资源包含相关文献及对应的matlab仿真程序，仅供参考。 针对速度不可测的三自由度欠驱动船舶轨迹跟踪控制问题,考虑船舶存在模型参数不确定项以及外界环境干扰未知情况,提出一种基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制策略.该策略构造扩张观测器估计船舶速度向量,利用神经网络算法逼近模型参数不确定项,然后采用动态面控制技术避免对虚拟控制律直接求导,简化控制律计算过程,并引入低频增益学习技术消除外界扰动导致控制信号产生高频振荡,最后选取李雅普诺夫函数证明该控制律能够保证船舶跟踪闭环系统中所有误差信号一致最终有界.仿真结果表明,本文所设计控制器对船舶模型参数不确定项及外界环境干扰具有较强的鲁棒性,能够实现对船舶轨迹的有效跟踪.

资源包含相关研究文献及对应的maltab仿真程序，仅供参考。 针对三自由度欠驱动船舶的路径跟踪问题,本文提出一种基于强化学习的自适应迭代滑模控制方法。该方法引入双曲正切函数对系统状态进行迭代滑模设计,并采用神经网络对控制参数进行优化,增强控制器的自适应性。通过定义一种控制量抖振测量变量和强化学习信号,实现对神经网络的结构和参数进行在线调整,能进一步抑制控制量的抖振作用。应用5446TEU集装箱船的数学模型进行控制仿真,结果表明所设计控制器能有效地处理风和流等外界扰动,具有较强的鲁棒性,与迭代滑模控制器相比舵角的抖振减小明显,控制舵角信号符合船舶的实际操作要求,更符合工程实际要求。

资源包含相关参考文献及对应的matlab仿真程序，仅供参考。 针对欠驱动船舶的路径跟踪问题,提出一种基于强化学习的自适应迭代滑模控制方法。该方法引入双曲正切函数对系统状态进行迭代滑模设计,并采用神经网络对控制参数进行优化,增强控制器的自适应性。通过定义一种控制量抖振测量变量和强化学习信号,实现对神经网络的参数进行在线调整,能进一步抑制控制量的抖振作用。其次,针对欠驱动船舶的轨迹跟踪问题,把设计的基于强化学习的迭代滑模控制器推广到两路控制,对跟踪轨迹的横向和纵向偏差分别进行迭代滑模控制器设计,控制器输出为控制舵角和柴油机转速,根据舵角和转速抖振实现参数调节,控制器的控制结构与路径跟踪控制类似。

资源包含相关参考文献及对应的maltab仿真程序，仅供参考。 在路径跟踪和轨迹跟踪研究基础上，把基于强化学习的自适应迭代滑模控制 器用于自动停靠泊的控制中，引进混浊粒子群优化算法，对重要的控制器参数初 始值进行优化。最后，集装箱船为目标，在风浪等干扰下进行船舶 靠巧仿真，并与不加混浊粒子群控制方法的仿真结果进行对比分析。

资源包含相关研究文献及对应的matlab仿真程序，仅供参考。 本论文构造方法设计二阶迭代滑模面，将航向偏差的镇定转化为对滑模面的镇定，基于Ｌｙａｐｕｎｏｖ理论，推导出系统渐近稳定条件，进而可得到航向控制律。由于控制律中存在未知外界干扰项和系统不确定项，不能直接计算得到，本节将设计两种控制方法。 第一种方法是设计不含系统不确定项和未知外界干扰项的控制律将初步的控制律进一步推导，得到等效迭代滑模控制律，该控制律中设计参数较少，算法处理过程简单。 第二种方法是引入ＲＢＦ神经网络对系统不确定项进行逼近采用自适应控制技 术估计未知外界干扰项的界值，提出神经网络自适应迭代滑模控制律，该控制律能有效 地处理了模型不确定项和海况扰动的影响。

资源包含相关文献及对应的matlab仿真程序，仅供参考。 设计了欠驱动船舶神经网络自适应迭代滑模航向控制器，完成了在船舶部分模型不确定和外界海况未知情况下的航向控制目标。在本章中，基于上述条件，将解决欠驱动船舶的路径跟踪控制问题。由于欠驱动船舶在受到风浪流海洋环境扰动后会产生横向漂移，因此船首必须以与计划航向保持一定角度航行，如果不执行有效的控制，经海洋环境扰动后的欠驱动船舶路径跟踪控制的结果会产生稳态误差。本节结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，采用Ａｄａｌｉｎｅ单神经元和最小二乘法，提出一种神经元自适应迭代滑模控制器，经ＭＡＴＬＡＢ仿真验证了该控制器的有效性。

