CN117369471B - 一种具有预设性能的无人船数据驱动模糊航向控制方法 - Google Patents

Abstract

本发明公开一种具有预设性能的无人船数据驱动模糊航向控制方法，建立了考虑环境干扰的无人船航向控制模型；提出一种具有预设性能约束的策略，使得无人船的航向跟踪误差可以收敛到一个预设的小范围的界内并且所用性能函数可以任意调整收敛速率以满足实际需求。根据历史数据堆栈所建立的数据驱动模糊自适应律，能够在无人船航向控制系统受到复杂气流和极端天气带来的外部干扰的情况下，实现航向跟踪的任务，提高了控制策略的鲁棒性和抗干扰性能，并且是能够同时使用历史数据和实时数据进行自适应的自适应律，使得系统状态的估计效果更好，收敛速度更快，航向跟踪误差更小。

Description

一种具有预设性能的无人船数据驱动模糊航向控制方法

技术领域

本发明涉及无人船航向控制技术领域，尤其涉及一种具有预设性能的无人船数据驱动模糊航向控制方法。

背景技术

随着世界技术革命的不断深入和陆地资源的日趋匮乏，开发利用海洋资源日益成为今后世界新的潮流，未来世纪是人类的海洋世纪。除了蕴藏丰富的海洋资源以外，辽阔的海域还是交通的通道、防御外敌入侵的天然屏障，开发利用海洋、发展海洋事业与人类的文明发展息息相关。大力发展海洋产业，是解决世界人口、资源、环境压力最现实、有效的途径之一，具有重要的战略价值。具有机动性能好、适应能力强、自动化程度高、制造成本低等诸多优点的无人船是一种可远程控制或自主航行的智能海洋运载平台，它能够替代有人船只承担枯燥、艰苦、危险的海上作业任务，在海洋的开发和保护上具有不可替代的价值，极大程度上体现了一个国家的海洋科技实力。国内外有很多研究机构和公司都做了无人船的研究，其在军事和民用都有广阔的应用前景。总体而言，无人船由于其诸多的优势，引发了广泛的关注和研究。

无人船航向控制问题是无人船控制领域中的一个关键问题，可以为很多其他作业任务的实现提供基础。无人船航向控制的主要目标是设计合适的自适应控制器，从而使无人船的实际航向与期望航向的误差尽可能小。目前，在无人船航向控制方面，已有学者提出了许多可行的控制方法，但现有控制方法仍存在以下问题：

第一，现有采用模糊逻辑系统逼近未知函数的方法中，仅能采用当前的数据进行自适应，估计误差受环境影响大，当无人船受到复杂气流和极端天气带来的外部干扰的情况下，控制效果会大打折扣，使得无人船在航向控制时存在一定难度。

第二，现有的无人船航向控制方法，仅能实现航向跟踪误差的收敛而无法对其进行预先的设定。在一些特定的情形下，用户不仅要求航向跟踪误差是收敛的而且还要求其收敛性能可以进行预设，虽然航向跟踪误差的收敛都可以保障但极少可以对这一跟踪误差进行预先的设定且预设性能函数的收敛速度不能调整，也无法满足用户实际的需求。

发明内容

本发明提供一种具有预设性能的无人船数据驱动模糊航向控制方法，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：

一种具有预设性能的无人船数据驱动模糊航向控制方法，包括如下步骤：

S1：建立考虑环境干扰的无人船航向控制模型；

S2：选取预设性能函数，获取预设性能约束参数；

S3：根据所述无人船航向控制模型，建立状态观测器；获取估计的航向信息及估计的航向变化速度信息，以获取航向信息的观测误差及航向变化速度信息的观测误差；

S4：根据历史数据堆栈和所述无人船航向控制模型，建立数据驱动模糊自适应律，以获取自适应参数的估计值；

S5：根据所述预设性能约束参数、航向信息的观测误差及航向变化速度信息的观测误差和自适应参数的估计值，建立具有预设性能约束的无人船数据驱动模糊自适应航向控制器，以对具有预设性能的无人船航向进行控制。

进一步的，所述S5中，具有预设性能约束的无人船数据驱动模糊自适应航向控制器建立如下：

式中：z₂表示误差面，/>表示x₂的估计值即估计的航向变化速度信息；∈₂是滤波后的虚拟控制律；α₁是虚拟控制律，/> 为中间设计参数，m表示预设性能约束参数；c₁,c₂是控制器设计参数,κ₁,ρ和o₁是自适应律设计参数，θ₁和θ₂是学习增益,τ表示未知函数的逼近误差,D_k表示模糊逻辑系统参数向量的内积；G_k表示k时刻的模糊逻辑系统参数向量/>n_k表示k时刻状态x₁的导数；/>是自适应参数信息ψ₁的估计值；μ(t)是预设性能函数，v(t)是跟踪误差，/>是y_d的导数，是μ(t)的导数,/>是∈₂的导数；k表示时刻；p是堆栈长度；/>表示数据驱动模糊自适应律；y_d是参考信号，即期望轨迹；u为无人船航向控制系统的输入即舵角；k₁、k₂均为观测器增益，/>代表无人船航向控制系统输出；/>表示实数集。

