Serret-Frenet框架下的神经滑模船舶路径跟踪控制

针对欠驱动船舶在恒定速度航行下的路径跟踪问题,提出了一种在Serret-Frenet框架下,基于输入输出线性化的神经滑模控制算法.该算法利用Serret-Frenet框架下船舶运动方程的推导形式,将其转换为类似于直线航迹控制的问题,采用神经网络对基于趋近律的滑模控制进行优化,解决了趋近律滑模控制对系统模型的依赖性,提高了控制器的鲁棒性,并设计了状态观测器对控制对象状态进行重构,以解决系统状态量测量误差对控制效果的影响.在无干扰和存在干扰及参数摄动的条件下分别进行了仿真,结果表明该控制律具有良好的跟踪性能.     

船舶运动路径跟踪迭代滑模控制设计

针对欠驱动船舶带有的内部不确定、外界干扰下路径跟踪控制问题,提出基于差分进化算法的自适应迭代滑模跟踪控制方法,以提高控制系统性能.以分离型船舶非线性模型为基础,利用绝对有界的双曲正切函数进行迭代滑模面设计.计算机仿真验证了该方法的可行性.     

船舶航向不对称信息理论与非线性逆推鲁棒控制算法

应用不对称信息理论和鲁棒控制算法简化非线性逆推算法,针对非线性船舶航向保持系统,设计了其Backstepping逆推控制器,由非线性函数项和常规线性控制器组成,将简化的Back-stepping法与闭环增益成形算法相结合,设计其非线性鲁棒控制器。通过非线性鲁棒控制器的控制能够使船舶无超调、无静差地跟踪设定航向,调节时间为600 s,符合船舶航行的实际情况,控制效果良好;当系统增加干扰后,系统的控制输出除了因干扰产生的抖动外,其跟踪性能仍然较好,航向输出无静差,说明控制器具有一定的鲁棒性;是否全部对消非线性项,对其控制效果相差不大,说明当模型发生参数摄动时,系统的控制性能仍能保证。     

船舶进出港低速航向保持

为了在船舶进出港时,船舶处于浅水域并以低速航行,在风、浪等强扰动作用下,增强航向控制性能,减小能源损耗,选择三阶Nomoto模型,将航速和水深变化反映到模型参数的变化上,基于闭环增益成形算法设计出一种具有适应性的鲁棒PID控制器,建立基于风、浪干扰的非线性船舶运动数学模型,并用S函数来实现。用PID控制器对非线性船舶运动数学模型进行控制,在Simulink环境中对各种水深、船速及海况进行航向控制仿真。从仿真曲线可看出其航向跟踪效果良好,静差为0,且施舵合理,所设计的控制器对非线性船舶运动数学模型具有良好的控制性能。     

欠驱动船舶非线性滑模靠泊控制器

为了准确控制典型靠泊操纵,分析了带有加速度非完整约束的欠驱动水面船舶的自动靠泊问题,设计了动态输出反馈控制器。利用递归分解迭代设计方法,在扩展状态空间定义了非线性滑模,将控制系统的轨迹设计与跟踪问题转化为标量零阶系统的镇定控制问题,结合增量反馈技术,无需对不确定模型参数以及风、流干扰进行估计,完成典型靠泊操纵的自动控制。仿真结果表明:控制器对干扰变化不敏感,具有强的鲁棒性,且船舶平面运动轨迹设计过程简单,可以仅通过一个参数进行轨迹调节。     

不完全驱动船舶非线性控制

介绍了不完全驱动系统及其意义，建立了船舶港内自动靠离泊模型和海上航运控制模型。以船舶在大洋航行或长距离转向点间航行中经常发生的直线轨迹跟踪为例，运用输入-输出线性化设计方法，给出了一个具有渐近跟踪能力的控制律。将该控制律应用于一个实例，并用Matlab语言进行了计算机仿真，结果表明该控制器可以解决船舶的不完全控制问题。     

船舶航迹迭代非线性滑模增量反馈控制算法

分析了带有状态变量及控制输入约束条件的欠驱动船舶航迹控制问题,结合增量反馈技术,对控制系统输出进行动态非线性滑动模态分解迭代设计,提出了一种基于分解迭代非线性滑模的船舶航迹增量反馈控制方法,以避免定常干扰引起的稳态误差及变结构控制的抖振问题,无需对不确定风、流干扰以及模型参数进行估计,能够同时稳定船舶的航向和航迹。应用“育龙”轮的系统模型进行了仿真,结果表明,控制器对系统参数摄动及外界干扰不敏感,具有强的鲁棒性,且其设计参数物理意义明显,易于调节。     

