基于滤波反步法的船舶航向跟踪控制

合集下载

基于DVS制导算法的欠驱动船舶路径跟踪指令滤波滑模控制

ｚｉｎｇｐｒｏｂｌｅｍ．ｉｎｓｈｉｐ’Ｓｄｙｎａｍｉｃｌｏｏｐ，ＰＩｉｎｔｅｇｒａｌｓｌｉｄｉｎｇｍｏｄｅｃｏｎｔｒｏｌｔｅｃｈｎｏｌｏｙｇｗａｓｉｎｔｒｏｄｕｃｅｄｔｏｄｅｓｉｇｎｔｈｅａｃｔｕａｌｃｏｎｔｒｏｌｌａｗ．Ｉｎｓｈｏｒｔ，ｔｈｉｓｃｏｎｔｒｏｌｓｔｒａｔｅｙｃｇａｎｒｅｄｕｃｅｔｈｅｃｏｍｐｕｔｉｎｇｂｕｒｄｅｎｓａｎｄａｖｏｉｄｈｉｇｈｆｒｅｑｕｅｎｃｙｎｏｉｓｅ’Ｓｉｎｌｆｕ — ｅｎｃｅｃａｕｓｅｄｂｙｄｉｆｆｅｒｅｎｔｉａｔｉｎｇｈｅｔｖｉｔｒｕａｌｃｏｎｔｒｏｌｌａｗ，ｆｕｔｈｒｅｒ－ｍｏｒｅｂｅｒｏｂｕｓｔａｇａｉｎｓｔｔｈｅｍｏｄｅｌｕｎｃｅｔｒａｉｎｔｉｅｓａｎｄｅｘｔｅｒｎｌａｄｉｓｔｕｒｂａｎｃｅｓ．Ｓｉｍｕｌａｔｉｏｎｅｘｐｅｉｍｅｒｎｔｓｓｈｏｗｔｈａｔｔｈｉｓｃｏｎｔｒｏｌｓｔｒａｔｅｇｙｃａｎｒｅａｌｉｚｅｕｎｄｅｒａｃｔｕａｔｅｄｓｈｉｐ’ ｓｐｒｅｃｉｓｅｆｏｌｌｏｗｉｎｇｏｆｔｈｅｐｌａｎｎｅｄｒｏｕｔｅｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｍｏｄｅｌｐａｒａｍｅｔｅｒｓｕｎ — ｃｅｔｒａｉｎｔｉｅｓａｎｄｕｎｋｎｏｗｎｄｉｓｔｕｒｂａｎｃｅｓｃｏｍｉｎｇｆｒｏｍｗｉｎｄｓ，

卡尔曼滤波器在舰载雷达目标跟踪中的实现

LI Zong-sheng1, CHEN Hai-e2 (1. Weifang University of Science and Technology, Shouguang 262700, China; 2. Shouguang Luocheng Education Management Office, Shouguang 262700, China) Abstract: The target tracking system of ship radar equipment can detect and track the targets of the sea surface, underwater and air, and provide important target data for ship navigation, so as to ensure the safety and normal navigation of the ship. Calman filter (CKF) is a typical nonlinear filter based on the volume of the filter design, in recent years has been a wide range of attention. In this paper, we use the Calman filter to optimize the performance of the conventional shipboard radar system, and improve the efficiency and precision of the target tracking. Key words: shipboard radar；target tracking；calman filter；robustness

基于Backstepping的船舶航向跟踪控制

ｇ￣ｎｉｅｅｄＩｃｎｒａｉｌｂｌｘｏｅｔｌｓｍｐｏｃｌｔｂｅｏｅｃｏｅｏｅｎｔｎ．ｔａｌｅｇｏａｙｅｐｎｎｉｌａｙｔｔａｌｓａｌｆｔｌｓｄ—ｌｏｙｔｍ．ｅｓｌｔｎｆｒｓｉＹｏｇ’ ｈｅｚｌａｙｉｙｈｏｐｓｓｅＴｉａｏｏｈｐ“ Ｕｌｎ ’ ｈｍｕｉ
ｃｎｒｌｒＨｗｒ，ｎｅｍｅｓｅｒｇｃｎｉｏｓｏｔｌ．ｏｅｕｄｒｓｔｅｉｏｄｔｎｏｅｏｎｉ
ｌｅａｃｕｓｉｏ．ｅ—ｃａｇｎｐｒｔｎｉｉｎｃｓａｙｔｏｓｄｒｔｅｈｄｏｙａｃｎｎｉｅｒｉ．ｏｏｌｅｈｐｃｎｏｓｓｍｄｌａｋＦｈｎｉｇｏｅａｉ，ｔｓｅｅｓｒｏｃｎｉｅｈｙｒｄｎｍｉｏｌａｉｅＦｒｎｎｉａｓｉｏｔｌｙｔｍｏｅ，ｏｎｔｓｎｒｒｅｓｉＯｒａｋｎｏｔｌｒｉｐｅｅｔｄｂｕｅｏａｋｔｐｎｔｏｈｐＣｌ＇ｔｃｉｇｃｎｒｌｒｓｎｅｙｓｆｂｅｓｐｉｇｍｅｈｄ．ＩｉａｒｃｒｉｅｐｏｅｕｅｔａｃｍｂｎｓｔｅｃｏｃｆａＬａｌＳｒｅｏｅｓｅｔｓｅｕｓｒｃｄｒｈｔｏｉｅｈｈｉｅｏｙ・ｖ
速、无超调地转到新的设定航向，要采用较大舵需
ＣｌｓｕｅＴ３ａｓｎｍｂｒＰ１
向跟踪控制器设计方法。
１引言
线性Ｎｍｔ模型由于结构简单，ｏｏｏ参数容易获得，因而广泛应用于船舶航向自动舵没计。然而，线性Ｎｍｔ模型只有在小舵角的情况下才准确和ｏｏｏ有效，即只有在航向保持操纵模式下，ｏｏ模型Ｎｍｔｏ才是有效的。在航向改变操纵模式下，要求船舶快

基于非线性反步法的欠驱动船舶航向控制方法[发明专利]

专利名称：基于非线性反步法的欠驱动船舶航向控制方法专利类型：发明专利
发明人：陆潇杨,刘志全,高迪驹,褚建新
申请号：CN201910625738.X
申请日：20190711
公开号：CN110308726A
公开日：
20191008
专利内容由知识产权出版社提供
摘要：本发明提出了一种基于非线性反步法的欠驱动船舶航向控制方法，引入双曲正切函数和Nussbaum函数对控制输入饱和约束函数进行逼近，转化为反步法设计中所需的可导连续函数，并结合自适应律对逼近误差和外部扰动进行估计处理，另外为避免反步法中虚拟控制律的复杂求导过程，提出一种滤波器辅助系统的解决办法，所提出基于反步法的控制方法可以使非线性欠驱动船舶始终以很小的控制输入力矩保持航向航行，有效减少航向误差，改善控制性能。

申请人：上海海事大学
地址：201306 上海市浦东新区临港新城海港大道1550号
国籍：CN
代理机构：上海互顺专利代理事务所(普通合伙)
代理人：成秋丽
更多信息请下载全文后查看。