进一步的，所述S1中，建立无人船航向控制模型方法如下：

引入Norrbin非线性模型来描述船的航向特征：

式中：T是时间常数；ψ是航向；α是可通过转向试验确定的Norrbin系数；K是增益常数；δ是实际控制舵角；δ_w为受船舶上海浪等环境干扰而产生的等效干扰舵角；表示二阶求导运算；/>表示一阶求导运算；

选择状态变量x₁＝ψ,控制变量u＝δ，将Norrbin非线性模型写为如下形式:

其中：θ₀＝K/T是控制系数,θ_j是未知常数，其中，θ₁＝-1/T,θ₂＝-α/T；为中间参数，其中，/>u为无人船航向控制系统的输入即舵角；w表示环境干扰，w＝Kδ_w/T；x₁表示航向信息；x₂表示航向变化速度信息；

于是，所述无人船航向控制模型获取如下：

y＝x₁ (1-6)

其中，表示无人船航向控制系统的状态，/>表示n维向量空间；/>代表无人船航向控制系统的输入；/>代表无人船航向控制系统输出；/>表示实数集；f₁(x)、f₂(x)和g₁(x)均为未知光滑非线性函数；d(t)是有界外部干扰。

进一步的，所述S2中，获取预设性能约束参数方法如下：

定义航向跟踪误差v(t)如下：

v(t)＝y-y_d (1-7)

其中：y_d是参考信号，即期望轨迹；

构造预设性能边界如下：

-S_lμ(t)<v(t)<S_uμ(t) (1-8)

其中，S_l和S_u是正标量，如果v(0)>0，那么S_u＝1，0<S_l≤1，如果v(0)<0，那么S_l＝1，0<S_u≤1；μ(t)表示预设性能函数；v(0)表示跟踪误差的初值；

其中，选取预设性能函数μ(t)：

其中，β(·)是局部李普希茨连续的κ_∞函数；μ^∞表示预设性能函数的终值；μ(0)表示预设性能函数的初值；

定义误差转换函数如下：

获得所述预设性能约束参数如下：

其中：m表示设计的预设性能约束参数；d₀表示状态演化速度设计参数；表示状态稳定性指示函数；/>表示误差转换函数；

其中定义如下：

进一步的，所述S3中，所述状态观测器建立如下：

其中

其中k₁、k₂均为观测器增益，为x₁的估计值即估计的航向信息，/>为x₂的估计值即估计的航向变化速度信息；A,K,B₂,C均为中间计算参数。

进一步的，所述S4中，所述数据驱动模糊自适应律建立如下：

其中，κ₁,ρ和o₁是自适应律设计参数，θ₁和θ₂是学习增益，/>是自适应参数信息ψ₁的估计值；τ表示未知函数的逼近误差,D_k表示模糊逻辑系统参数向量/>的内积；G_k表示k时刻的模糊逻辑系统参数向量/>n_k表示k时刻状态x₁的导数；k表示时刻；p表示堆栈长度。

有益效果：本发明的一种具有预设性能的无人船数据驱动模糊航向控制方法，提出一种具有预设性能约束的策略，使得无人船的航向跟踪误差可以收敛到一个预设的小范围的界内并且所用性能函数可以任意调整收敛速率以满足实际需求。所建立的数据驱动模糊自适应律，能够在无人船航向控制系统受到复杂气流和极端天气带来的外部干扰的情况下，实现航向跟踪的任务，提高了控制策略的鲁棒性和抗干扰性能，并且是能够同时使用历史数据和实时数据进行自适应的自适应律，使得系统状态的估计效果更好，收敛速度更快，航向跟踪误差更小。

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是本发明的具有预设性能的无人船数据驱动模糊航向控制方法流程图；

图2是本发明的实施例中的具有预设性能的无人船数据驱动模糊航向控制系统结构示意图；

图3是本发明的实施例中的航向跟踪误差和预设性能约束示意图；

图4是本发明的实施例中的控制输入u的示意图。

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具有预设性能的无人船数据驱动模糊航向控制方法，如图1，包括如下步骤：

