基于IAC学习架构的欠驱动水面船舶固定时间最优包含控制与预设性能研究

本文针对非线性动态未知的欠驱动水面船舶（USV），提出了一种结合固定时间（FXT）收敛、最优控制与预设性能约束的包含控制策略。通过标识器-执行器-评价器（IAC）学习架构在线估计系统动态并优化控制，实现了在固定时间内误差有界且控制成本最小化，为多智能体协同控制提供了创新性解决方案。

　　

Main results

本节针对具有性能保障的USV系统，提出了基于强化学习（RL）的固定时间（FXT）最优包含控制方法。图1展示了所提出的自适应FXT最优包含控制策略框图。首先定义包含误差以进行后续分析，随后引入预设性能函数进行误差转换，并构建误差系统。最终通过标识器-执行器-评价器（IAC）架构设计自适应FXT最优包含控制器。

Simulation results

本节通过CyberShip II型欠驱动无人船舶模型验证所提控制器的有效性。通信拓扑结构如图2所示：4艘跟随船（F₁–F₄）与3艘领导船（L₅–L₇）构成协同系统。系统（1）和（2）的物理参数如下所示（具体参数略）。仿真结果表明，所提控制策略在固定时间内实现包含控制，且控制误差始终满足预设的瞬态与稳态性能边界。

Conclusion

本文针对非线性动态未知的USV系统，开发了具有性能保障的自适应固定时间最优包含控制策略。通过将IAC架构与预设性能控制技术相结合，实现了在固定时间内跟随船进入领导船构成的凸包区域，且控制误差满足预设性能要求。该工作为复杂海洋环境下的多智能体协同控制提供了理论支撑与工程应用参考。

CRediT authorship contribution statement

Qiaokun Kang: 撰写初稿。

Qintao Gan: 方法论设计。

Ruihong Li: 软件实现。

Jing Yang: 验证分析。

Yongbao Wu: 数据整理。

Declaration of competing interest

作者声明不存在任何可能影响本研究的财务利益或个人关系。

Acknowledgments

本研究得到国家自然科学基金（No. 61305076）和高端技术创新人才项目（[2022]40号）支持。