CN117369481B - 一种状态受限下的无人潜航器避障跟踪控制方法 - Google Patents
一种状态受限下的无人潜航器避障跟踪控制方法 Download PDFInfo
- Publication number
- CN117369481B CN117369481B CN202311652927.9A CN202311652927A CN117369481B CN 117369481 B CN117369481 B CN 117369481B CN 202311652927 A CN202311652927 A CN 202311652927A CN 117369481 B CN117369481 B CN 117369481B
- Authority
- CN
- China
- Prior art keywords
- unit
- attitude
- submarine
- neural network
- output
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 166
- 238000013528 artificial neural network Methods 0.000 claims description 125
- 230000008569 process Effects 0.000 claims description 109
- 230000004913 activation Effects 0.000 claims description 68
- 238000005381 potential energy Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 7
- 230000003213 activating effect Effects 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims 1
- 230000006870 function Effects 0.000 description 95
- 238000010586 diagram Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000013016 damping Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种状态受限下的无人潜航器避障跟踪控制方法,获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息,并构建位置控制器;获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数,并构建姿态控制器;将构建的位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;其中,位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态;本发明能够使得潜航器位置状态和姿态状态可以被约束到期望的界限中,保证其在实际受限场景中的正常工作。
Description
技术领域
本发明属于工业过程控制技术领域,尤其涉及一种状态受限下的无人潜航器避障跟踪控制方法。
背景技术
无人潜航器作为水下智能化装备,能够在恶劣的海洋环境中自主航行,并携带多种任务载荷,用途涵盖海洋调查、海底勘探、海洋环境侦察和水下作业等多个领域,成为海洋工程装备的重要力量,具有广阔的应用价值,是当前海上装备的研究热点。
现有的无人潜航器主要是按照预先设定的航线自主航行,而航向保持以及跟踪控制是自主航行的关键,工程上往往采用PID(比例-积分-微分)控制结构,通过船舶水池试验,获得无人潜航器的水动力系数以及舵效,在动力学模型基础上,采用根轨迹理论设计控制参数。但是现有的技术手段均未考虑系统状态受限情况下控制问题,未考虑潜航器在实际场景中位置和姿态需保持在设定范围内问题。
发明内容
本发明的目的在于克服现有技术中的不足,提供一种状态受限下的无人潜航器避障跟踪控制方法,解决现有的技术手段虽然能够对无人潜航器进行航行控制,但是没有考虑系统状态受限,无法保证在实际场景中位置和姿态需保持在设定范围内的技术问题。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种状态受限下的无人潜航器避障跟踪控制方法,包括:
获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息;
基于所述潜航器位置期望坐标和所述位置信息构建位置控制器;
获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数;
基于所述潜航器期望偏航角、所述姿态信息以及所述位置控制参数构建姿态控制器;
将构建的所述位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;
其中,所述位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;所述姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态。
可选的,所述位置控制器包括:
位置跟踪误差单元,所述位置跟踪误差单元的输入为潜航器位置坐标和潜航器位置期望坐标;
位置障碍函数单元,所述位置障碍函数单元的输入为位置受限参数和位置跟踪误差单元的输出;
势能函数单元,所述势能函数单元的输入为潜航器位置坐标和障碍物位置坐标,输出为势能函数偏导;
位置系统虚拟控制律单元,所述位置系统虚拟控制律单元的输入为位置跟踪误差单元、位置障碍函数单元以及势能函数单元的输出;
位置面误差单元,所述位置面误差单元的输入为位置系统状态和位置系统虚拟控制律单元的输出;
位置系统跟踪微分器单元,所述位置系统跟踪微分器单元的输入为位置系统虚拟控制律单元的输出;
位置系统神经网络激活函数单元,所述位置系统神经网络激活函数单元的输入为位置系统状态和位置控制运算单元的输出;
位置系统神经网络权值更新单元,所述位置系统神经网络权值更新单元的输入为位置系统神经网络激活函数单元和位置预估误差单元的输出;
位置系统预估器单元,所述位置系统预估器单元的输入为位置系统神经网络激活函数单元、位置系统神经网络权值更新单元、位置预估误差单元、位置系统扰动观测器单元以及位置控制运算单元的输出;
