用于欠驱动水面无人船舶的编队控制方法、介质及设备与流程

1.本技术涉及船舶技术领域，具体而言，涉及一种用于欠驱动水面无人船舶的 编队控制方法、介质及设备。


背景技术：

2.这部分中描述仅提供与本公开有关的背景信息且可以不构成现有技术。
3.近年来，随着无人技术在智能船舶舶领域的迅猛发展，水面无人船舶的应用 也越来越广泛。水面无人船舶已成为水上救援、内河及近远海的环境监测、污染 清理、科学研究等各类工作的重要工具。与单无人船舶水面作业相比，多无人船 舶通过在航行过程中形成动态协同作业网络，可有效提高作业效率和系统的容错 性。
4.与现有一阶、二阶和一般线性系统个体的编队不同，在实际工作环境下，无 人船舶必然会受到诸如风、浪、流等环境扰动，具有“非线性、强耦合、模型不 确定”的特性。外部扰动一方面会影响无人船舶的动力学模型，带来不确定动力 学，此时若采用基于模型的无人船舶编队控制方法会由于模型失配造成编队控制 性能下降；另一方面也会干扰原始的控制作用，影响无人船舶集群的编队跟踪精 度。已有编队方法在处理无人船舶不确定动力学和外部扰动方面还有待进一步地 提升，需要设计更有效的编队控制器，在无人船舶编队过程中既能满足队形约束， 又能具有容错性，既能保证鲁棒性，又能减少计算量。欠驱动水面无人船舶由于 实际控制输入少于系统自由度，使得控制问题面临着更为复杂的挑战，同时存在 于动态模型内的高度非线性和强耦合性，导致控制器设计较为复杂，简单的控制 方法不能直接应用。概括地说，各船舶的不确定动力学、所受的外界扰动以及各 种编队约束给无人船舶编队控制方法的发展带来了很大的挑战。
5.目前比较成熟的编队控制方法有以下几种：基于虚拟结构法、基于行为法、 基于跟随领航者法、基于人工势场法、基于路径跟随法和基于信息一致性法等。 其中跟随领航者法是常用的编队控制方法。在领随结构编队中，选择一个或者多 个个体作为领航者，剩余个体设为跟随者，驱动跟随者以预设的偏移跟踪领航者 的位置和方向。基于领随结构的编队控制虽然具有结构简单、易于实现等优点， 但由于整个编队由多个领随双自主体系统搭建，每个领随双自主体系统中的领航 者失效或出现故障都会对整个编队产生影响，同时编队误差也会随着领随双自主 体系统的逐级叠加而不断累积，容错能力差。


技术实现要素：

6.本技术实施例的目的在于提供一种用于欠驱动水面无人船舶的编队控制方 法，在欠驱动领航船和跟随船的速度信息都不可知，并且具有不确定模型和未知 外界扰动的情况下，为跟随船设计控制律，使得跟随船可实现相对于领导船的预 设编队布局，增强多船编队系统抑制不确定模型和外界扰动的容错性。
7.本技术实施例的另一目的还在于提供一种实现上述用于欠驱动水面无人船 舶的编队控制方法的计算机存储介质。
8.本技术实施例的另一目的还在于提供一种实现上述用于欠驱动水面无人船 舶的编队控制方法的计算机设备。
9.第一方面，提供了一种用于欠驱动水面无人船舶的编队控制方法，其特征在 于，包括以下步骤：
10.1)基于改进的自适应控制律，设计跟随船运动学虚拟控制律，以镇定视距 和视线角跟踪误差，从而构建出跟随船前进方向虚拟控制律；
11.2)利用步骤1)中的跟随船运动学虚拟控制律和跟随船前进方向虚拟控制 律，采用动态面控制技术，镇定跟随船的艏摇角跟踪误差，进而构建出跟随船艏 摇方向虚拟控制律；
12.3)构建高增益观测器以估计跟随船的速度；
13.4)在跟随船不确定模型和受到外界扰动情况下镇定前进速度误差ue和艏摇 角速度误差re，结合所述高增益观测器、所述跟随船前进方向虚拟控制律和所述 跟随船艏摇方向虚拟控制律，基于rbf神经网络和最小参数学习算法，为跟随船 构建自适应输出反馈编队控制律。
14.一种可能实施的方案中，步骤1)包括构建无人船舶数学模型的步骤：
15.船舶的自由度运动采用大地坐标系和船体坐标系，每艘无人船舶的运动学方 程为：其中，η＝[x,y,ψ]