S1：建立考虑环境干扰的无人船航向控制模型；

优选地，所述S1中，建立无人船航向控制模型方法如下：

引入Norrbin非线性模型来描述船的航向特征：

式中：T是时间常数；ψ是航向；α是可通过转向试验确定的Norrbin系数；K是增益常数；δ是实际控制舵角；δ_w为受船舶上海浪等环境干扰而产生的等效干扰舵角；表示二阶求导运算；/>表示一阶求导运算；

选择状态变量x₁＝ψ,控制变量u＝δ，将Norrbin非线性模型写为如下形式:

其中：θ₀＝K/T是控制系数,θ_j是未知常数，其中，θ₁＝-1/T,θ₂＝-α/T；为中间参数，其中，/>u为无人船航向控制系统的输入即舵角；w表示环境干扰，w＝Kδ_w/T；x₁表示航向信息；x₂表示航向变化速度信息；

于是，所述的无人船航向控制模型获取如下：

y＝x₁ (3)

其中，表示无人船航向控制系统的状态，/>表示n维向量空间；/>代表无人船航向控制系统的输入；/>代表无人船航向控制系统输出；/>表示实数集；f₁(x)、f₂(x)和g₁(x)均为未知光滑非线性函数；d(t)是有界外部干扰；

S2：选取预设性能函数，获取预设性能约束参数；

优选地，获取预设性能约束参数方法如下：

定义航向跟踪误差v(t)如下：

v(t)＝y-y_d (4)

其中：y_d是参考信号，即期望轨迹；

构造预设性能边界如下：

-S_lμ(t)<v(t)<S_uμ(t) (5)

其中，S_l和S_u是正标量，如果v(0)>0，那么S_u＝1，0<S_l≤1，如果v(0)<0，那么S_l＝1，0<S_u≤1；G(t)表示预设性能函数；v(0)表示跟踪误差的初值；

其中，选取预设性能函数μ(t)：

其中，β(·)是局部李普希茨连续的κ_∞函数；μ^∞表示预设性能函数的终值；μ(0)表示预设性能函数的初值；

定义误差转换函数如下：

获得所述预设性能约束参数如下：

其中：m表示设计的预设性能约束参数；d₀表示状态演化速度设计参数；表示状态稳定性指示函数；/>表示误差转换函数；

其中定义如下：

S3:根据所述无人船航向控制模型，建立状态观测器；获取估计的航向信息及估计的航向变化速度信息，以获取航向信息的观测误差及航向变化速度信息的观测误差；

具体的，所述状态观测器的输入端与具有预设性能约束的无人船航向控制系统相连，输出端与所述的具有预设性能的数据驱动模糊自适应无人船航向控制器相连。所述状态观测器的输入信号包括航向信息x₁和航向变化速度信息x₂；输出信号为估计的航向信息和估计的航向变化速度信息/>

优选地，所述状态观测器建立如下：

其中

其中k₁、k₂均为观测器增益，为x₁的估计值即估计的航向信息，/>为x₂的估计值即估计的航向变化速度信息；A,K,B₂,C均为中间计算参数。

S4：根据历史数据堆栈和根据所述无人船航向控制模型，建立数据驱动模糊自适应律，以获取自适应参数的估计值；

所述的数据驱动模糊自适应律的输入端与数据堆栈相连，输出端与所述的具有预设性能的数据驱动模糊自适应无人船航向控制器相连。其输入信号包括数据堆栈存储的模糊逻辑系统参数向量/>和状态x₁的导数，其中k时刻的航向信息由G_k表示，k时刻的自适应参数信息由n_k表示。

优选地，所述数据驱动模糊自适应律建立如下：

其中，κ₁,ρ和o₁是自适应律设计参数，θ₁和θ₂是学习增益，/>是自适应参数信息ψ₁的估计值；τ表示未知函数的逼近误差,D_k表示模糊逻辑系统参数向量/>的内积；G_k表示k时刻的模糊逻辑系统参数向量/>n_k表示k时刻状态x₁的导数；k表示时刻；p表示堆栈长度。

S5：根据所述预设性能约束参数、航向信息的观测误差及航向变化速度信息的观测误差和自适应参数的估计值，建立具有预设性能约束的无人船数据驱动模糊自适应航向控制器，以对具有预设性能的无人船航向进行控制。

具体的，所述的具有预设性能约束的数据驱动模糊自适应航向控制器的输入端基于数据驱动模糊自适应律，与状态观测器和期望轨迹y_d相连，输出端与具有预设性能约束的无人船航向控制系统相连。其输入信号包括估计的航向信息航向变化速度信息/>自适应参数信息ψ₁和期望轨迹y_d；输出信号包括控制输入u。

