[发明专利]一种考虑输入量化的分布式多无人船舶自适应神经网络编队控制方法

说明书

本发明提供一种考虑输入量化的分布式多无人船舶自适应神经网络编队控制方法，包括构建无人船运动学模型；考虑量化输入问题，构建无人船动力学模型；设计运动学控制器；基于运动学控制器，设计分布式编队控制律设计动力学控制器；基于动力学控制器，设计动力学控制律。在运动学子系统，基于扩张状态观测器设计分布式制导律，跟踪时变轨迹，利用观测器估计邻近船舶的未知状态；在动力学子系统，利用线性时变模型描述量化过程，利用径向基神经网络识别未建模动态及系统不确定项，设计无量化器参数信息自适应神经网络量化控制律。考虑外部海洋扰动和内部模型不确定性导致的未知动力学问题，实现考虑输入量化问题的分布式多无人船舶编队的有效控制。

技术领域

本发明属于船舶与海洋工程领域的无人船协同控制技术，具体而言，尤其涉及一种考虑输入量化的分布式多无人船舶自适应神经网络编队控制方法。

背景技术

由于海洋气候多变、环境恶劣及船舶任务复杂多样，而单个水面船已无法满足实际海洋工程的需求。因此，多船协作开始成为海洋工程的发展趋势，其不仅可以提升船舶工作效率，还能保障人员及船舶的安全，如在海底铺设光缆、勘探海洋资源、绘制海底地形以及海洋救援和编队巡航等。在海洋科技发展的新形势下，相比于更高需求、复杂环境、任务多样性及船舶编队系统模型的特殊性，当下的船舶编队技术仍存在诸多缺陷，因此对其理论技术进行进一步研究有着重要意义。

目前已有一些可行的研究方法，如专利CN202010301097.5公开了一种船舶编队的航行轨迹控制方法，方法包括以下步骤：采集船舶信息；获取预设区域内的环境信息，以及获取船舶编队内预设位置上的船舶位置信息；根据所述船舶信息、所述环境信息以及所述预设位置上的船舶位置信息预测航行轨迹；获取安全距离；根据所述安全距离和所述航行轨迹控制船舶编队的航行状态。专利CN201910844061.9通过电子海图系统获得实时航行安全信息，结合船舶性能设定航行安全水深等指标，利用路径规划方法预规划出起点到终点的路径。通过船舶自动识别系统、全球定位系统等设备获得船舶的航行安全信息。当编队内船与船间的距离或船与障碍物间的距离小于对应的安全距离时，触发避碰或避障人工势场，通过人工势场排斥力与船舶路径跟踪复合力矩控制船舶航向和航速。

当前的编队研究尚未考虑控制输入量化问题。在网络控制系统中，各组件之间的信息传输是通过通信信道进行的。信息要想在信道中传输，必须要先经过量化，编码。同时，考虑到实际应用中信道的带宽是有限的，为了保证系统可以在给定的带宽内正常运行，需要使用量化技术来降低通信速率，因此量化是非常基础且重要的。

发明内容

根据上述提出的技术问题，提供一种考虑输入量化的分布式多无人船舶自适应神经网络编队控制方法。本发明提出了一种基于扩张状态观测器的分布式制导律，用于跟踪时变轨迹，利用观测器估计邻近船舶的未知状态；在动力学子系统，本发明利用一种线性时变模型来描述量化过程，利用径向基神经网络识别未建模动态及系统不确定项，提出了一种不需要量化器参数信息的自适应神经网络量化控制律。同时，本发明考虑了外部海洋扰动和内部模型不确定性所导致的未知动力学问题，有效实现了考虑输入量化问题的分布式多无人船舶编队控制。

本发明采用的技术手段如下：

一种考虑输入量化的分布式多无人船舶自适应神经网络编队控制方法，包括如下步骤：

S1、基于由N个欠驱动无人船组成的集群系统，构建无人船的运动学模型；

S2、考虑量化输入问题，构建无人船的动力学模型；

S3、设计运动学控制器；

S4、基于所述运动学控制器，设计分布式编队控制律；

S5、设计动力学控制器；

S6、基于所述动力学控制器，设计动力学控制律。

进一步地，所述步骤S1中，考虑一个由N个欠驱动无人船组成的集群系统，构建的第i个无人船运动学模型具体为：