t
指无人船舶在大地坐标系下的位置向量，(x,y)指无人船舶的位置，ψ指无人船舶的艏摇角，v＝[u,v,r]
t
指无人船舶在船 体坐标系下的速度向量，u、v、r分别指无人船舶的前进速度、横漂速度和艏摇 角速度，r(ψ)指的是与无人船舶艏摇角有关的旋转矩阵，为：
[0016][0017]
每艘无人船舶的动力学方程为：
[0018][0019][0020][0021]
其中，其中，d
wu
、d
wv
、d
wr
分别表示外界扰动作用 在无人船舶前进、横漂和艏摇三个通道上的力或力矩，mu、mv、mr是无人船舶模型 中的惯性力系数，c
13
、c
23
、c
31
、c
32
是无人船舶模型中的向心力和科氏力系数，d
11
、 d
22
、d
23
、d
32
、d
33
是无人船舶模型中的水动力阻尼系数，gu、gv、gr表示无人船舶 的未建模动力学，τu、τr表示无人船舶的执行器输入，其中，τu为无人船舶前 进方向的推力，τr为无人船舶艏摇角速度方向的力矩；由于无人船舶是欠驱动 的，所以无人船舶模型的横漂方向上没有执行器输入；
[0022]
定义跟随船对领航船的视距ρ
l
和视线角λ
l
；设领航船和跟随船的位置向 量分别为η
l
和η，他们的速度向量分别表示为ν
l
和ν，则视距ρ
l
和视线角 λ
l
分别定义为：
和其中，tan-1
是 正切函数的逆函数，跟随船所期望的视距和视线角分别为ρ
ld
和λ
ld
；编队跟踪 误差定义为ρ
le
＝ρ
l-ρ
ld
，λ
le
＝λ
l-λ
ld
，其中ρ
le
为跟随船的视距误差，λ
le
为跟随船的视线角误差。
[0023]
一种可能实施的方案中，在步骤1)中，所述自适应控制律利用领航船的位 置和艏摇角，使得跟随船对领航船舶的视距ρ
l
和视线角λ
l
跟踪期望的ρ
ld
和 λ
ld
，首先计算领航船和跟随船间的相对运动学方程，并根据跟随船的视距误差 ρ
le
和视线角误差λ
le
，设计所述跟随船运动学虚拟控制律：随船运动学虚拟控制律：和其中，k
ρ
和k
λ
是控制增益， ∈1和∈2是正常数，p为正常数。
[0024]
一种可能实施的方案中，在步骤1)中，所述自适应控制律为一种可能实施的方案中，在步骤1)中，所述自适应控制律为所述跟随船前进方向虚拟控制律基于领航船舶 和跟随船之间的相对运动学、跟随船的视距误差ρ
le
和跟随船的视线角误差λ
le
， 领航船和跟随船间的相对运动学方程为：
[0025][0026][0027]
其中δ
ρ
＝u
l cos(ψ
l-λ
l
)-v
l sin(ψ
l-λ
l
)+v sin(ψ-λ
l
)，δ
λ
＝ u
l sin(ψ
l-λ
l
)+v
l cos(ψ
l-λ
l
)-v cos(ψ-λ
l
)，δ
ρ
和δ
λ
具有共同的上界p0， 即：δ
ρ
≤p0,δ
λ
≤p0,p0＝|u
l
|+|v
l
|+|v|，假设无人船舶的横漂速度是无源有 界的，并且领航船的前进速度是有界的，存在一个正常数p，使得p0≤p；
[0028]
跟随船的视距误差ρ
le
和视线角误差λ
le
的导数为：
[0029][0030][0031]
其中w
ρ
＝u cos(ψ-λ
l
)，w
λ
＝u sin(ψ-λ
l
)，
[0032]
根据相对运动学方程和误差导数方程设计所述跟随船运动学虚拟控制律：
[0033][0034]
一种可能实施的方案中，对步骤1)中的虚拟运动学控制律和进行处理， 令其中αu和α
ψ
分别为u和ψ的虚 拟控制律：αu和α
ψ
即为所述跟随船前进方向虚拟控制律。
[0035]
一种可能实施的方案中，步骤2)中，令跟随船前进方向虚拟控制律αu和α
ψ 分别通过两个时间常数为tu和t
ψ
的一阶滤波器，产生信号βu和β
ψ
，则存在下述 关系：
[0036][0037]
βu(0)＝αu(0)
[0038][0039]
β
ψ
