基于自适应编队结构的USV多任务协同导航神经网络增强型非对称预设性能控制

本文提出一种结合动态事件触发机制（DETM）和径向基神经网络（RBF-NNs）的非对称预设性能控制（PPC）算法，有效解决无人艇（USV）在多任务场景下的协同导航问题。通过自适应编队结构和速度修正策略，系统在海洋扰动下实现0.5米内的高精度路径跟踪，相比静态事件触发机制（SETM），DETM使控制更新频率降低12.32%（ surge force）和18.78%（ yawing moment），显著提升通信效率与抗干扰能力。

　　

Highlight

本研究通过集成径向基神经网络（RBF-NNs）与动态事件触发机制（DETM），设计了具有非对称边界预设性能的鲁棒自适应控制器，显著提升USV在海洋环境中的抗干扰能力和控制精度。

Problem formulation and preliminaries

本节定义了数学符号规范：‖·‖表示向量欧几里得范数，|·|为标量绝对值，估计误差记为(·)? = (·)? ? (·)。矩阵转置标记为A^T，特征值表示为λ(A)，为后续稳定性分析奠定数学基础。

Guidance switching for USVs

通过虚拟领航船（VLS）生成航路点路径，结合动态虚拟船（DVS）辅助参考信号调节，提出包含速度修正规则的自适应编队重构策略。该设计实现了编队巡航与单艇作业模式的灵活切换，显著增强多任务场景适应性。

Controller design and stability analysis

基于RBF-NNs设计阻尼项补偿非线性动力学，结合动态面控制（DSC）技术避免计算爆炸。通过李雅普诺夫理论证明所有状态变量的半全局一致最终有界性（SGUUB），确保系统在海洋扰动下的稳定收敛。

Numerical example

以水线长38米、排水量118×10³kg的USV为控制对象，采用NORSOK风谱和JONSWAP波谱模拟海洋环境扰动。仿真结果表明，所提算法在风浪干扰下仍保持高精度跟踪性能。

Conclusion

本研究通过非对称边界预设性能控制与导引切换机制的协同设计，成功平衡了USV编队的路径跟踪精度与通信效率，为海洋环境下的多任务协同导航提供了创新性解决方案。