[發明專利]基于干擾觀測器和RBFNN的無人艇航跡跟蹤控制方法

有效

• 申請號: 202010060945.8
• 申請日: 2020-01-19
• 公開（公告）號: CN111158383B
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 陳正;張有功;唐建中;聶勇;朱世強
• 申請（專利權）人: 浙江大學
• 主分類號: G05D1/02
• 分類號: G05D1/02
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 忻明年

1.基于干擾觀測器和RBFNN的無人艇航跡跟蹤控制方法，其特征在于，包括以下步驟：

第一步：綜合考慮模型不確定和外干擾，建立無人艇非線性動力學模型；

第二步：設計基于干擾觀測器和徑向基函數神經網絡的無人艇航跡跟蹤控制器，引入徑向基函數神經網絡估計和補償無人艇的模型不確定部分，包括參數不確定和建模誤差；

第三步：設計干擾觀測器，觀測和補償外干擾，降低外干擾對無人艇航跡跟蹤控制效果的影響；

在第一步中，建立的無人艇非線性動力學模型為：

其中，τ表示無人艇的包含控制力和力矩的向量；M₀表示無人艇的慣性矩陣，C₀表示無人艇的科里奧利和向心力矩陣，D₀表示無人艇的阻尼矩陣；d_s表示外干擾，d_m表示無人艇的模型不確定性；η＝[x y ψ]^T表示無人艇在慣性坐標系中的位姿，x和y表示無人艇在慣性坐標系位置，ψ表示無人艇的航向角，和分別表示η的一階導數和二階導數；R表示無人艇從慣性坐標系到艇體坐標系{i}的旋轉矩陣，滿足R^TR＝I并且||R||＝1；

在第二步中，設計滑模面：

其中e＝η-η_d表示無人艇的航跡跟蹤誤差，η_d表示無人艇跟蹤的目標航跡，η表示無人艇的實際航跡，k表示滑模面可調參數；

設計基于干擾觀測器和徑向基函數神經網絡的包含控制力與力矩的向量為：

其中，表示徑向基函數神經網絡對于無人艇模型不確定部分的估計值，h(p)表示徑向基函數神經網絡的激活函數，表示干擾觀測器對于無人艇航行過程中的外干擾的估計值，K_v和ξ表示可調的控制器參數，sgn(·)表示階躍函數，h(p)表示徑向基神經網絡的激活函數；

在第三步中，干擾觀測器設計如下：

其中，H表示可調的常值矩陣參數，表示干擾觀測器對于無人艇航行過程中的外干擾的估計值。

2.根據權利要求1所述的基于干擾觀測器和RBFNN的無人艇航跡跟蹤控制方法，其特征在于，第二步中的h(p)＝[h₁(p),...,h_j(p),...,h_n(p)]^T，n表示徑向基神經網絡隱藏層的網絡節點數目，表示徑向基函數神經網絡輸入量，h_j(p)具體表達式為：

徑向基函數神經網絡的自適應律設計為：

其中b_j，c_j，d表示徑向基函數神經網絡的可調參數。