[发明专利]一种不确定欠驱动无人艇系统的预设性能控制方法

摘要

本发明公开了一种不确定欠驱动无人艇系统的预设性能控制方法，具体包括以下步骤：建立无人艇动态模型，包括运动学和动力学模型；提出预设性能控制法处理跟踪误差约束条件；应用动态面控制技术处理虚拟控制器；采用神经网络技术在线学习系统的不确定动态；应用李雅普诺夫稳定性理论设计符合要求的跟踪控制器。本发明的预设性能控制方法，能够避免控制器设计奇异的问题，并且能够满足预先指定的跟踪误差暂态及稳态性能，应用自适应神经网络控制技术在线学习系统的不确定动态，并设计控制器完成轨迹跟踪控制目标，提高了控制方法的实用性。

主权项

1.一种不确定欠驱动无人艇系统的预设性能控制方法，其特征在于，包含如下步骤：步骤1)、建立无人艇动态模型：包括无人艇的运动学和动力学模型；步骤2)、提出预设性能控制法处理跟踪误差约束条件：定义无人艇实际轨迹与理想轨迹之间的跟踪误差，根据避免跟踪控制器奇异的条件设定跟踪误差需满足的约束条件，然后提出预设性能控制技术把受到约束条件的跟踪误差转化为不受约束条件的误差；步骤3)、应用动态面控制技术处理虚拟控制器：采用动态面技术避免虚拟控制器的求导；步骤4)、采用神经网络在线学习系统的不确定动态：利用RBF神经网络对任意光滑函数以任意精度逼近的特性，分别构造第一RBF神经网络和第二RBF神经网络对系统不确定动态fr(r)和fu(u)进行在线学习，其中，神经网络的权值更新率设计如下： W ^ · 1 = Γ 1 ( - r e S 1 ( Z 1 ) - σ 1 | r e | W ^ 1 ) , ∀ Z 1 = r ∈ Ω 1 ]]> W ^ · 2 = Γ 2 ( - u e S 2 ( Z 2 ) - σ 2 | u e | W ^ 2 ) , ∀ Z 2 = u ∈ Ω 2 ]]>其中，和分别为不确定动态fr(r)和fu(u)的神经网络权值向量；和分别为不确定动态fr(r)和fu(u)的神经网络权值向量的转置向量；Γ1和Γ2分别为和所设计的对称正定矩阵；re和ue分别为r，u与各自滤波虚拟控制器之间的误差，所述滤波虚拟控制器为步骤3)中虚拟控制器通过动态控制技术处理后得到的变量；S1(Z1)和S2(Z2)均为高斯函数；σ1和σ2分别为和设计的正常数；r和u分别是无人艇的航向角速度和纵向角速度；Z1是第一RBF神经网络的输入量，数值等于r，Z2是第二RBF神经网络的输入量，数值等于u；Ω1和Ω2分别表示r和u的紧集；步骤5)、设计跟踪控制器：应用李雅普诺夫稳定性理论设计符合要求的跟踪控制器： τ r = m 33 ( - k 1 r e - z 1 χ 1 - m 11 - m 22 m 33 u v - W ^ 1 T S 1 ( Z 1 ) - d ^ w r - y r c 1 ) ]]> τ u = m 11 ( - k 2 u e - z 2 χ 2 c o s ( ψ e ) - m 22 m 11 v r - W ^ 2 T S 2 ( Z 2 ) - d ^ w u - y u c 2 ) ]]>其中，m11，m22和m33是无人艇在u，v，r各自速度方向上的质量，包括附加的质量，u为无人艇的纵向角速度，v为无人艇的横荡速度，r为无人艇的航向角速度，k1和k2分别为跟踪控制器τr和τu的控制增益，z1和z2为轨迹跟踪误差经过步骤2)处理后得到的转化误差，χ1和χ2分别为跟踪控制器τr和τu包含的中间变量，ψe为无人艇实际航向角与参考轨迹航向角的误差，和分别为跟踪控制器τr和τu中用于抵消时变扰动的扰动观测器，yr和yu分别为虚拟控制器αr和αu采用动态面技术而引入的层面误差，c1和c2分别为虚拟控制器αr和αu应用动态面技术时引入的设计参数。