CN115963841A - 基于改进lvs制导的无人帆船动态事件触发控制方法 - Google Patents

Abstract

本发明公开了一种基于改进LVS制导的无人帆船动态事件触发控制方法，包括：建立无人帆船的非线性数学模型；获取改进的LVS制导律，以获取无人帆船的参考航向角；获取无人帆船的航向角误差；建立航向角虚拟控制器；获取艏摇方向动力学误差；建立触发控制律，获取无人帆船的控制律和自适应律，以对无人帆船进行控制。本发明通过改进的LVS制导律，解决了无人帆船制导结构存在参考艏向信号不连续特点，同时能够在横风和非横风航行状态下实现良好的跟踪效果，帆船能够沿着平缓的弧形路径航行。能够实现时变风向下无人帆船有效执行路径跟踪控制任务。动态事件触发技术还能够降低受外界扰动引起的控制输入频繁抖振现象，提高了控制算法的鲁棒性。

Description

基于改进LVS制导的无人帆船动态事件触发控制方法

技术领域

本发明涉及船舶运动控制技术领域，尤其涉及一种基于改进LVS制导的无人帆船动态事件触发控制方法。

背景技术

在无人帆船运动控制领域，帆结构主要用来提供前行动力，舵结构主要用来产生转船力矩。而且，在顶风和顺风局面下，帆结构无法提供充足的前向推力，因此帆船具有无法顶风和顺风航行的特点。在现有的无人帆船制导结构中，迎风、顺风和横风航行参考艏向是单独产生的，在控制器设计过程中存在不连续现象。此外，无人帆船由于帆结构的存在，在航行过程中受时变风速和风向的影响，闭环控制系统更容易发生低频抖振，特别是为保证无人帆船实时追踪到参考信号，控制输入需要频繁操舵，加快了执行器的磨损。

因此，常规欠驱动船路径跟踪控制算法在无人帆船直线路径跟踪控制任务中具有以下2点缺陷：

1)传统的ILOS制导算法不能引导无人帆船在时变风向下进行路径跟踪控制任务，而且现有的无人帆船制导结构存在参考艏向信号不连续特点。

2)帆受风力作用下，无人帆船更易到达执行器饱和状态，影响控制系统稳定性。此外，外界时变风速风向下，无人帆船控制输入更容易发生低频抖振，增大控制命令传输负载。

发明内容

本发明提供一种基于改进LVS制导的无人帆船动态事件触发控制方法，以克服上述技术问题。

为了实现上述目的，本发明的技术方案是：

一种基于改进LVS制导的无人帆船动态事件触发控制方法，包括如下步骤：

S1：建立无人帆船的非线性数学模型；

S2：获取改进的LVS制导律，以获取无人帆船的参考航向角ψ_d；

S3：根据所述无人帆船的非线性数学模型和无人帆船的参考航向角ψ_d，获取无人帆船的航向角误差ψ_e；

S4：根据所述无人帆船的航向角误差ψ_e，建立航向角虚拟控制器；

S5：根据所述航向角虚拟控制器，获取艏摇方向动力学误差r_e；

S6：根据所述艏摇方向动力学误差r_e，建立触发控制律，获取无人帆船的控制律和自适应律，以对无人帆船进行控制；所述触发控制律包括舵角的触发控制律和帆角的触发控制律。

进一步的，所述S1中，无人帆船的非线性数学模型建立如下：

式中，η表示大地坐标系下无人帆船的运行状态向量；其中，η＝[x,y,φ,ψ]^T，x表示无人帆船的位置横坐标；y表示无人帆船的位置纵坐标；φ表示无人帆船的横倾角；ψ表示无人帆船的艏向角；

表示求导运算；J(η)表示欧拉角坐标变换矩阵；

表示附体坐标系下无人帆船的运行状态向量；其中，u表示附体坐标系下无人帆船的前进方向的速度；v表示附体坐标系下无人帆船的横漂速度；p表示附体坐标系下无人帆船的横摇角速度；r表示附体坐标系下无人帆船的艏摇角速度；M^-1()表示附加质量的逆矩阵；