(0)＝α
ψ
(0)
[0040]
接着定义误差ue,zu,ψe,z
ψ
，满足如下关系：ue＝u-βu,zu＝β
u-αu，ψe＝ ψ-β
ψ
,z
ψ
＝β
ψ-α
ψ
；
[0041]
对ψe求导得：
[0042][0043]
设计跟随船艏摇方向虚拟控制律αr：其中k
ψ
是控制增益。
[0044]
一种可能实施的方案中，步骤3)中，令步骤2)中的跟随船艏摇方向虚拟 控制律αr通过时间常数为tr的一阶滤波器，得到βr，即：
[0045][0046]
βr(0)＝αr(0)
[0047]
定义误差re和zr，满足re＝r-βr,zr＝β
r-αr；
[0048]
采用如下线性系统：
[0049][0050]
其中π1∈r3和π2∈r3是状态向量，δ是一个正常数，λ1》0；可得η的估计 [0051]
根据无人船舶的运动学方程，有：
[0052][0053][0054]
由于||r
t
(
·
)||＝1，得高增益观测器：
[0055][0056]
其中bv是一个正常数。
[0057]
一种可能实施的方案中，步骤4)中，rbf神经网络有如下定理：
[0058]
对于高斯基函数，如果其中常数β》0并且是一个有界的变 量，那么有：其中g
t
是一个有界的函数向量；
[0059]
根据步骤3)中的高增益观测器有：
[0060][0061]
其中，是一个有界的函数向量，则无人船舶的动力学方程fi+d
wi
/mi表示为：
[0062][0063]
其中和定义为：
[0064]
[0065][0066]
设计欠驱动跟随船的前进推力τu和转向力矩τr的控制律τ
i|i＝u,r
满足:
[0067][0068]
其对应的基于最小参数学习的自适应律为：
[0069][0070]
其中bi、γi和δi都是正的控制参数， 是的初始值，该值选择接近λi的真值。
[0071]
一种可能实施的方案中，采用跟随船的视距和视线角信息实现编队控制，视 距和视线角信息通过在跟随船上配备航海雷达直接获取。
[0072]
第二方面，还提供一种计算机存储介质，其存储有计算机程序，该程序被处 理器执行时实现第一方面任一可能实施方案中所述的用于欠驱动水面无人船舶 的编队控制方法。
[0073]
第三方面，还提供一种计算机设备，包括：
[0074]
存储器及处理器，所述存储器存储有计算机程序，该程序被处理器执行时实 现第一方面任一可能实施方案中所述的用于欠驱动水面无人船舶的编队控制方 法。
[0075]
本技术具有的有益效果：本技术的编队控制方法融合了自适应控制律、动态 面控制技术、神经网络技术、高增益观测器以及最小参数学习算法，只依赖于跟 随船的视距、视线角、位置和艏摇角信息，编队控制器只需在线调节两个学习参 数τu和τr，便可实现相对于领航船的预设编队布局。考虑欠驱动领航船和跟随 船的速度信息都不可知以及模型的不确定性和未知外界扰动的情况，不仅增强了 多船编队系统抑制不确定模型和外界扰动的容错性，还通过减少计算量增强了无 人船舶编队系统的鲁棒性。
附图说明
[0076]
为了更清楚地说明本技术实施例的技术方案，下面将对实施例中所需要使用 的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此 不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳 动的前提下，还可以根据这些附图获得其他相关的附图。
[0077]
图1为根据本技术实施例示出的一种编队结构示意图；
[0078]
图2为根据本技术实施例示出的一种编队控制方案原理框架图。
具体实施方式
[0079]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实 施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所 描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中 描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
