CN115113524A - 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 - Google Patents
一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 Download PDFInfo
- Publication number
- CN115113524A CN115113524A CN202210626110.3A CN202210626110A CN115113524A CN 115113524 A CN115113524 A CN 115113524A CN 202210626110 A CN202210626110 A CN 202210626110A CN 115113524 A CN115113524 A CN 115113524A
- Authority
- CN
- China
- Prior art keywords
- asv
- error
- lvs
- formula
- 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.)
- 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
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,包括建立基于连续时间的ASV的非线性数学模型;计算LVS的位置并将其作为ASV的参考位置;计算ASV的制导信号;根据动态反馈评价机制生成干预LVS制导信号;计算ASV的艏向误差和位置误差,对艏向误差和位置误差设置事件触发机制,当满足触发条件时,对误差进行更新,并计算误差的导数;设计基于事件触发的虚拟控制律,通过虚拟控制律对艏向误差和位置误差进行镇定,根据动态面控制技术定义误差动态,并对误差动态求导;设计基于事件触发的控制律和自适应律,基于控制律和自适应律驱动ASV进行航行。避免ASV在初始状态达到输入饱和界限,减少传感器到控制器、控制器到执行器的传输负载。
Description
技术领域
本发明涉及船舶运动控制领域,尤其涉及一种基于干预LVS制导的ASV 多端口事件触发路径跟踪控制方法。
背景技术
制导与控制是船舶运动控制领域中重要的两个子系统,现有的逻辑虚拟小船(Logic virtual ship,LVS)制导解决了在航路点附近超调现象,但是在初始状态时,自主水面船(Autonomous Surface Vessel,ASV)为了尽快追踪到期望目标,控制系统会生成大的控制命令,但由于执行器存在物理约束,会发生输入饱和现象,进而造成控制系统的不稳定。此外,为了追踪实时变化的期望航线,控制系统需要实时解算控制命令,并传输的执行器。尽管在控制器到执行器信道采用了基于输入端的事件触发机制,降低了控制命令在传输负载,但是控制命令的仍需实时计算,并没有降低控制系统的计算负载。
基于以上分析,现有的ASV路径跟踪控制算法存在以下2点缺陷:
1、ASV的初始航向误差较大时,容易发生输入饱和现象,现有的LVS 制导算法不能有效解决初始状态时的输入饱和问题。
2、现有的基于输入端事件触发的路径跟踪控制算法不能降低传感器到控制器的计算负载。
发明内容
本发明提供一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,以克服上述技术问题。
一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,包括,
步骤一、建立基于连续时间t的ASV的非线性数学模型;
步骤二、计算LVS的位置,将LVS的位置作为ASV的参考位置;
步骤三、计算ASV的制导信号;
步骤四、构建动态反馈评价机制,根据动态反馈评价机制对ASV的制导信号进行干预,生成干预LVS制导信号;
步骤五、计算ASV的艏向误差和位置误差,对艏向误差和位置误差设置事件触发机制,包括艏向误差和位置误差的触发信号、触发条件,当满足触发条件时,对艏向误差和位置误差进行更新,并计算艏向误差和位置误差的导数;
步骤六、设计基于事件触发的虚拟控制律,通过虚拟控制律对艏向误差和位置误差进行镇定,引入动态面控制技术,根据动态面控制技术定义误差动态,并对误差动态求导;