2020年第43卷总目次

基于滚动时域优化策略的多载ＡＧＶ充电调度 ………………………………… 丁一ꎬ陈婷 ( ２. ８０ )
Ⅲ
船用锅炉汽包水位内模滑模控制………………………………………………… 段蒙蒙ꎬ甘辉兵 ( ３. ８３ )
三峡升船机变频器ＩＧＢＴ路故障诊断 ……………………… 孟令琦ꎬ高岚ꎬ李然ꎬ朱汉华 ( ３. ８９ )
定航线下考虑ＥＣＡ的船舶航速多目标优化模型 …………… 甘浪雄ꎬ卢天赋ꎬ郑元洲ꎬ束亚清 ( ３. １５ )
改进二阶灰色极限学习机在船舶运动预报中的应用………… 孙珽ꎬ徐东星ꎬ苌占星ꎬ叶进 ( ３. ２０ )
Ⅱ
规则约束下基于深度强化学习的船舶避碰方法
………………………………… 周双林ꎬ杨星ꎬ刘克中ꎬ熊勇ꎬ吴晓烈ꎬ刘炯炯ꎬ王伟强 ( ３. ２７ )
船用起重机吊索张力建模与计算机数值仿真 ………………………… 郑民民ꎬ张秀风ꎬ王任大 ( ４. ９４ )
约束规划求解自动化集装箱码头轨道吊调度 ………………………… 丁一ꎬ田亮ꎬ林国龙 ( ４. ９９ )

航海气象与环保

１６２ｋＷ柴油机排气海水脱硫性能
基于模糊￣粒子群算法的舰船主锅炉燃烧控制 ……… 毛世聪ꎬ汤旭晶ꎬ汪恬ꎬ李军ꎬ袁成清 ( １. ８８ )
多能源集成控制的船舶用微电网系统频率优化……………… 张智华ꎬ李胜永ꎬ季本山ꎬ赵建 ( １. ９５ )
基于特征模型的疏浚过程中泥浆浓度控制系统设计………… 朱师伦ꎬ高岚ꎬ徐合力ꎬ潘成广 ( ２. ７４ )
基于卷积神经网络的航标图像同态滤波去雾 …………………………………………… 陈遵科 ( ４. ８４ )
船用北斗导航系统终端定位性能的检测验证 …………………………………………… 吴晓明 ( ４. ８９ )

基于反步自适应神经网络的船舶航迹控制

关键词：船舶航迹控制；反步法；神经网络；自适应神经网络
中图分类号：Ｐ７文献标志码：文章编号：６３７５２１）３０５－６Ｔ２３Ａ１７－８（０２０－２９０４
Ｔａｅｔｒｒｃｉｇｃｎｒｌｆｓｉｓｂｓｄｏｒｊｃｏｙｔａｋｎｏｔｏｈｐａｅｎｏ
网络出版地址：ｔ：／ｗｅｋ．ｅｋｍｓｄｔｌ３１３．Ｐ２１０２．８４０１ｈｈｔ／ｗｗ．ｎｉｎｔｅ／ｅａ／．５８Ｔ．０２６００４．０．ｔｐ／ｉ２ｍｌ
基于反步自适应神经网络的船舶航迹控制
第７卷第３期
２１０２年６月
智
能
系
统
学
报
Ｖ０．ｏ３１７Ｎ．Ｊｎ２１ｕ．０２
Hale Waihona Puke ＣＡＡＩＴｒｎａｔｏｎＩｔｌｇｎｙｔｍｓａｓｃｉｎｓｏｎｅｌｅｔＳｓｅｉ
ＤＩ１．９９ｊｉｎ１７－８．０２５５Ｏ：０３６／．ｓ．６３４５２１００６ｓ７
ｌｙｒｉｕｔｎｏｓｄｓｄｈｔｉｔｏｔｅｐｏｏｅｏｔｌｔｔｇａｃｏｐｉｅｙａｎｇａ－ｐａｅｍｌｅｕｌａｊｔ．Ｔｅｓｂｌｙｆｈｒｐｓｄｃｎｒｒｅｙｗｓａｃｍｌｈｄｂｎｉｔｒｌｙｅｓａｙｕｅａｉｏｓａｓｅｔ
ａｄｐｉｅｂｃｓｅｐｉｇｎｕｒｌｎｔｒｎａａｔｖａｋｔｐｎｅａｅｗｏｋ

基于相关滤波器的长时舰船目标跟踪方法

计。另外，使用在线随机蕨分类器对跟踪失败的目标再检测，从而实现长时间跟踪。将该算法首次应用于海其他几种长时间跟踪算法进行仿真实验对比，结果表明：该算法跟踪精度和成功率均有较大提高。在目标发生遮挡和尺度
ｃｅｓｓｒａｔｅ．Ａｌｓｏ，ｉｔｉｓｒｏｂｕｓｔｔｏｓｃａｌｅｃｈａｎｇｉｎｇａｎｄｈｅａｖｙｏｃｃｌｕｓｉｏｎ．
Ｋｅｙｗｏｒｄｓ：ｓｈｉｐｔｒａｃｋｉｎｇ；ｌｏｎｇ—ｔｅｒｍｏｂｊｅｃｔｔｒａｃｋｉｎｇ；ｃｏｒｒｅｌａｔｉｏｎｆｉｌｔｅｒ；ｒｅ—ｄｅｔｅｃｔｉｏｎ
０引言海上舰船目标的跟踪对于海上交通管理和海防安
目前针对长时间的视频目标跟踪，国外研究人员ＺｄｅｎｅｋＫａｌａｌ等人使用跟踪一学习一检测（Ｔｒａｃｋｉｎｇ— Ｌｅａｒｎｉｎｇ．Ｄｅｔｅｃｔｉｏｎ，ＴＬＤ）联合方案进行了在线跟踪研究，取得了不错的效果，但是存在运行速度较慢的缺点。此外，已有学者将基于相关滤波器的方法成功引入到目标跟踪问题当中，有效地提升了运行速度。Ｂｏｌｍｅ等人提出了一种在灰度图像上学习最小输出平方误差和（ＭｉｎｉｍｕｍＯｕｔｐｕｔＳｕｍｏｆＳｑｕａｒｅｄＥｒｒｏｒ，
引用格式：陈威，李决龙，邢建春，等．基于相关滤波器的长时舰船目标跟踪方法［Ｊ］．信息技术与网络安全，２０１８，３７（１）：１３５—１３８，１４２．

一种精确跟踪机动目标的滤波算法的研究

一种精确跟踪机动目标的滤波算法的研究近年来，随着智能技术的发展，机动目标的跟踪受到了越来越多的关注。

但是，在现实世界中，机动目标的跟踪是一个非常困难的问题。

这是因为随着机动目标的移动，有关的数据很容易受到外部干扰，而且大部分的数据都是噪声。

此外，机动目标的跟踪还需要考虑到物理模型，因为机动目标的运动和物理环境息息相关，比如机动目标受到重力，受到风力的影响等等。

因此，跟踪机动目标的算法必须考虑到这些因素，以便获得更好的跟踪精度。

基于上述的关于机动目标的跟踪的问题，滤波算法是一种有效的解决方法。

它可以有效地通过分析多个测量值，把噪声影响过滤掉，然后生成更准确的估计值。

而且，滤波算法可以利用前一时刻机动目标的状态，从而准确地预测下一时刻机动目标的状态。

因此，滤波算法是非常有效的机动目标跟踪技术。

本文的目的是研究一种新的滤波算法，以精确跟踪机动目标。

首先，给出了一个基于Kalman滤波的机动目标跟踪模型，其核心部分是基于状态估计的滤波算法。

然后，详细分析了滤波算法的原理，以及如何利用状态估计变换技术在机动目标跟踪问题中进行测量值的改进，最后给出了一个实验结果，证明这种新的滤波算法在实际机动目标跟踪问题中具有较高的精度。

