基于自抗扰技术的水面无人艇编队控制
发布时间：2021-05-08 13:20
水面无人艇（Unmanned Surface Vehicle,USV）是一种新型的海上作业平台,因其模块化、无人化、智能化等优点在海洋侦察和军事领域中得到了全面推广。然而由于海洋环境具有复杂多变的特点,仅仅依靠单艇作业无法完成预期的目标,编队控制以其特有的高度适应性、容错性、鲁棒性及自组织性有效弥补了单艇难以完成复杂任务的缺陷,是近年来学者研究的重点。本文主要研究了水面无人艇编队在存在外界扰动和执行机构时滞的情况下如何能够保证各艇以预期的距离和角度持续航行,论文的具体工作内容如下:首先,综述了水面无人艇编队控制的国内外发展现状,对无人艇编队的控制方法及数学模型进行介绍,选取无人艇的三自由度运动对控制模型进行简化,基于领导跟随者编队模型给出了领航艇和跟随艇之间的相对运动方程。其次,针对水面无人艇的编队控制问题,提出了自抗扰控制器（Active Disturbance Rejection Controller,ADRC）,并对其结构以及原理进行了分析。考虑到ADRC存在参数众多,难以整定的现象,利用粒子群算法（Particle Swarm Optimization,PSO）收敛速度较快,简...
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景和意义
1.2 编队控制研究现状
1.3 时滞问题研究现状
1.4 论文结构及主要内容
第2章 水面无人艇相关控制模型
2.1 单艇数学模型
2.1.1 参考坐标系
2.1.2 单艇的运动数学模型
2.2 船舶运动干扰的数学模型
2.2.1 风的干扰模型
2.2.2 浪的干扰模型
2.2.3 流的干扰模型
2.3 编队队形控制方法
2.3.1 编队控制问题
2.3.2 编队控制策略
2.4 本章小结
第3章 基本自抗扰控制器
3.1 基于领导-跟随者编队结构
3.2 PID控制器
3.3 自抗扰控制器
3.3.1 经典微分器
3.3.2 非线性跟踪微分器
3.3.3 扩张状态观测器
3.3.4 非线性误差反馈
3.3.5 自抗扰控制器算法
3.3.6 仿真实例
3.4 本章小结
第4章 自抗扰控制器的参数优化
4.1 参数优化
4.2 遗传算法
4.2.1 遗传算法原理
4.2.2 遗传算法流程
4.3 粒子群算法及其改进算法
4.3.1 粒子群算法原理
4.3.2 标准粒子群算法及其流程
4.3.3 粒子群算法的收敛过程
4.4 基于标准粒子群算法的自抗扰控制器参数优化
4.5 PSO-ADRC仿真
4.6 本章小结
第5章 基于抗时滞的无人艇编队控制
5.1 引言
5.2 基于SMITH预估器的时延控制
5.2.1 Smith预估器
5.2.2 PID-Smith预估器仿真
5.3 基于互相关函数的时延估计
5.3.1 具有延迟输入的自抗扰控制
5.3.2 基本互相关延时估计算法
5.3.3 广义互相关时延估计算法
5.3.4 时延估计仿真
5.4 含有时滞的水面无人艇编队控制
5.4.1 编队控制器设计
5.4.2 时延估计仿真
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]过热蒸汽温度系统的Smith预估补偿自抗扰控制[J]. 董子健,邢建,石乐,王朔. 电力科学与工程. 2017(09)
[2]参数不确定史密斯预估器的自适应控制[J]. 丁晓迪,崔宝同. 计算机工程与设计. 2016(11)
[3]基于改进粒子群算法的自抗扰控制器参数优化及仿真[J]. 楚东来. 信息通信. 2015(09)
[4]声源定位中广义互相关时延估计算法的研究[J]. 茅惠达,张玲华. 计算机工程与应用. 2016(22)
[5]USV发展现状及展望[J]. 柳晨光,初秀民,吴青,王桂冲. 中国造船. 2014(04)
[6]海洋动力定位分层控制系统的建模与仿真研究[J]. 郭晨,雷正玲. 系统仿真学报. 2014(05)