步骤七、设计基于事件触发的路径跟踪控制器和自适应律,基于路径跟踪控制器和自适应律驱动ASV进行航行。
优选地,所述步骤一包括,建立基于连续时间t的ASV的非线性数学模型,如式(1)所示,
其中,x(t),y(t)表示ASV的位置坐标,ψ(t)表示ASV的艏向角,u(t)表示 ASV的前进速度,r(t)表示ASV的艏摇角速度,v(t)表示ASV的横漂速度, 分别表示ASV位置坐标的导数,表示ASV艏向角的导数,表示 ASV前进速度的导数,表示ASV横漂速度的导数,表示ASV艏摇角速度的导数,mu表示ASV在前进自由度上的水动力附加质量,mv表示ASV在横漂自由度上的水动力附加质量,mr表示ASV在艏摇自由度上的水动力附加质量,fu(ν)(t),fv(ν)(t),fr(ν)(t)分别表示ASV前进、横漂和艏摇自由度上的非线性项,Tu,Fr分别表示主机转速和舵角的控制增益,n表示主机转速,δ表示舵角,dwu(t)为外界环境作用在ASV的前进自由度上的干扰力,dwv(t)为外界环境作用在ASV的横漂自由度上的干扰力,dwr(t)为外界环境作用在ASV 的艏摇自由度上的干扰力矩。
优选地,所述步骤二包括,根据公式(2)产生LVS的位置,将LVS的位置作为ASV的参考位置,
式中,xv(t),yv(t)表示LVS的位置坐标,ψv(t)表示LVS的艏向角, 分别表示LVS位置坐标的导数,表示LVS艏向角的导数,uv(t)表示 LVS的期望速度,rv(t)表示LVS的期望艏摇角速度。
优选地,所述步骤三包括,根据公式(3)计算ASV的制导信号,
其中,xe(t)=x-xv(t),ye(t)=y-yv(t),xe(t)表示横坐标误差,xv(t),yv(t)表示LVS的位置坐标,x,y表示ASV的位置坐标,ye(t)表示纵坐标误差,ze(t)表示ASV到LVS的直线距离即位置误差,ψd(t)表示ASV的制导信号,ψv(t)表示LVS的艏向角。
优选地,所述步骤五包括,根据公式(5)计算ASV的艏向误差和位置误差,对艏向误差和位置误差设置事件触发机制,包括艏向误差和位置误差的触发信号、触发条件,触发信号通过公式(6)表示,触发条件通过公式(7)表示,当满足触发条件时,通过公式(8)对艏向误差和位置误差进行更新,通过公式 (9)计算的导数,
式(8)中,λδ1,λn1分别表示艏向触发设计参数和位置触发设计参数,
其中,k1,k2为正的设计参数,表示ASV在时刻的艏向误差,表示ASV在时刻的艏向误差,λδ1,λn1分别表示艏向触发设计参数和位置触发设计参数,ξδ1,ξn1为正的阈值参数,表示ASV到LVS的直线距离即位置误差;
其中,∈u,∈r为大于零的时间常数;
式中,Wr,Wu表示神经网络权重更新律,S表示高斯函数,εr,εu表示逼近误差,
根据公式(12)和公式(13),得到式(14),
其中,mu表示ASV在前进自由度上的水动力附加质量,mr表示ASV在艏摇自由度上的水动力附加质量,为外界环境作用在ASV的前进自由度上的干扰力,为外界环境作用在ASV的艏摇自由度上的干扰力矩,表示时刻的舵角、表示时刻的舵角。
优选地,所述步骤七包括,设计基于事件触发的路径跟踪控制器和自适应律,路径跟踪控制器如公式(15)所示,自适应律如公式(16)所示,基于路径跟踪控制器和自适应律驱动ASV进行航行,
式中,k3,k4表示正的控制器设计参数,γ1,γ2,γ3,γ4表示正的神经网络自适应设计参数,σ1,σ2,σ3,σ4表示正的增益自适应设计参数,Wr,Wu表示神经网络权重更新律,S表示高斯函数,ψe表示ASV的艏向误差,ze表示ASV到LVS的直线距离即位置误差。
本发明提供一种干预LVS制导的ASV多端口事件触发路径跟踪控制算法,能够通过利用动态反馈评价机制来改变参考信号,减少航向误差,同时能够有效的避免ASV在初始状态达到输入饱和界限。通过对位置误差和航向误差设置触发规则,使得系统反馈误差和控制输入在触发间隔内保持不变。能够同时减少传感器到控制器的计算负载和控制器到执行器的传输负载。
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一简单地介绍,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是本发明方法流程图;
图2是本发明LVS制导框架图;
图3是本发明干预LVS制导框架图;
图4是本发明ASV多端口事件触发路径跟踪控制结构图;