表示额外附加质量；

表示由帆、舵、龙骨以及船体造成的模型未知项；G(η)表示在给定倾侧角度下的横摇回复力矩；d_wi表示海洋环境造成的附体坐标系下无人帆船的运行状态干扰力/力矩，其中，i＝u,v,p,r；τ＝[τ_u,0,τ_r]^T表示无人帆船的控制输入力/力矩，其中，τ_u表示帆提供的推进力，τ_r表示舵提供的转船力矩；

其中，m为无人帆船质量，m_u表示前进方向船体附加质量；m_v表示横漂方向船体附加质量；m_p表示横摇方向船体附加质量；m_r表示艏摇方向船体附加质量；

表示前进方向附加质量系数，

表示横漂方向附加质量系数，

表示横摇方向附加质量系数，

表示艏摇方向附加质量系数；I_xx为x轴方向附加转动惯量，I_zz为z轴方向附加转动惯量；g(φ)＝mgGM_tsin(φ)cos(φ)，GM_t表示初稳性高度；g表示重力加速度；

表示前进方向船体结构不确定项；

表示横漂方向船体结构不确定项；

表示横摇方向船体结构不确定项；

表示艏摇方向船体结构不确定项。

进一步的，所述S2中，获取改进的LVS制导律的获取方法如下：

获取横风区域的实船到横风虚拟船的参考航向角ψ_v如下：

式中，x_e＝x_r2-x₂为实船到横风虚拟船的横坐标位置误差；y_e＝y_r2-y₂为实船到横风虚拟船的纵坐标位置误差，x_r2为横风虚拟船的位置横坐标；x₂为实船位置横坐标；y_r2为横风虚拟船的位置纵坐标；y₂为实船位置纵坐标；

将无人帆船的非线性数学模型进行简化，于是，

ψ_d＝ψ_v (4)

式中：ψ_d表示无人帆船的参考航向角；

引入非横风虚拟船模型NCVS，获取直线路径期望参考艏向信号如下:

ψ_n(t)＝ψ_tw-π·sgn(ψ_tw)-c(t)·χ₁ (5)

式中:ψ_n(t)表示直线路径期望参考艏向信号；ψ_tw为NCVS的实际风向；χ₁为NCVS的顶风区范围；c(t)表示当前时间点的被引入实现转向操纵的符号函数，其中，

ψ_r为NCVS的期望航向角；d_c1是距离阈值；c(t-1)表示上一时间点的被引入实现转向操纵的符号函数；

获取无人帆船的参考航向角ψ_d如下：

式中：ψ_n表示直线路径航向角参考信号；θ₁表示无人帆船第一次转向的角度；θ₂表示无人帆船第二次转向的角度；θ₃表示无人帆船第三次转向的角度；t₁₁表示无人帆船第一次转向开始的时间；t₁₂表示无人帆船第一次结束的时间；t₂₁表示无人帆船第二次转向开始的时间；t₂₂表示无人帆船第二次结束的时间；t₃₁表示无人帆船第三次转向开始的时间；t₃₂表示无人帆船第三次结束的时间。

进一步的，所述S3中，获取无人帆船的航向角误差ψ_e方法如下：

进一步的，所述S4中，建立的航向角虚拟控制器如下：

式中，α_r为航向角虚拟控制器；k_r为正的设计参数。

进一步的，，所述S5中，获取艏摇方向动力学误差r_e方法如下：

式中：t_r表示时间常数；β_r表示航向角虚拟控制器的一阶滤波信号；β_r(0)表示航向角虚拟控制器滤波信号的初始值；α_r(0)表示航向角虚拟控制信号的初始值；y_r是航向角的虚拟控制信号通过滤波器时形成的滤波误差；

