本發(fā)明屬于無人船運動控制領域，涉及一種基于極速學習的欠驅(qū)動無人船航路跟蹤控制系統(tǒng)。

背景技術：

1、隨著海洋資源開發(fā)和先進控制技術的快速發(fā)展,欠驅(qū)動無人船(underactuatedmarine?vehicle,umv)在軍事和民用方面都受到了廣泛的關注。由于采用兩個獨立的控制輸入來調(diào)節(jié)三維輸出,umv為典型的欠驅(qū)動系統(tǒng)。目前,umv的運動控制主要包含鎮(zhèn)定[1]、軌跡跟蹤[2]和航路跟蹤[3,4],而在沒有時間約束的情況下遵循預定義的航路是十分重要的。因此,在惡劣環(huán)境與極端機動下執(zhí)行海上任務時，航路跟蹤控制起著至關重要的作用。

2、航路跟蹤控制主要分為制導與控制兩個模塊。制導通常代表運動學層面的控制,通過設計制導律,產(chǎn)生包含期望航向角或縱蕩速度的制導信號?？刂颇K則是動力學層面的控制,通過設計控制器輸入，使得umv動力學能夠嚴格跟蹤制導信號，最終實現(xiàn)航路跟蹤。在船舶運動控制領域,視線(line-of-sight,los)制導[5]的有效性在理論和實踐上都得到了廣泛的認可。fossen等[6]于2003年首次將los制導律運用于umv的航路跟蹤，即利用los投影算法跟蹤由航路點實際連接的分段航路。然而，上述工作忽略了側(cè)滑角的影響,顯然,當面臨較大環(huán)境擾動時，如風、浪和洋流等，umv航路跟蹤精度將受到到嚴重影響。caharija等[7]將側(cè)滑角作為慢時變未知項，提出了積分視線(integral?line-of-sight,ilos)制導來補償側(cè)滑角。fossen等[8]提出了自適應視線(adaptive?line-of-sight,alos)制導方法,通過自適應補償解決了側(cè)滑問題。在考慮海流的情況下,moe等[9]提出了一種基于相對速度的los制導律。然而，上述基于los的制導律在整個航路跟蹤過程中普遍存在奇異現(xiàn)象。同時，縱蕩速度被定義為用戶自定義的參數(shù)，這種情況下，umv實際上僅由舵的轉(zhuǎn)向力矩控制,不僅降低了整體的操縱性,還增加了舵的操縱負擔。

3、控制模塊旨在使umv盡可能準確地跟蹤制導信號,常見的控制方法有反步控制[10]、滑模控制[11,12]及反饋線性化[13]等。然而,在實際應用中，umv不可避免地受到復雜的水動力、未建模動力學、不確定性和環(huán)境干擾等影響，這無疑使得基于模型的技術在一定程度上變得不可行。針對此，rout等[14]提出了一種具有狀態(tài)約束的部分動力學已知自適應神經(jīng)網(wǎng)絡控制律，可以快速準確地識別復雜未知量。wang等[15]通過設計輔助觀測動態(tài)，利用模糊邏輯觀測器精確地識別上述非線性。需要強調(diào)的是,這些固定結構的逼近器需要umv的先驗系統(tǒng)知識來預先定義高維輸入空間中的大量隱藏節(jié)點,從而導致維數(shù)災難問題。與確定性的逼近器不同,huang等[16,17]提出了一種基于單隱層前饋網(wǎng)絡(single-hidden?layerfeedforward?network，slfn)的極速學習機(extreme?learning?machine,elm),其中隱層節(jié)點可以隨機生成，而輸出權重僅由moore-penrose偽逆方法確定,從而可以實現(xiàn)極快的回歸和分類。而在控制領域,目標觀測或功能函數(shù)通常是不可用的,一種基于elm的自適應控制方案是十分必要的。為此，wang等[18,19]提出了一種采用slfn的極速學習控制(extremelearning?control，elc)方案,在全驅(qū)動無人船的軌跡跟蹤與誤差逼近方面都達到了很高的精度。然而，與全驅(qū)動無人船的跟蹤控制方法相比，欠驅(qū)動無人船的復雜未知量由于橫蕩動力學中的欠驅(qū)動特性而難以得到充分的處理。

