000033
Figure FDA0003778871180000034
二阶导数,
Figure FDA0003778871180000035
Figure FDA0003778871180000036
的导数;
进一步得到状态误差端口受控哈密顿模型,如下:
Figure FDA0003778871180000037
其中,
Figure FDA0003778871180000038
为状态跟踪误差
Figure FDA0003778871180000039
的一阶导数,
Figure FDA00037788711800000310
为状态跟踪误差
Figure FDA00037788711800000311
的一阶导数,
Figure FDA00037788711800000330
为期望耗散矩阵,
Figure FDA00037788711800000313
Hd(x)为期望的哈密顿函数,表示为如下:
Figure FDA00037788711800000314
其中,K为参数矩阵,进而得到状态误差端口受控哈密顿控制器τs如下:
Figure FDA00037788711800000315
所述S3扰动观测器为
Figure FDA00037788711800000316
Figure FDA00037788711800000317
其中,
Figure FDA00037788711800000318
为扰动观测器输出,ε为中间辅助向量,
Figure FDA00037788711800000319
为ε的一阶导数,K1为参数矩阵,K0为对称正定的增益矩阵;
所述S3洋流自适应估计律设计如下:
Figure FDA00037788711800000320
其中,
Figure FDA00037788711800000321
为ηxy估计值
Figure FDA00037788711800000322
的一阶导数,
Figure FDA00037788711800000323
Figure FDA00037788711800000324
是估计误差,l1,l2为正常数,
Figure FDA00037788711800000325
分别为ur,vr的估计值,更新
Figure FDA00037788711800000326
如下所示:
Figure FDA00037788711800000327
其中,λxy,kx,ky为正常数,
Figure FDA00037788711800000328
Figure FDA00037788711800000329
过滤权重估计,如下:
Figure FDA0003778871180000041
其中,
Figure FDA0003778871180000042
Figure FDA0003778871180000043
的一阶导数,
Figure FDA0003778871180000044
Figure FDA0003778871180000045
的一阶导数,λrx和λry为常数;
所述S4中,根据洋流自适应估计律得到的
Figure FDA0003778871180000046
对式(8)进行变换,如下:
Figure FDA0003778871180000047
其中,
Figure FDA0003778871180000048
为洋流速度估计向量,
Figure FDA0003778871180000049
为洋流横向速度估计值,
Figure FDA00037788711800000410
为洋流纵向速度估计值,
Figure FDA00037788711800000411
Figure FDA00037788711800000412
的一阶导数,根据扰动观测器输出
Figure FDA00037788711800000413
进一步设计控制律τ,如下:
Figure FDA00037788711800000414
CN202210189745.1A 2022-02-28 2022-02-28 一种水面无人艇轨迹跟踪控制方法 Active CN114442640B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210189745.1A CN114442640B (zh) 2022-02-28 2022-02-28 一种水面无人艇轨迹跟踪控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210189745.1A CN114442640B (zh) 2022-02-28 2022-02-28 一种水面无人艇轨迹跟踪控制方法

Publications (2)

Publication Number Publication Date
CN114442640A CN114442640A (zh) 2022-05-06
CN114442640B true CN114442640B (zh) 2022-09-16

Family

ID=81372988

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210189745.1A Active CN114442640B (zh) 2022-02-28 2022-02-28 一种水面无人艇轨迹跟踪控制方法

Country Status (1)