船舶编队控制综述

研究了船舶编队控制的特点,从船舶编队控制结构、编队路径规划、编队运动建模和编队运动控制4个方面分别对现状和方法进行分析;介绍了船舶编队控制原理,描述了船舶编队领导-跟随结构、虚拟结构、图论结构、基于行为结构的数学表示方法及应用场景;针对船舶编队路径规划,总结了编队环境建模、全局路径规划和局部避碰规划等最新方法及其特点,展示了基于粒子群优化算法的船舶编队局部避碰效果;针对船舶编队控制运动建模,构建了考虑干扰、控制时延和约束的船舶编队水动力模型,并将该模型在船舶编队过闸控制场景中进行了验证;针对船舶编队运动控制,归纳了典型集中式、分散式和分布式编队控制器特点,指出分布式编队控制器具有更好的鲁棒性和可扩展性,设计了基于分布式模型预测控制的编队航行控制器。研究结果表明:目前船舶编队控制技术瓶颈主要体现在有人/无人编队共融、岸端驾控为主的内河船舶编队控制、不确定干扰下的船舶编队控制、通信受限下船舶编队鲁棒控制、特殊水域船舶编队控制和船舶编队控制一致性等方面;在未来船舶编队发展中,应重点解决船舶编队分布式协同控制、船舶编队任务多元化控制、基于生物群体机制的船舶编队控制、特殊水域船舶编队控制、人工智能技术在船舶编队控制中的应用等问题。      

船舶操纵运动的神经网络控制系统研究

船舶在航行时由于航行工况和环境变化多端,受力十分复杂,使得船舶操纵运动特性具有非线性、时变性和干扰的复杂性等特点．文中基于神经网络控制的自学习和自适应性,研究了三种无监督学习的船舶操纵运动神经网络控制系统,并对系统在混合干扰情况下进行了仿真研究,与优化后的传统PID控制系统进行了比较．     

基于逆推算法的无人艇神经网络滑模控制

设计一种基于逆推算法的无人艇神经网络滑模控制器,实现了无人艇在大幅度改向操纵运动中航向准确稳定快速跟踪.借助滑模变结构控制技术,设计系统带有积分器的滑模面,引入径向基神经网络逼近系统非线性函数和不确定参数,同时结合非线性阻尼定律克服外界有界干扰,最后利用逆推算法设计出系统控制律.仿真实验结果表明,径向基神经网络能精确逼近船舶非线性函数和不确定参数,控制器输出平滑无抖震,航向输出对船舶参数摄动及外界干扰不敏感,具有较强的鲁棒性.     

Path following control of underactuated ships based on unscented Kalman filter

A path following controller is proposed to force an underactuated surface ship which is suffering from disturbance to follow a predefined path.The controller is based on analytic model predictive control and unscented Kalman filter(UKF) techniques.The analytic model predictive control provides a systematic method to get appropriate controller parameters to guarantee the stability of the closed-loop system,and the well-defined relative degree is guaranteed by introducing output-redefinition.The UKF is used t...     

Adaptive path following controller of underactuated ships using serret-frenet frame

This paper presents an adaptive path following control law to steer underactuated ships along a predefined path at a constant forward speed with uncertain parameters due to changes of added mass matrices. The proposed controller is based on analytic model predictive control and model reference adaptive control. The Serret-Frenet frame is used to describe the ship dynamics. The analytic model predictive control provides a systematic method rather than try-and-error method to get appropriate control parameters to guarantee the stability of the closed-loop system, and the well-defined relative degree is guaranteed by introducing output-redefinition. An identification algorithm based on model reference adaptive control is used to identify the uncertain parameters. Numerical simulations are provided to demonstrate the validity of the proposed control law.     

船舶航向非线性系统的模糊神经网络智能控制器设计

船舶航向控制系统具有典型的非线性和不确定性特性，并受自动舵执行能力的约束，这使得作为船舶智能化基础的航向控制极具挑战性。首先分析了船舶航向运动特性，给出带有舵约束的航向运动非线性数学模型；然后以模糊神经网络为控制器结构，在噪声加入和参考轨迹设置算法的支持下使用遗传算法对控制器参数进行自动搜索和优化，设计一种船舶航向智能控制器；最后对航向控制进行仿真。结果表明，所设计的航向智能控制器对船舶参数摄动和扰动具有良好的鲁棒性能。     

船舶航向非线性系统的输出反馈鲁棒控制

考虑船舶航向控制系统模型中存在非线性，假设模型参数和外界干扰有界的情况下，首先利用Lyapunov稳定性模型，提出了一种状态反馈鲁棒控制新算法的自动舵设计，进而考虑到实际船舶上，在进行航向控制时，并不是所有船舶运动状态都是可测的，仅有航向是可测的，采用一种高增益状态观测器对状态进行重构，提出了输出反馈鲁棒控制自动舵设计，以大连海事大学远洋实习船“育龙轮”为例，进行了输出反馈鲁棒控制自动舵设计，并利用Matlab工具箱进行了仿真研究，结果证明该算法是十分有效的。     

Adaptive robust sliding mode control for ship straight-line tracking in random waves

Since complex controllers do not suit for application,we design a simple controller with robustness in changeable sea state.The characteristics of ship motion are large inertia,strong nonlinearity and large time delay.This paper employs adaptive sliding mode technique.We focus on a class of underactuated ship systems with parametric uncertainties and wave efects.Random wave efects are seldom considered in former studies.Various simulations validate the adaptive characteristics and robustness of the proposed controller.The closed-loop system is stable and tracking error can be arbitrarily small by Lyapunov approach.