论文部分内容阅读
摘要:自治水面艇是一种能够在水面上自主航行且完成各种复杂任务的水上机器人运载平台。由于它具有体积小、机动灵活、隐蔽性好以及无人驾驶等特点,使其在民用、军事以及国防建设等方面具有非常广泛的应用背景。然而要对自治水面艇进行运动控制研究却仍然具有很大的挑战性,因为它的控制涉及到船舶系统、机器人控制和非线性系统等多领域。轨迹跟踪控制是目前自治水面艇运动控制的一个重要研究方向,它要求自治水面艇在有限的时间内到达并准确地跟踪期望的运动轨迹,直到目标位置。由于自治水面艇是一个艇与水的强耦合系统,在实际应用中难以获得系统精确的模型参数,特别是水动力参数必须经过反复的实验才能得到,加上水流等干扰的影响,就使得自治水面艇的安全和稳定运行变得非常困难。另一方面,目前绝大部分的自治水面艇又由于缺少侧向推进器而成为一类典型欠驱动机械系统,对这类自治水面艇进行跟踪控制更加复杂,具有非常大的挑战性。基于以上背景,本文对自治水面艇的轨迹跟踪控制进行深入研究,通过引入具有连续平滑动态输入输出特性的神经动态模型,分别针对具有未知动力学参数的全驱动和欠驱动自治水面艇,提出基于神经动态模型的智能跟踪控制方法。论文的主要研究成果及创新点如下:第一、针对受未知水流影响的自治水面艇,提出一种基于神经动态模型的轨迹跟踪控制方法。对于受水流影响的自治水面艇,连续并且平滑的速度控制对系统的安全和稳定操作非常重要。为此,本文提出一种基于神经动态模型的轨迹跟踪控制方法。首先,从系统的跟踪误差方程出发,基于Lyapunov函数进行跟踪控制器设计;然后,受生物特性启发,创新性地引入三个神经动态模型,将其输出作为跟踪控制器的组成部分,利用神经动态模型的平滑输入输出特性,实现系统控制中速度信号的连续与平滑;最后,针对未知的水流干扰,提出一种简单的观测器设计方法,通过Lyapunov稳定性分析保证控制系统的稳定性。第二、针对具有未知动力学参数的全驱动自治水面艇,提出一种有效的神经网络跟踪控制方法。首先,对全驱动自治水面艇的动力学模型进行回归处理,将其转变成包含模型参数的未知部分和能测的已知部分,然后引入一单层结构的神经网络,基于Lyapunov函数和稳定性理论,进行神经网络控制器设计和有效的学习算法研究,同时进行干扰补偿控制设计,实现自治水面艇在未知动力学参数和干扰情况下的轨迹跟踪控制。与其他的跟踪控制方法相比,所提控制器采用了单层结构的神经网络,不仅结构简单,而且学习算法有效。第三、针对欠驱动情况下的自治水面艇,提出一种新的基于神经动态模型的反步跟踪控制方法。反步法是实现欠驱动自治水面艇跟踪控制的有效方法,但是在设计过程中需要对虚拟速度控制量进行复杂的求导运算。为此,本文提出一种基于神经动态模型的反步跟踪控制设计方法。通过引入神经动态系统,将反步设计过程中求得的虚拟速度控制量经过相应的神经动态模型,用神经动态模型的平滑输出代替虚拟控制量,从而避免复杂的求导运算,最后基于Lyapunov稳定性理论进行系统稳定性分析,保证控制系统的稳定性。第四、针对具有未知动力学参数的欠驱动自治水面艇,提出一种结合反步法、神经动态模型和神经网络的智能集成跟踪控制方法。首先,基于反步设计法进行跟踪控制器设计;其次,考虑到反步设计中存在的计算复杂问题,把受生物启发的神经动态模型引入到控制器的设计当中;然后,引入一单层结构的神经网络对控制器中未知的动力学参数进行在线估计;最后,基于Lyapunov稳定性理论推导神经网络有效的学习算法,保证控制系统的稳定性。这样设计的控制算法不但降低了控制系统的计算复杂度,而且克服了控制对系统精确模型参数的依赖性,具有重要的应用价值。