基于解析模型预测控制的欠驱动船舶路径跟踪控制器设计

针对欠驱动船舶路径跟踪控制系统中存在风、浪、流等外界干扰的影响,将船舶运动模型转化到Serret-Frenet标架下进行研究,通过引入重定义输出将原单输入多输出控制系统转化为单输入单输出控制系统,并将解析模型预测控制与非线性观测器相结合,提出一种鲁棒路径跟踪控制算法。该算法能够使欠驱动船舶跟踪并镇定于给定的参考路径。计算机仿真结果表明,所提出的控制器具有良好的控制性能以及鲁棒性能。     

欠驱动船舶路径跟踪的神经滑模控制

为实现欠驱动船舶在存在风浪流外界干扰和参数摄动条件下的路径跟踪控制,提出一种基于可视距离的神经滑模路径跟踪鲁棒控制器。利用可视距离思想,根据期望路径与当前位置信息,分别设计船舶纵向速度和艏摇角的参考值,并视为镇定位置误差的虚拟控制律,将路径跟踪问题转化为纵向速度和艏摇角的镇定问题;结合神经网络和滑模方法,设计一种新的神经滑模鲁棒控制器,实现了对虚拟控制律的跟踪控制,无需确定参数摄动和外界干扰的上界,避免了控制器容易出现的饱和问题和抖振现象。仿真试验表明,设计的控制器对欠驱动船舶的模型摄动和外界干扰变化不敏感,可以实现路径的理想跟踪。     

解析模型预测控制在欠驱动船舶路径跟踪控制中的研究

从非线性、欠驱动、船舶模型参数易控制的欠驱动船舶路径跟踪入手进行问题研究,采用解析模型预测控制,利用单输入单输出系统,通过对时域上的性能函数求导求得最优控制律;然后利用无干扰情况的船舶模型进行最优控制律的简化;最后通过实验进行验证本文算法与带反馈的线性欠驱动船舶直线路径跟踪控制相比趋于稳定的时间要短,可靠性和收敛性更优。     

干扰及参数扰动条件下的航迹镇定滑模控制

以欠驱动船舶船迹控制应用为背景,提出一种在外界干扰和参数扰动条件下的船舶镇定滑模控制算法。为有效抑制常规滑模控制器的抖振,提高在受到外部环境干扰和参数摄动时的鲁棒性,提出基于BP神经网络的非线性自抗扰滑模控制算法。仿真结果表明,该方法能够有效应对风流干扰,具有很好的鲁棒性。     

动力定位船舶全速度路径跟踪CB导引自适应闭环控制

针对仅使用槽道推进器提供横向推力的动力定位船舶路径跟踪控制问题,建立慢变环境干扰影响下的非线性船舶数学模型,设计带有自适应干扰补偿的反步控制算法来消除环境干扰的影响。引入平行目标接近(CB)导引算法为跟踪控制生成期望速度矢量信号,通过与所提出的自适应反步控制算法相结合,得到不受船舶驱动特性限制的全速度范围动力定位船舶导引跟踪控制算法,应用李雅普诺夫稳定性理论证明系统跟踪误差渐进收敛到零。仿真结果表明通过调整导引算法参数可以调节船舶跟踪过程表现,并可以得到较好的控制精度。     

考虑横向漂移的船舶路径跟踪自抗扰控制

针对船舶运动系统中内部动态不确定和外部干扰等问题,进行了欠驱动船舶路径跟踪的自抗扰方法研究。利用Backstepping设计参考航向角,并通过线性扩张状态观测器对流干扰和横向运动引起的横向漂移进行估计。其次,根据自抗扰算法对航向进行控制,采用线性扩张状态观测器对外界干扰及内部不确定项进行估计。最后仿真结果表明,在风流干扰下所设计的控制器仍能使船准确地跟踪上参考路径,验证了所提控制方案的有效性。     

基于DSC的欠驱动船舶路径跟踪神经滑模控制

为进一步提高船舶路径跟踪的准确性和稳定性,针对欠驱动船舶易受外界环境的干扰和模型不确定等问题,提出一种基于动态面技术的神经网络滑模控制策略。在虚拟船逻辑制导算法的基础上,结合反步法对虚拟控制律进行设计,引入动态面技术对虚拟控制律的导数进行估计,避免因直接求导而增加计算负担。在动力学回路设计中,将径向基神经网络与滑模控制相结合,设计神经网络权重的自适应律,实现对系统非线性项的在线估计和对实际控制律的设计。采用Lyapunov直接法证明闭环系统的稳定性,并对一艘长为32m的单体船进行仿真试验。结果表明,该控制策略可行,能实现对欠驱动船舶路径的有效跟踪。     

基于MPC-DO的自主水下航行器轨迹跟踪控制

针对欠驱动自主水下航行器在速度约束和未知外界环境干扰下的轨迹跟踪问题,提出一种基于模型预测控制算法和干扰观测器的复合控制方案。首先,基于模型预测控制算法设计一种考虑速度极限约束以及速度增量约束的轨迹跟踪运动学控制器。其次,针对海洋作业环境下存在的外界干扰,设计干扰观测器对其进行实时估计,并基于所设计的干扰观测器,设计精确跟踪期望速度的动力学控制器,并对控制方案进行了严格的理论分析。最后,进行数值仿真,仿真结果证实了该控制方案的有效性。     

大数据驱动的船舶航行路径跟踪研究

船舶航行路径跟踪控制时控制器会经历次数较多的更新而加速磨损,因此设计一种大数据驱动的船舶航行路径跟踪方法。忽略船舶航行过程中的升沉、俯仰和横摇运动,建立船舶三自由度数学模型,简化惯性矩阵,引入坐标变换公式解决外界扰动补偿问题;在控制器设计中,引入机器学习算法构造虚拟控制律的预选函数,采用滤波器去除外界干扰,完成大数据驱动的船舶航行路径跟踪研究。实验结果表明,设计方法大幅减少了控制器的更新次数,具有一定有效性。     

结合状态观测与遗传算法的船舶路径预测控制

为实现具有速度不易测﹑模型不确定﹑受外界因素干扰﹑输入需约束及优化等特点的欠驱动船舶的路径跟踪，提出带状态观测的模型预测控制（MPC）。在限制条件下利用MPC求解性能指标函数，处理舵角优化﹑舵幅与舵速约束问题。设计扩张状态观测器（ESO）对环境干扰和模型不确定项进行估计，提高MPC的性能。通过预测未来估计误差，利用遗传算法在线调节ESO参数，提高估计性能。基于指数函数建立速度观测器，避免速度不易测。稳定性分析和仿真试验结果表明，采用该结合状态观测的MPC船舶路径控制方案，当速度和干扰均未知时，船舶仍能跟踪上参考路径，舵角平滑且始终在约束值内，MPC控制精度和ESO估计精度均得到提高。研究结果说明该方案是可行的、有效的。