[发明专利]死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法

说明书

本发明提供一种死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法，包括：建立无人水面船数学模型，设定无人水面船的期望轨迹数学模型；基于设定的所述期望轨迹数学模型，引入控制器输入死区函数；基于引入控制器输入死区函数的期望轨迹数学模型，采用反步法设计无人船轨迹跟踪系统的虚拟控制器和反步控制器；基于设计的虚拟控制器和反步控制器，为无人船轨迹跟踪的剩余误差设计基于自适应动态规划的最优控制器，并与反步控制器一起作用于无人船，设计无人船的轨迹跟踪控制器；基于无人船的轨迹跟踪控制器，设计无人船轨迹跟踪最优控制率。本发明技术方案解决了现有技术未考虑控制器存在输入死区限制，使得跟踪效果变差的问题。

技术领域

本发明涉及自适应动态规划与水面无人船的轨迹跟踪技术领域，具体而言，尤其涉及死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法。

背景技术

如今人工智能技术已经广泛应用于控制领域，特别是无人船系统中。与传统船舶相比无人船可以很好的处理复杂多变的海上环境并且减少人为因素和不确定扰动的影响。强化学习是一个解决最优控制问题的高效的解决方法。它可以解决传统的最优控制问题中求解哈密尔顿-雅克比-贝尔曼方程不易的缺点。Werbos提出一种基于强化学习并使用演员-评论家神经网络的最优控制框架。通过使用演员-评论家神经网络可以逼近成本函数和控制策略，从而满足最优准则且避免了维数灾难问题。

执行器存在对小信号不灵敏的特性，需要对控制器提出一定的要求。当控制器中存在死区特性时，往往不能达到控制要求，因此，需要考虑在控制器存在饱和时的轨迹跟踪控制问题。同时当对系统的动态控制性能提出较高要求时，往往对控制的精度要求比较高，因此，需要考虑在控制器存在死区时系统的轨迹跟踪最优控制问题。

发明内容

根据上述提出的技术问题，而提供一种死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法。本发明考虑控制器存在输入死区限制，当控制输入为小信号时，控制器不会因为输入死区特性使得跟踪效果变差，当需要提高系统的动态性能而对系统进行最优控制设计时，采用自适应动态规划的控制方法，使得系统的最优性能得到保证。

本发明采用的技术手段如下：

死区限制下基于反步法与自适应动态规划的无人船轨迹跟踪最优控制方法，包括如下步骤：

S1、建立无人水面船数学模型，设定无人水面船的期望轨迹数学模型；

S2、基于设定的所述期望轨迹数学模型，引入控制器输入死区函数；

S3、基于引入控制器输入死区函数的期望轨迹数学模型，采用反步法设计无人船轨迹跟踪系统的虚拟控制器和反步控制器；

S4、基于设计的虚拟控制器和反步控制器，为无人船轨迹跟踪的剩余误差设计基于自适应动态规划的最优控制器，并与反步控制器一起作用于无人船，设计无人船的轨迹跟踪控制器；

S5、基于无人船的轨迹跟踪控制器，设计无人船轨迹跟踪最优控制率。

进一步地，所述步骤S1具体包括：

S11、定义北东坐标系XOY和附体坐标系X_BO_BY_B，将北东坐标系XOY视作惯性坐标系，取地球任一点O为坐标原点，OX指向正北，OY指向正东；将附体坐标系X_BO_BY_B视作非惯性坐标系，船舶左右对称时，取其中心为坐标原点O_B，O_BX_B轴沿着船舶中线指向船艏方向，O_BY_B轴垂直指向右舷；

S12、对无人水面船进行建模，得到如下船舶运动控制数学模型：