【无人艇编队控制】两种轨迹跟踪方法在欠驱动无人水面艇(USV)上的对比仿真程序,相同扰动条件下测试两种 TTG(Target Tracking Guidance)方法的跟踪性能附Matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页:Matlab科研工作室

🍊个人信条:格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

在海洋探索与开发的宏伟蓝图中,无人艇编队控制技术正逐渐成为关键的支撑力量。随着海洋资源的深入开发、海上安全保障需求的提升以及海洋科研的不断推进,无人艇编队以其高效、灵活、安全等诸多优势,在众多海洋作业场景中崭露头角,成为了现代海洋工程领域的研究热点。

无人艇,作为一种能够在水面自主航行的智能设备,可代替人类执行各种复杂且危险的任务。而当多艘无人艇组成编队协同作业时,其能力得到了进一步的拓展和增强。它们能够在海洋监测中,实现对大面积海域的同步观测,获取更全面、更准确的海洋环境数据;在海上救援行动里,通过分工协作,快速搜索和定位目标,提高救援效率;于军事领域,无人艇编队可执行侦察、巡逻、反潜等任务,降低人员伤亡风险的同时,提升作战的隐蔽性和灵活性。

欠驱动无人水面艇(USV)作为无人艇中的重要类型,具有独特的结构和特性。与全驱动无人艇相比,欠驱动无人水面艇在某些自由度上缺乏直接的驱动力,通常表现为侧向或垂向没有独立的推进装置 。这种结构设计虽然简化了艇体构造,降低了成本和能耗,但也给其控制带来了极大的挑战。在轨迹跟踪过程中,欠驱动无人水面艇无法像全驱动艇那样,通过直接控制所有自由度来精确地跟踪目标轨迹,需要借助更为复杂的控制策略和算法,巧妙地利用艇体的动力学特性和环境因素,实现高效、稳定的轨迹跟踪。

轨迹跟踪控制对于欠驱动无人水面艇的任务执行至关重要,它是确保无人水面艇能够按照预定路径准确航行的核心技术。在实际海洋作业中,无论是进行海洋资源勘探时需精确沿着特定的航线搜索目标,还是在执行海上巡逻任务时需严格按照既定路线监控海域,无人水面艇都必须具备高精度的轨迹跟踪能力。只有实现了精确的轨迹跟踪,无人水面艇才能有效地完成各种任务,充分发挥其在海洋作业中的价值。倘若轨迹跟踪控制出现偏差,无人水面艇可能会偏离预定航线,导致任务失败,甚至可能面临碰撞障碍物、迷失方向等危险情况。

轨迹跟踪方法介绍

在欠驱动无人水面艇的轨迹跟踪领域,不同的轨迹跟踪制导(TTG)方法各有千秋,它们基于不同的原理和算法,为无人艇的精确控制提供了多样化的解决方案。下面将详细介绍两种具有代表性的 TTG 方法。

方法一详情

第一种轨迹跟踪制导方法是基于滑模控制的 TTG 方法。滑模控制作为一种变结构控制策略,以其对系统参数变化和外部干扰的强鲁棒性在众多控制领域得到广泛应用,在欠驱动无人水面艇的轨迹跟踪中也展现出独特的优势。

其核心原理是通过设计一个合适的滑动面,使无人艇的运动状态能够沿着这个滑动面渐近稳定地到达期望的轨迹。当无人艇的状态在滑动面上运动时,系统对参数变化和外部干扰具有很强的鲁棒性,能够保持稳定的跟踪性能。

⛳️ 运行结果

📣 部分代码

% 初始化

persistent alpha_u alpha_r Tu Tr T nu_cf W_u W_r c b

if isempty(alpha_u)

alpha_u = 0;

alpha_r = 0;

Tu = 1;

Tr = 1;

T = 0.1;

nu_cf = nu_c;

c = 0.1*ones(3,11);

b = 1*ones(1,11);

W_u = zeros(11,1);

W_r = zeros(11,1);

end

🔗 参考文献

Gu, N., Wang, D., Peng, Z., Li, T., & Tong, S. (2021). Model-Free Containment Control of Underactuated Surface Vessels Under Switching Topologies Based on Guiding Vector Fields and Data-Driven Neural Predictors. IEEE Transactions on Cybernetics, 1–12.

🎈 部分理论引用网络文献,若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真,助力科研梦:

🌟 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划(2E-VRP)、充电车辆路径规划(EVRP)、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化
🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类
2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类
2.11 FNN模糊神经网络时序、回归预测
2.12 RF随机森林时序、回归预测和分类
2.13 BLS宽度学习时序、回归预测和分类
2.14 PNN脉冲神经网络分类
2.15 模糊小波神经网络预测和分类
2.16 时序、回归预测和分类
2.17 时序、回归预测预测和分类
2.18 XGBOOST集成学习时序、回归预测预测和分类
2.19 Transform各类组合时序、回归预测预测和分类
方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
🌟图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
🌟 路径规划方面
旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划(EVRP)、 双层车辆路径规划(2E-VRP)、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化
🌟 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、
🌟 通信方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配
🌟 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测
🌟电力系统方面
微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统(BMS)SOC/SOH估算(粒子滤波/卡尔曼滤波)、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进(扰动观察法/电导增量法)、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化
🌟 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀
🌟 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别
🌟 车间调度
零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

matlab科研助手

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值