总的来说，文中提出的滤波算法可以有效地跟踪机动目标，并获得更高的精度。

它可以有效地过滤噪声，利用前一时刻机动目标的状态，准确地预测下一时刻机动目标的状态，从而获得更准确的估计值。

实验结果也证明，这种新的滤波算法在实际机动目标跟踪问题中具有较高的精度。

因此，在跟踪机动目标方面，本研究提出的滤波算法可以有效地改善跟踪精度，并且可以在实际应用中发挥重要作用。

研究者将继续改进和优化滤波算法，以获得更精确的跟踪结果。

船舶动力定位反步逆最优控制

船舶动力定位反步逆最优控制徐海祥;瞿洋;余文曌【摘要】In view of the characteristics of high and low frequency motion in ship dynamic locating and positioning, an inverse optimal backstepping controller is designed cascaded with a passive filter.Firstly, the nonlinear equation of the ship is established.Then, the Riccati equation corresponding to the linear equation is used to carry out the backstepping transformation of the nonlinear equation.Finally, the adaptive law and the asymptotic stable control law for disturbed environmental force without modeling are designed based on the Lyapunov function, which meets both the local cost function and global cost function.This new approach obtains a solution of the optimal control of nonlinear system in a new direction, avoids solving the Hamilton-Jacobi-Isaacs(HJI) equation in traditional H∞ controller design and simultaneously guarantees the stability of filter and controller.The influences of error and control weight matrix Q and R on the system performance are discussed, and the optimal energy consumption during dynamic positioning of ship at slow speed is achieved.The simulation results of a dynamic locating and positioning ship show the effectiveness of this approach.%针对动力定位船舶定点定位过程中的高低频运动特性,设计了一种基于无源滤波的反步逆最优控制器.首先建立船舶的非线性方程,再利用线性化方程对应的Riccati方程对船舶非线性方程进行反步变换,最后基于Lyapunov函数设计了未建模扰动环境力自适应律和渐进稳定的控制律,同时满足了局部性能指标和全局性能指标.该方法从一个新的角度解决定点定位过程中船舶非线性系统最优控制的问题,避免了传统H∞鲁棒控制需要求解Hamilton-Jacobi-Isaacs(HJI)方程的问题,保证了整个滤波和控制系统的稳定性.同时还研究了误差和控制权矩阵Q和R对系统性能的影响,确保了船舶低速定位过程中的能耗最优.动力定位船舶定点定位的仿真结果验证了该方法的有效性.【期刊名称】《大连理工大学学报》【年(卷),期】2017(057)001【总页数】9页(P46-54)【关键词】动力定位;无源滤波;反步变换;最优控制【作者】徐海祥;瞿洋;余文曌【作者单位】武汉理工大学高性能船舶技术教育部重点实验室, 湖北武汉 430063;武汉理工大学交通学院, 湖北武汉 430063;武汉理工大学交通学院, 湖北武汉430063;武汉理工大学高性能船舶技术教育部重点实验室, 湖北武汉 430063;武汉理工大学交通学院, 湖北武汉 430063【正文语种】中文【中图分类】U674.38动力定位技术已广泛用于深水钻井、海底管线的检测和调查、水下机器人作业、水下工程施工、油井增产措施和维修、平台供应、穿梭油船、浮式采油(有或无储油设备)等作业中．对于海上长时间定位的船舶，船舶的滤波和最优控制问题对于节省燃料和减少污染具有重要意义．传统动力定位(DP)系统通常假定运动方程在36个艏向角每隔10°可线性化，并利用线性Kalman滤波滤除船舶的高频运动．对于每10°的线性化运动方程，最优的Kalman滤波器相关参数和反馈控制器增益都需要随着线性化过程不断调整[1]，并且相应的噪声协方差矩阵需要在线自适应估计[2]．相较于Kalman滤波，无源滤波参数易整定，并且实船试验也验证了其有效性[1]．此后，Fossen论述了在低速和恒定速度时，船舶系统具有良好的无源性，克服了无源理论在船舶控制系统中应用的局限性[3]．在无源理论的基础上，卜德华等结合PID控制器验证了无源滤波器对滤除船舶位置和艏摇角高频信息的有效性[4]．针对船舶定点状态环境最优问题，Fossen等提出了环境最优艏向控制，使船舶能根据外部缓变环境力自动调节艏向，从而达到减小能耗的目的[5]．对于固定艏向定位作业，最优控制问题通过设计H∞鲁棒控制器来解决，但此方法需要求解复杂的Hamilton-Jacobi-Isaacs(HJI)方程[6-7]．为了克服环境荷载对船舶系统的影响，Ngongi等利用H∞鲁棒控制来抵抗外荷载，并用TS模糊模型来逼近DP系统，最后通过求解LMI方程来保证该TS模糊控制器的稳定性[8]．相较于H∞鲁棒控制，反步积分控制设计过程简单，被广泛应用于船舶动力定位系统的设计当中[9-10]．为了满足执行机构动态特性的要求，Morishita等以及徐海祥等将执行机构的动态特性考虑到反步积分控制器的设计过程中，使控制输出更加平滑，减小了执行机构的磨损[11-12]．由于反步积分控制器的设计基于船舶数学模型，模型的准确性对控制效果有一定的影响．为了避免求解HJI方程，Ezal等针对单输入单输出系统，首先提出了一种反步逆最优控制器，将H∞最优控制理论和反步积分控制理论相结合，同时满足了局部最优和全局最优的性能指标[13]．在Ezal等的基础上，Strand等将单输入单输出的反步逆最优控制理论推广到多输入多输出的锚泊辅助动力定位中[14]．随后，Strand等又将反步逆最优控制器和无源滤波相结合，进一步推广了反步逆最优理论并保证了整个系统输入状态的稳定(input-to-statestable)[15]．由于多输入多输出的锚泊辅助动力定位系统不具有一般性，Kim等在Ezal和Strand等的基础上，推导了多输入多输出系统的一般理论形式[16]．谢文博等在Strand等的基础上，根据船舶动力定位循迹控制中时变期望位置的特点，推广设计了时变反步逆最优控制[17]．以上文献大都侧重于滤波器或者控制器的设计稳定，而较少考虑到滤波和控制器之间的相互影响，有时无法保证整个滤波和控制系统的稳定性．在Strand等的研究基础之上，本文结合动力定位定点控制的具体要求，进一步完善反步逆最优控制理论在船舶动力定位系统中的应用，研究误差和控制权矩阵Q和R对系统性能的影响，设计一种自适应反步逆最优控制器，以保证整个滤波和控制系统的稳定性，降低船舶低速定位过程中的能耗．1.1 船舶动力定位数学模型建立如图1所示的3个坐标系．在大地坐标系XEYEZE下，船舶当前低频运动位置和船舶期望位置分别为η=(x y ψ)T和ηd=(xd yd ψd)T．在船舶运动坐标系XYZ下，船舶当前低频运动速度和期望速度分别为v=(u υ r)T和vd=(ud υd rd)T，其坐标系原点位于船中纵剖面与重心G相距xg处．船舶固定坐标系XDYDZD原点OD位于(xd,yd)，相对于北东坐标系旋转了ψd．船舶固定坐标系实际是为控制器的设计而引入的，可以认为是一个“控制坐标系”，其避免了船舶期望位置ηd对控制器的影响，使得船舶在期望位置ηd附近拥有良好的控制效果[14]．大地坐标系和船舶运动坐标系下，船舶动力定位数学模型为[18]=Aωξ+Eωωω=J(η)v=-T-1b+EbωbM+Dv=τ+JT(η)b式中：Aω为包含波浪主频率ω0和相对阻尼ζ的定常矩阵；ωω和Eω分别为高斯白噪声及其幅值矩阵；J(η)为坐标系转换矩阵；b∈R3×1，是作用于船体上的环境扰动力，包括二阶波浪慢漂力、风和流的作用力；T为大时间常数矩阵；ωb为均值为零的高斯白噪声矩阵；Eb为高斯白噪声的幅值矩阵；M∈R3×3，为船舶惯性矩阵；D∈R3×3，为线性阻尼矩阵；τ∈R3×1，为作用于船体上的推力；y为船舶测量位置；Cωξ为船舶高频运动位置，Cω=(0 I)．