[发明专利]一种自主水下航行器水平面自适应轨迹跟踪控制方法

摘要

本发明提出一种自主水下航行器水平面自适应轨迹跟踪控制方法，利用高增益状态观测器的方法估计AUV的速度和角速度，使用径向基函数(Radial Basis Function，RBF)神经网络的高精度逼近功能补偿模型参数不确定项和外部干扰项，将AUV轨迹跟踪问题经坐标变换转换为极坐标系下跟踪问题。具体解决时首先设计运动学模型的期望输入，然后设计动力学模型的期望输入，最后使用RBF神经网络估计期望输入中的不确定性项，设计神经网络权值更新律，最终使AUV跟踪期望的轨迹。

主权项

1.一种自主水下航行器水平面自适应轨迹跟踪控制方法，其特征在于：采用以下步骤：步骤1：建立模型：定义AUV当前水平面的广义位置向量为η＝[x y ψ]T，广义速度向量为ν＝[u v r]T；其中x代表AUV南北方向的位置，y代表AUV东西方向的位置，ψ代表AUV当前的航向角，u代表AUV前向运动速度，v代表AUV侧向运动速度，r代表AUV航向角速度，AUV的水平面运动方程为其中AUV的动力学方程如下式所示：其中m11,m22,m33为AUV的惯性模型参数，d11,d22,d33为AUV的阻力模型参数，τ1,τ2为AUV的控制输入，w1,w2,w3为外部干扰；AUV在惯性坐标系下的初始点位置为X0＝[x0 y0]T以初始航向角ψ0开始跟踪期望轨迹Xd＝[xd yd]T，目标点的轨迹满足式中U表示跟踪目标点的运动速度，ψw代表跟踪目标点的运动方向；步骤2：确定控制输入为式中k3,k4为控制参数，且都为正实数；式中是AUV的估计速度，由高增益观测器估计获得；所述高增益观测器为其中，π1∈R3和π2∈R3为高增益观测器的状态向量，ε为正的常数，λ＞0，则AUV在体坐标系下的速度估计值为式中和分别代表r_vir和u_vir的导数，r_vir和u_vir代表运动学模型的期望输入，由下式计算得到：uvir＝k2(ρ‑δ)+U cosχ其中k1,k2为控制参数，且都为正实数；δ为设定的跟踪误差值，ρ为AUV当前位置和目标点位置之间的距离、α为AUV纵轴与AUV到目标点向量的角度，χ为目标点速度矢量与AUV到目标点向量的角度；式中z1和z2为速度误差，由下式计算得到：式中和为AUV的惯性模型参数以及阻力模型参数在实际情况中可获取的值，实际获取值与真值之间的关系如下式：其中(·)代表真值，(·)*代表实际获取值，Δ(·)代表参数的不确定值；式中为RBF神经网络的权值，S(Z)为RBF神经网络隐含层节点输出，Z为RBF神经网络的输入：RBF神经网络的权值更新律为其中，Γ1,Γ2和σ1,σ2为神经网络权值更新参数，且都为正实数；其中，Ci代表RBF神经网络中隐含层第i个神经元高斯基函数中心点的坐标向量，bi代表隐含层第i个神经元高斯基函数的宽度。