摘要：针对船舶路径跟踪中存在的舵角需优化、舵幅与舵速受约束问题,提出了模型预测控制算法(MPC)。为提高预测值的准确性,将高精度船舶分离模型(MMG)作为MPC的预测模型。针对模型不确定项和外界干扰问题,设计非线性观测器对其进行逼近并补偿。仿真表明,所设计的控制器使船在风浪流时变干扰下仍能准确地跟踪上参考路径,且舵角变化小而平滑,说明了所提MPC算法的有效性。

摘要：【目的】解决具有外部受风流干扰和舵角输入受约束的欠驱动船舶路径跟踪问题。【方法】采用基于欧拉迭代的模型预测控制算法(MPC)对欠驱动船舶路径跟踪进行控制。【结果】MPC能够灵活地处理舵角输入受约束问题,欧拉迭代法离散和预测船舶未来状态可以简化MPC设计的运算。为弥补欧拉迭代法在精度上的不足,直接以分离型船舶模型(MMG)作为MPC的预测模型。应用径向基函数(RBF)神经网络历史信息训练实现对外界风流干扰的逼近及补偿。【结论】所设计的控制器可以使船舶在考虑风流干扰和舵角约束的情况下准确地跟踪上设定的路径,所提控制算法的有效性得到验证。

摘要：为解决欠驱动船舶路径跟踪中存在速度状态不易获取﹑外界环境干扰及内部模型不确定等问题,提出结合速度观测的径向基函数(RBF)神经网络滑模控制算法。并为改进RBF对未知项的逼近能力,引入反正切函数对RBF权值进行更新。为处理船舶速度不可测问题,基于双曲正切函数建立了非线性观测器。此外,为避免船在转向点处容易产生超调的情况,提出在路径衔接处根据转向角大小而设计可变圆弧的虚拟路径,以提高路径跟踪性能。最终对比仿真表明,在不需获取速度值的情况下,控制器仍能使船在时变干扰下准确地跟踪上参考路径,并提高了路径跟踪性能和RBF逼近性能,验证了所提方法的有效性。

摘要：为实现具有速度不易测﹑模型不确定﹑受外界因素干扰﹑输入需约束及优化等特点的欠驱动船舶的路径跟踪,提出带状态观测的模型预测控制(MPC)。在限制条件下利用MPC求解性能指标函数,处理舵角优化﹑舵幅与舵速约束问题。设计扩张状态观测器(ESO)对环境干扰和模型不确定项进行估计,提高MPC的性能。通过预测未来估计误差,利用遗传算法在线调节ESO参数,提高估计性能。基于指数函数建立速度观测器,避免速度不易测。稳定性分析和仿真试验结果表明,采用该结合状态观测的MPC船舶路径控制方案,当速度和干扰均未知时,船舶仍能跟踪上参考路径,舵角平滑且始终在约束值内,MPC控制精度和ESO估计精度均得到提高。研究结果说明该方案是可行的、有效的。