模型中相关矩阵的具体形式为当船舶前进速度不为零时，矩阵D一般是非线性的；但对于零速或者恒定速度，矩阵D可以假定为线性的[1]．1.2 基于数学模型的无源滤波器设计20世纪90年代，机器人等领域的无源控制已得到了较大的发展[19]，而船舶无源控制直到90年代后期才得到应用，限制无源理论在船舶中应用的原因是船舶的附黏水质量和阻尼项会随着船舶在海浪中的遭遇频率以及船速的变化而变化[3]．在利用无源理论设计船舶的滤波器时，需要考虑船舶是否具有无源性．Fossen已论证了当船速较低时船舶具有良好的无源性[3]．在一般工况下，环境扰动力矩对船艏的扰动角度在1°以内，而极限海况的扰动角度在5°以内，因此可以做出如下的合理假设：根据文献[1]和[18]，利用式(6)并结合船舶动力定位数学模型可设计如下船舶无源滤波器：=+Cωξ＾式中；K1∈R6×3，K2，K3，K4∈R3×3，为滤波器增益矩阵．为使滤波器稳定，结合Kalman-Yakubovich-Popov引理并利用频域理论可以确定滤波器的相关增益矩阵[1]．1.3 低频运动数学模型的变换在大地坐标系XEYEZE和船舶运动坐标系XYZ下，无源滤波器设计用到的是低频运动数学模型(8)和(10)．为了避免船舶期望位置ηd对控制器设计的影响，控制器设计所用到的低频运动模型为船舶固定坐标系XDYDZD和船舶运动坐标系XYZ下的变换模型．在XDYDZD下，偏差向量可以表示为[14]记Jd=J(ηd)，Je=JT(ηd)J(η)，并考虑如下关系：(ηd)=rdJdS对式(12)求导有=rdSTe+vd-Jev在定点定位和状态保持控制中，期望位置偏差ed=(exd eyd eψd)T和定位点处期望速度vd均为0，且滤波器的输出是控制器的输入．因此，式(15)可以简化为同时，式(10)可以写为式中定义变量x=(TT)T，式(16)和(17)可以写为式中设船舶的期望状态为)T，在定点定位和状态保持控制中，船舶的期望状态为xd=0，将式(19)在x=xd处线性化，可得式中式(19)和(20)为船舶低频运动方程(8)和(10)的变换形式，两式均计及了船舶的期望位置ηd，避免了ηd对控制器设计的影响．2.1 控制目标(1)局部最优目标系统在所设定的期望位置xd=0附近时，要实现的控制目标是对于式(20)的线性系统，设计一个稳定的控制律，以满足如下的性能指标：式中：误差权矩阵Q和控制权矩阵R均为对称正定矩阵．对于最优的衰减系数γ*，衰减系数γ应满足γ>γ*．(2)全局最优目标系统最终要实现的控制目标是对于式(19)的非线性系统，设计一个全局渐进稳定的控制律，以满足如下的性能指标：式中：q(x)和R*(x)为非线性系统中待确定的正定部分，其在反步逆最优设计过程中满足以下局部约束条件[15]：因此，当船舶靠近设定点xd=0时，全局渐进稳定的控制律将退化为线性H∞(LQ)控制律，此时局部最优目标得到满足．2.2 线性反步变换局部最优性能指标Jl所对应的广义Riccati代数方程为正定矩阵P可以分解为式中：L为下三角矩阵，Δ为正定分块对角矩阵，利用式(26)，可将式(25)转化为式中设定新的变量z，通过反步变换，满足全局目标的非线性系统式(19)有如下映射关系[20]：式中)T，包括线性项Lx和高阶项这里先忽略高阶项(x)，结合式(28)的线性部分z=Lx，式(20)的线性系统可变换为考虑如下Lyapunov函数：对式(30)求导并结合式(29)的线性系统，局部最优目标所对应的线性H∞控制律为此时，Lyapunov导函数满足在后文的控制器设计中，将会用到非线性反步逆最优设计方法来构建与式(29)相类似的非线性变换方程．在非线性反步逆最优构造过程中，都会确定每一步的虚拟控制量αi，最终存在全局最优目标所对应的控制律：满足其中q(z)和R*(z)的正定过程将会在后文中给出．2.3 非线性反步变换反步逆最优控制器的设计首先通过构建与式(29)相类似的非线性变换方程，再利用Lyapunov函数(30)推导反步逆最优控制律．非线性变换方程的推导过程总共可分两步进行．步骤1 定义第一个偏差向量为z1=对式(35)求导得α1为虚拟控制量，其包括线性部分11z1和非线性部分αh[14]：h=-Ω(z1)z1式中：z1=(z1 z2 z3)T，ρ1、ρ2、ρ3为正常数．定义第2个偏差向量为因此步骤2 对式(37)求导得2=Je+e+1=式中这里，r包含低频运动艏向角速度和高频运动艏向角速度δ，且高频运动艏向角速度δ有界：考虑到是速度的第3个元素{3}，因此有．在式(39)的右边同时加上减去21z1和22z2得2=式中G1(,z)=综合式(38)和(42)可得与式(29)相类似的非线性变换方程：式中2.4 反步逆最优控制器设计若用无源滤波器中的式(9)作为未建模环境力的估计，则可选取和式(30)相同的Lyapunov函数．虽然式(9)能够实现对未建模环境力的跟踪，但是为了获得较好的滤波效果，式(9)中的增益矩阵会受到限制，使得未建模环境力的跟踪效率并不高．为了提高环境力的跟踪效率，这里采用另外一种积分操作，可以取如下Lyapunov函数：式中=b-，Γ为增益矩阵．此时式(18)应改写为对式(44)求导得=将式(27)代入上式，则=Δ2z2-Γ-1)式中，可取未建模环境力自适应律为将z改写为将上式代入式(47)，将式(47)中和构造平方项[7-8]，化简得=式中N(,z)=Υ=反步逆最优控制律可以取为若令q(z)=则有=式中：q(z)应该满足正定条件，在假设船舶速度v和高频运动艏向角速度δ有界的情况下，存在有界正实数β1和β2使得Υ满足[15]为了使整个系统稳定，q(z)需满足结合式(54)和(55)，存在0<θ<1，使式(53)满足若q(z)满足正定条件，则为了满足条件(57)，这里将给出的3种选取方式：方式一式中≥0表示非负定．方式二式中χ为正定矩阵，可取为方式三u1(,z)=max{0,λ1}式中：λmax(*)表示求取*的最大特征值．为了操作的简便，这里选用第3种选取方式．下面将通过计算机仿真来验证无源滤波和反步逆最优算法的有效性．如图2所示，本文仿真模型为缩尺比为1∶20的平台供应船模，船舶的惯性矩阵和阻尼矩阵通过CFD理论计算得到，船舶模型相关参数、环境力参数以及控制器等相关参数如表1所示，环境荷载的加载方式详见文献[18]．为检验未建模环境力自适应律效果，使船舶状态保持控制，初始时刻船舶位置为η0，期望位置也为η0，初始时刻船舶3个方向未建模环境力和力矩均设置为零．船舶在时刻t=200 s时受到表1中的环境力作用，在t=1 800 s环境力消失．船舶在东向、北向和艏向的位置如图3所示．固定坐标系下3个方向的自适应未建模环境力如图4所示．相应的权矩阵选取为为检验权矩阵Q和R对DP系统的能耗影响，使船舶作中近距离定点定位控制，初始时刻船舶位置为η0，期望位置为ηd=(5 m 5 m π/4)T，无环境力干扰．选取4组权矩阵．参数参数参数参数为了比较权矩阵对船舶能耗的影响，取如下总推力性能指标：权矩阵为参数1、2、3和4时，总推力性能指标如图5所示，船舶低频东向位置、低频北向位置和低频艏向位置如图6所示．针对本文中所涉及的无源滤波器，状态保持仿真实验展示了相应的滤波效果和未建模环境力自适应律的效果．在突变未建模环境力的作用下，图4展示了环境力自适应律良好的跟踪效果．图3展示了在自适应未建模环境力和实际环境力相近时，船舶的位置和艏向滤波效果良好，在很大程度上滤除了高频运动．在t=200 s至t=1800 s，自适应未建模环境力和实际环境力存在较大偏差，导致船舶位置估计尤其是艏向角估计和实际低频位置存在一定的偏差．造成未建模环境力和实际环境力有偏差的原因往往是突风、大浪或者激流等．由于控制是响应缓变环境力，变化较大且频繁的外部环境力对船舶控制将会是一个巨大的挑战．图5展示了不同权矩阵所对应的总推力性能指标，船舶的低速运动意味着船舶较长的响应时间，与此同时相应的能耗也较小．图6给出了不同权矩阵对定位效果的影响．根据权矩阵的定义可知，参数Q的前3个元素对应船舶的位置权重，而后3个元素对应船舶的速度权重；参数R对应控制器的输出推力权重．参数2相较于参数1增大了位置权重，船舶的速度有所增大，相应的超调量和响应时间等系统响应特性都得到了改善．参数3相较于参数1增大了推力权重，船舶位置的响应时间变长和超调量有所增加，这是由于增大推力权重会在一定程度上限制控制器的推力输出．参数4相较于参数1增大了船舶速度权重，船舶位置的响应时间明显变长，且基本无超调，这是因为增大速度权重限制了船舶速度．值得注意的是，过大的船舶速度会破坏船舶系统的无源性，即船舶的附加质量和阻尼明显的非线性，将会对船舶系统的稳定性有着明显的影响．因此，为了使整个动力定位控制系统稳定，控制船舶的速度不宜过高是十分必要的．本文针对动力定位船舶定点定位问题设计了一种基于无源滤波的自适应反步逆最优控制器，避免了H∞鲁棒控制器设计过程中需要求解HJI方程的问题，满足了局部最优和全局最优的性能指标，对外界缓变未建模环境力进行补偿的同时，也保证了无源滤波和控制整个系统的稳定性．