[0080]
因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求 保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施 例，本领域
普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例， 都属于本技术保护的范围。
[0081]
在本技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安 装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸 连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也 可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技 术人员而言，可以根据具体情况理解上述术语在本技术中的具体含义。
[0082]
根据本技术的第一方面，首先提供了一种用于欠驱动水面无人船舶的编队控 制方法。本技术的目标是：在欠驱动领航船和跟随船的速度信息都不可知，并且 具有不确定模型和未知外界扰动的情况下，为跟随船设计控制律τu和τr，使得跟 随船可实现相对于领导船的预设编队布局(ρ
ld
,λ
ld
)。
[0083]
首先是无人船舶的数学模型，包括运动学模型和动力学模型。在研究船舶舶 的6自由度运动时，常采用两个坐标系统，一个是大地坐标系，一个是船体坐标 系。
[0084]
每艘无人船舶的运动学方程为：其中，η＝[x,y,ψ]
t
指无人船舶 在大地坐标系下的位置向量，(x,y)指无人船舶的位置，ψ指无人船舶的艏摇角， v＝[u,v,r]
t
指无人船舶在船体坐标系下的速度向量，u、v、r分别指无人船舶的 前进速度、横漂速度和艏摇角速度，r(ψ)指的是与无人船舶艏摇角有关的旋转矩 阵，为：
[0085][0086]
每艘无人船舶水平面非线性的动力学方程为：
[0087][0088]
其中，mj为惯性系数矩阵，cj为科氏力和向心力矩阵，dj为阻尼系数矩阵， 它们分别定义为：
[0089][0090][0091][0092]
每艘无人船舶的动力学方程为：
[0093][0094]
[0095][0096]
其中，其中，d
wu
,、d
wv
,、d
wr
分别表示外界扰动(如 风、浪、流等)作用在无人船舶前进、横漂和艏摇三个通道上的力或力矩，mu、 mv、mr是无人船舶模型中的惯性力系数，c
13
、c
23
、c
31
、c
32
是无人船舶模型中的向 心力和科氏力系数，d
11
、d
22
、d
23
、d
32
、d
33
是无人船舶模型中的水动力阻尼系数， gu、gv、gr表示无人船舶的未建模动力学，τu、τr表示无人船舶的执行器输入， 其中，τu为无人船舶前进方向的推力，τr为无人船舶艏摇角速度方向的力矩。 由于无人船舶是欠驱动的，所以无人船舶模型的横漂方向上没有执行器输入。
[0097]
进一步地，以一艘领航船舶和一艘跟随船的情况为例，领航船舶和跟随船的 位置向量分别为η
l
和η，他们的速度向量分别表示为ν
l
和ν。跟随船对领航 船舶的视距ρ
l
和视线角λ
l
分别定义为和和其中，tan-1
是正切函数的逆函数，跟随船所期望的视距和视线角 分别为ρ
ld
和λ
ld
。编队跟踪误差可定义为ρ
le
＝ρ
l-ρ
ld
，λ
le
＝λ
l-λ
ld
，其中 ρ
le
为跟随船的视距误差，λ
le
为跟随船的视线角误差，如图1所示。