图5是本发明ASV多端口事件触发路径跟踪控制算法流程图;
图6是本发明三种算法下的轨迹对比曲线图;
图7是本发明三种算法下的控制输入变化曲线图;
图8是本发明三种算法下的控制输出变化曲线图;
图9是本发明三种算法下的触发次数图。
具体实施方式
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。
图1为本发明方法的流程图,如图1所示,本实施例的方法可以包括:
在自主水面船运动控制领域,动力系统主要配置在螺旋桨和舵上,分别提供前行推力和转船力矩。对于自主水面船ASV来说,控制命令由控制系统根据船舶姿态和参考位置的相对关系实时计算得出,并传输到执行器系统中。为了节省从控制器到执行器的信号传输负载压力,并避免执行器的频繁操纵。在现有算法中,已经提出了一种基于输入端事件触发机制的ASV路径跟踪控制器。下面将介绍一种基于输入端事件触发的ASV路径跟踪控制方法。采用分离式方法对ASV建立3自由度数学模型,使用反步法对控制器进行设计,并且采用径向基函数神经网络对模型结构不确定进行在线逼近。ASV的非线性数学模型可表示为式(1)。
其中,模型参数mu,mv,mr表示三个自由度的附加质量,dwi,i=u,v,r用为外界环境的干扰力和力矩。fu(v),fv(v),fr(v)分别表示模型中的非线性项,Tu,Fr分别表示控制输入(主机转速、舵角)的增益。n表示主机转速,δ表示舵角。
如图2所示,参考航线(Reference path)可由虚拟小船(Virtual ship)生成,根据虚拟小船与真实船(Real Ship Model)的位置关系可以构造出相应的制导律(2)。
式中,xe=x-xd,ye=y-yd。
为了镇定误差ψe=ψd-ψ,设计虚拟控制律αr如式(3)所示。
对于ASV,系统的不确定性和外部干扰会导致闭环系统的频繁抖振。这样会增加控制输入的传输频率,加速执行器的磨损。考虑到这种限制,在针对控制输入构造事件触发机制。触发控制输入可描述为式(4)。
事件触发规则为
tk+1=inf{t>tk||eω|>a1|ω|} (5)
式中,0<a1<1,eω=ω-υ。
因此,可以得到,
通过神经网络对模型非线性项进行逼近,并且通过构造增益自适应参数对执行器增益进行在线学习。现有的一种基于输入端事件触发的ASV路径跟踪控制方法中的事件触发控制律和自适应律如式(7)和式(8)。
通过以上分析,本实施例提供一种干预LVS制导的ASV多端口事件触发路径跟踪控制方法,干预LVS制导框架如图2所示,包括,
建立基于连续时间t的自主水面船的非线性数学模型,如式(9)所示,
其中,x(t),y(t)表示ASV的位置坐标,ψ(t)表示ASV的艏向角,u(t)表示 ASV的前进速度,r(t)表示ASV的艏摇角速度,v(t)表示ASV的横漂速度, 分别表示ASV位置坐标的导数,表示ASV艏向角的导数,表示 ASV前进速度的导数,表示ASV横漂速度的导数,表示ASV艏摇角速度的导数,mu表示ASV在前进自由度上的水动力附加质量,mv表示ASV在横漂自由度上的水动力附加质量,mr表示ASV在艏摇自由度上的水动力附加质量,fu(ν)(t),fv(ν)(t),fr(ν)(t)分别表示ASV前进、横漂和艏摇自由度上的非线性项,Tu,Fr分别表示主机转速和舵角的控制增益,n表示主机转速,δ表示舵角,dwu(t)为外界环境作用在ASV的前进自由度上的干扰力,dwv(t)为外界环境作用在ASV的横漂自由度上的干扰力,dwr(t)为外界环境作用在ASV 的艏摇自由度上的干扰力矩。
根据公式(10)产生LVS的位置,将LVS的位置作为自主水面船的参考位置,
式中,xv(t),yv(t)表示LVS的位置坐标,ψv(t)表示LVS的艏向角, 分别表示LVS位置坐标的导数,表示LVS艏向角的导数,uv(t)表示 LVS的期望速度,rv(t)表示LVS的期望艏摇角速度。
根据ASV的当前位置与参考位置的关系,可以得到ASV的LVS制导信号,即根据公式(11)计算自主水面船的制导信号,
其中,xe(t)=x-xv(t),ye(t)=y-yv(t),xe(t)表示横坐标误差,xv(t),yv(t)表示LVS的位置坐标,x,y表示ASV的位置坐标,ye(t)表示纵坐标误差,ze(t)表示ASV到LVS的直线距离即位置误差,ψd(t)表示ASV的制导信号,ψv(t)表示LVS的艏向角。