不同权矩阵Q和R对动力定位控制系统的响应时间、超调量等动态特性和控制推力有着直接的影响，在满足系统稳定性的条件下，可通过优化性能权函数Q和R以达到提高控制精度与降低能耗的目的．【相关文献】[1] FOSSEN T I, STRAND J P. Passive nonlinear observer design for ships using Lyapunov methods:full-scale experiments with a supply vessel [J]. Automatica, 1999, 35(1):3-16. [2] FOSSEN T I, PEREZ T. Kalman filtering for positioning and heading control of shipsand offshore rigs [J]. IEEE Control Systems, 2010, CST-29(6):32-46.[3] FOSSEN T I. Nonlinear passive control and observer design for ships [J]. Modeling, Identification and Control, 2000, 21(3):129-184.[4] 卜德华,徐海祥,李文娟,等. 基于非线性无源滤波器的船舶动力定位仿真[J]. 武汉理工大学学报, 2013, 35(10):69-73.BU Dehua, XU Haixiang, LI Wenjuan, et al. Simulation of ship dynamic positioning basedon nonlinear passive filter [J]. Journal of Wuhan University of Technology, 2013, 35(10):69-73. (in Chinese)[5] FOSSEN T I, STRAND J P. Nonlinear passive weather optimal positioning control (WOPC) system for ships and rigs:experimental results [J]. Automatica, 2001, 37(5):701-715.[6] WU Huaining, LUO Biao. Neural network based online simultaneous policy update algorithm for solving the HJI equation in nonlinear control [J]. IEEE Transactions on Neural Networks and Learning Systems, 2012, 23(12):1884-1895.[7] CHEN W, ANDERSON B D O. On the convergence rate of the Leake-Liu algorithm for solving Hamilton-Jacobi-Bellman equation [J]. IFAC Proceedings Volumes, 2011,44(1):8064-8069.[8] NGONGI W E, DU J, WANG R. Robust fuzzy controller design for dynamic positioning system of ships [J]. International Journal of Control Automation & Systems, 2015,13(5):1294-1305.[9] Jr. ZAKARTCHOUK A, MORISHITA H M. A backstepping controller for dynamic positioning of ships:numerical and experimental results for a shuttle tanker model [J]. IFAC Proceedings Volumes, 2009, 42(18):394-399.[10] WITKOWSKA A. Control system design for dynamic positioning using vectorial backstepping [J]. Scientific Journals of the Maritime University of Szczecin, 2013,108(36):182-187.[11] MORISHITA H M, SOUZA C E S. Modified observer backstepping controller for a dynamic positioning system [J]. Control Engineering Practice, 2014, 33:105-114.[12] 徐海祥,瞿洋,余文曌,等. 基于动态执行机构的欠驱船舶循迹控制[J]. 武汉理工大学学报(交通科学与工程版), 2016, 40(1):6-10.XU Haixiang, QU Yang, YU Wenzhao, et al. Path following for underactuated marine craft with actuator dynamics [J]. Journal of Wuhan University of Technology (Transportation Science & Engineering), 2016, 40(1):6-10. (in Chinese)[13] EZAL K, PAN Z, P V. Locally optimal backstepping design [J]. Proceedings of the IEEE Conference on Decision and Control, 1997, 2:1767-1773.[14] STRAND J P, EZAL K, FOSSEN T I, et al. Nonlinear control of ships:a locally optimal design [M] // Preprints of the IFAC NOLCOS 1998. Enschede:The Netherlands, 1998:732-738.[15] STRAND J P, FOSSEN T I. Nonlinear output feedback and locally optimal control of dynamically positioned ships:Experimental results [C] // Proceedings of IFAC Conference on Control Application in Marine Systems. Fukuoka:IFAC, 1998:89-95.[16] KIM H, BACK J, SHIM H, et al. Locally optimal and globally inverse optimal controller for multi-input nonlinear systems [C] // Proceedings of 2008 American Control Conference. Seattle: AACC, 2008:4486-4491.[17] 谢文博,付明玉,张健,等. 动力定位船舶自适应反步逆最优循迹控制[J]. 中国造船, 2013,54(3):58-69.XIE Wenbo, FU Mingyu, ZHANG Jian, et al. Adaptive backstepping inverse optimal tracking control of dynamic positioning vessel [J]. Shipbuilding of China, 2013, 54(3):58-69. (in Chinese)[18] FOSSEN T I. Handbook of Marine Craft Hydrodynamics and Motion Control [M]. New York:John Wiley & Sons, 2011.[19] BERGHUIS H, NIJMEIJER H. Passivity approach to controller-observer design for robots [J]. IEEE Transactions on Robotics & Automation, 1993, 9(6):740-754.[20] FOSSEN T I, STRAND J P. Tutorial on nonlinear backstepping:Applications to ship control [J]. Modeling, Identification and Control, 1999, 20(2):83-135.。