位置预估误差单元,所述位置预估误差单元的输入为位置系统状态和位置系统预估器单元的输出;
位置系统扰动观测器单元,所述位置系统扰动观测器单元的输入为位置系统预估器单元、位置系统神经网络激活函数单元、位置系统神经网络权值更新单元以及位置控制运算单元的输出;
位置控制运算单元,所述位置控制运算单元的输入为位置系统跟踪微分器单元、位置面误差单元、位置系统预估器单元、位置系统神经网络激活函数单元、位置系统神经网络权值更新单元以及位置系统扰动观测器单元的输出。
可选的,所述位置跟踪误差单元的运算过程为:
根据潜航器位置坐标和潜航器位置期望坐标,计算位置跟踪误差:
;
所述位置障碍函数单元的运算过程为:
根据位置跟踪误差和位置受限参数,计算位置障碍参数:
;
式中,位置受限参数,为待标定参数;
所述势能函数单元的运算过程为:
根据潜航器位置坐标和第个障碍物的障碍物位置坐标,计算势能函数:
;
式中,,为潜航器和第个障碍物的间距,为潜航器对障碍物的探测距离,为潜航器的最小避障距离;
根据势能函数对位置坐标求偏导:
;
所述位置系统虚拟控制律单元的运算过程为:
根据位置跟踪误差、位置障碍参数以及势能函数偏导,计算位置系统虚拟控制律:
;
所述位置面误差单元的运算过程为:
根据位置系统虚拟控制律和位置系统状态,计算位置面误差:
;
所述位置系统跟踪微分器的运算过程为:
根据位置系统虚拟控制律,计算位置系统跟踪微分器输出的导数:
;
式中,为位置系统跟踪微分器的内部状态,为内部状态的导数,为位置系统跟踪微分器的速度因子,为位置系统跟踪微分器的滤波因子;
所述位置系统神经网络激活函数单元的运算过程为:
根据位置系统状态和位置控制参数,计算位置系统神经网络激活函数:
;
;
;
;
式中,为位置系统状态中元素,为位置控制参数中元素,为激活函数中心值,为激活函数宽度,为待标定参数;
所述位置系统神经网络权值更新单元的运算过程为:
根据位置系统神经网络激活函数和位置预估误差,计算位置系统神经网络权值更新函数:
;
;
;
;
式中,为位置预估误差中元素,为待标定参数,;
所述位置系统预估器单元的运算过程为:
根据位置控制参数、扰动观测量、位置系统神经网络激活函数、位置系统神经网络权值更新函数以及位置预估误差,计算位置系统预估器输出的导数:
;
式中,,为待标定参数;
所述位置预估误差单元的运算过程为:
根据位置系统预估器输出和位置系统状态,计算位置预估误差:
;
所述位置系统扰动观测器单元的运算过程为:
根据位置控制参数、位置系统神经网络激活函数、位置系统神经网络权值更新函数、位置预估误差以及位置系统预估器输出,计算扰动观测量:
;
;
式中,,和为待标定参数;
所述位置控制运算单元的运算过程为:
根据位置系统神经网络激活函数、位置系统神经网络权值更新函数、位置预估误差、位置面误差、扰动观测量以及位置系统跟踪微分器输出,计算位置控制参数:
。
可选的,所述姿态控制器包括:
期望姿态角单元,所述期望姿态角单元的输入为潜航器期望偏航角和位置控制运算单元的输出;
姿态跟踪误差单元,所述姿态跟踪误差单元的输入为潜航器姿态和期望姿态角单元的输出;
姿态障碍函数单元,所述姿态障碍函数单元的输入为姿态受限参数和姿态跟踪误差单元的输出;
姿态系统虚拟控制律单元,所述姿态系统虚拟控制律单元的输入为姿态跟踪误差单元和姿态障碍函数单元;
姿态面误差单元,所述姿态面误差单元的输入为姿态系统状态和姿态系统虚拟控制律单元的输出;
姿态系统跟踪微分器单元,所述姿态系统跟踪微分器单元的输入为姿态系统虚拟控制律单元的输出;
姿态系统神经网络激活函数单元,所述姿态系统神经网络激活函数单元的输入为姿态系统状态和姿态控制运算单元的输出;
姿态系统神经网络权值更新单元,所述姿态系统神经网络权值更新单元的输入为姿态系统神经网络激活函数单元和姿态预估误差单元的输出;
姿态系统预估器单元,所述姿态系统预估器单元的输入为姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元、姿态预估误差单元、姿态系统扰动观测器单元以及姿态控制运算单元的输出;
姿态预估误差单元,所述姿态预估误差单元的输入为姿态系统状态和姿态系统预估器单元的输出;
姿态系统扰动观测器单元,所述姿态系统扰动观测器单元的输入为姿态系统预估器单元、姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元以及姿态控制运算单元的输出;
姿态控制运算单元,所述姿态控制运算单元的输入为姿态受限参数、姿态系统跟踪微分器单元、姿态面误差单元、姿态系统预估器单元、姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元以及姿态系统扰动观测器单元的输出。
可选的,所述期望姿态角的运算过程为:
根据位置控制参数和潜航器期望偏航角,计算潜航器期望姿态:
;
;
;
所述姿态跟踪误差单元的运算过程为:
根据潜航器期望姿态和潜航器姿态,计算姿态跟踪误差:
;
所述姿态障碍函数单元的的运算过程为:
根据姿态跟踪误差和姿态受限参数,计算姿态障碍参数:
;
式中,姿态受限参数,为待标定参数;
所述姿态系统虚拟控制律单元的运算过程为:
根据姿态跟踪误差和姿态障碍参数,计算姿态系统虚拟控制律:
;
所述姿态面误差单元的运算过程为:
根据姿态系统虚拟控制律和姿态系统状态,计算姿态面误差:
;
所述姿态系统跟踪微分器单元的运算过程为:
根据姿态系统虚拟控制律,计算姿态系统跟踪微分器输出的导数:
;
式中,为姿态系统跟踪微分器的内部状态,为内部状态的导数,为姿态系统跟踪微分器的速度因子,为姿态系统跟踪微分器的滤波因子;
所述姿态系统神经网络激活函数单元的运算过程为:
根据姿态系统状态和姿态控制参数,计算姿态系统神经网络激活函数:
;
;
;
;
式中,为姿态系统状态中元素,为姿态控制参数中元素,为待标定参数;
所述姿态系统神经网络权值更新单元的运算过程为:
根据姿态系统神经网络激活函数和姿态预估误差,计算姿态系统神经网络权值更新函数:
;
;
;
;
式中,为姿态预估误差中元素,为待标定参数,;
所述姿态系统预估器单元的运算过程为:
根据姿态控制参数、扰动观测量、姿态系统神经网络激活函数、姿态系统神经网络权值更新函数以及姿态预估误差,计算姿态系统预估器输出的导数:
;
式中,,为待标定参数;
所述姿态预估误差单元的运算过程为:
根据姿态系统预估器输出和姿态系统状态,计算姿态预估误差:
