基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

基于极大似然法的高速无人艇操纵响应模型参数辨识

高速水面无人艇操纵性预报精度取决于其运动模型中的参数获取精度,针对传统扩展卡尔曼滤波算法难以获取较高精度的模型参数问题,提出一种采用极大似然法辨识获取无人艇操纵运动2阶非线性响应模型参数的方法。基于某无人艇响应模型参数进行20° Z形仿真实验,采集艏向角和舵角变化数据,根据辨识原理与前向差分法设计一种极大似然辨识方法,通过辨识获取了模型参数。进一步研究发现在极大似然法辨识过程中部分参数有参数漂移现象产生,分析得到参数漂移产生的原因在于使用差分法处理Z形实验数据时忽略了舵角变化率的影响。采用正弦仿真实验数据结合极大似然法进行改进辨识研究,其舵角变化率可直接对舵角求导得到。针对极大似然法与扩展卡尔曼滤波算法的辨识结果展开操纵运动仿真实验。实验结果表明：通过极大似然法辨识获取的参数比传统卡尔曼滤波算法能更精确地预报无人艇的操纵运动,且基于正弦仿真实验数据辨识能有效解决极大似然法的参数漂移,从而为极大似然法辨识结果提供更高的精度。     

非完全对称欠驱动高速无人艇轨迹跟踪控制

研究一类非完全对称欠驱动无人艇的轨迹跟踪控制问题,考虑系统阻尼系数矩阵和惯性系数矩阵非对角线元素存在非零项,且阻尼系数随着航速变化的情况,首先通过两次全局微分同胚变换将系统矩阵变换为级联系统的形式,使控制模型得以简化;然后基于简化后的模型构建轨迹跟踪误差模型,将轨迹跟踪问题转化为误差的镇定问题,同时基于级联系统理论和Lyapunov直接法设计了误差镇定控制器,该控制器能够实现非完全对称欠驱动高速无人艇的任意参考轨迹的跟踪控制,包括原点的镇定控制.最后通过仿真实验验证了所设计控制器的有效性.     

基于非对称模型的欠驱动无人海洋运载器轨迹跟踪控制

研究一类欠驱动无人海洋运载器（UMV）的轨迹跟踪控制问题,提出了一种基于非对称模型的积分反步控制方法。建立了非完全对称（左右对称、前后不对称）的欠驱动UMV水平面运动模型,考虑了系统阻尼系数矩阵和惯性系数矩阵非对角线元素存在非零项的问题;通过设计虚拟状态和控制输入反馈变换,解决了UMV轨迹跟踪控制过程中存在的角速度持续激励问题,得到了直线轨迹和曲线轨迹通用的跟踪控制器;在轨迹跟踪控制器当中引入跟踪误差的积分项,提高了UMV系统的全局稳定收敛速度,基于Barbalat引理和Lyapunov稳定性理论分析了系统的稳定性。借助实验室半物理仿真平台进行仿真实验,与传统基于对称模型的控制算法对比,体现出了基于非对称模型的欠驱动UMV轨迹跟踪控制方法的优越性。