基于机器学习的船舶目标检测与跟踪算法

基于机器学习的船舶目标检测与跟踪算法船舶目标检测与跟踪是海上交通管理、安全监控以及海洋资源调查等领域的关键技术之一。

随着计算机视觉和机器学习的快速发展，基于机器学习的船舶目标检测与跟踪算法在实际应用中取得了显著的成果。

本文将介绍基于机器学习的船舶目标检测与跟踪算法的原理、方法和近期的研究进展。

首先，我们需要了解船舶目标检测与跟踪算法的原理。

通常，船舶目标检测与跟踪算法分为两个步骤：目标检测和目标跟踪。

目标检测是在给定图像或视频中确定船舶目标的位置和边界框。

通常使用的机器学习算法包括卷积神经网络（CNN）和支持向量机（SVM）等。

目标跟踪是在连续的图像帧中跟踪船舶目标的位置和运动。

常用的跟踪算法包括卡尔曼滤波器和基于深度学习的相关滤波器等。

其次，我们将介绍一些常用的基于机器学习的船舶目标检测算法。

其中，卷积神经网络是目前最常用的方法之一。

卷积神经网络通过学习大量的船舶目标图像，可以通过卷积和池化等操作，提取图像中的特征，并最终识别船舶目标。

此外，还有一些基于区域提议网络（R-CNN）和单阶段检测器（SSD）等方法，它们可以更有效地在图像中定位和检测船舶目标。

在船舶目标跟踪方面，相关滤波器是一个常用的方法。

相关滤波器首先通过学习船舶目标的样本特征，然后在连续的图像帧中通过特征匹配来实现目标跟踪。

此外，还有一些使用循环神经网络（RNN）和长短期记忆网络（LSTM）等方法来处理目标跟踪问题。

这些方法可以捕捉目标在时间上的连续性，并对目标的运动进行建模，从而提高跟踪的准确性和稳定性。

近年来，一些深度学习的进展进一步改进了船舶目标检测与跟踪算法。

例如，将多尺度信息加入卷积神经网络中，可以提高检测算法对不同尺度船舶目标的准确性。

此外，引入注意力机制和时空注意力机制等技术，可以提高跟踪算法对目标区域的关注度，并减少误判。

同时，数据增强、迁移学习和集成学习等方法也被广泛运用以提高算法性能。

总结起来，基于机器学习的船舶目标检测与跟踪算法在海上交通管理和安全监控中具有重要意义。

基于双目测距的卡尔曼滤波船舶轨迹跟踪

软件开发
基于双目测距的卡尔曼滤波船舶轨迹跟踪
李建起（海军92941部队44分队，辽宁葫芦岛，125000）
摘要：本文基于双目视觉模型，对船舶的轨迹跟踪问题进行了研究，提出了一种利用双目视觉测距以及卡尔曼滤波，实现船舶轨迹跟踪的方法，首先，根据双目视觉测距原理，获取三维坐标并计算船舶的运行轨迹，之后，根据卡尔曼滤波原理，建立了船舶轨迹跟踪模型，实现了对船舶运行状态的实时跟踪。仿真结果表明，本文所提方法，对船舶轨迹跟踪的预测误差小，跟踪精度高，具有一定的实际意义。关键词：轨迹跟踪；双目测距；卡尔曼滤波；船舶轨迹
应能力的神经小波等方法，也能保证鲁棒跟踪性能，解决船
舶轨迹跟踪问题。其中，卡尔曼滤波应用广泛，在模型的建立、
目标操纵的控制及跟踪等都发挥了巨大作用。因此，本文利
用卡尔曼滤波，对欠驱动船舶航迹状态跟踪问题进行了研究。
1 双目立体视觉测距
双目立体视觉测距的基本原理是利用两台预设相机，在两个视角下，对目标物体进行拍摄，获取图像，再利用计算机，对空间点在两幅图像中的视差进行计算，以此实现对目
图 2 船舶运动示意图
Xt Yt X t
=
1 0 0
0T 10 01
0 T 0
X t −1 Yt −1 X t −1
+
T T
∧2 ∧2 T
/ /
2 2
∗
a
+
ε
(Rt
)

(1)
Yt 0 0 0 1 Yt−1 T
46 | 电子制作 2019 年 10 月
X t Yt
X
tYt

(4)
为了确定噪声协方差 Rt ，用标准差 σ a 替代加速度 a 可

基于NDO的船舶横摇指令滤波反演控制方法研究

基于NDO的船舶横摇指令滤波反演控制方法研究船舶在海上航行时，受到海浪等外界因素的影响，很容易发生横摇运动，给船员和货物带来不便甚至危险。

因此，控制船舶的横摇运动成为了船舶自动控制领域中的一个重要问题。

近年来，随着先进的控制理论和技术的发展，一种新的控制方法，基于NDO（Nonlinear Disturbance Observer，非线性干扰观测器）的船舶横摇指令滤波反演控制方法逐渐受到研究者的关注。

船舶的横摇运动受到海浪、气流等外部因素的干扰，同时船体结构等内部因素也会对横摇运动产生影响，这些因素使得船舶横摇运动具有非线性和时变性。

为了有效地控制船舶的横摇运动，研究者们引入了NDO技术，通过非线性干扰观测器来估计和抵消船舶受到的外部干扰，进而实现横摇运动的控制。

具体来说，基于NDO的船舶横摇指令滤波反演控制方法可以分为以下几个步骤：首先，通过传感器获取船舶当前的横摇角速度和姿态角度等状态信息；然后，利用NDO技术设计非线性干扰观测器，估计并消除外部干扰对船舶横摇运动的影响；接着，设计滤波器对船舶横摇指令进行滤波处理，提高控制指令的精确度和稳定性；最后，通过反演控制方法计算出船舶的横摇运动控制指令，实现对船舶横摇运动的控制。