[0098]
本技术编队控制方法的原理图如图2所示，下面给出具体步骤：
[0099]
1)基于一种改进的自适应控制律，设计跟随船运动学虚拟控制律，以镇定 视距和视线角跟踪误差，从而构建出跟随船前进方向虚拟控制律。
[0100]
首先根据上述无人船舶的运动学方程、视距ρ
l
、视线角λ
l
以及编队跟踪误 差的定义，推导出领航船和跟随船间的相对运动学方程：
[0101][0102][0103]
其中δ
ρ
＝u
l cos(ψ
l-λ
l
)-v
l sin(ψ
l-λ
l
)+v sin(ψ-λ
l
)，δ
λ
＝ u
l sin(ψ
l-λ
l
)+v
l cos(ψ
l-λ
l
)-v cos(ψ-λ
l
)。δ
ρ
和δ
λ
具有共同的上界p0， 即：δ
ρ
≤p0,δ
λ
≤p0,p0＝|u
l
|+|v
l
|+|v|。假设无人船舶的横漂速度是无源有 界的，并且领航船的前进速度是有界的，存在一个正常数p，使得p0≤p。
[0104]
其次，对跟随船的视距误差ρ
le
和视线角误差λ
le
求导，有：
[0105][0106][0107]
其中w
ρ
＝u cos(ψ-λ
l
)，w
λ
＝u sin(ψ-λ
l
)。
[0108]
接下来，根据相对运动学方程和误差求导方程设计如下跟随船运动学虚拟控 制律：
[0109][0110]
其中，k
ρ
和k
λ
是控制增益，∈1和∈2是正常数，改进的自适应控制律为kp
是一个控制增益。该自适应控制律在 领航船和跟随船速度缺失情况下依然可保证编队跟踪，且只需更新一个自适应参 数，简化了参数调节过程，提高了工程实用性。
[0111]
对虚拟运动学控制律和进行处理，令进行处理，令其中αu和α
ψ
分别为u和ψ的虚拟控制律：分别为u和ψ的虚拟控制律：αu和α
ψ
即为所述跟随船前进方向虚拟 控制律。
[0112]
步骤2)采用动态面控制技术，镇定跟随船的艏摇角跟踪误差，进而构建出 跟随船艏摇方向虚拟控制律。
[0113]
令跟随船前进方向虚拟控制律αu和α
ψ
分别通过两个时间常数为tu和t
ψ
的 一阶滤波器，产生信号βu和β
ψ
，则存在下述关系：
[0114][0115]
βu(0)＝αu(0)
[0116][0117]
β
ψ
(0)＝α
ψ
(0)
[0118]
接着定义误差ue,zu,ψe,z
ψ
，满足如下关系：ue＝u-βu,zu＝β
u-αu，ψe＝ ψ-β
ψ
,z
ψ
＝β
ψ-α
ψ
。
[0119]
对ψe求导得：
[0120][0121]
设计跟随船艏摇方向虚拟控制律αr：其中k
ψ
是控制增益。
[0122]
步骤3)：构建高增益观测器以估计跟随船的速度。高增益观测器用于结合 虚拟控制律、神经网络近似技术和最小参数学习算法，为跟随船设计自适应输出 反馈编队控制律。
[0123]
首先令步骤2)中的跟随船艏摇方向虚拟控制律αr通过时间常数为tr的一阶 滤波器，得到βr，即：
[0124][0125]
βr(0)＝αr(0)
[0126]
定义误差re和zr，满足re＝r-βr,zr＝β
r-αr。
[0127]
其次，高增益观测器可用来在无人船舶具有不确定性动力学和受到外界扰动 情况下，估计无人船舶的速度信息，这在只有无人船舶位置和艏摇角信息实现编 队的场景下非常有用。为构建有效的高增益器，我们考虑如下线性系统：
[0128][0129]
其中π1和π2∈r3是状态向量，δ是一个正常数，λ1》0。可得η的估计 [0130]
根据无人船舶的运动学方程，有：
[0131][0132]
进一步地，有：
[0133][0134]
由于||r
t
(
·
)||＝1，进一步可得高增益观测器：
[0135][0136]
其中bv是一个正常数。
[0137]
步骤4)在跟随船不确定模型和受到外界扰动情况下镇定前进速度误差ue和 艏摇角速度误差re，并基于rbf神经网络和最小参数学习算法构建出自适应输出 反馈编队控制律。