4、現(xiàn)有技術存在以下問題：

5、(1)傳統(tǒng)制導律在航路跟蹤時普遍存在奇異現(xiàn)象，同時縱蕩速度為用戶自定義參數(shù)，導致欠驅(qū)動無人船實際上僅由舵的轉(zhuǎn)向力矩控制，不僅降低了整體操縱性，還增加了舵的操縱負擔。

6、(2)實際應用中，欠驅(qū)動無人船不可避免地受到復雜水動力、未建模動力學、參數(shù)不確定性和環(huán)境干擾，傳統(tǒng)基于模型的技術很難處理這些復雜未知量，而人工神經(jīng)網(wǎng)絡等智能逼近算法雖能識別上述未知量，但這些固定結構的逼近器需要欠驅(qū)動無人船上的先驗系統(tǒng)知識來預先定義高維輸入空間中的大量隱藏節(jié)點，從而導致“維數(shù)爆炸”問題。

7、(3)在線辨識復雜未知量時，單通道學習機制總會存在一定的逼近殘差，若忽略該殘差，則欠驅(qū)動無人船的航路跟蹤精度會有所下降。

技術實現(xiàn)思路

1、為了解決上述問題，本發(fā)明采用的技術方案是：一種基于極速學習的欠驅(qū)動無人船航路跟蹤控制系統(tǒng)：包括：

2、建立模塊i：用于建立欠驅(qū)動無人船運動學方程；

3、建立模塊ii：用于基于欠驅(qū)動無人船運動學方程，建立航路跟蹤誤差動力學方程；

4、建立模塊iii：用于建立縱蕩視線制導律，能夠使得驅(qū)動無人船在運動學層面漸近穩(wěn)定，使得船舶延期望路徑航行時，無人船與航行期望路徑之間誤差逐漸減?。?/p>

5、識別模塊：用于采用極速學習在線辨識方法對無人船航行過程中的未建模動力學、參數(shù)擾動以及外部環(huán)境干擾以及其余動態(tài)的集總未知項進行識別；

6、控制模塊：用于基于識別出的未建模動力學、參數(shù)擾動以及外部環(huán)境干擾以及其余動態(tài)的集總未知項，以及縱蕩視線制導律，采用基于極速學習的魯棒自適應航路跟蹤控制方法，設計基于單隱層前饋網(wǎng)絡slfn逼近的輸出權重和相應的估計誤差自適應率逼近集總未知項和減小逼近誤差，提升辨識精度，并設計縱向控制器和艏向控制器對未建模動力學、參數(shù)擾動以及外部環(huán)境干擾以及其余動態(tài)的集總未知項進行補償，使得無人船在動力學層面漸近穩(wěn)定，實現(xiàn)無人船按照期望路徑航行的跟蹤控制。

7、進一步地：所述欠驅(qū)動無人船動力學方程的表達式如下：

8、

9、lu,lv,lr是不僅包含未建模動力學、參數(shù)擾動以及外部環(huán)境干擾,而且包含其余動態(tài)的集總未知項,后續(xù)將對其進行觀測,從而實現(xiàn)欠驅(qū)動無人船umv動力學層面的無模型控制，(u,v,r)是umv的縱蕩速度、橫蕩速度以及艏搖角速度，τu為縱蕩控制力，τr為轉(zhuǎn)向力矩；m11、m33為船舶質(zhì)量慣性系數(shù)，分別是u、v、r的一階導數(shù)。