为了消除输入饱和对控制系统的影响,在LVS制导律的基础上,通过引入动态反馈评价机制进一步构建了一种干预LVS制导律,即构建动态反馈评价机制,根据动态反馈评价机制对自主水面船的制导信号进行干预,即通过公式(12)生成干预LVS制导信号
根据公式(13)计算自主水面船的艏向误差和位置误差,对艏向误差和位置误差设置事件触发机制,包括艏向误差和位置误差的触发信号、触发条件,触发信号通过公式(14)表示,触发条件通过公式(15)表示,当满足触发条件时,通过公式(16)对艏向误差和位置误差进行更新,通过公式(17)计算的导数,
式(13)中,式(5)中,ψe(t)表示ASV的艏向误差,ze(t)表示ASV到LVS 的直线距离即位置误差,xe(t)表示横坐标误差,ye(t)表示纵坐标误差,为干预LVS制导信号,ψ(t)表示ASV的艏向角;对于ASV控制系统来说,位置误差和艏向角误差是实时更新的,这造成了控制系统需要实时计算控制命令,进一步加大了计算负载和信号传输负载,因此,针对位置误差和艏向误差设置事件触发规则,并且会引起控制系统中各个信号的同步触发,
式(16)中,λδ1,λn1分别表示艏向触发设计参数和位置触发设计参数,
其中,k1,k2为正的设计参数,表示ASV在时刻的艏向误差,表示ASV在时刻的艏向误差,λδ1,λn1分别表示艏向触发设计参数和位置触发设计参数,ξδ1,ξn1为正的阈值参数,表示ASV到LVS的直线距离即位置误差;
其中,∈u,∈r为大于零的时间常数;
式中,Wr,Wu表示神经网络权重更新律,S表示高斯函数,εr,εu表示逼近误差,
根据公式(20)和公式(21),得到式(22),
其中,mu表示ASV在前进自由度上的水动力附加质量,mr表示ASV在艏摇自由度上的水动力附加质量,为外界环境作用在ASV的前进自由度上的干扰力,为外界环境作用在ASV的艏摇自由度上的干扰力矩,表示时刻的舵角、表示时刻的舵角。
为了处理ASV控制系统的增益不确定问题,引入了变量和作为θr=1/Fr和θu=1/Tu的估计值,设计基于事件触发的路径跟踪控制器和自适应律,控制律如公式(23)所示,自适应律如公式(24)所示,基于路径跟踪控制器和自适应律驱动自主水面船进行航行,
式中,k3,k4表示正的控制器设计参数,γ1,γ2,γ3,γ4表示正的神经网络自适应设计参数,σ1,σ2,σ3,σ4表示正的增益自适应设计参数,Wr,Wu表示神经网络权重更新律,S表示高斯函数,ψe表示自主水面船的艏向误差,ze表示自主水面船到LVS的直线距离即位置误差。
ASV多端口事件触发路径跟踪控制结构如图3所示,包括制导模块、事件触发控制模块、航行模块。ASV通过本发明进行航行时的算法流程图如图 4所示,设置ASV的航线,进入路径跟踪回路,启动虚拟小船引导参考路径,计算LVS制导律和干预LVS制导律,产生镇定误差,镇定误差包括位置误差和艏向误差,判断ASV的当前状态是否满足触发条件,对误差进行更新,计算基于事件触发的虚拟控制律,通过神经网络逼近非线性项,设计基于事件触发的控制律和自适应律,驱动ASV自主航行,当未完成航行目标时继续进入路径跟踪回路。
通过在模拟外界海洋环境下进行数值对比仿真,验证本发明在避免输入饱和、降低传感器到控制器的计算负载和控制器到执行器的通信负载等方面的优势性和有效性。分别将本发明和算法A、算法B进行对比,算法A是文献[1]中的主要算法,算法B是文献[2]中的主要算法。
文献[1]为:Huang,Chenfeng,Zhang,Xxianku,Zhang,Guoqing. Decentralizedevent-triggered cooperative path-following control for multiple autonomoussurface vessels under actuator failures.Applied Ocean Research,2021,113,102751;
文献[2]为Zhang,Guoqing,Zhang,Xianku.A novel DVS guidance principleand robust adaptive path-following control for underactuated ships using lowfrequency gain learning.ISA transactions,2015,56,75–85.