;
所述姿态系统扰动观测器单元的运算过程为:
根据姿态控制参数、姿态系统神经网络激活函数、姿态系统神经网络权值更新函数、姿态预估误差以及姿态系统预估器输出,计算扰动观测量:
;
;
式中,,和为待标定参数;
所述姿态控制运算单元的运算过程为:
根据姿态系统神经网络激活函数、姿态系统神经网络权值更新函数、姿态预估误差、姿态面误差、扰动观测量以及姿态系统跟踪微分器输出,计算姿态控制参数:
;
式中,、为待标定参数,为姿态受限参数。
第二方面,本发明提供了一种状态受限下的无人潜航器避障跟踪控制装置,所述装置包括:
位置数据获取模块,用于获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息;
位置控制器构建模块,用于基于所述潜航器位置期望坐标和所述位置信息构建位置控制器;
姿态数据获取模块,用于获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数;
姿态控制器构建模块,用于基于所述潜航器期望偏航角、所述姿态信息以及所述位置控制参数构建姿态控制器;
控制器部署模块,用于将构建的所述位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;
其中,所述位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;所述姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态。
第三方面,一种电子设备,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行上述方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
与现有技术相比,本发明所达到的有益效果:
本发明提供的一种状态受限下的无人潜航器避障跟踪控制方法,根据提供的期望信号,在考虑位置、姿态受限参数下利用潜航器位置、姿态系统的信息设计跟踪控制器,使得潜航器输出和期望信号保持一致;使得潜航器位置状态和姿态状态可以被约束到期望的界限中,保证无人潜航器在实际受限场景中的正常工作。
附图说明
图1是本发明实施例提供的状态受限下的无人潜航器避障跟踪控制方法的流程示意图。
图2是本发明实施例提供的位置控制器和姿态控制器的构造示意图。
图3是本发明实施例提供的无人潜航器避障跟踪的效果图。
图4是本发明实施例提供的无人潜航器状态受限的效果图。
图5是本发明实施例提供的无人潜航器位置方向跟踪的效果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例一:
如图1所示,本实施例提供的一种状态受限下的无人潜航器避障跟踪控制方法,包括以下步骤:
步骤S1、获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息;
步骤S2、基于潜航器位置期望坐标和位置信息构建位置控制器;
步骤S3、获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数;
步骤S4、基于潜航器期望偏航角、姿态信息以及位置控制参数构建姿态控制器;
步骤S5、将构建的位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;
其中,位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态。
本实施例选取一个潜航器系统为例,数学模型为:
定义惯性坐标系下位置矢量和机体坐标系下的姿态角矢量,其中,为惯性系下三维位置,为潜航器的姿态,为横滚角,为纵倾角,为偏航角;由于潜航器是类四旋翼结构,因此结合四旋翼飞行器和航行器的运动学和动力学模型,建立本潜航器的位置系统运动学和动力学模型为:
;
其中,为机体坐标系到惯性坐标系线速度旋转矩阵,为潜航器在机体坐标系下的线速度,分别表示潜航器的纵向、横向和垂向速度,为潜航器质量,为哥氏力矩阵(该项是为了在机体坐标系下潜航器依然能够满足牛顿第二定律的假象力,实际中并不存在),为阻尼矩阵,为潜航器的重力和浮力产生的合力,为控制输入力矩,为潜航器所受外力(包括水管中水流对潜航器的作用力)。
根据类四旋翼模型特性潜航器运动学模型控制输入,和为机身两旁的推进器提供的动力,仅作用与潜航器自身坐标系y轴方向, 为机身四周四个螺旋桨提供动力之和,重力和浮力合力为,其中,为潜航器质量,为重力加速度,为环境水密度,为潜航器体积。潜航器质量矩阵,潜航器位置受限范围为。
潜航器的姿态系统运动学和动力学模型为:
;
其中,为角度旋转矩阵,为潜航器在机体坐标系下的角速度,分别表示潜航器的横滚角速度、横滚角速度和横滚角速度,为潜航器转动惯量矩阵,为哥氏力矩阵,为阻尼矩阵,为姿态控制输入力矩,为潜航器姿态所受外力。根据类四旋翼模型特性潜航器姿态控制输入,其中姿态控制输入力矩与螺旋桨转速之间关系为:
;
其中,为螺旋桨到机体坐标轴距离,、为螺旋桨动力系数,为对应螺旋桨转速,潜航器姿态受限范围为。
如图2所示,位置控制器包括:
(1)位置跟踪误差单元,位置跟踪误差单元的输入为潜航器位置坐标和潜航器位置期望坐标;位置跟踪误差单元的运算过程为:
根据潜航器位置坐标和潜航器位置期望坐标,计算位置跟踪误差:
;
(2)位置障碍函数单元,位置障碍函数单元的输入为位置受限参数和位置跟踪误差单元的输出;位置障碍函数单元的运算过程为:
根据位置跟踪误差和位置受限参数,计算位置障碍参数:
;
式中,位置受限参数,为待标定参数;
(3)势能函数单元,势能函数单元的输入为潜航器位置坐标和障碍物位置坐标,输出为势能函数偏导;势能函数单元的运算过程为:
根据潜航器位置坐标和第个障碍物的障碍物位置坐标,计算势能函数:
;
式中,,为潜航器和第个障碍物的间距,为潜航器对障碍物的探测距离,为潜航器的最小避障距离;
根据势能函数对位置坐标求偏导:
;
(4)位置系统虚拟控制律单元,位置系统虚拟控制律单元的输入为位置跟踪误差单元、位置障碍函数单元以及势能函数单元的输出;位置系统虚拟控制律单元的运算过程为:
根据位置跟踪误差、位置障碍参数以及势能函数偏导,计算位置系统虚拟控制律:
;
(5)位置面误差单元,位置面误差单元的输入为位置系统状态和位置系统虚拟控制律单元的输出;位置面误差单元的运算过程为:
根据位置系统虚拟控制律和位置系统状态,计算位置面误差:
;
(6)位置系统跟踪微分器单元,位置系统跟踪微分器单元的输入为位置系统虚拟控制律单元的输出;位置系统跟踪微分器的运算过程为:
根据位置系统虚拟控制律,计算位置系统跟踪微分器输出的导数:
;
式中,为位置系统跟踪微分器的内部状态,为内部状态的导数,为位置系统跟踪微分器的速度因子,为位置系统跟踪微分器的滤波因子;
(7)位置系统神经网络激活函数单元,位置系统神经网络激活函数单元的输入为位置系统状态和位置控制运算单元的输出;位置系统神经网络激活函数单元的运算过程为:
根据位置系统状态和位置控制参数,计算位置系统神经网络激活函数:
;
;
;
;
式中,为位置系统状态中元素,为位置控制参数中元素,为激活函数中心值,为激活函数宽度,为待标定参数;
(8)位置系统神经网络权值更新单元,位置系统神经网络权值更新单元的输入为位置系统神经网络激活函数单元和位置预估误差单元的输出;位置系统神经网络权值更新单元的运算过程为:
根据位置系统神经网络激活函数和位置预估误差,计算位置系统神经网络权值更新函数:
;
;
;
;
式中,为位置预估误差中元素,为待标定参数,;
(9)位置系统预估器单元,位置系统预估器单元的输入为位置系统神经网络激活函数单元、位置系统神经网络权值更新单元、位置预估误差单元、位置系统扰动观测器单元以及位置控制运算单元的输出;位置系统预估器单元的运算过程为:
根据位置控制参数、扰动观测量、位置系统神经网络激活函数、位置系统神经网络权值更新函数以及位置预估误差,计算位置系统预估器输出的导数:
;
式中,,为待标定参数;
(10)位置预估误差单元,位置预估误差单元的输入为位置系统状态和位置系统预估器单元的输出;位置预估误差单元的运算过程为:
根据位置系统预估器输出和位置系统状态,计算位置预估误差:
;
(11)位置系统扰动观测器单元,位置系统扰动观测器单元的输入为位置系统预估器单元、位置系统神经网络激活函数单元、位置系统神经网络权值更新单元以及位置控制运算单元的输出;位置系统扰动观测器单元的运算过程为:
根据位置控制参数、位置系统神经网络激活函数、位置系统神经网络权值更新函数、位置预估误差以及位置系统预估器输出,计算扰动观测量:
;
;
式中,,和为待标定参数;
(12)位置控制运算单元,位置控制运算单元的输入为位置系统跟踪微分器单元、位置面误差单元、位置系统预估器单元、位置系统神经网络激活函数单元、位置系统神经网络权值更新单元以及位置系统扰动观测器单元的输出;位置控制运算单元的运算过程为:
根据位置系统神经网络激活函数、位置系统神经网络权值更新函数、位置预估误差、位置面误差、扰动观测量以及位置系统跟踪微分器输出,计算位置控制参数:
。
如图2所示,姿态控制器包括:
(1)期望姿态角单元,期望姿态角单元的输入为潜航器期望偏航角和位置控制运算单元的输出;期望姿态角的运算过程为:
根据位置控制参数和潜航器期望偏航角,计算潜航器期望姿态:
;
;
;
(2)姿态跟踪误差单元,姿态跟踪误差单元的输入为潜航器姿态和期望姿态角单元的输出;姿态跟踪误差单元的运算过程为:
根据潜航器期望姿态和潜航器姿态,计算姿态跟踪误差:
;
(3)姿态障碍函数单元,姿态障碍函数单元的输入为姿态受限参数和姿态跟踪误差单元的输出;姿态障碍函数单元的的运算过程为:
根据姿态跟踪误差和姿态受限参数,计算姿态障碍参数:
;
式中,姿态受限参数,为待标定参数;
(4)姿态系统虚拟控制律单元,姿态系统虚拟控制律单元的输入为姿态跟踪误差单元和姿态障碍函数单元;姿态系统虚拟控制律单元的运算过程为:
根据姿态跟踪误差和姿态障碍参数,计算姿态系统虚拟控制律:
;
(5)姿态面误差单元,姿态面误差单元的输入为姿态系统状态和姿态系统虚拟控制律单元的输出;姿态面误差单元的运算过程为:
根据姿态系统虚拟控制律和姿态系统状态,计算姿态面误差:
;
(6)姿态系统跟踪微分器单元,姿态系统跟踪微分器单元的输入为姿态系统虚拟控制律单元的输出;姿态系统跟踪微分器单元的运算过程为:
根据姿态系统虚拟控制律,计算姿态系统跟踪微分器输出的导数:
;
式中,为姿态系统跟踪微分器的内部状态,为内部状态的导数,为姿态系统跟踪微分器的速度因子,为姿态系统跟踪微分器的滤波因子;
(7)姿态系统神经网络激活函数单元,姿态系统神经网络激活函数单元的输入为姿态系统状态和姿态控制运算单元的输出;姿态系统神经网络激活函数单元的运算过程为:
根据姿态系统状态和姿态控制参数,计算姿态系统神经网络激活函数:
;
;
;
;
式中,为姿态系统状态中元素,为姿态控制参数中元素,为待标定参数;
(8)姿态系统神经网络权值更新单元,姿态系统神经网络权值更新单元的输入为姿态系统神经网络激活函数单元和姿态预估误差单元的输出;姿态系统神经网络权值更新单元的运算过程为:
根据姿态系统神经网络激活函数和姿态预估误差,计算姿态系统神经网络权值更新函数:
;
;
;
;
式中,为姿态预估误差中元素,为待标定参数,;
(9)姿态系统预估器单元,姿态系统预估器单元的输入为姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元、姿态预估误差单元、姿态系统扰动观测器单元以及姿态控制运算单元的输出;姿态系统预估器单元的运算过程为:
根据姿态控制参数、扰动观测量、姿态系统神经网络激活函数、姿态系统神经网络权值更新函数以及姿态预估误差,计算姿态系统预估器输出的导数:
;
式中,,为待标定参数;
(10)姿态预估误差单元,姿态预估误差单元的输入为姿态系统状态和姿态系统预估器单元的输出;姿态预估误差单元的运算过程为:
根据姿态系统预估器输出和姿态系统状态,计算姿态预估误差:
;
(11)姿态系统扰动观测器单元,姿态系统扰动观测器单元的输入为姿态系统预估器单元、姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元以及姿态控制运算单元的输出;姿态系统扰动观测器单元的运算过程为:
根据姿态控制参数、姿态系统神经网络激活函数、姿态系统神经网络权值更新函数、姿态预估误差以及姿态系统预估器输出,计算扰动观测量:
;
;
式中,,和为待标定参数;
(12)姿态控制运算单元,姿态控制运算单元的输入为姿态受限参数、姿态系统跟踪微分器单元、姿态面误差单元、姿态系统预估器单元、姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元以及姿态系统扰动观测器单元的输出;姿态控制运算单元的运算过程为:
