摘要：[目的]针对海上目标无人艇智能逃逸问题,提出一种基于阶段诱导学习的多无人艇协同目标围捕策略。[方法]首先构建针对无人艇围捕逃逸的马尔科夫博弈模型,明确基于距离和角度的围捕成功判定条件。为提升智能逃逸下多无人艇的目标围捕性能,采用集中式训练-分布式执行框架和长短时记忆网络相结合的方法,基于多智能体柔性行动-评判(MASAC)算法开展协同围捕训练。同时,设计基于阶段诱导的协同围捕奖励机制,依据双方当前状态来优化训练进程,避免“惰性围捕艇”现象,提高围捕成功率,引导无人艇由易到难地完成围捕任务。[结果]仿真结果表明,与仅采用阶段诱导奖励的MASAC、仅采用长短时记忆网络的MASAC和MASAC围捕策略相比,所提策略的围捕成功率分别提高3.3%,6.1%和24.4%,验证了其可行性和有效性。[结论]所提策略为无人艇攻防对抗提供了有价值的技术参考,有助于推动无人艇技术在相关领域的应用与发展。

摘要：为满足船舶护航、目标围捕等任务要求,文中提出了一种基于路径参数循环的欠驱动无人艇集群协同路径跟踪控制方法。在运动学设计方面,结合视线制导与一致性算法,设计无人艇集群协同制导律,得到闭曲线上对称的编队队形,实现对目标点进行围捕。在动力学设计方面,考虑动力学模型不确定性及传统滑模导致的抖振问题,利用神经网络逼近特性和饱和函数,设计基于自适应径向基函数神经网络的分布式积分滑模控制器,保证无人艇能够精确跟踪制导信号,从而提高系统抗干扰性和路径跟踪精度。Lyapunov稳定性分析证明了闭环系统误差是全局渐近稳定的。仿真结果表明了所提出集群协同控制方法的有效性。

摘要：为解决复杂航行环境下无人水下航行器(unmanned underwater vehicle,UUV)路径规划及跟踪控制问题,提出一种考虑避障的全局路径规划策略及实现有限时间精确路径跟踪的控制方法。基于改进人工势场法得到一条可跟踪且避免碰撞的全局路径,为UUV实现精确路径跟踪奠定基础。引入Serret-Frenet坐标系,并设计用于路径规划的视线(line-of-sight,LOS)制导方法。基于非奇异终端滑模控制设计UUV控制律,确保系统误差可以在有限时间内趋近于零。基于李雅普诺夫稳定性理论证明所设计控制系统的稳定性,仿真实验验证了所设计的UUV路径规划及跟踪控制方法的有效性。路径规划模块与路径跟踪模块有效结合更加符合实际UUV工作环境的需要,具有重要的实际意义。

摘要：针对模型参数未知和海洋环境干扰下的欠驱动无人水面艇(unmanned surface vehicles,USV)路径跟踪问题,提出一种基于改进双延迟深度确定性策略梯度(twin delayed deep deterministic policy gradient,TD3)的控制方法。在运动学层次上,设计基于视线制导的航速航向联合制导律,引导USV准确跟踪期望路径。在动力学层次上,设计基于改进TD3的强化学习动力学控制器;采用基于时间差分误差的优先经验回放技术,建立包含路径跟踪成功和失败采样信息的双经验池,通过自适应比例系数调整每批次回放数据的组成结构;搭建包含长短期记忆网络的评价网络和策略网络,利用历史状态序列信息提高路径跟踪控制器的训练效率。仿真结果表明,基于改进TD3的控制方法可有效提高欠驱动USV的跟踪精度。该方法不依赖USV模型,可为USV路径跟踪控制提供参考。