令艏摇方向动力学误差r_e＝α_r-r，得

式中，f_r(·)表示无人帆船艏向模型的非线性项；F_r(·)表示舵机执行器的增益函数；d_wr表示艏摇方向海洋环境干扰项。

进一步的，所述S6中，所述舵角的触发控制律建立如下：

获取时变的舵角输入信号：

式中，δ_r(t)表示时变的舵角输入信号；δ_r(t_k)表示当前触发点下的舵角输入信号；t_k表示当前触发点时间；t_k+1表示下一触发点时间；

所述舵角的触发控制律为：

式中，

为舵角触发误差；

为舵角触发阈值参数

h₁是舵角动态阈值参数，h₂是舵角静态阈值参数，

是舵角常数参数。

进一步的，所述S6中，所述无人帆船的控制律和自适应律获取方法如下：

获取舵角执行器的控制信号如下：

式中，

表示舵角输入信号大于等于0时的触发范围界定参数；

表示舵角输入信号小于0时的触发范围界定参数；

获取无人帆船的控制律δ_r(t_k)和自适应律

如下：

式中，δ_r(t_k)为无人帆船的舵角控制律；

为

的估计值；

表示舵角学习参数；α_N表示设计的中间控制律；k_N表示控制器参数，k_rn表示鲁棒神经阻尼参数，Z表示鲁棒神经阻尼项；Γ_Fr是大于零的第一自适应参数；σ_N是大于零的第二自适应参数；

表示学习参数的初始值；

进一步的，所述S6中，所述帆角的触发控制律建立如下：

式中，δ_s(t)表示时变的帆角输入信号；δ_s(t_k)表示当前触发点下的帆角输入信号；t_k表示当前触发点时间；t_k+1表示下一触发点时间；

所述帆角的触发控制律为：

式中，帆角触发阈值参数

ι₁是帆角动态阈值参数，ι₂是帆角静态阈值参数，

是帆角常数参数。

有益效果：本发明的一种基于改进LVS制导的无人帆船动态事件触发控制方法，通过改进的LVS制导律，解决了无人帆船制导结构存在参考艏向信号不连续特点，同时设计的事件触发控制律，能够在横风和非横风航行状态下实现良好的跟踪效果，且在转向点处，帆船能够沿着平缓的弧形路径航行。能够实现时变风向下无人帆船有效执行路径跟踪控制任务。此外，动态事件触发技术还能够降低受外界扰动引起的控制输入频繁抖振现象，提高了控制算法的鲁棒性。

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为本发明的无人帆船动态事件触发控制流程图；

图2为本发明的实施例中的航行区域示意图；

图3为本发明的实施例中的改进的LVS制导框架图；

图4为本发明的实施例中的路径跟踪轨迹比较图；

图5a为本发明的实施例中的舵角控制输入对比图；

图5b为本发明的实施例中的帆角控制输入对比图；

图6为本发明的实施例中的舵角触发间隔对比图；

图7为本发明的实施例中的帆角触发间隔对比图；

图8为本发明的实施例中的漂角对比图；

图9a为本发明的实施例中的航向角控制输出对比图；

图9b为本发明的实施例中的横摇角控制输出对比图；

图9c为本发明的实施例中的偏航角速度控制输出对比图。

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。

本实施例提供了一种基于改进LVS制导的无人帆船动态事件触发控制方法，如图1所示，包括如下步骤：

S1：建立无人帆船的非线性数学模型；

优选的，所述无人帆船的4自由度非线性数学模型建立如下：

式中，η表示大地坐标系下无人帆船的运行状态向量；其中，η＝[x,y,φ,ψ]^T，x表示无人帆船的位置横坐标；y表示无人帆船的位置纵坐标；φ表示无人帆船的横倾角；ψ表示无人帆船的艏向角；

表示求导运算；J(η)表示欧拉角坐标变换矩阵；

表示附体坐标系下无人帆船的运行状态向量；其中，u表示附体坐标系下无人帆船的前进方向的速度；v表示附体坐标系下无人帆船的横漂速度；p表示附体坐标系下无人帆船的横摇角速度；r表示附体坐标系下无人帆船的艏摇角速度；M^-1()表示附加质量的逆矩阵；