10、進一步地：所述航路跟蹤誤差動力學方程的表達式如下：

11、

12、其中：θ為航路更新參數(shù)，φp是航路參考點相對于大地坐標系的切線角度，u為縱蕩速度，ψ是艏向角，β為側(cè)滑角，ut是航路上參考點的移動速度。

13、進一步地：所述縱蕩視線制導律的表達式如下：

14、

15、其中,φp是參考航路上參考點處的切線角度,δ＞0為前視距離,期望側(cè)滑角βd與縱蕩速度ud被定義為：

16、

17、其中,k1＞0,且ud最小值被設為：

18、udmin＝k1δ??????????????????????????????(15)

19、進一步地：所述采用極速學習在線辨識方法對無人船航行過程中的未建模動力學、參數(shù)擾動、外部環(huán)境干擾以及其余動態(tài)的集總未知項進行識別的過程如下：

20、采用一種具有n個隱節(jié)點的單隱層前饋網(wǎng)絡slfn，用于在線辨識如下集總未知項l(x)：

21、l(x)＝wth(x；c；φ)???(20)

22、其中,w＝[w1,...,wn]∈rn×n,wi＝[wi1,...,win]t是輸出權重,h＝[h1,...,hn]t∈rn是帶有參數(shù)c＝[c1,...,cn]t∈rm×n和φ＝[φ1,...,φn]t∈rn的激活函數(shù)的歸一化輸出,n是隱層節(jié)點的個數(shù)；

23、假設存在一個最優(yōu)的slfn,其中n個隱節(jié)點隨機生成,參數(shù)c∈rm×n和φ∈rn,用最小函數(shù)逼近誤差來識別非線性函數(shù)l(x)：

24、

25、其中，ε*(x)＝[ε*1,...,ε*n]t是最小函數(shù)逼近誤差mfae的向量并且滿足最優(yōu)輸出權重w*由下式導出。

26、

27、進一步地：所述基于slfn逼近的輸出權重和相應的估計誤差自適應率的表達式如下：

28、

29、其中,kw,kε＞0,集合ω1w,ω2w,ω1ε,ω2ε定義如下：

30、

31、其中,m1w,m2w,m1ε,m2ε是相應的上界，為slfn輸出權重的估計量，為逼近殘差的估計量，ue是縱蕩速度誤差，s是一階線性滑模面，h＝[h1,...,hn]t∈rn是帶有參數(shù)c＝[c1,...,cn]t∈rm×n和φ＝[φ1,...,φn]t∈rn的激活函數(shù)的歸一化輸出，x是包含縱蕩、橫蕩與艏向角速度的向量，kw,kε是大于0的系數(shù)。

32、進一步地：所述縱向控制器τu設計如下：

33、

34、其中,ku＞0,ue＝u-ud縱向速度跟蹤誤差,為l1的估計值：

35、

36、進一步地：所述艏向控制器設計過程如下：

37、引入如下一階線性滑模面s：

38、s＝kψψe+re??????????????????????????(42)

39、其中,kψ＞0,ψe＝ψ-ψd,

40、艏向控制器設計如下：

41、

42、其中,ks＞0,為(3)中l(wèi)2的估計值：

43、

44、本發(fā)明提供的一種基于極速學習的欠驅(qū)動無人船航路跟蹤控制系統(tǒng)，具有以下優(yōu)點：

45、(1)采用縱蕩視線制導律,同時制導縱蕩速度與航向角,避免了制導過程的奇異問題,同時減小了舵的操作負擔,增加了欠驅(qū)動無人船整體操縱性。

46、(2)將包含系統(tǒng)不確定性和外部干擾的未知動態(tài)封裝成一個集總未知項,利用極速學習機的單隱層前饋網(wǎng)絡隨機地產(chǎn)生隱層節(jié)點在線辨識該未知項,避免依賴系統(tǒng)先驗知識和“維度爆炸”問題。

47、(3)通過設計逼近殘差的自適應補償器即公式(26)和(28)，同時在線更新單隱層前饋網(wǎng)絡的輸出權重和逼近殘差，形成雙通道學習機制，不僅增強了逼近能力，而且提高了跟蹤精度，有助于整個閉環(huán)系統(tǒng)的全局漸近穩(wěn)定。