根据姿态系统神经网络激活函数、姿态系统神经网络权值更新函数、姿态预估误差、姿态面误差、扰动观测量以及姿态系统跟踪微分器输出,计算姿态控制参数:
;
式中,、为待标定参数,为姿态受限参数。
仿真验证:
潜航器模型参数选择:
;
;
;
;
;
;
系统所受到扰动为、、。
潜航器控制参数选择:
、、、、、、、、、、、、、、、、、、、;期望轨迹信号,期望偏航角;无人潜航器初始位置,障碍物位置、。
如图3所示,在位置系统输入和姿态系统控制输入的作用下,无人潜航器跟踪期望轨迹。在系统运行7.8s时,在坐标(0,7.4,0)处,1号障碍物进入无人潜航器的探测范围,控制输入中的势能函数单元开始起作用,此时无人潜航器开始避开1号障碍物。系统运行时间10.8s时,在坐标(0,16.2,0)处,1号障碍物离开无人潜航器探测范围,无人潜航器跟踪期望轨迹。2号障碍物在系统运行18.6s时,在坐标(0,16.2,0)处,进入无人潜航器的探测范围,此时无人潜航器开始避开障碍物。系统运行时间7.2s时,2号障碍物离开无人潜航器探测范围,无人潜航器跟踪期望轨迹。图4为系统状态受限效果,可以看出无论无人潜航器是否遇到障碍物,无人潜航器的状态始终保持在限制范围内。图5为无人潜航器在位置矢量对期望信号的跟踪效果。
实施例二:
本发明实施例提供了一种状态受限下的无人潜航器避障跟踪控制装置,装置包括:
位置数据获取模块,用于获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息;
位置控制器构建模块,用于基于潜航器位置期望坐标和位置信息构建位置控制器;
姿态数据获取模块,用于获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数;
姿态控制器构建模块,用于基于潜航器期望偏航角、姿态信息以及位置控制参数构建姿态控制器;
控制器部署模块,用于将构建的位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;
其中,位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态。
实施例三:
基于实施例一,本发明实施例提供了一种电子设备,包括处理器及存储介质;
存储介质用于存储指令;
处理器用于根据指令进行操作以执行上述方法的步骤。
实施例四:
基于实施例一,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (4)
1.一种状态受限下的无人潜航器避障跟踪控制方法,其特征在于,包括:
获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息;
基于所述潜航器位置期望坐标和所述位置信息构建位置控制器;
获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数;
基于所述潜航器期望偏航角、所述姿态信息以及所述位置控制参数构建姿态控制器;
将构建的所述位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;
其中,所述位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;所述姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态;
所述位置控制器包括:
位置跟踪误差单元,所述位置跟踪误差单元的输入为潜航器位置坐标和潜航器位置期望坐标;
位置障碍函数单元,所述位置障碍函数单元的输入为位置受限参数和位置跟踪误差单元的输出;
势能函数单元,所述势能函数单元的输入为潜航器位置坐标和障碍物位置坐标,输出为势能函数偏导;
位置系统虚拟控制律单元,所述位置系统虚拟控制律单元的输入为位置跟踪误差单元、位置障碍函数单元以及势能函数单元的输出;
位置面误差单元,所述位置面误差单元的输入为位置系统状态和位置系统虚拟控制律单元的输出;
位置系统跟踪微分器单元,所述位置系统跟踪微分器单元的输入为位置系统虚拟控制律单元的输出;
位置系统神经网络激活函数单元,所述位置系统神经网络激活函数单元的输入为位置系统状态和位置控制运算单元的输出;
位置系统神经网络权值更新单元,所述位置系统神经网络权值更新单元的输入为位置系统神经网络激活函数单元和位置预估误差单元的输出;
位置系统预估器单元,所述位置系统预估器单元的输入为位置系统神经网络激活函数单元、位置系统神经网络权值更新单元、位置预估误差单元、位置系统扰动观测器单元以及位置控制运算单元的输出;
位置预估误差单元,所述位置预估误差单元的输入为位置系统状态和位置系统预估器单元的输出;
位置系统扰动观测器单元,所述位置系统扰动观测器单元的输入为位置系统预估器单元、位置系统神经网络激活函数单元、位置系统神经网络权值更新单元以及位置控制运算单元的输出;
位置控制运算单元,所述位置控制运算单元的输入为位置系统跟踪微分器单元、位置面误差单元、位置系统预估器单元、位置系统神经网络激活函数单元、位置系统神经网络权值更新单元以及位置系统扰动观测器单元的输出;
所述位置跟踪误差单元的运算过程为:
根据潜航器位置坐标和潜航器位置期望坐标,计算位置跟踪误差:
;
所述位置障碍函数单元的运算过程为:
根据位置跟踪误差和位置受限参数,计算位置障碍参数:
;
式中,位置受限参数,为待标定参数;
所述势能函数单元的运算过程为:
根据潜航器位置坐标和第个障碍物的障碍物位置坐标,计算势能函数:
;
式中,,为潜航器和第个障碍物的间距,为潜航器对障碍物的探测距离,为潜航器的最小避障距离;
根据势能函数对位置坐标求偏导:
;
所述位置系统虚拟控制律单元的运算过程为:
根据位置跟踪误差、位置障碍参数以及势能函数偏导,计算位置系统虚拟控制律:
;
所述位置面误差单元的运算过程为:
根据位置系统虚拟控制律和位置系统状态,计算位置面误差:
;
所述位置系统跟踪微分器的运算过程为:
根据位置系统虚拟控制律,计算位置系统跟踪微分器输出的导数:
;
式中,为位置系统跟踪微分器的内部状态,为内部状态的导数,为位置系统跟踪微分器的速度因子,为位置系统跟踪微分器的滤波因子;
所述位置系统神经网络激活函数单元的运算过程为:
根据位置系统状态和位置控制参数,计算位置系统神经网络激活函数:
;
;
;
;
式中,为位置系统状态中元素,为位置控制参数中元素,为激活函数中心值,为激活函数宽度,为待标定参数;
所述位置系统神经网络权值更新单元的运算过程为:
