[发明专利]基于指令滤波神经网络控制器的全驱动船舶轨迹跟踪控制方法及系统

权利要求书

1.一种基于指令滤波神经网络控制器的全驱动船舶轨迹跟踪控制方法，其特征在于，所述方法包括：

步骤一：建立全驱动船舶系统模型，并考虑输入饱和特性构建输入受限全驱动船舶系统模型；

步骤二：设定船舶轨迹输出的稳定状态与暂时状态的约束条件，对约束条件进行预处理；

步骤三：根据指令滤波器建立第一虚拟控制器和第二虚拟控制器，使受约束的控制信号进行接下来的系统闭环控制；

步骤四：利用具有预估器的RBF神经网络逼近船舶模型中的未知参数和未知外界海洋环境干扰，并根据第一虚拟控制器和第二虚拟控制器建立闭环控制系统；

步骤五：利用闭环控制系统对全驱动船舶进行轨迹跟踪控制；

所述步骤四包括：

由于全驱动船舶模型参数未知且受到外界环境干扰，引入RBF神经网络：

f＝-C(υ)υ-Dυ+d_Δ＝W^*Th(z)+e(z) (11)

其中，W^*∈R^3l×3，h(z)∈R^3l；l为隐含层节点数；c_j＝[c_j,1,c_j,2,c_j,3]∈R³为第j个隐含层神经元中心点向量值；e(z)为神经网络的逼近误差；神经网络更新率为：其中，k_wi为正的设计常数，Γ_i∈R^l×l为设计的正定参数对角阵；利用预估器预估神经网络输入信号，引入状态预估器其中，α₂₀为第二虚拟控制器，为υ的估计向量，κ0；

利用自适应方法估计神经网络逼近误差，设计自适应律其中，G,Λ为设计的参数对角阵；为δ_i的先验估计；Ξ＝diag{tanh[s_2,1/ε₁],tanh[s_2,2/ε₂],tanh[s_2,3/ε₃]}∈R^3×3，s_2,i为s₂的第i个分量，ε_i为设计参数；

根据预估器和神经网络定义第二虚拟误差的递归估计值由此得到整个闭环系统为

其中，z₃为第三虚拟误差变量，为第二个辅助系统的状态变量，Q＝diag(Q₁,Q₂,Q₃)，

所述步骤五包括：

根据第一虚拟控制器和第二虚拟控制器，利用公式建立闭环系统，其中，c∈R^3×3,K₃∈R^3×3为设计的正定参数对角阵；Θ＝diag(θ₁,θ₂,θ₃)；且N＝diag(N₁(χ₁),N₁(χ₂),N₁(χ₃))为Nussbaum函数，且χ_i为Nussbaum的参数变量，γ_χ为设计参数，为第二虚拟误差的递归估计值；

所述步骤一包括：

对全驱动船舶进行建模，得到如下船舶运动控制数学模型

其中，η＝[x,y,ψ]^T为船舶在大地参考坐标系下的实际位置(x,y)和艏摇角ψ组成的向量；υ＝[u,v,r]^T为船舶在附体坐标系下前进速度u、横漂速度v和艏摇角速度r组成的向量；M为船舶重量惯性和水动力附加惯性组成的矩阵；C(υ)为科氏向心矩阵；D为线性水动力阻尼参数矩阵；为坐标系转换矩阵，满足J^-1(ψ)＝J^T(ψ)，d＝[d₁,d₂,d₃]^T为附体坐标系下外界环境因素产生的未知风浪干扰；假设C(υ)，D，d＝[d₁,d₂,d₃]^T未知但有界；τ为控制输入前进力τ₁、横漂力τ₂以及艏摇力矩τ₃组成的控制向量；

考虑输入饱和特性，通过公式

构建输入受限全驱动船舶模型；其中，sat(τ)为受饱和函数约束的控制输入前进力sat(τ₁)、横漂力sat(τ₂)以及艏摇力矩sat(τ₃)组成的控制向量饱和函数，具体描述为：

引入分段光滑函数g(τ)＝[g₁(τ₁),g₂(τ₂),g₃(τ₃)]^T对饱和函数sat(τ)进行逼近，且分别为τ_i已知的上下边界，误差函数μ(τ)＝sat(τ)-g(τ)，其界限值表示为输入受限全驱动船舶模型可重写为

其中，d_Δ＝μ(τ)+d为系统风浪干扰和界限误差构成的复合干扰变量。