[发明专利]一种基于MLP方法的欠驱动无人艇轨迹跟踪控制方法

说明书

本发明是一种基于MLP方法的欠驱动无人艇轨迹跟踪控制方法。进行欠驱动水面无人艇的建模，得到USV运动学模型；采用径向基函数神经网络来近似未建模的动力学函数，进行模型动力学转换；进行欠驱动动力学的模型转换，将USV跟踪误差系统扩展为三阶，以实现交叉跟踪动力学的相对度；转换USV集成鲁棒有限时间控制器，进行有限时间USV轨迹跟踪；进行稳定性分析。数值仿真结果表明，该控制器不仅具有良好的跟踪精度，而且具有良好的抗干扰能力。

技术领域

本发明涉及无人艇控制技术领域，是一种基于MLP方法的欠驱动无人艇轨迹跟踪控制方法。

背景技术

无人艇在各种海洋任务中的拥有巨大潜力，包括沿海和水域监测、海洋观测和军事任务。在各种自动化技术中，轨迹跟踪控制在完成这些任务中又扮演着重要的角色。具体来说，跟踪技术的主要核心是在不需要人工干预的情况下，驱动无人艇在期望的轨迹上巡航。然而，控制器设计者要获得理想的跟踪性能仍然存在许多挑战，比如未建模的动力学、海洋扰动和存在的计算资源约束。尽管存在这些挑战，研究者们在这一问题上做了大量的努力，并取得了丰硕的成果:如鲁棒控制、神经网络控制、模糊控制、规定性能控制和自适应反步控制等。

在船舶轨迹跟踪问题中，由于复杂的模型动力学和不可预测的海洋扰动等外部干扰和内部参数的变化，会使跟踪性能下降。为了提高不确定动态环境下的控制性能，神经网络基于其普遍的近似特性，被广泛地应用于对未知动态环境的处理。为此，应用径向基神经网络(RBFNNs)构造了两种常规神经逼近器，对未知动态进行补偿。然而，这些方法虽然可以有效缓解未知动态带来的不利影响，但节点权值识别需要大量的计算资源，这不仅会增加系统的计算复杂度，而且会降低算法的运行速度。所幸的是，最小学习参数(MLP)技术是解决这一问题的有效方法。因此，基于MLP的算法已经成功地实现了水面舰艇路径跟踪控制、轨迹跟踪控制和编队控制问题中的未知动态估计。本发明将采用基于MLP的近似技术进行不确定性估计。

上述方法虽然有效，但只有渐近稳定才得以实现。对于在恶劣环境中执行跟踪任务的船舶来说，由于其性能，有限时间稳定性总是必不可少的。与渐近控制方法相比，有限时间控制器不仅能够提供更快的收敛速度和更高的跟踪精度，而且能够使整个跟踪系统稳定在早期阶段以抵御外界干扰。通过恢复到反步设计方法，可以以理想的精度完成有限时间的轨迹跟踪。然而，尽管这些方法具有比渐近稳定系统更好的性能，但控制系统将引入复杂结构的复杂性爆炸问题。由于反步固有的这一问题，基于终端SMC的方法更适用于工程实施中对任务的跟踪。

需要指出的是，上述大多数结果都是针对全驱动艇，而不是驱动不足的无人艇。因此，这些算法将不再对USV有效。由于横向动力学中存在模型欠驱动的问题，使得USV控制器的综合比全驱动类型更具挑战性和复杂性。在现有的研究中，需要对模型进行转换，以实现相对程度的模型动力学，从而完成USV的跟踪任务。例如，偏航制导方法、对角变换方法和横向函数方法都是为此而设计的。由于模型变换的结果，控制器的综合不可避免地分成两个独立的通道(浪涌和偏航)。在此前提下，不仅设计复杂度增加，而且无法避免反步设计的使用，使得这些方法不适用于面向简单性的工程实现。在实际应用中，不将初始系统分离为位置跟踪和高度跟踪两个子系统而设计跟踪控制器具有重要意义。到目前为止，在考虑了有限时间稳定性的情况下，如何综合设计跟踪控制器仍然是一个挑战。目前，现有文献中没有相关的控制方案报道。

发明内容

本发明为保证无人艇在发生未建模动态和干扰时具有良好的跟踪性能，通过构造模型变换方法，将浪涌运动和偏航运动的控制器设计集成在一起。采用滑模控制方法，在不进行任何反步设计的情况下，保证系统的有限时间稳定性。

本发明提供了一种基于MLP方法的欠驱动无人艇轨迹跟踪控制方法，本发明提供了以下技术方案：

一种基于MLP方法的欠驱动无人艇轨迹跟踪控制方法，包括以下步骤：

步骤1：进行欠驱动水面无人艇的建模，得到USV运动学模型；