根据位置系统神经网络激活函数和位置预估误差,计算位置系统神经网络权值更新函数:
;
;
;
;
式中,为位置预估误差中元素,为待标定参数,;
所述位置系统预估器单元的运算过程为:
根据位置控制参数、扰动观测量、位置系统神经网络激活函数、位置系统神经网络权值更新函数以及位置预估误差,计算位置系统预估器输出的导数:
;
式中,,为待标定参数;
所述位置预估误差单元的运算过程为:
根据位置系统预估器输出和位置系统状态,计算位置预估误差:
;
所述位置系统扰动观测器单元的运算过程为:
根据位置控制参数、位置系统神经网络激活函数、位置系统神经网络权值更新函数、位置预估误差以及位置系统预估器输出,计算扰动观测量:
;
;
式中,,和为待标定参数;
所述位置控制运算单元的运算过程为:
根据位置系统神经网络激活函数、位置系统神经网络权值更新函数、位置预估误差、位置面误差、扰动观测量以及位置系统跟踪微分器输出,计算位置控制参数:
;
所述姿态控制器包括:
期望姿态角单元,所述期望姿态角单元的输入为潜航器期望偏航角和位置控制运算单元的输出;
姿态跟踪误差单元,所述姿态跟踪误差单元的输入为潜航器姿态和期望姿态角单元的输出;
姿态障碍函数单元,所述姿态障碍函数单元的输入为姿态受限参数和姿态跟踪误差单元的输出;
姿态系统虚拟控制律单元,所述姿态系统虚拟控制律单元的输入为姿态跟踪误差单元和姿态障碍函数单元;
姿态面误差单元,所述姿态面误差单元的输入为姿态系统状态和姿态系统虚拟控制律单元的输出;
姿态系统跟踪微分器单元,所述姿态系统跟踪微分器单元的输入为姿态系统虚拟控制律单元的输出;
姿态系统神经网络激活函数单元,所述姿态系统神经网络激活函数单元的输入为姿态系统状态和姿态控制运算单元的输出;
姿态系统神经网络权值更新单元,所述姿态系统神经网络权值更新单元的输入为姿态系统神经网络激活函数单元和姿态预估误差单元的输出;
姿态系统预估器单元,所述姿态系统预估器单元的输入为姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元、姿态预估误差单元、姿态系统扰动观测器单元以及姿态控制运算单元的输出;
姿态预估误差单元,所述姿态预估误差单元的输入为姿态系统状态和姿态系统预估器单元的输出;
姿态系统扰动观测器单元,所述姿态系统扰动观测器单元的输入为姿态系统预估器单元、姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元以及姿态控制运算单元的输出;
姿态控制运算单元,所述姿态控制运算单元的输入为姿态受限参数、姿态系统跟踪微分器单元、姿态面误差单元、姿态系统预估器单元、姿态系统神经网络激活函数单元、姿态系统神经网络权值更新单元以及姿态系统扰动观测器单元的输出;
所述期望姿态角的运算过程为:
根据位置控制参数和潜航器期望偏航角,计算潜航器期望姿态:
;
;
;
所述姿态跟踪误差单元的运算过程为:
根据潜航器期望姿态和潜航器姿态,计算姿态跟踪误差:
;
所述姿态障碍函数单元的的运算过程为:
根据姿态跟踪误差和姿态受限参数,计算姿态障碍参数:
;
式中,姿态受限参数,为待标定参数;
所述姿态系统虚拟控制律单元的运算过程为:
根据姿态跟踪误差和姿态障碍参数,计算姿态系统虚拟控制律:
;
所述姿态面误差单元的运算过程为:
根据姿态系统虚拟控制律和姿态系统状态,计算姿态面误差:
;
所述姿态系统跟踪微分器单元的运算过程为:
根据姿态系统虚拟控制律,计算姿态系统跟踪微分器输出的导数:
;
式中,为姿态系统跟踪微分器的内部状态,为内部状态的导数,为姿态系统跟踪微分器的速度因子,为姿态系统跟踪微分器的滤波因子;
所述姿态系统神经网络激活函数单元的运算过程为:
根据姿态系统状态和姿态控制参数,计算姿态系统神经网络激活函数:
;
;
;
;
式中,为姿态系统状态中元素,为姿态控制参数中元素,为待标定参数;
所述姿态系统神经网络权值更新单元的运算过程为:
根据姿态系统神经网络激活函数和姿态预估误差,计算姿态系统神经网络权值更新函数:
;
;
;
;
式中,为姿态预估误差中元素,为待标定参数,;
所述姿态系统预估器单元的运算过程为:
根据姿态控制参数、扰动观测量、姿态系统神经网络激活函数、姿态系统神经网络权值更新函数以及姿态预估误差,计算姿态系统预估器输出的导数:
;
式中,,为待标定参数;
所述姿态预估误差单元的运算过程为:
根据姿态系统预估器输出和姿态系统状态,计算姿态预估误差:
;
所述姿态系统扰动观测器单元的运算过程为:
根据姿态控制参数、姿态系统神经网络激活函数、姿态系统神经网络权值更新函数、姿态预估误差以及姿态系统预估器输出,计算扰动观测量:
;
;
式中,,和为待标定参数;
所述姿态控制运算单元的运算过程为:
根据姿态系统神经网络激活函数、姿态系统神经网络权值更新函数、姿态预估误差、姿态面误差、扰动观测量以及姿态系统跟踪微分器输出,计算姿态控制参数:
;
式中,、为待标定参数,为姿态受限参数。
2.一种状态受限下的无人潜航器避障跟踪控制装置,其特征在于,采用如权利要求1所述方法的步骤;所述装置包括:
位置数据获取模块,用于获取需求端输出的潜航器位置期望坐标和潜航器输出的位置信息;
位置控制器构建模块,用于基于所述潜航器位置期望坐标和所述位置信息构建位置控制器;
姿态数据获取模块,用于获取需求端输出的潜航器期望偏航角、潜航器输出的姿态信息以及位置控制器输出的位置控制参数;
姿态控制器构建模块,用于基于所述潜航器期望偏航角、所述姿态信息以及所述位置控制参数构建姿态控制器;
控制器部署模块,用于将构建的所述位置控制器和姿态控制器部署至潜航器,使其在获取到需求端输出的潜航器位置期望坐标和潜航器期望偏航角后,进行跟踪控制;
其中,所述位置信息包括潜航器位置坐标、位置受限参数、障碍物位置坐标以及位置系统状态;所述姿态信息包括潜航器姿态、姿态受限参数以及姿态系统状态。
3.一种电子设备,其特征在于,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据权利要求1所述方法的步骤。
