[发明专利]一种基于内模控制与遗传算法的无人船路径跟踪控制方法

权利要求书

1.一种基于内模控制与遗传算法的无人船路径跟踪控制方法，其特征在于，包括以下步骤：

步骤S1.建立状态空间型无人船线性数学模型：

v，r，ψ是状态变量，其中ψ是艏向角，δ是控制输入量，即推进器偏转角；

步骤S11.公式(1)转化为二阶传递函数模型，即Nomoto模型：

公式(2)中的K、T均为无人船的操纵性指数，体现出了艏向变化对操纵控制的响应特性，便于分析无人船运动随模型参数变化的规律，K是从δ(s)到r(s)的静态增益，称为回转性指数，时间常数T则是跟从性指数；

步骤S12.定义环境干扰为w₁、w₂、w₃近似描述环境干扰，并且满足：

其中，α₁、α₂和α₃分别为风、浪、流对平面三自由度干扰的权重参数，rand1(t)、rand2(t)和rand3(t)均表示[-1,1]的均匀随机数；

步骤S13.获得在干扰环境下的空间型无人船运动数学模型：

步骤S2.设计LOS制导律，通过建立无人船的转向半径与横向偏差呈非线性关系，自适应调整前视距离，以此改善无人艇对期望轨迹的追踪效果；

步骤S21.(x,y)是当前船舶的位置，(x_k,y_k)表示期望轨迹上某一航迹点，LOS向量是从无人船的实时坐标指向LOS坐标，该向量与期望航迹的夹角是LOS角；

步骤S22.以无人船当前位置(x,y)为圆心，nL为半径作圆，该圆与路径P_kP_k-1产生两个交点，取靠近(x_k,y_k)的交点为LOS坐标即(x_Los,y_Los)，由此获得LOS向量；

ψ_LOS＝tan2(y_e,Δ),Δ＞0 (7)

ψ_d＝ψ_p-ψ_LOS (8)

公式(7)中，y_e是横向偏差，Δ是前视距离，公式(8)中，ψ_p是期望轨迹的方位角，ψ_d是理想艏向角；

(x_Los,y_Los)的计算为：

(x_Los-x)²+(y_Los-y)²＝R² (9)

步骤S23.为了使得无人船能够在y_e较大时，快速收敛到期望轨迹，在y_e较小时，期望艏向ψ_d波动不太大，有效地减少振荡次数，提出：

即是将转向半径定义为横向偏差的非线性函数，公式(11)中L是船舶长度，n＝1，

步骤S24.对改进的LOS制导律与传统的LOS制导律开展对比实验，设定n＝2，L＝1，ε＝5；

步骤S3.设计内模控制器，内模控制是将控制对象与实际对象数学模型并联，采用相消法进行控制器设计的控制策略，内模控制结构自带的偏差积分作用和增加的滤波环节使得控制器具有抗扰动性和对大时滞系统的控制能力，且控制器参数清晰可见，便于分析调节控制器性能；

步骤S31.设定G_c(s)是内模控制器，G_IMC(s)是传递函数，是对象模型，R(s)是输入的给定值，G_p(s)是控制对象，D(s)是扰动参数，Y(s)是系统输出，则控制器G_c(s)可以表示为：

上式中，是的逆，f(s)是滤波器，f(s)影响系统的闭环性能和鲁棒性，滤波器中时间常数T_f是增益参数；

步骤S32.由船舶数学模型公式(2)可得控制对象模型：

结合公式(13)和公式(14)可得

将公式(16)中的r取值为3，则内模控制器可表示为

步骤S4.采用遗传算法优化控制器参数，采用遗传算法对控制参数进行全局优化，以使得无人船在实际运动过程中获得更好的动态特性；

步骤S41.参数编码与种群初始化；

步骤S42.目标函数与适应度函数；

步骤S43.选择、交叉与变异；

步骤S44.重复步骤S42、步骤S43，直至达到收敛或者参数优化的预期效果。