优选地，所述具有预设性能约束的无人船数据驱动模糊自适应航向控制器建立如下：

式中：z₂表示误差面，/>表示x₂的估计值即估计的航向变化速度信息；∈₂是滤波后的虚拟控制律；α₁是虚拟控制律，/> m表示预设性能约束参数；c₁,c₂是控制器设计参数,κ₁,ρ和o₁是自适应律设计参数，θ₁和θ₂是学习增益,τ表示未知函数的逼近误差,D_k表示模糊逻辑系统参数向量/>的内积；G_k表示k时刻的模糊逻辑系统参数向量/>n_k表示k时刻状态x₁的导数；/>是自适应参数信息ψ₁的估计值；G(t)是预设性能函数，v(t)是跟踪误差，/>是y_d的导数，/>是μ(t)的导数,/>是∈₂的导数；k表示时刻；p是堆栈长度；/>表示数据驱动模糊自适应律。

具体的，本实施例中的无人船航向控制系统具有预设性能约束，状态观测器，历史数据堆栈，数据驱动模糊自适应律，即其为具有预设性能约束的数据驱动模糊自适应无人船航向控制器。无人船航向控制系统的输入端与具有预设性能无人船的数据驱动模糊自适应航向控制器的输出端相连，输出端分别与状态观测器和数据堆栈相连。所述无人船航向控制系统的输入信号包括控制器输出u；输出信号包括航向信息x₁，航向变化速度信息x₂和自适应参数信息ψ₁。

本实施例的一种具有预设性能的无人船数据驱动模糊航向控制方法，提出一种具有预设性能约束的策略，使得无人船的航向跟踪误差可以收敛到一个预设的小范围的界内并且所用性能函数可以任意调整收敛速率以满足实际需求。所建立的数据驱动模糊自适应律，能够在无人船航向控制系统受到复杂气流和极端天气带来的外部干扰的情况下，实现航向跟踪的任务，提高了控制策略的鲁棒性和抗干扰性能，并且是能够同时使用历史数据和实时数据进行自适应的自适应律，解决了现有技术中的估计误差受环境影响大，当无人船受到复杂气流和极端天气带来的外部干扰的情况下，控制效果会大打折扣的问题，使得系统状态的估计效果更好，收敛速度更快，航向跟踪误差更小。

本发明的一个实施例如下：如图2展示了具有预设性能无人船的数据驱动模糊航向控制系统，包括无人船航向控制系统，预设性能约束，状态观测器，数据堆栈，数据驱动模糊自适应律，具有预设性能的数据驱动模糊自适应无人船航向控制器。

实施例中以大连海事大学“蓝信”号为例，设T＝0.707,K＝1.102,α＝0.332,具体的无人船航向控制模型设计如下：

y＝x₁

其中g₁(x)＝1,/> w表示环境干扰，是一个随机信号。

虚拟控制律α₁，数据驱动模糊自适应律和实际控制律设计如下：

其中c₁,c₂是控制器设计参数； 表示期望轨迹y_d的导数；v(t)表示跟踪误差；μ(t)表示预设性能函数；

进一步地，本案例设计的具体参数如下：k₁＝4,k₂＝4,d₀＝0.5,c₁＝0.1,c₂＝30,κ₁＝1,ρ＝1,o₁＝0.2,θ₁＝1.2,θ₂＝1,S_l＝1,S_u＝1。选取预设性能函数为将x₁,x₂的初值设为：x₁(0)＝0.1,x₂(0)＝0,μ(0)＝2。

进一步地，本案例的仿真结果如图3、4所示：图3是航向跟踪误差和性能包络示意图，从图3中可以看出，在外部扰动作用下，航向跟踪误差能够收敛到预设的性能包络内而且融入数据驱动方法得出的的跟踪误差要小于未使用的。图4控制输入u的示意图，可以看出融入数据驱动后航向控制受外界扰动的影响更小。

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 (5)

1.一种具有预设性能的无人船数据驱动模糊航向控制方法，其特征在于，包括如下步骤：

S1：建立考虑环境干扰的无人船航向控制模型；

S2：选取预设性能函数，获取预设性能约束参数；

S3：根据所述无人船航向控制模型，建立状态观测器；获取估计的航向信息及估计的航向变化速度信息，以获取航向信息的观测误差及航向变化速度信息的观测误差；

S4：根据历史数据堆栈和所述无人船航向控制模型，建立数据驱动模糊自适应律，以获取自适应参数的估计值；

S5：根据所述预设性能约束参数、航向信息的观测误差及航向变化速度信息的观测误差和自适应参数的估计值，建立具有预设性能约束的无人船数据驱动模糊自适应航向控制器，以对具有预设性能的无人船航向进行控制；

