基于ESO的船舶航向鲁棒自适应控制

针对具有内部未建模动态和外部不确定扰动的水面船舶设计一种鲁棒自适应航向控制器,并同时解决转向过程中的漂角补偿问题.基于二阶非线性Nomoto模型和一阶漂角模型,建立非积分链结构的漂角-航向非线性状态空间模型,将航向控制系统未建模动态与外部不确定扰动合并为复合扰动,应用扩张状态观测器估计模型中的未测量状态和系统复合扰动.基于Lyapunov稳定性理论和自适应反步法设计航向状态反馈控制规律,为避免反步法控制过程中的微分爆炸问题,采用动态面控制技术获取虚拟控制信号的近似导数.所提出的扩张状态观测器和航向控制算法能够保证闭环系统内所有误差信号一致最终有界,提高航向保持和转向过程中的航向跟踪精度.仿真结果验证了所提出的航向控制规律的有效性.     

水下机器人抗积分饱和控制及主动容错控制方法

针对自主式水下机器人(AUV)推力饱和时一般模型控制器控制性能下降问题,提出了基于平滑变参数条件积分法的抗积分饱和控制方法.为适应AUV因抛载等引起的动力学性能变化,提出了一种基于抗积分饱和一般模型控制的主动容错控制方法,同时还研究了传感器故障问题并提出了一种传感器故障容错控制方法.进行了"海狸"号水下机器人试验样机的仿真及水池实验,实验结果验证了所提出的抗积分饱和控制方法的有效性,也验证所提出的容错控制方法在AUV发生故障及动力学性能变化时可有效减小速度、角速度跟踪误差.     

基于自适应区域跟踪的自主式水下机器人容错控制

研究自主式水下机器人(autonomous underwater vehicle, AUV)的推进器自适应区域跟踪容错控制方法。 与传统的自主式水下机器人容错控制方法不同,采用区域跟踪控制思想,将控制目标设定为以期望轨迹为中心的空间区域。 针对系统中存在的不确定性及推进器故障问题,采用神经网络进行在线辨识。 考虑到推进器故障时存在推力饱和而导致神经网络学习发散的问题,提出一种包含饱和因子的神经网络权值调整方法。 通过仿真,对所提方法的有效性进行验证。     

自主式水下机器人自适应区域跟踪控制

研究自主式水下机器人的区域跟踪控制问题,提出一种基于PD神经滑模的自适应区域跟踪控制方法。针对自主式水下机器人自适应控制器中仅在线调整网络权值的径向基函数神经网络存在收敛性能差的问题,给出同时对径向基函数神经网络权值、径向基函数中心与方差进行自适应调整的方法,使径向基函数神经网络无须离线选取径向基函数中心与方差,即可进行在线自适应学习。考虑到控制器中滑模控制项易引起系统抖振的问题,提出一种基于指数函数的滑模切换增益调节方法,使滑模切换增益能够依据跟踪误差实时调节以降低系统抖振。基于Lyapunov理论对所提自适应区域跟踪控制方法的稳定性进行分析。通过自主式水下机器人的仿真试验与水池试验验证所提方法的有效性。