[0138]
对于rbf神经网络，有如下定理：
[0139]
对于高斯基函数，如果其中常数β》0并且是一个有界的变 量，那么有：其中g
t
是一个有界的函数向量。
[0140]
根据步骤3)中的高增益观测器有：
[0141][0142]
其中，是一个有界的函数向量，则无人船舶的动力学方程fi+d
wi
/mi可以表示为：
[0143][0144]
其中和定义为：
[0145][0146][0147]
设计欠驱动跟随船的前进推力τu和转向力矩τr的控制律τ
i|i
＝u,r满足:
[0148][0149]
其对应的基于最小参数学习的自适应律为：
[0150][0151]
其中bi、γi和δi都是正的控制参数， 是的初始值，该值通常选择接近λi的真值。
[0152]
本实施例中，采用跟随船的视距和视线角信息实现编队控制，视距和视线角 信息是通过在跟随船上配备航海雷达直接获取的，该方案中跟随船舶不采用领航 船艏摇角信息，在整个编队过程中跟随船与领航船之间无需通信，极大地节省了 通信成本，实现方式较为便捷。
[0153]
针对存在模型不确定性和外部环境扰动时的欠驱动无人船舶领随结构编队 队形
保持和平移运动控制问题，本技术提出的一种用于欠驱动水面无人船舶的自 适应输出反馈编队控制方法，与现有领随结构的编队控制方法相比，具有以下特 点：
[0154]
编队控制方法融合了自适应控制律、动态面控制技术、神经网络技术、高增 益观测器以及最小参数学习算法。
[0155]
编队控制方法只依赖于跟随船的视距、视线角、位置和艏摇角信息，方案中 的编队控制器只需在线调节两个学习参数τu和τr，便可实现相对于领航船的预设 编队布局。
[0156]
编队控制方法考虑欠驱动领航船和跟随船的速度信息都不可知以及模型的 不确定性和未知外界扰动(风、浪、流等)的情况，不仅增强了多船编队系统抑 制不确定模型和外界扰动的容错性，还通过减少计算量增强了无人船舶编队系统 的鲁棒性。
[0157]
根据本技术的第二方面，还提供了一种计算机存储介质，其存储有计算机程 序，该程序被处理器执行时实现第一方面实施例中所述的用于欠驱动水面无人船 舶的编队控制方法。
[0158]
优选地，所述存储介质包括：rom、ram、磁碟、u盘、存储卡或者光盘等各 种可以存储程序代码的介质。
[0159]
根据本技术的第三方面，本技术还提供一种计算机设备，包括存储器及处理 器，所述存储器存储有计算机程序，该程序被处理器执行时实现第一方面实施例 中所述的用于欠驱动水面无人船舶的编队控制方法。
[0160]
存储器包括：rom、ram、磁碟、u盘、存储卡或者光盘等各种可以存储 程序代码的介质。处理器与所述存储器相连，用于执行所述存储器存储的计算机 程序。
[0161]
优选地，所述处理器可以是通用处理器，包括中央处理器(central processingunit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信 号处理器(digital signal processor，简称dsp)、专用集成电路(application specificintegrated circuit，简称asic)、现场可编程门阵列(field programmable gate array， 简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组 件。
[0162]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域 的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内， 所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。