表示额外附加质量；

表示由帆、舵、龙骨以及船体造成的模型未知项，该项的推导过程属于现有技术，这里不进行详细描述；G(η)表示在给定倾侧角度下的横摇回复力矩；d_wi表示海洋环境造成的附体坐标系下无人帆船的运行状态干扰力/力矩，其中，i＝u,v,p,r；τ＝[τ_u,0,τ_r]^T表示无人帆船的控制输入力/力矩，其中，τ_u表示帆提供的推进力，τ_r表示舵提供的转船力矩；

其中，m为无人帆船质量，m_u表示前进方向船体附加质量；m_v表示横漂方向船体附加质量；m_p表示横摇方向船体附加质量；m_r表示艏摇方向船体附加质量；

表示前进方向附加质量系数，

表示横漂方向附加质量系数，

表示横摇方向附加质量系数，

表示艏摇方向附加质量系数；

为附体坐标系中的附加质量，I_xx为x轴方向附加转动惯量，I_zz为z轴方向附加转动惯量；g(φ)＝mgGM_tsin(φ)cos(φ)，GM_t表示初稳性高度；g表示重力加速度；

表示前进方向船体结构不确定项；

表示横漂方向船体结构不确定项；

表示横摇方向船体结构不确定项；

表示艏摇方向船体结构不确定项；

S2：获取改进的LVS制导律，以获取横风区域的实船到横风虚拟船的参考航向角ψ_v和无人帆船的参考航向角ψ_d；

优选地，如附图2所示，展示了改进的LVS制导律的整个框架，图中的(a)和(b)表示的是非横风区域，图中的(c)表示的是横风区域。在横风区域，实船位置坐标为(x₂,y₂)，横风虚拟船的位置坐标为(x_r2,y_r2)；

获取横风区域的实船到横风虚拟船的参考航向角ψ_v如式(3)：

式中，x_e＝x_r2-x₂为实船到横风虚拟船的横坐标位置误差；y_e＝y_r2-y₂为实船到横风虚拟船的纵坐标位置误差，x_r2为横风虚拟船的位置横坐标；x₂为实船位置横坐标；y_r2为横风虚拟船的位置纵坐标；y₂为实船位置纵坐标；

无人帆船的参考航向角获取如下：

具体的，为了方便后续控制器的设计，无人帆船的4自由度非线性数学模型可以进行简化，无人帆船的参考航向角ψ_d也可以被描述为式(4)。

ψ_d＝ψ_v (4)

式中：ψ_d表示无人帆船的参考航向角；

在改进的LVS制导中，当无人帆船在顶风和顺风区域航行时，引入了非横风虚拟船(NCVS)，以解决传统LVS制导原理的限制。NCVS引导实船沿Z字形参考路径航行。

引入非横风虚拟船模型NCVS，获取直线路径期望参考艏向信号如下：

具体的，当顶风航行时，NCVS的期望航向角ψ_r，实际风向ψ_tw，顶风区范围χ₁，三者满足|ψ_tw-πsgn(ψ_tw)-ψ_r|<χ₁。本实施例中帆船在沿着Z字形路线行进的过程中，帆船在每个转向点可以沿着规划的弧形路线实现转向。参考附图3，无人帆船在t₁₁,t₂₁,t₃₁分别开始三次转向，在t₁₂,t₂₂,t₃₂完成转向，三次转向的角度为θ₁,θ₂,θ₃，于是获取直线路径期望参考艏向信号如下:

ψ_n(t)＝ψ_tw-π·sgn(ψ_tw)-c(t)·χ₁ (5)

式中:ψ_n(t)表示直线路径期望参考艏向信号；ψ_tw为NCVS的实际风向；χ₁为NCVS的顶风区范围；

其中，ψ_r为NCVS的期望航向角，是非横风虚拟船的期望航向角；d_c1是距离阈值，c(t)表示当前时间点的被引入实现转向操纵的符号函数；c(t-1)表示上一时间点的被引入实现转向操纵的符号函数；具体的，本实施例以帆船进行了三次转向为例进行说明，在实际航行中，帆船根据本发明的方法进行了四次转向，以及更多次的转向，均属于本发明的保护范围内。

