一种离散时间数据驱动自学习的无人船航速控制系统技术方案

本发明专利技术公开了一种离散时间数据驱动自学习的无人船航速控制系统，包括：速度估计模块、扰动观测器模块、无模型控制器模块、数据驱动参数更新律模块；无模型控制器模块用于计算前向力矩τ(n)；速度估计模块用于计算下一时刻无人船的动力学未知项估计下一时刻的无人船航速估计扰动观测器模块用于计算下一时刻的系统总扰动估计数据驱动参数更新律模块用于根据下一时刻的系统总扰动估计计算下一时刻的控制增益估计本发明专利技术的在估计总扰动的基础上，通过利用扩张状态观测器和数据驱动更新律，不仅解决了对可变化的控制增益进行估计，而且还能辨识控制增益估计不准确部分的问题，最终实现了系统完全自学习和监控功能的效果。控功能的效果。控功能的效果。

【技术实现步骤摘要】
一种离散时间数据驱动自学习的无人船航速控制系统


[0001]本专利技术涉及无人船航速控制领域，尤其涉及一种离散时间数据驱动自学习的无人船航速控制系统。

技术介绍

[0002]无人船运动控制包括运动学控制和动力学控制两方面，其中无人船动力学控制指通过调节执行机构产生相应的力和力矩实现对给定航速的跟踪。在航速控制中，无人船动力学模型存在内部模型不确定和未知海洋环境扰动。为提高无人船抗扰性能，使无人船在特殊的海洋环境下的航速和角速度依旧保持稳定，对系统内扰与外扰的统一估计成为关键问题，国内外学者已经展开了大量的相关研究。现有动力学控制方法在经典控制和现代控制理论的基础上，通过引入最小二乘支持向量机回归、模糊逻辑控制、网络化的船舶自适应系统识别、神经网络等方法，对无人船运动状态和不确定性进行分析和估计，实现复杂环境下对给定航速的准确跟踪。其中自抗扰控制中的扰动估计方法和自适应控制中的基于参数在线自适应方法，在无人船运动状态和不确定性估计的应用较为成功。从现有航速控制器设计方面来看，现有无人船航速控制方法仍存在以下不足：
[0003]在现有的无人船航速自抗扰控制方法中，控制系统往往需要提前给定控制增益系数或已知其标称值，然而在实际控制过程中，控制增益系数往往是未知的。在现有的无人船航速自抗扰控制方法中，现有方法仅能针对给定控制增益进行估计，而无法处理变化的控制增益，因此应用范围具有一定的局限性。

