导向向量场和自我结构的学习基于网络的形成控制,在静态障碍环境下,在静态障碍环境下,具有灵活的性能
Xiuying Huang1, Haitao Liu2, Xuehong Tian2
1Shenzhen Institute of Guangdong Ocean University, Shenzhen 518120, China; School of Mechanical Engineering, Guangdong Ocean University, Zhanjiang 524088, China.
ISA transactions
|August 6, 2024
概括
一个新的无模型的形成控制策略指导低精度水面船 (USV) 绕过静态障碍物. 这种方法确保了避免碰撞和强大的性能,尽管存在不确定性和干扰,自主优化控制器结构.
科学领域:
- 机器人和控制系统 机器人和控制系统
- 海洋工程 海洋工程
背景情况:
- 由于模型的不确定性和外部干扰,未完善的水面船 (USV) 在形成控制方面面临着挑战.
- 静态障碍环境存在碰撞和控制奇点的风险.
研究的目的:
- 在静态障碍环境中为USVs开发一种无模型的形成控制策略.
- 加强对模型不确定性和时间变化的外部干扰的稳定性.
- 为了实现控制器结构的自主优化和减少计算负载.
主要方法:
- 一个复合指导向量场 (GVF) 用于导航和避开障碍物.
- 一个灵活的约束策略来缓解奇点.
- 自结构的 Fuzzy Mexican Hat 波形控制器 (SCMAC 和 SBELC) 用于无模型的控制.
- 嵌入式自我结构算法用于自主控制器优化.
主要成果:
- 有效引导USV形成到所需位置,同时避免静态障碍.
- 在干扰条件下证明了避免碰撞和强大的控制性能.
- 通过自我结构算法自主构建控制器结构.
- 通过模拟验证的控制系统信号的局限性.
结论:
- 拟议的无模型形成控制策略对于USVs是可行的和优越的.
- 不需要准确的模型信息,简化了实施.
- 该战略确保在复杂环境中安全导航和可靠性能.