通过实验和仿真验证，研究者们发现，基于NDO的船舶横摇指令滤波反演控制方法在控制效果、鲁棒性和抗干扰性等方面均表现出较好的性能。

与传统的PID控制方法相比，基于NDO的控制方法在非线性系统控制和抗干扰控制方面更具优势，能够更好地应对船舶横摇运动的复杂性和不确定性。

总的来说，基于NDO的船舶横摇指令滤波反演控制方法为解决船舶横摇运动控制问题提供了一种新的思路和方法，具有很高的理论和实用价值。

未来，研究者们可以进一步深入研究该方法的控制策略和算法，提高其在船舶横摇运动控制领域的应用效果和性能，为船舶自动控制技术的发展做出更大的贡献。

基于指令滤波的全状态约束海洋水面船舶有限时间轨迹跟踪控制

272
南京理工大学学报
第45卷第3期
seaeeconseaatnestsseudted undeaehecombtned dtseuabanceooeteeanagetme-vaaytngdtseuabanceand modet uncertenty. Fim+y, a finitedisturbance observer is proposed to accumtWy estimate the compound disturbance composed of external disturbance and modet uncemainty. Secondly,tlie barrier Lyapunov function is combined with the backstepping method and the finite-time stability theoro to ensuro Oe fuH state constraints. Finite-time command filter is adopted to avoid the complee explosion problem and singular problem of the derivtiv of tOe virtual conecO law. Then, the finite-time ecos compensaeton syseem tsdestgned eodeagwteh eheefecesofftgeeatngeaoas.Based on eheftntee-etme stability theom, the tracking erros of the proposed conOcO stratecy is proved to converae to a smaH neighborhood necs zero in finite timc. Finily, the effectivness of tOe conOco scheme is furthcs vrined by MATLAB simulation. The Onite-time fuH-state constrained trmectom tracking conOco (FCTC) method and adaptivv fuH-state constrained 01x0— tracking controi ( ACTC ) method to compared. The results show that the actuai position and vvlocity tr—ectom cen accumtOy track the desired position and vvlocity Oajectom in Onite time by using FCTC method, and FCTC method cen ensure that the position and speed tracking ecors do not exceed the predetermined constraints ； FCTC me8hod hasfaseaaansten8aesponse8han ACTCme8hod, and 8heseady-saeeaoaofFCTCme8hod is smaller than ACTC method. Key WO*t: command filtc; marine surface vessels; finite-timc; trajectoro tracking controi; dtseu+banoeobse+ve+； ba+te+Lyapunovfunoeton

基于NDO的ROV滤波反步轨迹跟踪控制

问题，提出一种基于非线性干扰观测器（ＮＤＯ）的滤波自适应反步控制策略。使用ＮＤＯ观测模型的不确定性和外界干扰，通过
指令滤波器避免了直接对虚拟控制量解析求导的过程，利用自适应律补偿观测器观测残量。通过Ｌｙａｐｕｎｏｖ稳定性理论证明了跟踪误差系统的渐进稳定。仿真实验表明，设计的控制器能够实现精确的轨迹跟踪，具有较好的鲁棒特性。
第３８卷第１期２０１７年１月
仪器仪表学报
ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＳｃｉｅｎｔｉｉｆｃＩｎｓｔｒｕｍｅｎｔ
Ｖｏ１．３８Ｎｏ．１
Ｊａｎ．２０１７
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｎｏｎｌｉｎｅａｒｍｏｄｅｌ，ｓｔｒｏｎｇｃｏｕｐｌｉｎｇ，ａｓｗｅｌｌａｓｍｏｄｅｌｐｒａａｍｅｔｅｒｕｎｃｅｒｔａｉｎｔｙａｎｄｅｘｔｅｒｎａｌｄｉｓｔｕｒｂａｎｃｅ
ｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｎｏｎｌｉｎｅａｒｄｉｓｔｕｒｂａｎｃｅｏｂｓｅｒｖｅｒ（ＮＤＯ）．ＴｈｅＮＤＯｉｓｕｓｅｄｔｏｏｂｓｅｒｖｅｔｈｅｍｏｄｅｌｕｎｃｅｒｔａｉｎｔｙａｎｄｅｘｔｅｕａｒｌｄｉｓｔｕｒｂａｎｃｅ．

基于改进自适应粒子滤波的无线传感网船舶追踪

第39卷第2期2018年6月上海海事大学学报Journal of Shanghai Maritime UniversityVol. 39 No. 2Jun. 2018D01：10.13340/j. jsmu. 2018. 02. 003文章编号：1672 -9498(2018)02-0012-05基于改进自适应粒子滤波的无线传感网船舶追踪梅a峻，吴华锋，陈彦臻，蒋恩青(上海海事大学商船学院，上海201306)摘要：针对无线传感网（wireless sensor network，W S N)节点在海上动态环境下利用接收信号强度指示器（recieved signal strength indicator，RSSI)对船9追踪精度不高以及计算量大等问题，提出改进的自适应粒子滤波算法。

该算法采用优化边界阈值的方式，在重采样阶段采用K L散度（Kullback-Leibler divergence，K L D)采样方法实现自适应选择采样粒子，这使得节点采样的计算量减少，从而缩短采样的计算时间。

仿真结果表明：该算法可在保障追踪精度的同时，提高自适应度，减少节点计算量，并且能很好地适应海上环境。

关键词：船舶追踪；自适应粒子滤波；无线传感网（W S N); K L散度中图分类号：U644.1文献标志码：AShip tracking of wireless sensor network based onimproved adaptive particle filterMEI Xiaojun, WU Huafeng, CHEN Yanzhen, JIANG Enqing(Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China) Abstract:Aiming a t t l i e issue that t l i e accuracy o f ship tracking i s n plexity i s high based on wireless sensor net"w or!^(W S N)whose nodes use the received s dicator(RSSI)in the dynamic marine environment,an improved adaptive particle f i l t e r algoritlim posed.In t he algorithm,the method of optimizing boundary threshold i s used，and the Kullback-Leiblerdivergence(K L D)resampling metiiod i s used a t t i i e resampling stage t o s tively，which r educes the computational complexity of node sampling and thus shortens the computingtime of sampling.The simulation results show that the proposed algorithm can improve thes e l f-adaptability，reduce the computational amount of nodes，and adapt t o the m while keeping the tracking accuracy.Key words：ship tracking%adaptive particle f i l t e r;wireless sensor network(W S N); Kullback-Leibler divergence收稿日期：2017-07-07修回日期：2018-02-01基金项目：国家自然科学基金(51579143);上海海事大学研究生创新基金(2017yx030)作者简介：梅骁峻（1994一#，男，福建南平人，硕士研究生，研究方向为无线传感网定位技术，（E-mail)xjmei94@163.C〇m;吴华锋（1977—），男，福建南平人，教授，博导，博士，研究方向为交通信息工程及控制，（E-mail)hfwu@shmtu. edu. chttp ：///www. smujournal. cn hyxl)@ shmtu. edu. cn第2期梅骁峻，等：基于改进自适应粒子滤波的无线传感网船舶追踪13〇引言船舶追踪是保障船舶安全航行的一个关键环节。