技术实现思路

[0004]本专利技术提供一种离散时间数据驱动自学习的无人船航速控制系统，以克服以上问题。r/>[0005]本专利技术包括：速度估计模块、扰动观测器模块、无模型控制器模块、数据驱动参数更新律模块；
[0006]无模型控制器模块用于计算前向力矩τ(n)；
[0007]速度估计模块用于根据前向力矩τ(n)，计算下一时刻无人船的动力学未知项估计下一时刻的无人船航速估计
[0008]扰动观测器模块用于根据下一时刻无人船的动力学未知项估计无人船航速估计计算下一时刻的系统总扰动估计
[0009]数据驱动参数更新律模块用于根据下一时刻的系统总扰动估计计算下一时刻的控制增益估计
[0010]进一步地，速度估计模块为：
[0011][0012]其中，为当前时刻的无人船航速估计，为下一时刻的无人船航速估计，为当前时刻的动力学未知项估计，为下一时刻无人船的动力学未知项估计，为当前时刻的系统总扰动估计，λ1和λ2为调节被扩张状态误差所引入的标量增益参数，T为离散时间常数，τ(n)为输出推动船舶向前行进的前向力矩。
[0013]进一步地，所述扰动观测器模块为：
[0014][0015]其中，γ1为自适应增益，为下一时刻的系统总扰动估计，为当前时刻的系统总扰动估计，u(n)表示当前时刻的无人船航速，u(n+1)表示下一时刻的无人船航速，u(n)∈R、u(n+1)∈R，T为离散时间常数，为当前时刻的系统总扰动估计，为当前时刻的控制增益估计量，τ(n)为输出推动船舶向前行进的前向力矩。
[0016]进一步地，所述下一时刻的无人船航速u(n+1)的计算公式为：
[0017]u(n+1)＝u(n)+T(d+k0τ(n))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0018]其中，u(n)表示当前时刻的无人船航速，u(n+1)表示下一时刻的无人船航速，u(n)∈R、u(n+1)∈R；T为离散时间常数，为控制增益，m为无人船质量参数，τ(n)为输出推动船舶向前行进的前向力矩，d为动力学未知项。
[0019]进一步地，所述动力学未知项d的计算公式为：
[0020]d＝m
‑1X
u
u(n)+m
‑1X
u|u|
u(n)|u(n)|+m
‑1ω
ꢀꢀꢀꢀꢀꢀ
(4)
[0021]其中，d为动力学未知项，m为无人船质量参数，X
u
与X
u|u|
为水动力参数，u(n)表示当前时刻的无人船航速，u(n)∈R；ω为无人船所受的外部扰动。
[0022]进一步地，所述无模型控制器模块为：
[0023][0024]其中，ω
c
为无模型控制增益，τ(n)为输出推动船舶向前行进的前向力矩，u(n)表示当前时刻的无人船航速，u(n)∈R；为当前时刻的控制增益估计量，为当前时刻的系统总扰动估计，为当前时刻的动力学未知项估计。
[0025]进一步地，数据驱动参数更新律模块为：
[0026][0027]其中，为下一时刻的控制增益估计，γ2和γ3均为数据驱动参数更新律模块的自适应增益，为下一时刻的控制增益估计；τ(n)为输出推动船舶向前行进的前向力矩，τ
T
(n)为输出推动船舶向前行进的前向力矩的逆矩阵；u(n)表示当前时刻的无人船航速，u(n)∈R；u(n+1)表示下一时刻的无人船航速，u(n)∈R、u(n+1)∈R；T为离散时间常数，为当前时刻的控制增益估计量，为当前时刻的系统总扰动估计。
[0028]有益效果：
[0029]本专利技术的在估计总扰动的基础上，通过利用扩张状态观测器和数据驱动更新律，不仅解决了对可变化的控制增益进行估计，而且还能辨识控制增益估计不准确部分的问题，最终实现了系统完全自学习和监控功能的效果。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术系统框图；
[0032]图2为本专利技术的总体示意图；
[0033]图3为无人船航速u的控制效果图；
[0034]图4为系统总扰动δ的观测效果图；
[0035]图5为前向力矩τ的给定信号图；
[0036]图6为控制增益k0的观测效果图。
具体实施方式
[0037]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]如图1所示，本专利技术包括：速度估计模块、扰动观测器模块、无模型控制器模块、数据驱动参数更新律模块；
[0039]无模型控制器模块用于计算前向力矩τ(n)；
[0040]具体而言，前向力矩作为系统的控制器，其作用是通过当前时刻和下一时刻无人船航速的差值，产生更接近于期望航速的无人船行进速度，并将无模型控制器模块的输出作为系统中其他模块的输入；
[0041]速度估计模块用于根据前向力矩τ(n)，计算下一时刻本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种离散时间数据驱动自学习的无人船航速控制系统，其特征在于，包括：速度估计模块、扰动观测器模块、无模型控制器模块、数据驱动参数更新律模块；无模型控制器模块用于计算前向力矩τ(n)；速度估计模块用于根据前向力矩τ(n)，计算下一时刻无人船的动力学未知项估计下一时刻的无人船航速估计扰动观测器模块用于根据下一时刻无人船的动力学未知项估计无人船航速估计计算下一时刻的系统总扰动估计数据驱动参数更新律模块用于根据下一时刻的系统总扰动估计计算下一时刻的控制增益估计2.根据权利要求1所述的一种离散时间数据驱动自学习的无人船航速控制系统，其特征在于，所述速度估计模块为：其中，为当前时刻的无人船航速估计，为下一时刻的无人船航速估计，为当前时刻的动力学未知项估计，为下一时刻无人船的动力学未知项估计，为当前时刻的系统总扰动估计，λ1和λ2为调节被扩张状态误差所引入的标量增益参数，T为离散时间常数，τ(n)为输出推动船舶向前行进的前向力矩。3.根据权利要求1所述的一种离散时间数据驱动自学习的无人船航速控制系统，其特征在于，所述扰动观测器模块为：其中，γ1为自适应增益，为下一时刻的系统总扰动估计，为当前时刻的系统总扰动估计，u(n)表示当前时刻的无人船航速，u(n+1)表示下一时刻的无人船航速，u(n)∈R、u(n+1)∈R，T为离散时间常数，为当前时刻的系统总扰动估计，为当前时刻的控制增益估计量，τ(n)为输出推动船舶向前行进的前向力矩。4.根据权利要求3所述的一种离散时间数据驱动自学习的无人船航速控制系统，其特征在于，所述下一时刻的无人船航速u(n+1)的计算公式为：u(n+1)＝u(n)+T(d+k0τ(n))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，u(n)表示当前时刻的无人船航速，u(n+1)表示下一时刻的无人船航速，u(n)∈...

【专利技术属性】
技术研发人员：景云，崔凯，李锦辉，姜岳，古楠，王丹，王浩亮，刘陆，王安青，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：