[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

本發明公開了一種基于干擾觀測器和RBFNN的無人艇航跡跟蹤控制方法。在傳統的滑模控制方法的基礎上，本發明通過建立無人艇非線性動力學模型，設計干擾觀測器來觀測和補償風浪流等強外干擾，設計RBFNN來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等），在保證系統穩定性的同時，降低了無人艇航跡跟蹤誤差，大幅提升了航跡跟蹤控制效果。本發明在保證控制系統穩定性的同時，降低無人艇航跡跟蹤誤差，提升航跡跟蹤控制性能。

技術領域

本發明屬于無人艇的航跡跟蹤控制領域，具體來說是一種針對復雜海洋環境(海風、海浪、海流)下的無人艇航跡跟蹤控制方法，在保證航跡跟蹤控制系統穩定性的同時，降低無人艇航跡跟蹤誤差，提高無人艇航跡跟蹤性能。

背景技術

近年來，海洋安全偵查和資源勘探逐漸成為熱點，隨著機電控制技術的發展，無人艇的自動化和智能化水平也在不斷提高。由于無人艇具有模塊化和智能化等優勢，通過搭載智能傳感器傳感器，能夠長時間、大范圍、低成本地執行復雜的海洋作業任務，在軍事和民用領域具有廣泛需求。在軍事領域，無人艇可用于情報搜集、反潛作戰、監視偵察等多種作戰任務。在民用領域，無人艇可用于海洋環境監測、海洋地質勘探、海上搜救等。無人艇的應用不但保證了人員和設備的安全，而且能夠大幅提高作業效率。良好的航跡跟蹤性能對于無人艇的控制來說至關重要。然而，現有的無人艇航跡跟蹤控制器大都基于線性化的無人艇動力學模型，并沒有充分地考慮系統非線性、模型不確定，此外，無人艇航行過程中常常受到海風、海浪和海流等外干擾的綜合影響，因此現有的航跡跟蹤控制器難以保證良好的航跡跟蹤控制效果。

發明內容

本發明針對現有無人艇航跡跟蹤控制技術的不足，提出了一種基于干擾觀測器和RBFNN(徑向基函數神經網絡)的無人艇航跡跟蹤控制方法，用以解決無人艇航行過程中的模型不確定性(建模誤差和參數不確定性)和外干擾(海風、海浪、海流等)對航跡跟蹤控制的影響，在保證控制系統穩定性的同時，降低航跡跟蹤誤差，提升無人艇航跡跟蹤控制性能。

為了實現上述目的，本發明具體技術方案如下：

步驟1：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：

其中，τ表示無人艇的控制力/力矩。M₀代表無人艇的慣性矩陣，C₀代表無人艇的科里奧利和向心力矩陣，D₀代表無人艇的阻尼矩陣。d_s代表外干擾(海風、海浪、海流等)，d_m表示無人艇的模型不確定性(建模誤差和參數不確定性)。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{b}到艇體坐標系{i}的旋轉矩陣，滿足R^TR＝I并且||R||＝1。

步驟2：設計基于干擾觀測器和RBFNN(徑向基函數神經網絡)的無人艇航跡跟蹤控制器，引入RBFNN(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等)。

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RBFNN的控制力/力矩為：

其中，表示RBFNN(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，是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為可調的控制器參數，sgn(·)表示階躍函數。