摘要：针对输入受限和控制方向未知的无人帆船航向控制问题,考虑系统模型存在动态不确定和未知外界扰动的情况,本文提出一种基于非仿射航向运动数学模型的最小参数自适应递归滑模动态面控制策略.该策略通过Taylor展开方法将非仿射模型转化为具有线性结构的仿射时变系统,采用最小参数学习(minimal learning parameter,MLP)神经网络逼近无人帆船模型不确定部分,并利用双曲正切函数处理控制输入饱和现象,引入Nussbaum函数处理系统中未知控制方向问题,同时综合考虑帆船艏摇角速度误差和航向误差之间关系设计递归滑模动态面舵角控制律,并设计参数自适应律对神经网络逼近误差与复合干扰总和的界进行估计.选取李雅普诺夫函数证明了所设计控制器能够保证航向闭环系统内所有信号的一致最终有界性.最后,基于一艘12 m无人帆船进行仿真验证,结果表明无人帆船航向控制响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性.

摘要：针对船速与艏摇角速度均不可测的三自由度欠驱动船舶轨迹跟踪问题,考虑在海洋环境扰动未知,提出一种带非线性观测器的动态面自适应输出反馈控制方法。该方法通过对系统模型进行坐标变换,设计非线性观测器估计船舶的速度向量;采用动态面技术可处理反演法对虚拟控制量求导导致的"微分膨胀"问题,减少计算量;同时采用自适应律估计海洋环境干扰的界值,从而防止参数漂移。利用Lyapunov函数证明该控制律可保证船舶轨迹跟踪误差的一致最终有界性,仿真结果证明了所提出控制方法的有效性。