其中,本发明和算法A、算法B的主要区别如表1所示。
表1本发明算法、算法A和算法B之间的异同点
将本发明算法、算法A和算法B在工业计算机(Inter(R)Core(TM)i5-7300 HQ CPU@2.50GHz,RAM:8.00GB)上进行对比仿真,图5-图9展示了主要的对比结果。图5表示三种算法的路径跟踪轨迹对比结果。尽管三种算法都取得了令人满意的轨迹曲线,但是由于干预LVS制导机制的作用,使得本发明算法在初始阶段内的轨迹曲线更加平缓。图6描述了三种算法的控制输入变化曲线,从图6中可以看出,在0s-3s的时间段内,本发明算法的舵角保持在20度左右,而不是达到饱和界限值。这说明了本发明所构建的干预LVS 制导律能够有效的避免ASV在初始阶段内的输入饱和现象。此外,从图6中也可以看出,本发明算法和算法A的控制输入是阶跃信号,这能够减少控制器到传感器的传输负载。图7为三种算法的输出误差对比曲线,从图7中可以看出,本发明算法中用于控制器设计的输出误差是阶跃响应的,也就是说,用于控制设计的输出误差信号仅在满足触发条件后才会更新。这说明本发明算法能够降低传感器到控制器的计算负载。图8描述了三种算法的触发间隔。算法A和算法B中的触发信道是同步触发的,而本发明算法中的触发信道是异步触发的。为了更直观地说明优势,表2展示了艏向控制环和速度控制环中传感器到控制器通道(Sensor to controller,SC)的计算负载和控制器到执行器通道(Controller to actuator,CA)的传输负载的对比结果,从表2中看出,本发明算法能够极大的降低控制系统的计算负载和传输负载。
n/SC表示速度控制环中的SC信道,n/CA表示速度控制环中的CA信道;δ/SC表示艏向控制环中的SC信道,δ/CA表示艏向控制环中的CA信道。
表2三种算法下的计算负载和传输负载对比
结合现有技术、基于多端口事件触发的路径跟踪控制器设计和数值对比仿真,本发明在ASV运动控制领域取得了以下2点有益效果:
1)与现有的制导策略相比,本发明提出的干预LVS制导原理可以根据动态反馈评价机制改变参考信号,减少状态误差。该设计的主要优点是对LVS 制导原理进行干预,避免了控制输入停留在饱和界限。减弱闭环控制系统因输入饱和而引起的不稳定性。与现有的事件触发方法相比,本发明算法的事件触发规则是针对位置误差和航向误差设置的,反馈误差信号和控制输入在触发间隔内保持不变。可以同时减少从传感器到控制器的计算负载和从控制器到执行器的传输负载。
2)通过数值仿真验证了本发明算法在ASV路径跟踪控制任务中能够取得优良的控制性能,具有一定的有效性和可行性。ASV在环境监测、海洋探测、海事侦察等方面具有广阔的应用前景,本发明能够加快ASV向更智能、更节能、更安全方面转化。
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 (8)
1.一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,其特征在于,包括,
步骤一、建立基于连续时间t的ASV的非线性数学模型;
步骤二、计算LVS的位置,将LVS的位置作为ASV的参考位置;
步骤三、计算ASV的制导信号;
步骤四、构建动态反馈评价机制,根据动态反馈评价机制对ASV的制导信号进行干预,生成干预LVS制导信号;
步骤五、计算ASV的艏向误差和位置误差,对艏向误差和位置误差设置事件触发机制,包括艏向误差和位置误差的触发信号、触发条件,当满足触发条件时,对艏向误差和位置误差进行更新,并计算艏向误差和位置误差的导数;
步骤六、设计基于事件触发的虚拟控制律,通过虚拟控制律对艏向误差和位置误差进行镇定,引入动态面控制技术,根据动态面控制技术定义误差动态,并对误差动态求导;
步骤七、设计基于事件触发的路径跟踪控制器和自适应律,基于路径跟踪控制器和自适应律驱动ASV进行航行。
2.根据权利要求1所述的一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,其特征在于,所述步骤一包括,建立基于连续时间t的ASV的非线性数学模型,如式(1)所示,
其中,x(t),y(t)表示ASV的位置坐标,ψ(t)表示ASV的艏向角,u(t)表示ASV的前进速度,r(t)表示ASV的艏摇角速度,v(t)表示ASV的横漂速度, 分别表示ASV位置坐标的导数,表示ASV艏向角的导数,表示ASV前进速度的导数,表示ASV横漂速度的导数,表示ASV艏摇角速度的导数,mu表示ASV在前进自由度上的水动力附加质量,mv表示ASV在横漂自由度上的水动力附加质量,mr表示ASV在艏摇自由度上的水动力附加质量,fu(ν)(t),fv(ν)(t),fr(ν)(t)分别表示ASV前进、横漂和艏摇自由度上的非线性项,Tu,Fr分别表示主机转速和舵角的控制增益,n表示主机转速,δ表示舵角,dwu(t)为外界环境作用在ASV的前进自由度上的干扰力,dwv(t)为外界环境作用在ASV的横漂自由度上的干扰力,dwr(t)为外界环境作用在ASV的艏摇自由度上的干扰力矩。
6.根据权利要求1所述的一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,其特征在于,所述步骤五包括,根据公式(5)计算ASV的艏向误差和位置误差,对艏向误差和位置误差设置事件触发机制,包括艏向误差和位置误差的触发信号、触发条件,触发信号通过公式(6)表示,触发条件通过公式(7)表示,当满足触发条件时,通过公式(8)对艏向误差和位置误差进行更新,通过公式(9)计算的导数,
ψe(t)=ψdl(t)-ψ(t) (5)
式(5)中,ψe(t)表示ASV的艏向误差,ze(t)表示ASV到LVS的直线距离即位置误差,xe(t)表示横坐标误差,ye(t)表示纵坐标误差,ψdl(t)为干预LVS制导信号,ψ(t)表示ASV的艏向角;
式(8)中,λδ1,λn1分别表示艏向触发设计参数和位置触发设计参数,
7.根据权利要求1所述的一种基于干预LVS制导的ASV多端口事件触发路径跟踪控制方法,其特征在于,所述步骤六包括,设计基于事件触发的虚拟控制律,通过虚拟控制律对进行镇定,虚拟控制律如公式(10)所示,引入动态面控制技术,通过公式(11)进行表示,
