摘要：[目的]针对无人水面艇(USV)受高低频混合多源干扰影响,难以精确获取状态信息及保证跟踪精度的问题,提出一种基于卡尔曼滤波联合扩张状态观测器(KFESO)的多艇分布式协同路径跟踪复合抗扰控制方法。[方法]联合Kalman滤波器构造KFESO用于估计无人艇各阶状态量以及集总扰动。设计分布式状态观测器观测虚拟领航艇速度信息,并根据参考速度估计值以及KFESO输出的位置和速度估计值,基于一致性理论与视线引导律设计运动学协同控制器。在此基础上,再利用反步法与动态面控制技术设计动力学抗扰控制器。使用李雅普诺夫稳定性理论证明控制系统下所有误差信号一致最终有界。[结果]仿真结果表明,所设计的控制方法能够准确获取USV各阶状态,且在高低频混合多源干扰下仍具有良好的跟踪精度与抗干扰能力。[结论]该方法能够缓解状态观测器在估计速度与精度之间的矛盾,提高多艇协同路径跟踪精度。

摘要：[目的]针对过驱动船舶在作业中因部分推进器发生故障导致推进能力下降的问题,提出一种基于改进自适应控制分配的容错控制方法。[方法]首先,设计自适应控制分配算法对含有故障推进系统的配置矩阵进行在线自适应重构,在当前推进能力条件下尽量减小推力偏差,并在自适应更新律中引入微分项,以抑制自适应过程中的推力抖振现象;然后,将未处理的控制分配误差作为系统的广义干扰,设计修正型扩张状态观测器对包含其在内的系统集总扰动进行在线估计并在控制律中进行补偿;最后,对闭环控制系统误差有界性进行证明。[结果]以自研的过驱动船舶实验样机为对象进行的仿真与模型实验结果表明,所提方法在推进器发生故障时能显著降低作业误差,使系统更快地恢复至稳定状态,并有效地改善系统的抖振现象。[结论]综上所述,所提方法能够有效应对过驱动船舶推进器失效故障,提升船舶在作业时的容错能力,对提高过驱动船舶的安全性与可靠性具有重要意义。

摘要：针对船舶智能航行场景复杂以及获取的图像信息中障碍物尺度变化较大的问题,提出一种基于YOLO (you only look once)算法的多尺度目标检测算法.首先设计了一种自适应特征融合模块,使得用于检测的特征图具有各尺度的强语义信息;然后设计了新的损失函数,以缓解样本分布不均匀问题,优化训练过程;最后通过水面图像仿真实验表明:该算法在多尺度检测上优势明显,既提高了目标检测精度,尤其是小目标的精度提升了34%左右,又未明显增加推理时间和参数量,具有高实时性.

摘要：针对存在外界环境干扰和模型中不确定性的编队问题,设计了鲁棒自适应控制.通过计算预定路径上的期望点与船舶当前位置之间的偏差,使用反步法设计路径跟随子控制器,保证每艘无人艇在水平面中沿着参考路径行驶.编队协调子控制器采用鲁棒自适应控制方法设计,通过调整跟随艇的速度以实现设定的编队队形,同时自适应地估计出外界环境力和由模型参数不确定导致的系统不确定项的界值.仿真结果验证了所提出的路径跟随编队控制方法的有效性.

摘要：针对智能船舶在内河航道航行时经常出现的船舶互相遮挡而影响目标检测精度的问题,提出了一种基于多特征聚合的水面遮挡目标检测算法.首先,在骨干网络设置多尺度感受野特征融合结构,融合被遮挡船舶可视区域与周围环境特征;其次,在骨干网络及网络的特征拼接部分添加混合注意力机制,增强网络的长程依赖性,聚合船首和船尾的特征;然后,设计了数据重采样策略,在训练过程中根据船舶类别的数量自适应地调整样本采样频率,缓解数据集中船舶数量的严重不均匀;最后对算法进行验证。结果表明:算法通过聚合被遮挡船舶可视区域与周围环境等多尺度特征,聚合船首、船尾长程特征,相较于原算法精度提升达到了3.3%,有效提升了视觉遮挡状态下水面目标的检测精度.

摘要：针对水下系缆机器人(ROV)在工作中易受水流及模型不确定干扰、控制输出频繁变化导致推进器机械磨损等问题,提出一种基于事件触发的无模型自适应悬停控制方法.首先根据系统输入及输出数据设计基于数据驱动的无模型自适应控制器;然后利用跟踪误差设计相对阈值的事件触发机制,将其引入无模型自适应控制器设计中,以实现相对阈值的事件触发无模型自适应控制,并通过理论证明了悬停控制系统的稳定性;最后通过仿真与对比实验验证了该方法的有效性及优越性.

摘要：针对浮力调节机构约束下无人水下航行器(unmanned underwater vehicle, UUV)的变深控制问题,提出一种基于正交神经网络饱和补偿器的自适应动态面控制方法。首先,建立考虑执行机构动态特性的UUV数学模型。在此基础上,采用反步法和非线性跟踪微分器设计动态面控制器,同时引入线性扩张状态观测器(linear extended state observer, LESO)在线估计浮力变化与模型不确定性引起的干扰,继而在控制器中进行补偿。然后,基于正交神经网络设计饱和补偿器,并证明闭环系统所有误差一致最终有界。仿真结果表明,与现有的动态面控制方法相比,所提方法在浮力调节机构约束下,具有较好的动态性能与稳态精度。

摘要：针对实海域可见光图像中海天线附近的远距离小目标特征少、检测精度低的问题,设计了一种基于YOLOv5的实海域实时目标检测算法.首先,通过在网络结构中设置双向特征融合结构,结合高层特征图的强语义信息和低层特征图的定位信息,提高了小目标的检测精度;其次,引入双通道注意力机制,并改进权重分配函数,提高了小目标的检测召回率;然后,通过新增极小目标检测层,增加对小目标物体的检测精度;最后,通过实海域数据集对算法进行验证,证明了算法对小尺度目标检测精度提升明显,同时保持了良好的实时性.

摘要：针对内河船舶航行场景复杂、航海雷达图像形状与颜色特征较少且难以标注的问题,提出一种改进的YOLOv8航海雷达图像目标检测方法。首先,为缓解标注错误与模型过拟合问题,在模型训练阶段引入标签平滑策略;然后,结合雷达图像特有的位置先验信息,设计一种基于坐标的卷积结构用于同时提取目标的形状、颜色和位置特征。为验证该方法的有效性和优越性,对采集的长江航道雷达图像在不同天气环境下进行对比试验。结果表明,本文方法在保证目标检测实时性的同时,精确率达到91.52%,平均精度较经典YOLOv8提高了5.17%,可为提升内河航运现代化与智能化管理水平提供技术支持。

摘要：针对智能船舶在航行过程中为抵抗多源时变环境干扰与模型不确定性的影响,常引起控制力发生突变,致使执行装置难以响应、船舶无法准确跟踪期望路径的问题,提出了一种自抗扰模型预测控制算法.该方法基于自抗扰控制思想,设计修改型扩张状态观测器(MESO)对系统的状态和总未知扰动进行估计,并基于估计值设计鲁棒补偿的模型预测控制算法(RC-MPC).本文方法基于MESO,将复杂的船舶路径跟踪系统转化为含有干扰的线性仿射系统;同时,为避免鲁棒模型预测控制导致结果保守,设计了观测误差鲁棒补偿算法,提高了控制器的干扰抑制能力,增强了系统对模型失配的鲁棒性.结果证明了该自抗扰模型预测控制级联系统具有全局一致渐近稳定性,仿真实验验证了算法的有效性.