[7]时滞系统的自抗扰控制综述[J]. 王丽君,李擎,童朝南,尹怡欣. 控制理论与应用. 2013(12)
[8]一种船队编队控制的backstepping方法[J]. 丁磊,郭戈. 控制与决策. 2012(02)
[9]Fal函数滤波器的分析及应用[J]. 王宇航,姚郁,马克茂. 电机与控制学报. 2010(11)
[10]遗传算法综述[J]. 刘定理. 中国西部科技. 2009(25)
博士论文
[1]粒子群优化分数阶控制器及欠驱动船舶航向控制研究[D]. 李光宇.大连海事大学 2016
[2]基于全局优化和局部学习的进化多目标优化算法[D]. 左益.西安电子科技大学 2016
[3]水面无人艇航迹规划与跟踪技术研究[D]. 李旺.哈尔滨工程大学 2016
[4]船舶动力定位系统的自抗扰控制研究[D]. 雷正玲.大连海事大学 2014
[5]水面无人平台动力学建模及姿态稳定性研究[D]. 李珂翔.南京理工大学 2014
[6]欠驱动水面船舶航迹自抗扰控制研究[D]. 李荣辉.大连海事大学 2013
[7]欠驱动船舶运动的非线性鲁棒控制研究[D]. 王岩.哈尔滨工程大学 2013
[8]舰船编队的鲁棒自适应控制[D]. 彭周华.大连海事大学 2011
[9]粒子群算法的研究及应用[D]. 刘衍民.山东师范大学 2011
[10]基于遗传算法和神经网络的锅炉汽水系统模型参数优化[D]. 马进.华北电力大学（河北） 2009
硕士论文
[1]基于遗传算法模糊PID控制的水轮机调节系统研究[D]. 王坤.华北水利水电大学 2018
[2]具有预设性能的水面无人艇轨迹跟踪与编队控制研究[D]. 方冲.华南理工大学 2018
[3]几类具有未建模动态非线性系统自适应神经网络控制[D]. 孙菀婧.渤海大学 2017
[4]基于模糊PID控制的无人船舵机控制系统研究[D]. 段梦霞.海南大学 2017
[5]一类多输入/多输出不确定非线性系统的输出反馈控制[D]. 渠立松.浙江大学 2017
[6]多艘动力定位船鲁棒自适应编队控制研究[D]. 王彬.哈尔滨工程大学 2017
[7]基于遗传算法的模拟集成电路优化设计[D]. 巴京.南京邮电大学 2016
[8]基于史密斯预估器的时滞系统控制研究[D]. 丁晓迪.江南大学 2016
[9]带观测器的船舶动力定位时滞控制研究[D]. 朱德鹏.哈尔滨工程大学 2016
[10]执行机构滞后的动力定位船控制方法研究[D]. 焦金鹏.哈尔滨工程大学 2016
本文编号：3175408
【文章来源】：哈尔滨工程大学黑龙江省 211工程院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题研究背景和意义
1.2 编队控制研究现状
1.3 时滞问题研究现状
1.4 论文结构及主要内容
第2章 水面无人艇相关控制模型
2.1 单艇数学模型
2.1.1 参考坐标系
2.1.2 单艇的运动数学模型
2.2 船舶运动干扰的数学模型
2.2.1 风的干扰模型
2.2.2 浪的干扰模型
2.2.3 流的干扰模型
2.3 编队队形控制方法
2.3.1 编队控制问题
2.3.2 编队控制策略
2.4 本章小结
第3章 基本自抗扰控制器
3.1 基于领导-跟随者编队结构
3.2 PID控制器
3.3 自抗扰控制器
3.3.1 经典微分器
3.3.2 非线性跟踪微分器
3.3.3 扩张状态观测器
3.3.4 非线性误差反馈
3.3.5 自抗扰控制器算法
3.3.6 仿真实例
3.4 本章小结
第4章 自抗扰控制器的参数优化
4.1 参数优化
4.2 遗传算法
4.2.1 遗传算法原理
4.2.2 遗传算法流程
4.3 粒子群算法及其改进算法
4.3.1 粒子群算法原理
4.3.2 标准粒子群算法及其流程
4.3.3 粒子群算法的收敛过程
4.4 基于标准粒子群算法的自抗扰控制器参数优化
4.5 PSO-ADRC仿真
4.6 本章小结
第5章 基于抗时滞的无人艇编队控制
5.1 引言
5.2 基于SMITH预估器的时延控制