4.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311652927.9A CN117369481B (zh) | 2023-12-05 | 2023-12-05 | 一种状态受限下的无人潜航器避障跟踪控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311652927.9A CN117369481B (zh) | 2023-12-05 | 2023-12-05 | 一种状态受限下的无人潜航器避障跟踪控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117369481A CN117369481A (zh) | 2024-01-09 |
CN117369481B true CN117369481B (zh) | 2024-02-20 |
Family
ID=89398762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311652927.9A Active CN117369481B (zh) | 2023-12-05 | 2023-12-05 | 一种状态受限下的无人潜航器避障跟踪控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117369481B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576693A (zh) * | 2013-11-11 | 2014-02-12 | 哈尔滨工程大学 | 基于二阶滤波器的水下机器人三维路径跟踪控制方法 |
WO2018126978A1 (en) * | 2017-01-04 | 2018-07-12 | Powervision Tech Inc. | Fish finder, unmanned detection vessel, and unmanned detection system |
CN108958294A (zh) * | 2018-09-25 | 2018-12-07 | 北京航空航天大学 | 无人水下潜航器编队控制方法及装置 |
CN110597069A (zh) * | 2019-10-17 | 2019-12-20 | 哈尔滨工程大学 | 一种基于rbf神经网络的水下机器人自适应区域动力定位控制方法 |
WO2020242318A1 (en) * | 2019-05-24 | 2020-12-03 | Equinor Energy As | Subsea node for docking underwater intervention drones, method and system |
CN114089763A (zh) * | 2021-11-19 | 2022-02-25 | 江苏科技大学 | 用于海底光缆铺设的多水下机器人编队与避碰控制方法 |
CN114296464A (zh) * | 2021-12-30 | 2022-04-08 | 武汉华威科智能技术有限公司 | 一种基于二维码导航的agv控制系统及方法 |
CN116859713A (zh) * | 2023-07-25 | 2023-10-10 | 南京邮电大学 | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107531229A (zh) * | 2015-03-03 | 2018-01-02 | 麻省理工学院 | 水下航行器设计和控制方法 |
-
2023
- 2023-12-05 CN CN202311652927.9A patent/CN117369481B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103576693A (zh) * | 2013-11-11 | 2014-02-12 | 哈尔滨工程大学 | 基于二阶滤波器的水下机器人三维路径跟踪控制方法 |
WO2018126978A1 (en) * | 2017-01-04 | 2018-07-12 | Powervision Tech Inc. | Fish finder, unmanned detection vessel, and unmanned detection system |
CN108958294A (zh) * | 2018-09-25 | 2018-12-07 | 北京航空航天大学 | 无人水下潜航器编队控制方法及装置 |
WO2020242318A1 (en) * | 2019-05-24 | 2020-12-03 | Equinor Energy As | Subsea node for docking underwater intervention drones, method and system |
CN110597069A (zh) * | 2019-10-17 | 2019-12-20 | 哈尔滨工程大学 | 一种基于rbf神经网络的水下机器人自适应区域动力定位控制方法 |
CN114089763A (zh) * | 2021-11-19 | 2022-02-25 | 江苏科技大学 | 用于海底光缆铺设的多水下机器人编队与避碰控制方法 |
CN114296464A (zh) * | 2021-12-30 | 2022-04-08 | 武汉华威科智能技术有限公司 | 一种基于二维码导航的agv控制系统及方法 |
CN116859713A (zh) * | 2023-07-25 | 2023-10-10 | 南京邮电大学 | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 |
Non-Patent Citations (8)
Title |
---|
A Time-Saving Path Planning Scheme for Autonomous Underwater Vehicles With Complex Underwater Conditions;Jiachen Yang等;IEEE Internet of Things Journal;第10卷(第2期);全文 * |
Global Path Planning for UUV Based on Grey Wolf-Particle Swarm Optimization;Liangang Yin等;2023 IEEE International Conference on Mechatronics and Automation (ICMA);全文 * |