资源包含相关参考文献及对应的matlab仿真程序，仅供参考。 本文为解决欠驱动船舶路径跟踪控制问题，在船舶模型参数不确定和海洋环境扰动未知的情况下，提出了一种神经元自适应迭代滑模控制策略。相比较于路径跟踪控制，轨迹跟踪控制是指利用舵的转船力矩和螺旋桨的推进力使笛卡尔坐标系中的横向、纵向位置误差都镇定到零，期望轨迹是一个时间的函数，因此轨迹跟踪控制问题更不容易解决。在本章中，参考欠驱动船舶轨迹跟踪的横向和纵向误差信息构造二阶滑模面和四阶滑模面，结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，设计螺旋桨转速控制器和舵机舵角控制器；为进一步优化控制器参数，结合萤火虫算法与混沌算法，对控制器的主要参数值进 行寻优，设计了一种基于混沌萤火虫算法的欠驱动船舶轨迹跟踪自适应迭代滑模控制 器。

针对遭受未知外部环境扰动的三自由度全驱动船舶轨迹跟踪控制问题,设计一种带扰动观测器的自适应动态面滑模控制方法。该方法构造扰动观测器估计未知扰动,并对控制量进行前馈补偿,采用σ修正泄漏项的自适应律估计扰动观测误差的界以提高控制精度,结合动态面技术解决传统反演法的微分爆炸问题,并选取李雅普诺夫函数证明该控制器可保证闭环系统内所有信号的一致最终有界性。基于一艘供给船舶进行仿真试验,结果表明,所设计的控制器输出合理有效且跟踪精度高,在工程实际中具有一定的参考价值。

对于操纵性能与安全性能要求较高的船舶,如浮式采油-储油-卸油船、穿梭运输邮轮、补给船和半潜式钻井平台等,一般采用全驱动配置以实现其目标。在进行某些特定的工程作业如深海勘探、海底管道建设、供给和海上石油钻探等时,需要船舶精确地按照预定的航线航行,由于所航行的环境、船舶自身特性等,多耦合、强非线性的水面船舶不可避免地遭受环境干扰以及存在着动态不确定性,这使得水面船舶轨迹跟踪控制设计极具挑战性。因此,研究全驱动船舶轨迹跟踪控制问题具有重要的理论意义和实际工程价值。首先,针对遭受未知外部环境扰动的三自由度全驱动船舶的轨迹跟踪控制问题,提出带扰动观测器的自适应动态面滑模控制方法。该方法设计扰动观测器估计外部环境扰动并进行前馈补偿,采用自适应律估计扰动观测误差的界,提高控制精度,结合动态面技术构造控制器,避免微分爆炸。其次,针对存在模型不确定项和未知外部环境扰动的三自由度全驱动船舶的轨迹跟踪控制问题,提出基于非线性增益递归滑模的自适应动态面控制方法。该方法引入神经网络逼近模型不确定项,采用自适应律估计神经网络逼近误差与扰动总和的界,综合考虑船舶位置和速度误差之间关系设计递归滑模面,并应用一种非线性

摘要: 针对三自由度全驱动船舶速度向量不可测问题, 考虑船舶模型参数和外部环境扰动均未知的情况, 提出一种基于神经网络观测器的船舶轨迹跟踪递归滑模动态面输出反馈控制方法. 该方法设计神经网络自适应观测器估计船舶速度向量, 且利用神经网络逼近模型参数不确定项, 综合考虑船舶位置和速度误差之间关系构造递归滑模面, 再采用动态面控制技术设计轨迹跟踪控制律和参数自适应律, 并引入低频增益学习方法消除外界扰动导致的高频振荡控制信号. 选取李雅普诺夫函数证明了该控制律能够保证轨迹跟踪闭环系统内所有信号的一致最终有界性. 最后, 基于一艘供给船进行仿真验证, 结果表明, 船舶轨迹跟踪响应速度快, 所设计控制器对系统模型参数摄动及外界扰动具有较强的鲁棒性.