Country Link
CN (1) CN114442640B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115903807B (zh) * 2022-11-16 2023-07-07 哈尔滨理工大学 一种基于动态事件触发的动力定位船轨迹跟踪控制方法
CN115629549B (zh) * 2022-12-21 2023-04-04 江苏云幕智造科技有限公司 一种根据输入饱和的l2增益鲁棒路径跟踪方法
CN116088309B (zh) * 2023-01-03 2023-07-21 哈尔滨理工大学 一种基于故障辨识的水面船复合学习容错控制方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107024863B (zh) * 2017-03-24 2020-01-17 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
CN107263483B (zh) * 2017-08-03 2019-09-10 青岛大学 二自由度关节机器人轨迹的协调控制方法
CN107263455B (zh) * 2017-08-03 2019-09-10 青岛大学 二自由度scara机器人的位置跟踪控制方法
CN108197350B (zh) * 2017-12-11 2020-04-24 大连海事大学 一种无人船速度和不确定性估计系统及设计方法
CN108319138A (zh) * 2018-01-29 2018-07-24 哈尔滨工程大学 一种欠驱动无人艇的滑模-反步双回路轨迹跟踪控制方法
CN109100939B (zh) * 2018-09-19 2021-05-11 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
CN109839934A (zh) * 2019-02-26 2019-06-04 华南理工大学 基于rise技术的无人水面艇预设性能跟踪控制方法
CN110018687B (zh) * 2019-04-09 2022-03-04 大连海事大学 基于强化学习方法的无人水面船最优轨迹跟踪控制方法
CN109901605B (zh) * 2019-04-11 2021-11-16 大连海事大学 一种四旋翼飞行器跟踪无人水面船的控制方法
CN109901606A (zh) * 2019-04-11 2019-06-18 大连海事大学 一种用于四旋翼精确轨迹跟踪的混合有限时间控制方法
CN110865539A (zh) * 2019-11-18 2020-03-06 华南理工大学 一种随机干扰下的无人艇跟踪误差约束控制方法
CN111650948B (zh) * 2020-06-10 2022-08-02 哈尔滨工程大学 一种可底栖式auv的水平面轨迹快速跟踪控制方法
CN111650943B (zh) * 2020-06-19 2022-06-24 哈尔滨理工大学 一种速度受限的静水下动力定位船轨迹跟踪预设性能控制方法
CN112650233B (zh) * 2020-12-15 2023-11-10 大连海事大学 无人船轨迹跟踪最优控制方法
CN112965371B (zh) * 2021-01-29 2021-09-28 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
CN113589831B (zh) * 2021-08-11 2023-03-21 江南大学 基于干扰精细估计与神经网络的潜水器控制方法及系统

Also Published As

Publication number Publication date
CN114442640A (zh) 2022-05-06

Similar Documents

Publication Publication Date Title
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
CN114442640B (zh) 一种水面无人艇轨迹跟踪控制方法
CN109283941B (zh) 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
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
CN109240316B (zh) 考虑推进器输出饱和的海底飞行节点预设性能轨迹跟踪控制方法
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
CN111736617B (zh) 一种基于速度观测器的可底栖式水下机器人预设性能轨迹跟踪控制方法
CN109917657B (zh) 动力定位船舶的抗干扰控制方法、装置与电子设备
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
CN112462792B (zh) 一种基于Actor-Critic算法的水下机器人运动控制方法
CN109189103B (zh) 一种具有暂态性能约束的欠驱动auv轨迹跟踪控制方法
CN111948937B (zh) 多智能体系统的多梯度递归强化学习模糊控制方法及系统
CN112947505B (zh) 一种基于强化学习算法与未知干扰观测器的多auv编队分布式控制方法
CN111857165B (zh) 一种水下航行器的轨迹跟踪控制方法
CN113238567B (zh) 一种基于扩展状态观测器的底栖式auv弱抖振积分滑模点镇定控制方法
CN114115262B (zh) 基于方位角信息的多auv执行器饱和协同编队控制系统和方法
Jing et al. Self-tuning adaptive active disturbance rejection pitch control of a manta-ray-like underwater glider
CN117452827B (zh) 一种欠驱动无人艇轨迹跟踪控制方法
CN116088309B (zh) 一种基于故障辨识的水面船复合学习容错控制方法
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
CN113110512B (zh) 一种减弱未知干扰与抖振影响的可底栖式auv自适应轨迹跟踪控制方法
CN113359781B (zh) 网络化水面舰艇跟踪控制方法、装置、设备及存储介质
CN114137826A (zh) 一种基于灰狼算法的船舶动力定位自抗扰控制方法
CN110703792B (zh) 基于增强学习的水下机器人姿态控制方法
CN114564015A (zh) 一种拒止环境下的欠驱动无人艇分布式编队控制方法

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