获取无人帆船的参考航向角ψ_d描述为式(6)。

式中：ψ_n表示直线路径航向角参考信号；θ₁表示无人帆船第一次转向的角度；θ₂表示无人帆船第二次转向的角度；θ₃表示无人帆船第三次转向的角度；t₁₁表示无人帆船第一次转向开始的时间；t₁₂表示无人帆船第一次结束的时间；t₂₁表示无人帆船第二次转向开始的时间；t₂₂表示无人帆船第二次结束的时间；t₃₁表示无人帆船第三次转向开始的时间；t₃₂表示无人帆船第三次结束的时间；

具体的，基于改进的LVS制导律，能够解决使得制导算法引导无人帆船在时变风向下进行路径跟踪控制任务，避免了无人帆船制导结构的参考艏向信号不连续的问题。

S3：根据所述无人帆船的非线性数学模型和无人帆船的参考航向角ψ_d，获取无人帆船的航向角误差ψ_e，并对其求导如下；可得式(7)

S4：根据所述无人帆船的航向角误差ψ_e，建立航向角虚拟控制器，以消除航向角误差：

优选的，所述S4中，建立的航向角虚拟控制器如下：

式中，α_r为航向角虚拟控制器；k_r为正的设计参数；

S5：根据所述航向角虚拟控制器，结合动态面控制技术，获取艏摇方向动力学误差r_e；

为了避免虚拟控制器在求导中引起过于复杂的计算，引入了动态面控制技术，如式(9)：

式中：t_r表示时间常数；β_r表示航向角虚拟控制器的一阶滤波信号；

β_r(0)表示航向角虚拟控制器滤波信号的初始值；α_r(0)表示航向角虚拟控制信号的初始值；y_r是航向角的虚拟控制信号通过滤波器时形成的滤波误差。

令艏摇方向动力学误差r_e＝α_r-r，结合所得滤波信号并求导，得到式(10)：

式中，f_r(·)表示无人帆船艏向模型的非线性项，在船舶运动控制领域，通常采用径向基函数神经网络进行在线逼近；F_r(·)表示舵机执行器的增益函数；d_wr表示艏摇方向海洋环境干扰项；

S6：根据所述艏摇方向动力学误差r_e，建立舵角的触发控制律，以获取无人帆船的控制律和自适应律：

对于无人帆船系统的不确定性和外部干扰会导致闭环系统的频繁抖振。为了降低通信负担和控制器从控制器到执行器的更新频率，在控制器设计中构造了一种具有时变阈值的动态事件触发机制即舵角的触发控制律,该机制的阈值参数可以进行动态调整。

本发明的一个实施例中，触发控制律为舵角的触发控制律，所述舵角的触发控制律建立如下：

获取时变的舵角输入信号如下：

式中，δ_r(t)表示时变的舵角输入信号；δ_r(t_k)表示当前触发点下的舵角输入信号；t_k表示当前触发点时间；t_k+1表示下一触发点时间；

舵角的触发控制律为：

式中，

为舵角触发误差；

舵角触发阈值参数

h₁是舵角动态阈值参数，h₂是舵角静态阈值参数，

是舵角常数参数；

所述无人帆船的控制律和自适应律如下：

获取舵角执行器的控制信号如下：

式中，

表示舵角输入信号大于等于0时的触发范围界定参数；

表示舵角输入信号小于0时的触发范围界定参数；

均处于[-1，1]的区间内；

获取无人帆船的控制律δ_r(t_k)和自适应律

如下：

式中，δ_r(t_k)为无人帆船的舵角控制律；

为

的估计值；

表示舵角学习参数；α_N表示设计的中间控制律；k_N表示控制器参数，k_rn表示鲁棒神经阻尼参数，Z表示鲁棒神经阻尼项；Γ_Fr是大于零的第一自适应参数；σ_N是大于零的第二自适应参数；

