论文部分内容阅读
随着我国对海运事业的大力发展,研究更精准的船舶运动控制技术越来越受到人们的重视,尤其是船舶路径跟踪控制。因此,本文通过对国内外船舶路径跟踪控制的研究成果进行了深入研究与分析,了解了当前船舶路径跟踪领域的研究热点及研究难点。由于传统的船舶路径跟踪控制多采用基于周期性的控制策略,但是这种控制策略对能源消耗较大,对推进器、控制器的机械磨损较大。因此本文从实际出发,采用一种具有降低能源消耗,减少控制器机械损耗的事件触发控制策略,设计出基于事件触发机制的路径跟踪控制方法,并将所研究出的方法在MATLAB仿真中进行检验。首先,针对具有模型未知动态的欠驱动船舶设计了一种基于固定阈值事件触发机制的神经网络控制算法。该算法利用径向基神经网络解决了欠驱动船舶系统模型中具有未知动态的问题,同时,减少了控制器的更新次数。其次,针对具有模型未知动态的欠驱动船舶设计了一种基于有限时间收敛的神经网络事件触发控制算法。该算法在解决船舶模型未知动态的同时,分别设计了基于有限时间收敛的固定阈值事件触发条件和基于有限时间收敛的相对阈值事件触发条件。通过李亚普诺夫方法的理论分析表明,跟踪误差可以在有限的时间内收敛到零,同时可以避免芝诺现象。从仿真结果可以看出,相较于固定阈值事件触发控制方法,相对阈值事件触发控制方法能更有效的减少控制器的更新频率,更有效的降低执行器的损耗。最后,针对全驱动船舶的路径跟踪问题,提出了一种基于改进饱和函数的滑模相对阈值事件触发控制方法。为了满足系统对鲁棒性的要求,采用一种具有改进饱和函数趋近律的滑模控制器,该方法增强了系统的鲁棒性,同时减弱了传统滑模控制中由于滑模切换面的频繁切换引起的抖震现象,使船舶获得良好的控制性能。通过将改进的滑模控制器与相对阈值事件触发条件相结合,使控制器的更新频率和执行器的损耗都大大降低。通过Lyapunov方法的理论分析表明,系统跟踪误差指数收敛于一个紧集,同时证明了系统没有产生芝诺行为。最后通过MATLAB仿真工具验证了算法的有效性。