所述S5中，具有预设性能约束的无人船数据驱动模糊自适应航向控制器建立如下：

式中：z₂表示误差面，/>表示x₂的估计值即估计的航向变化速度信息；∈₂是滤波后的虚拟控制律；α₁是虚拟控制律，/> 为中间设计参数，m表示预设性能约束参数；c₁，c₂是控制器设计参数，κ₁，ρ和o₁是自适应律设计参数，θ₁和θ₂是学习增益，τ表示未知函数的逼近误差，D_k表示模糊逻辑系统参数向量的内积；G_k表示k时刻的模糊逻辑系统参数向量/>n_k表示k时刻的状态x₁的导数；是自适应参数信息ψ₁的估计值；μ(t)是预设性能函数，v(t)是跟踪误差，/>是y_d的导数，是μ(t)的导数，/>是∈₂的导数；k表示时刻；p是堆栈长度；/>表示数据驱动模糊自适应律；y_d是参考信号，即期望轨迹；u为无人船航向控制系统的输入即舵角；k₁、k₂均为观测器增益，/>代表无人船航向控制系统输出；/>表示实数集。

2.根据权利要求1所述的一种具有预设性能的无人船数据驱动模糊航向控制方法，其特征在于，所述S1中，建立无人船航向控制模型方法如下：

引入Norrbin非线性模型来描述船的航向特征：

式中：T是时间常数；ψ是航向；α是可通过转向试验确定的Norrbin系数；K是增益常数；δ是实际控制舵角；δ_w为受船舶上海浪等环境干扰而产生的等效干扰舵角；表示二阶求导运算；/>表示一阶求导运算；

选择状态变量控制变量u＝δ，将Norrbin非线性模型写为如下形式：

其中：θ₀＝K/T是控制系数，θ_j是未知常数，其中，θ₁＝-1/T，θ₂＝-α/T；为中间参数，其中，/>u为无人船航向控制系统的输入即舵角；w表示环境干扰，w＝Kδ_w/T；x₁表示航向信息；x₂表示航向变化速度信息；

于是，所述无人船航向控制模型获取如下：

y＝x₁ (1-6)

其中，表示无人船航向控制系统的状态，/>表示n维向量空间；代表无人船航向控制系统的输入；/>代表无人船航向控制系统输出；/>表示实数集；f₁(x)、f₂(x)和g₁(x)均为未知光滑非线性函数；d(t)是有界外部干扰。

3.根据权利要求1所述的一种具有预设性能的无人船数据驱动模糊航向控制方法，其特征在于，所述S2中，获取预设性能约束参数方法如下：

定义航向跟踪误差v(t)如下：

v(t)＝y-y_d (1-7)

其中：y_d是参考信号，即期望轨迹；

构造预设性能边界如下：

-S_lμ(t)＜v(t)＜S_uμ(t) (1-8)

其中，S_l和S_u是正标量，如果v(0)＞0，那么S_u＝1，0＜S_l≤1，如果v(0)＜0，那么S_l＝1，0＜S_u≤1；μ(t)表示预设性能函数；v(0)表示跟踪误差的初值；

其中，选取预设性能函数μ(t)：

其中，β(-)是局部李普希茨连续的κ_∞函数；μ^∞表示预设性能函数的终值；μ(0)表示预设性能函数的初值；

定义误差转换函数如下：

获得所述预设性能约束参数如下：

其中：m表示设计的预设性能约束参数；d₀表示状态演化速度设计参数；表示状态稳定性指示函数；/>表示误差转换函数；

其中定义如下：

4.根据权利要求1所述的一种具有预设性能的无人船数据驱动模糊航向控制方法，其特征在于，所述S3中，所述状态观测器建立如下：

其中

其中k₁、k₂均为观测器增益，为x₁的估计值即估计的航向信息，/>为x₂的估计值即估计的航向变化速度信息；A，K，B₂，C均为中间计算参数。

5.根据权利要求1所述的一种具有预设性能的无人船数据驱动模糊航向控制方法，其特征在于，所述S4中，所述数据驱动模糊自适应律建立如下：

其中，κ₁，ρ和o₁是自适应律设计参数，λ₁和θ₂是学习增益，/>是自适应参数信息ψ₁的估计值；τ表示未知函数的逼近误差，D_k表示模糊逻辑系统参数向量/>的内积；G_k表示k时刻的模糊逻辑系统参数向量/>n_k表示k时刻状态x₁的导数；k表示时刻；p表示堆栈长度。