基于反步自适应神经网络的船舶航迹控制_段海庆

1 / （ 1 + e － γz a ），其中常数 γ ＞ 0 ． Z ∈Ω z R m 和假设 3 给定的光滑函数 h（ Z ），
* 神经网络逼近器（ 2 ），存在理想的常值矩阵 W 和 V* ，使得
．
h（ Z ） = W * T S（ V * T Z ） + μ，Z ∈ Ω z R m ，（ 3）满足 | μ | ≤μ ，其中 μ ＞ 0 ． * * 通常情况下，理想权值阵 W 和 V 未知，在控 * * ^ 和V ^ 分别为制器设计中需要估计 W 和 V ．令 W （ 1） ^ －珦= W W * 和 V * 的估计值，权值估计误差分别为 W * * * * ^ － V ． W 和 V 分别取对于所有的 Z ∈ 珟 W 、 V=V Ωz ，使得 μ 最小的值 W 和 V，即 W* （或 V* ） ∶ = arg min { sup | h（ Z）－ WT S（ VT Z） | }． l
1． 3
自适应神经网络控制考虑系统（ 1 ）和期望轨迹 y d ，引入跟踪误差： z1 = x1 － y d ．
0，使得 g1 （ x1 ）满足 g1M （ x1 ） ≥| g1 （ x1 ） | ≥ g1m ， x1 ∈ R．上述假设表明光滑函数 g1 （ x1 ）严格为正或严格为负，不失一般性假设 g1M （ x1 ） ≥ g1 （ x1 ） ≥ g1m ＞ 0， x1 ∈R．假设 2 有界闭集．期望跟踪轨迹 y d ∈ Ω d R， Ω d 是已知
∫
由于 f1 （ x1 ）和 g1 （ x1 ）是未知的非线性函数，故
* h1 （ Z1 ）未知，不可能得到理想的期望控制律 u ，使用式（ 2 ）所提供的多层神经网络逼近 h1 （ Z1 ）．实际

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

经网络
中图分类号：Ｕ６６６
文献标志码：Ａ
以及航行条件变化、环境参数的严重干扰及测量
ＣｏｍｍａｎｄｉｆｌｔｅｒｅｄＢａｃｋｓｔｅｐｐｉｎｇ－ｂａｓｅｄ
ｄｅｓｉｇｎｆｏｒｃｏｕｒｓｅ－ｋｅｅｐｉｎｇｃｏｎｔｒｏｌｏｆｓｈｉｐ
Ｋｅｙｗｏｒｄｓ：ｓｈｉｐｃｏｕｒｓｅ；ｔｒａｃｋｉｎｇｃｏｎｔｒｏｌ；ａｄａｐｔｉｖｅｃｏｎｔｒｏｌ；ｎｏｎｌｉｎｅｒａｓｙｓｔｅｍ；ｎｅｕｒｌａｎｅｔｗｏｒｋ
第４１卷
第１期
大连海事大学学报
ＪｏｕｒｎａｌｏｆＤａｌｉａｎＭａｒｉｔｉｍｅＵｎｉｖｅｒｓｉｔｙ
Ｖｏ１．４１Ｎｏ．１Ｆｅｂ．，２０１５
２０１５年２月
文章编号：１００６－７７３６（２０１５）０１－０００６－０４
传统反步法中存在的“ 计算爆炸 ” 问题，同时将神经网络权值的范数作为估计参数，以减少控制器的计算负担，便
于工程实现和应用．所设计的非线性自适应神经网络控制
０引言
迄今为止，绝大多数的船舶航向控制器仍采用线性的Ｎｏｍｏｔｏ模型进行设计．而船舶大型化以及船舶方形系数的增大，使船舶的直线运动变为
摘要：针对存在不确定性的非线性船舶航向运动数学模型，将反步算法和ｃｏｍｍａｎｄｉｆｌｔｅｒｔｅｃｈｎｉｑｕｅ相结合，提出一种新的非线性神经网络自适应控制器设计方法．基于Ｌｙａ — ｐｕｎｏｖ稳定性分析理论，采用ｃｏｍｍａｎｄｉｆｌｔｅｒｔｅｃｈｎｉｑｕｅ消除
ｔｅｃｈｎｉｑｕｅｉｎｔｏＢａｃｋｓｔｅｐｐｉｎｇｄｅｓｉｇｎ，ＳＯｔｈｅｐｒｏｂｌｅｍｏｆ“ ｅｘ — ｐｌｏｓｉｏｎｏｆｃｏｍｐｌｅｘｉｔｙ” ｗａｓａｖｏｉｄｅｄｉｎｔｈｅｔｒａｄｉｔｉｏｎａｌＢａｃｋ－
Ａｂｓｔｒａｃｔ：Ａｎｅｗｎｏｎｌｉｎｅａｒａｄａｐｔｉｖｅｃｏｎｔｒｏｌａｌｇｏｒｉｔｈｍｗａｓｐｒｏ —
ｐｏｓｅｄｆｏｒｃｏｕｒｓｅ－－ｋｅｅｐｉｎｇｃｏｎｔｒｏｌｏｆｓｈｉｐｉｎｔｈｅｐｒｅｓｅｎｃｅｏｆｕｎ・・ｃｅｒｔａｉｎｔｉｅｓ．Ｔｈｉｓａｌｇｏｉｔｒｈｍｉｎｃｏｒｐｏｒａｔｅｄｔｈｅｃｏｍｍａｎｄｆｉｌｔｅｒ
不稳定，航向控制系统数学模型成为非线性ｕｌＪ．实际上，船舶运动具有大惯性、大时滞、非线性等特点，而船速及装载的变化产生模型的参数摄动，
器使船舶航向控制系统中所有信号一致有界，航向误差收敛于零．仿真结果验证了该算法的有效性．关键词：船舶航向；跟踪控制；自适应控制；非线性系统；神
ＵＮＹｕ
的不精确性等都使船舶运动产生不确定性，使得
模型参考自适应控制技术在船舶航向控制应用中受到了限制．
（ＳｈｉｐｐｉｎｇＳｃｈｏｏｌ，ＺｈｅｊｉａｎｇＩｎｓｔｉｔｕｔｅｏｆＣｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｈａｎｇｚｈｏｕ３１１１１２，Ｃｈｉｎａ）
ｄｏｉ：１０．１６４１１／ｊ．ｅｎｋｉ．ｉｓｓｎｌＯ０６－７７３６．２０１５．０１．００２
基于滤波反步法的船舶航向跟踪控制
林郁３１ｌ１１２）（浙江交通职精确度，并使其具有良好的鲁棒性，各种先进的控制策略被不断地应用到航向控制中，如变结构控制ｊ、广义预测控制Ｊ、
日无穷鲁棒控制等．近年来，不确定非线性系统的自适应控制得到很大发展，特别是后推法（Ｂａｃｋｓｔｅｐｐｉｎｇ）成为非线性控制领域的一个重要