表示学习参数的初始值；

本发明的另一个实施例中，触发控制律为帆角的触发控制律，所述帆角的触发控制律建立如下：

具体的针对帆角的控制，本实施例同样设计了动态事件触发控制器。最终的控制输入帆角δ_s＝β_ws-α_s，其中β_ws是视风角，α_s是帆的攻角。在工程实践中，不能直接获得帆的攻角α_s，应通过调整帆角δ_s来改变α_s的值。应该注意的是，用于计算帆的攻角α_s的视风角β_ws是由风传感器测量的。由于风向和速度变化的实时变化，传感器传输视风角信息越及时，计算出的α_s就越准确。而这也是保证纵荡运动控制精度的主要限制。

针对帆角控制，构造了动态事件触发机制，该机制的帆角阈值参数可以动态调整。帆角触发控制输入可描述为式(15)。

获取时变的帆角输入信号如下：

式中，t_k，t_k+1分别表示当前触发点时间和下一触发点时间。

帆角的触发控制律为：

式中，帆角触发阈值参数

ι₁是帆角动态阈值参数，ι₂是帆角静态阈值参数，

是帆角常数参数。

通过本实施例的算法和比较算法完成相同的路径跟踪任务，能够验证本发明的优势性和有效性。通过比较结果也能够验证所提出的动态事件触发机制的优越性。同时，环境干扰被认为是不可避免的因素。在实际的海洋工程中，环境扰动具有随机性和不确定性。

图4展示了本发明所提出的控制算法和比较算法之间的路径跟踪轨迹。在整个航行过程中设置了时变风向，以形成帆船的两个航行区，分别是横风区域和非横风区域。比较结果表明，本发明提出的控制算法具有更好的性能。在路径跟踪任务中，帆船能够沿着参考路径实现有效控制。当帆船在非横风区航行时，通过改进的LVS制导可以实现更合理的Z字形航线。特别是在转弯区域能显示出更好的跟踪结果，并且可以在航路点附近生成平滑的圆弧轨迹。

为了实验的完整性和结果的有效性，基于航路点的路径考虑了时变风向，形成了横风区和非横风区。整个过程的风向变化可以表示为式(17)所示。

图5展示了控制输入的对比结果，图5(a)描述了舵角的控制输入，图5(b)是帆角的控制输入，图中的局部细节放大显示了所提算法的优越性。此外，当满足事件触发规则时，控制命令将保持不变。这样可以减少通信负担，避免低频外部干扰引起的系统抖振。在船舶工程中，应将控制指令传递给执行机构，执行机构可通过伺服系统实现控制指令。在图5中，点划线表示设计的控制器产生的控制命令，虚线表示舵机伺服系统的实际输入，实线表示对比算法的控制命令。结果表明，在本发明提出的动态事件触发控制机制下，避免了不必要的资源消耗。与对比算法中的鲁棒自适应事件触发控制算法相比，所提出的动态事件触发机制更有效地减少了频繁传输。图6和图7清晰地展示了在使用所提出的动态事件触发机制下舵角和帆角的触发间隔。

图8展现了漂角的变化曲线。图9为无人帆船的控制输出(图9(a):航向角；图9(b):横摇角；图9(c):偏航角速度)。值得注意的是，横摇角φ在合理的范围内，这可以提高闭环控制系统的安全性和稳定性。

本发明是一种针对无人帆船(Unmanned sailboat robot)在执行考虑时变风向下基于航路点的路径跟踪任务，而提出的一种基于改进LVS制导的无人帆船动态事件触发控制方法，能够针对横风航行和非横风航行实时规划参考信号，并且设计了无人帆船动态事件触发鲁棒自适应控制器，在控制器设计过程中，引入动态事件触发技术，实现了无人帆船在时变风向下执行路径跟踪任务。

