面向海洋自主无人船的动态自触发自适应神经PI控制：不确定环境下执行器保护与性能保障

本文创新性地提出了一种动态自触发机制(DSTM)与自适应神经网络结合的PI控制方案(DST-ANPP-PI)，用于解决欠驱动海上自主水面船(MASS)在环境扰动和执行器磨损双重挑战下的轨迹跟踪问题。通过坐标变换实现向量化设计，采用单参数学习神经网络自适应调整增益，结合预设性能控制(PPC)补偿触发机制导致的信号不连续性，在保证跟踪精度的同时显著降低执行器磨损频率。

　　

Highlight

本研究针对欠驱动海上自主水面船(MASS)的控制难题，提出三方面突破性贡献：

1. 1.

   首创基于预设性能的自适应向量化PI控制架构，突破传统多通道分离设计局限，在控制-执行器(C-A)通道指令丢失和PID微分单元缺失情况下仍保持稳定跟踪精度，较现有方法显著提升非线性工况适应性。

2. 2.

   首次实现控制精度/收敛速率的离线预设方法，通过轻量级单参数在线更新神经网络自主调节增益，避免复杂调参过程，提升系统结构简洁性。

3. 3.

   开发新型动态自触发机制(DSTM)，相较现有触发控制方案，在同等控制性能前提下进一步降低控制指令更新频率，更好维护执行器耐久性。

Conclusion

本研究成功构建了动态自触发自适应神经PI控制框架，通过预设性能函数嵌入瞬态和稳态边界，以PPC补偿机制替代传统微分作用，实现：1）基于单参数学习神经网络的鲁棒不确定性补偿；2）通过DSTM显著降低执行器磨损；3）在触发机制和微分缺失情况下仍保证跟踪性能。理论分析证明闭环信号一致最终有界(UUB)，苛刻工况下的仿真验证了方案在鲁棒性、执行器保护和性能保障方面的优越性。