其中,k1,k2为正的设计参数,表示ASV在时刻的艏向误差,表示ASV在时刻的艏向误差,λδ1,λn1分别表示艏向触发设计参数和位置触发设计参数,ξδ1,ξn1为正的阈值参数,表示ASV到LVS的直线距离即位置误差;
其中,∈u,∈r为大于零的时间常数;
式中,Wr,Wu表示神经网络权重更新律,S表示高斯函数,εr,εu表示逼近误差,
根据公式(12)和公式(13),得到式(14),
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210626110.3A CN115113524B (zh) | 2022-06-02 | 2022-06-02 | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210626110.3A CN115113524B (zh) | 2022-06-02 | 2022-06-02 | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115113524A true CN115113524A (zh) | 2022-09-27 |
CN115113524B CN115113524B (zh) | 2023-09-19 |
Family
ID=83325609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210626110.3A Active CN115113524B (zh) | 2022-06-02 | 2022-06-02 | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115113524B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116360260A (zh) * | 2023-03-22 | 2023-06-30 | 大连海事大学 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
CN117193344A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117707162A (zh) * | 2023-01-16 | 2024-03-15 | 大连海事大学 | 基于改进lvs制导的无人帆船动态事件触发控制方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130173096A1 (en) * | 2010-09-11 | 2013-07-04 | Wayne State University | Guidance and control system for under-actuated marine surface ships and other autonomous platforms |
JP2014004911A (ja) * | 2012-06-25 | 2014-01-16 | Tokyo Univ Of Marine Science & Technology | 非線形の自己回帰モデルによる船舶の航路保持方法 |
CN112346465A (zh) * | 2020-11-27 | 2021-02-09 | 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 |
CN113219978A (zh) * | 2021-05-12 | 2021-08-06 | 大连海事大学 | 一种基于零阶保持器的船舶路径跟踪事件触发控制方法 |
CN113485377A (zh) * | 2021-08-16 | 2021-10-08 | 大连海事大学 | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 |
-
2022
- 2022-06-02 CN CN202210626110.3A patent/CN115113524B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130173096A1 (en) * | 2010-09-11 | 2013-07-04 | Wayne State University | Guidance and control system for under-actuated marine surface ships and other autonomous platforms |
JP2014004911A (ja) * | 2012-06-25 | 2014-01-16 | Tokyo Univ Of Marine Science & Technology | 非線形の自己回帰モデルによる船舶の航路保持方法 |
CN112346465A (zh) * | 2020-11-27 | 2021-02-09 | 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 |
CN113219978A (zh) * | 2021-05-12 | 2021-08-06 | 大连海事大学 | 一种基于零阶保持器的船舶路径跟踪事件触发控制方法 |
CN113485377A (zh) * | 2021-08-16 | 2021-10-08 | 大连海事大学 | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117707162A (zh) * | 2023-01-16 | 2024-03-15 | 大连海事大学 | 基于改进lvs制导的无人帆船动态事件触发控制方法 |
CN116360260A (zh) * | 2023-03-22 | 2023-06-30 | 大连海事大学 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
CN116360260B (zh) * | 2023-03-22 | 2023-10-20 | 大连海事大学 | 基于触发制导和自更新阈值的asv预设性能控制方法 |
CN117193344A (zh) * | 2023-09-21 | 2023-12-08 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
