基于频率分解的双通路图神经网络DFGNet在时空预测中的创新应用

本文提出了一种创新的动态自触发自适应神经预设性能PI控制方案（DST-ANPP-PI），通过坐标变换和向量化设计解决了欠驱动海上自主水面船舶（MASS）在环境扰动和机械退化双重挑战下的控制难题。该方案融合了自适应神经网络（ANN）的单参数学习技术、动态自触发机制（DSTM）和预设性能控制（PPC），实现了在保证跟踪精度的同时显著降低执行器磨损，为海洋智能装备控制提供了新范式。

　　

Highlight

本研究针对欠驱动海上自主船舶（MASS）的控制难题，提出突破性解决方案：通过坐标变换实现向量化PI控制架构，结合自适应神经网络（ANN）在线调节增益；创新性开发的动态自触发机制（DSTM）较传统方法减少60%指令传输频率；预设性能控制（PPC）技术保障了在离散信号下的动态响应，形成具有工程实用价值的DST-ANPP-PI控制体系。

控制律设计

定义误差变量s=χ₁-χ_d，通过引入性能函数β(t)约束σ_i的收敛过程。当|σ_i(0)|<>_i时，系统自动满足预设的暂态和稳态性能边界，这种"离线预设+在线调节"的模式显著简化了参数整定流程。

仿真验证

在包含直线/曲线复合航迹的测试中，系统在d₁u阻尼项和(m₁-m₂)uv耦合项等非线性干扰下，仍保持跟踪误差在β(t)定义的包络线内。执行器更新间隔较传统PID延长5-8倍，有效缓解机械磨损。

结论

该方案突破性地解决了MASS控制中三个关键矛盾：1）欠驱动特性与全状态控制的矛盾；2）环境扰动补偿与执行器保护的矛盾；3）离散化控制与微分需求的矛盾。实验表明其跟踪误差较现有方法降低42%，为智能船舶控制提供了新思路。

（注：根据要求已去除文献引用标识，数学符号采用标签表示，保留专业术语英文缩写）