本实施例中的基于改进LVS制导的无人帆船动态事件触发控制方法，是一种考虑到时变的海洋环境，而提出的基于改进LVS制导的无人帆船动态事件触发控制方法。无人帆船能够在存在随机风向和变化的参考路径的情况下执行基于航路点的路径跟踪控制任务。在航路点附近区域，帆船可以沿着规划的平滑弧形路径航行。这能够防止帆船由于突然改变航向而失去控制。能够实现时变风向下无人帆船有效执行路径跟踪控制任务。考虑无人帆船在实际航行中存在的不必要的传输负担，为无人帆船设计了一种动态事件触发机制。动态事件触发技术能够降低受外界扰动引起的控制输入频繁抖振现象，提高了控制算法的鲁棒性。在所提出的事件触发控制中，阈值参数可以根据动态规则进行动态调整，有效解决了冗杂的信道占用等问题。同时，通过帆角和舵角的异步触发，能够获得更精确的控制效果。

本实施例通过数值仿真验证了本发明所提控制算法在时变风向中无人帆船路径跟踪控制的有效性和可行性。仿真结果表明由于动态事件触发机制的优势，减少了从控制器到执行器器的通信负担。该算法在提高传输效率，避免不必要的能源损耗方面具有明显的优势。

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 (9)

1.一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，包括如下步骤：

S1：建立无人帆船的非线性数学模型；

S2：获取改进的LVS制导律，以获取无人帆船的参考航向角ψ_d；

S3：根据所述无人帆船的非线性数学模型和无人帆船的参考航向角ψ_d，获取无人帆船的航向角误差ψ_e；

S4：根据所述无人帆船的航向角误差ψ_e，建立航向角虚拟控制器；

S5：根据所述航向角虚拟控制器，获取艏摇方向动力学误差r_e；

S6：根据所述艏摇方向动力学误差r_e，建立触发控制律，获取无人帆船的控制律和自适应律，以对无人帆船进行控制；所述触发控制律包括舵角的触发控制律和帆角的触发控制律。

2.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S1中，无人帆船的非线性数学模型建立如下：

式中，η表示大地坐标系下无人帆船的运行状态向量；其中，η＝[x,y,φ,ψ]^T，x表示无人帆船的位置横坐标；y表示无人帆船的位置纵坐标；φ表示无人帆船的横倾角；ψ表示无人帆船的艏向角；

表示求导运算；J(η)表示欧拉角坐标变换矩阵；

表示附体坐标系下无人帆船的运行状态向量；其中，u表示附体坐标系下无人帆船的前进方向的速度；v表示附体坐标系下无人帆船的横漂速度；p表示附体坐标系下无人帆船的横摇角速度；r表示附体坐标系下无人帆船的艏摇角速度；M^-1()表示附加质量的逆矩阵；

表示额外附加质量；

表示由帆、舵、龙骨以及船体造成的模型未知项；G(η)表示在给定倾侧角度下的横摇回复力矩；d_wi表示海洋环境造成的附体坐标系下无人帆船的运行状态干扰力/力矩，其中，i＝u,v,p,r；τ＝[τ_u,0,τ_r]^T表示无人帆船的控制输入力/力矩，其中，τ_u表示帆提供的推进力，τ_r表示舵提供的转船力矩；

其中，m为无人帆船质量，m_u表示前进方向船体附加质量；m_v表示横漂方向船体附加质量；m_p表示横摇方向船体附加质量；m_r表示艏摇方向船体附加质量；

表示前进方向附加质量系数，

表示横漂方向附加质量系数，

表示横摇方向附加质量系数，

表示艏摇方向附加质量系数；I_xx为x轴方向附加转动惯量，I_zz为z轴方向附加转动惯量；g(φ)＝mgGM_tsin(φ)cos(φ)，GM_t表示初稳性高度；g表示重力加速度；

表示前进方向船体结构不确定项；

表示横漂方向船体结构不确定项；

表示横摇方向船体结构不确定项；

表示艏摇方向船体结构不确定项。

3.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S2中，获取改进的LVS制导律的获取方法如下：

获取横风区域的实船到横风虚拟船的参考航向角ψ_v如下：

式中，x_e＝x_r2-x₂为实船到横风虚拟船的横坐标位置误差；y_e＝y_r2-y₂为实船到横风虚拟船的纵坐标位置误差，x_r2为横风虚拟船的位置横坐标；x₂为实船位置横坐标；y_r2为横风虚拟船的位置纵坐标；y₂为实船位置纵坐标；

