【无人艇编队控制】基于双虚拟领航 - 链式通信 - 神经网络抗扰的4艘欠驱动USV协同控制，通过双虚拟领航器动态交互、扩张状态观测器ESO状态估计抗扰补实现USV在3个圆形障碍环境下附Matlab代码

双虚拟领航USV编队控制

最新推荐文章于 2025-12-02 19:45:00 发布

原创最新推荐文章于 2025-12-02 19:45:00 发布 · 910 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#神经网络 #matlab #人工智能

✅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

通过 “双虚拟领航 + 链式通信 + 神经网络抗扰” 的三层架构，精准解决了 4 艘欠驱动 USV 在多圆形障碍环境下的 “编队保持 - 障碍规避 - 抗扰稳定” 难题，尤其双领航动态交互与 ESO 抗扰补的结合，能有效应对复杂海洋场景的不确定性。该方案的核心是在分层控制框架下，让各模块各司其职又协同联动，最终实现 USV 在 3 个圆形障碍环境下的安全、精准协同运动。

一、核心模块设计与协同逻辑

整个系统通过 “领航决策 - 通信协调 - 抗扰控制” 三层架构实现功能，各模块的核心设计与交互关系如下：

1. 双虚拟领航器：动态调整的编队 “指挥中枢”

双领航器并非固定分工，而是通过动态交互适配障碍环境，解决传统单领航器 “避障与编队难兼顾” 的问题。

动态角色切换
：正常巡航时，“领航器 A” 生成全局编队参考轨迹（如矩形队形的中心路径），“领航器 B” 辅助校准各 USV 的相对位置；当探测到 3 个圆形障碍时，领航器 B 切换为 “障碍决策端”，实时计算障碍与编队的最小安全距离（如设定为障碍半径 + 2m），并将数据反馈给领航器 A。
轨迹协同修正
：针对 3 个圆形障碍的分布（如左、中、右各 1 个），双领航器协同生成 “分段绕障轨迹”—— 例如先整体向左侧偏移，避开右侧障碍；再微调航向绕开中间障碍；最后恢复路径避开左侧障碍，同时确保每段轨迹都符合 4 艘 USV 的欠驱动运动特性（仅纵荡、艏摇可控），避免出现无法执行的横荡指令。
队形参数同步
：绕障过程中，双领航器会同步更新各 USV 的目标位置（如缩小横向间距以紧凑队形绕障），并将参数下发至每艘 USV，为编队协同提供统一参考。

2. 链式通信：分布式信息交互的 “传输链路”

针对 4 艘 USV 的规模，链式通信（如 USV1→USV2→USV3→USV4）能在降低通信负荷的同时，确保障碍与编队信息的高效传递。

信息交互内容
：每艘 USV 仅向相邻艇传递两类核心信息：一是 “自身状态”（位置、速度、艏向角），二是 “障碍感知结果”（是否探测到圆形障碍、障碍相对坐标）；同时接收前 / 后邻艇的信息，实现局部数据融合。
协同一致性保障
：基于链式通信获取的邻艇数据，各 USV 通过一致性算法调整自身运动 —— 例如 USV2 接收到 USV1 “接近中间障碍” 的信息后，会主动减速并向 USV3 传递 “需同步减速绕障” 的指令，避免编队出现前后脱节。
故障冗余设计
：若某一艘 USV（如 USV2）通信中断，USV1 会直接与 USV3 建立临时通信链路，确保信息不中断，提升分布式系统的可靠性。

3. 神经网络抗扰 + ESO 状态估计：应对扰动与状态缺失的 “稳定器”

欠驱动 USV 易受海洋风、浪、流扰动，且部分状态（如横荡速度）难以直接测量，该组合模块可同时解决这两个问题。

神经网络抗扰补偿
：采用 RBF（径向基函数）神经网络，以 “当前运动误差（位置、航向）、环境扰动观测值（风速、浪高）” 为输入，通过离线训练 + 在线迭代学习，实时输出扰动补偿量，叠加到推进器转速（纵荡控制）和舵角（艏摇控制）指令中，抵消风、浪对运动的干扰。
ESO 状态估计补全
：将 “未测状态（横荡速度）+ 外部未知扰动” 视为 “总扰动”，通过扩张状态观测器（ESO）实时估计 —— 一方面补全横荡速度数据，用于校准编队相对位置（避免因横荡偏移导致队形散乱）；另一方面输出的 “总扰动” 信息可优化神经网络的抗扰策略，提升补偿精度。

二、3 个圆形障碍环境下的控制流程（以矩形编队为例）

假设 4 艘 USV 以矩形编队（USV1 为首艇、USV2/3 为中艇、USV4 为尾艇）巡航，3 个圆形障碍分别位于 “首艇前方 100m”“左中艇（USV2）左侧 50m”“右中艇（USV3）右侧 50m”，具体控制步骤如下：

障碍感知与信息上传
：USV1 通过雷达探测到前方障碍，USV2/3 分别探测到左右侧障碍，各艇通过链式通信将障碍信息（中心坐标、半径 5m）传递至所有 USV，同时反馈给双虚拟领航器。
双领航器轨迹规划
：领航器 B 计算出 “安全绕障路径”：编队先向右偏移 15m（避开右侧障碍），再以 20° 艏向角左转（绕开前方障碍），最后向左微调 5m（避开左侧障碍）；领航器 A 根据该路径，生成 4 艘 USV 各自的目标位置序列，确保绕障过程中矩形队形间距（前后 20m、左右 15m）不变。
编队协同与抗扰控制
：
- 各 USV 接收目标位置后，通过链式通信比对邻艇状态（如 USV4 与 USV3 的相对位置误差），利用一致性算法计算自身的速度、舵角调整量。
- ESO 实时估计横荡速度和总扰动，神经网络根据该结果输出抗扰补偿量（如遇 5m/s 侧风，补偿舵角 + 3°），修正控制指令。
- 推进器与舵机执行指令，驱动 USV 按规划轨迹行驶，同时通过传感器实时反馈位置误差，动态调整控制量。
避障后队形恢复
：当 4 艘 USV 均通过 3 个障碍（如 USV4 远离左侧障碍 20m），双领航器切换回正常巡航模式，重新生成原矩形编队的参考轨迹，各 USV 通过一致性算法调整位置，恢复初始队形，继续巡航。

⛳️ 运行结果

📣 部分代码

%   此处显示详细说明persistent p_i Kgif isempty(p_i)    p_i = p_i0;    Kg = diag([0.1 0.1]);endpi_dot = (-Kg*(eF+pi_o+pi_usv)+pj_dot+vs)/di;% if norm(pi_dot) >= 0.5%     pi_dot = 0.5*pi_dot/norm(pi_dot);% endp_i = ts*pi_dot+p_i;pio = p_i;end