5.2.1 Smith预估器
5.2.2 PID-Smith预估器仿真
5.3 基于互相关函数的时延估计
5.3.1 具有延迟输入的自抗扰控制
5.3.2 基本互相关延时估计算法
5.3.3 广义互相关时延估计算法
5.3.4 时延估计仿真
5.4 含有时滞的水面无人艇编队控制
5.4.1 编队控制器设计
5.4.2 时延估计仿真
5.5 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
【参考文献】：
期刊论文
[1]过热蒸汽温度系统的Smith预估补偿自抗扰控制[J]. 董子健,邢建,石乐,王朔. 电力科学与工程. 2017(09)
[2]参数不确定史密斯预估器的自适应控制[J]. 丁晓迪,崔宝同. 计算机工程与设计. 2016(11)
[3]基于改进粒子群算法的自抗扰控制器参数优化及仿真[J]. 楚东来. 信息通信. 2015(09)
[4]声源定位中广义互相关时延估计算法的研究[J]. 茅惠达,张玲华. 计算机工程与应用. 2016(22)
[5]USV发展现状及展望[J]. 柳晨光,初秀民,吴青,王桂冲. 中国造船. 2014(04)
[6]海洋动力定位分层控制系统的建模与仿真研究[J]. 郭晨,雷正玲. 系统仿真学报. 2014(05)
[7]时滞系统的自抗扰控制综述[J]. 王丽君,李擎,童朝南,尹怡欣. 控制理论与应用. 2013(12)
[8]一种船队编队控制的backstepping方法[J]. 丁磊,郭戈. 控制与决策. 2012(02)
[9]Fal函数滤波器的分析及应用[J]. 王宇航,姚郁,马克茂. 电机与控制学报. 2010(11)
[10]遗传算法综述[J]. 刘定理. 中国西部科技. 2009(25)
博士论文
[1]粒子群优化分数阶控制器及欠驱动船舶航向控制研究[D]. 李光宇.大连海事大学 2016
[2]基于全局优化和局部学习的进化多目标优化算法[D]. 左益.西安电子科技大学 2016
[3]水面无人艇航迹规划与跟踪技术研究[D]. 李旺.哈尔滨工程大学 2016
[4]船舶动力定位系统的自抗扰控制研究[D]. 雷正玲.大连海事大学 2014
[5]水面无人平台动力学建模及姿态稳定性研究[D]. 李珂翔.南京理工大学 2014
[6]欠驱动水面船舶航迹自抗扰控制研究[D]. 李荣辉.大连海事大学 2013
[7]欠驱动船舶运动的非线性鲁棒控制研究[D]. 王岩.哈尔滨工程大学 2013
[8]舰船编队的鲁棒自适应控制[D]. 彭周华.大连海事大学 2011
[9]粒子群算法的研究及应用[D]. 刘衍民.山东师范大学 2011
[10]基于遗传算法和神经网络的锅炉汽水系统模型参数优化[D]. 马进.华北电力大学（河北） 2009
硕士论文
[1]基于遗传算法模糊PID控制的水轮机调节系统研究[D]. 王坤.华北水利水电大学 2018
[2]具有预设性能的水面无人艇轨迹跟踪与编队控制研究[D]. 方冲.华南理工大学 2018
[3]几类具有未建模动态非线性系统自适应神经网络控制[D]. 孙菀婧.渤海大学 2017
[4]基于模糊PID控制的无人船舵机控制系统研究[D]. 段梦霞.海南大学 2017
[5]一类多输入/多输出不确定非线性系统的输出反馈控制[D]. 渠立松.浙江大学 2017
[6]多艘动力定位船鲁棒自适应编队控制研究[D]. 王彬.哈尔滨工程大学 2017
[7]基于遗传算法的模拟集成电路优化设计[D]. 巴京.南京邮电大学 2016
[8]基于史密斯预估器的时滞系统控制研究[D]. 丁晓迪.江南大学 2016
[9]带观测器的船舶动力定位时滞控制研究[D]. 朱德鹏.哈尔滨工程大学 2016
[10]执行机构滞后的动力定位船控制方法研究[D]. 焦金鹏.哈尔滨工程大学 2016
本文编号：3175408
本文链接：https://www.wllwen.com/kejilunwen/chuanbolw/3175408.html
