基于改进鹦鹉算法优化的USV轨迹跟踪滑模控制

针对存在外部海洋环境干扰的无人船轨迹跟踪控制精确度不高、耗时低效的问题,提出一种基于改进鹦鹉算法优化的无人水面船（USV）轨迹跟踪滑模控制方法。设计控制器利用RBF神经网络快速的非线性映射对不定干扰进行估计,补偿滑模控制输出,引入切换步长因子及可控变化概率改进原始鹦鹉算法,利用改进的具有优异求解能力的PSPO算法自动求解RBF神经网络的各项参数,进一步提升其拟合效果。最终输出纵向推力和转向力矩,实现欠驱动无人船的轨迹跟踪控制。仿真结果表明,该控制器能对干扰进行快速精确地估计以提升系统的鲁棒性,误差收敛速度较单一神经网络滑模控制和滑模控制分别提高约25%和60%,能够实现对预设轨迹有效跟踪。