CN117193344B (zh) * | 2023-09-21 | 2024-03-15 | 大连海事大学 | 基于同步制导的机/船协同多元任务事件触发控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115113524B (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189071B (zh) | 基于模糊观测器的鲁棒自适应无人船路径跟踪控制方法 | |
Xia et al. | Improved line-of-sight trajectory tracking control of under-actuated AUV subjects to ocean currents and input saturation | |
Li et al. | Design, analysis and experimental validation of a robust nonlinear path following controller for marine surface vessels | |
CN115113524A (zh) | 一种基于干预lvs制导的asv多端口事件触发路径跟踪控制方法 | |
Zhang et al. | Robust model predictive control for path-following of underactuated surface vessels with roll constraints | |
Wang et al. | Line-of-sight guidance law for path following of amphibious hovercrafts with big and time-varying sideslip compensation | |
Huang et al. | A new guidance law for trajectory tracking of an underactuated unmanned surface vehicle with parameter perturbations | |
CN110618686B (zh) | 一种基于显式模型预测控制的无人船航迹控制方法 | |
Borhaug et al. | Cross-track control for underactuated autonomous vehicles | |
Perera et al. | Lyapunov and Hurwitz based controls for input–output linearisation applied to nonlinear vessel steering | |
CN108319140A (zh) | 一种重定义输出式无模型自适应航向控制方法及系统 | |
CN116360260B (zh) | 基于触发制导和自更新阈值的asv预设性能控制方法 | |
Faramin et al. | Track-keeping observer-based robust adaptive control of an unmanned surface vessel by applying a 4-DOF maneuvering model | |
An et al. | Proximate time optimal for the heading control of underactuated autonomous underwater vehicle with input nonlinearities | |
CN113485377A (zh) | 双层虚拟引导机制的无人帆船自适应路径跟踪控制方法 | |
Yang et al. | An improved stanley guidance law for large curvature path following of unmanned surface vehicle | |
Fu et al. | A novel asymmetrical integral barrier Lyapunov function-based trajectory tracking control for hovercraft with multiple constraints | |
Liu | Improved ELOS based path following control for underactuated surface vessels with roll constraint | |
Liu et al. | A hierarchical disturbance rejection depth tracking control of underactuated AUV with experimental verification | |
CN115014355A (zh) | 一种双体无人船的定点返航调控方法及装置 | |
Dai et al. | Dual closed loop AUV trajectory tracking control based on finite time and state observer | |
CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
Song et al. | Event-triggered fuzzy finite-time reliable control for dynamic positioning of nonlinear unmanned marine vehicles | |
Shao et al. | Sideslip angle observation-based LOS and adaptive finite-time path following control for sailboat | |
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 |
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 |