MPC for 3-D Trajectory Tracking of UUV with Constraints Using Laguerre Functions;Wei Zhang等;OCEANS 2022, Hampton Roads;全文 * |
UPR-UPU-UR矢量推进机构的推进性能与位姿跟踪控制研究;杜晓强;中国优秀硕士学位论文全文数据库信息科技辑;全文 * |
基于Leader-Follower和一致性理论的多机器鱼避障控制研究;王强,等;工业控制计算机;第28卷(第12期);全文 * |
基于RBF神经网络的船舶自适应区域到达控制;孙晓明;徐庆;郑兴伟;霍海波;田中旭;;计算机测量与控制(第04期);全文 * |
基于多传感器的移动机器人自主探索建图系统的研究与实现;周建伟;中国优秀硕士学位论文全文数据库信息科技辑;全文 * |
基于滤波反步法的欠驱动AUV三维路径跟踪控制;王宏健;陈子印;贾鹤鸣;李娟;陈兴华;;自动化学报(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117369481A (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107168312B (zh) | 一种补偿uuv运动学和动力学干扰的空间轨迹跟踪控制方法 | |
Roberts et al. | Advances in unmanned marine vehicles | |
Mercado et al. | Aerial-underwater systems, a new paradigm in unmanned vehicles | |
Fischer et al. | Nonlinear RISE-based control of an autonomous underwater vehicle | |
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 | |
Encarnacao et al. | Path following for autonomous marine craft | |
Hou et al. | Can a simple control scheme work for a formation control of multiple autonomous underwater vehicles? | |
Jayasiri et al. | Dynamic positioning of vessels using a UKF-based observer and an NMPC-based controller | |
Ihle et al. | Nonlinear formation control of marine craft with experimental results | |
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 | |
CN111857165B (zh) | 一种水下航行器的轨迹跟踪控制方法 | |
Qiao et al. | Double-loop chattering-free adaptive integral sliding mode control for underwater vehicles | |
Hassanein et al. | Fuzzy modeling and control for autonomous underwater vehicle | |
Tang et al. | Adaptive fuzzy nonlinear integral sliding mode control for unmanned underwater vehicles based on ESO | |
Yuan et al. | An efficient control allocation algorithm for over-actuated AUVs trajectory tracking with fault-tolerant control | |
Barbera et al. | Attitude control for a pectoral fin actuated bio-inspired robotic fish | |
Zhang et al. | Heterogeneous cooperative trajectory tracking control between surface and underwater unmanned vehicles | |
Matouš et al. | Formation path following control of underactuated AUVs | |
CN117369481B (zh) | 一种状态受限下的无人潜航器避障跟踪控制方法 | |
Al Makdah et al. | Modeling and optimal three-dimensional trajectory tracking for an autonomous underwater vehicle | |
Elnashar | Dynamics modelling, performance evaluation and stability analysis of an autonomous underwater vehicle | |
Yu | Saturated backstepping control for boat with disturbance estimator | |
Sahoo et al. | Adaptive Neuro Fuzzy PID Controller for A Compact Autonomous Underwater Vehicle | |
Bian et al. | Visual docking control of an AUV with a moving station using a cross-tracking approach with unscented Kalman filtering | |
Refsnes et al. | A 6 DOF nonlinear observer for AUVs with experimental results |
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 |