将无人帆船的非线性数学模型进行简化，于是，

ψ_d＝ψ_v (4)

式中：ψ_d表示无人帆船的参考航向角；

引入非横风虚拟船模型NCVS，获取直线路径期望参考艏向信号如下:

ψ_n(t)＝ψ_tw-π·sgn(ψ_tw)-c(t)·χ₁ (5)

式中:ψ_n(t)表示直线路径期望参考艏向信号；ψ_tw为NCVS的实际风向；χ₁为NCVS的顶风区范围；c(t)表示当前时间点的被引入实现转向操纵的符号函数，其中，

ψ_r为NCVS的期望航向角；d_c1是距离阈值；c(t-1)表示上一时间点的被引入实现转向操纵的符号函数；

获取无人帆船的参考航向角ψ_d如下：

式中：ψ_n表示直线路径航向角参考信号；θ₁表示无人帆船第一次转向的角度；θ₂表示无人帆船第二次转向的角度；θ₃表示无人帆船第三次转向的角度；t₁₁表示无人帆船第一次转向开始的时间；t₁₂表示无人帆船第一次结束的时间；t₂₁表示无人帆船第二次转向开始的时间；t₂₂表示无人帆船第二次结束的时间；t₃₁表示无人帆船第三次转向开始的时间；t₃₂表示无人帆船第三次结束的时间。

4.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S3中，获取无人帆船的航向角误差ψ_e方法如下：

5.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S4中，建立的航向角虚拟控制器如下：

式中，α_r为航向角虚拟控制器；k_r为正的设计参数。

6.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S5中，获取艏摇方向动力学误差r_e方法如下：

式中：t_r表示时间常数；β_r表示航向角虚拟控制器的一阶滤波信号；

β_r(0)表示航向角虚拟控制器滤波信号的初始值；α_r(0)表示航向角虚拟控制信号的初始值；y_r是航向角的虚拟控制信号通过滤波器时形成的滤波误差；

令艏摇方向动力学误差r_e＝α_r-r，得

式中，f_r(·)表示无人帆船艏向模型的非线性项；F_r(·)表示舵机执行器的增益函数；d_wr表示艏摇方向海洋环境干扰项。

7.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S6中，所述舵角的触发控制律建立如下：

获取时变的舵角输入信号：

式中，δ_r(t)表示时变的舵角输入信号；δ_r(t_k)表示当前触发点下的舵角输入信号；t_k表示当前触发点时间；t_k+1表示下一触发点时间；

所述舵角的触发控制律为：

式中，

为舵角触发误差；

为舵角触发阈值参数

h₁是舵角动态阈值参数，h₂是舵角静态阈值参数，

是舵角常数参数。

8.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S6中，所述无人帆船的控制律和自适应律获取方法如下：

获取舵角执行器的控制信号如下：

式中，

表示舵角输入信号大于等于0时的触发范围界定参数；

表示舵角输入信号小于0时的触发范围界定参数；

获取无人帆船的控制律δ_r(t_k)和自适应律

如下：

式中，δ_r(t_k)为无人帆船的舵角控制律；

为

的估计值；

表示舵角学习参数；α_N表示设计的中间控制律；k_N表示控制器参数，k_rn表示鲁棒神经阻尼参数，Z表示鲁棒神经阻尼项；

是大于零的第一自适应参数；σ_N是大于零的第二自适应参数；

表示学习参数的初始值。

9.根据权利要求1所述的一种基于改进LVS制导的无人帆船动态事件触发控制方法，其特征在于，所述S6中，所述帆角的触发控制律建立如下：

式中，δ_s(t)表示时变的帆角输入信号；δ_s(t_k)表示当前触发点下的帆角输入信号；t_k表示当前触发点时间；t_k+1表示下一触发点时间；

所述帆角的触发控制律为：

式中，帆角触发阈值参数

ι₁是帆角动态阈值参数，ι₂是帆角静态阈值参数，

是帆角常数参数。

Images