基于方位-距离的自主水面艇（ASV）参数无关环绕编队控制：速度估计与学习策略的理论与实验

《Journal of Ocean Engineering and Science》：Bearing-Distance-Based Parameter-Agnostic Surrounding Formation Control for Autonomous Surface Vehicles with Velocity Estimation and Learning Strategy: Theory and Experiments

　　

开发了一种仅使用相对方位和距离测量的分布式基于方位-距离的环绕编队控制（bearing-distance-based surrounding formation control, BDBSFC）框架，其中基于人工势场（artificial potential field, APF）的安全机制被集成到控制器中，以同时实现自主水面艇（autonomous surface vehicles, ASV）间避碰和网络连通性。与现有方法相比，所提控制律进一步融合了带辅助动态和改进自适应增益的改进超螺旋算法（super-twisting algorithm, STA），能够在减少抖振的同时提供改进的收敛性能。此外，该控制器能够在全球定位系统（GPS）拒止和网络攻击环境下实现有界编队误差和弹性运行。设计了一种二阶速度观测器，用于从相对方位和距离测量中计算不可用的目标运动信息，而非目标速度。与依赖直接可用目标状态信息的传统方法不同，所提观测器能够在有限感知条件下实现环绕编队控制，具有快速收敛时间并减少抖振现象。此外，引入了参数无关学习机制，以补偿未知水动力动力学和外部干扰，从而减轻对先验模型知识的依赖。建立了全驱动多ASV实验平台，以在实际环境条件下验证所提BDBSFC框架。开展了数值仿真和现场实验，以评估环绕编队性能、避碰以及对模型不确定性和干扰的鲁棒性。

研究背景方面，原文指出，自主水面艇（autonomous surface vehicles, ASV）环绕编队控制在军事和民用领域具有广泛前景，如协同探测和目标围栏。现有方法多假设目标位置和速度可 readily available，但实际海洋环境中，传感限制、通信约束和环境干扰会使精确目标状态难以获得。环绕编队需以预定分离角和编队构型围栏目标，目标可静止或运动；运动目标产生时变参考状态且速度常不可直接观测，导致瞬态性能不可控和不可观测问题。此外，直接速度测量不可用，位置微分受传感器限制和噪声影响，会放大高频干扰并降低反馈质量。现有观测器多依赖全局位置、惯性测量和预定义模型知识，受相对方位和距离信息限制。模型控制中，模型预测控制（model predictive control, MPC）、滑模控制（sliding mode control, SMC）和反步技术等对模型参数依赖较强，固定或保守增益会导致控制努力过大或抖振；强化学习（reinforcement learning, RL）与深度强化学习（deep reinforcement learning, DRL）虽增强适应性，但完全在线学习会带来计算负担和透明度限制。位置型方法需要全局通信拓扑或预定义交互配置，方位型策略可依赖两个特定领导者，且目标速度和避碰很少同时处理。因此，研究人员开展基于相对测量的全分布式控制，以保证系统安全和控制性能。

研究人员开展了什么研究并得出什么结论：该论文提出基于方位-距离的环绕编队控制（bearing-distance-based surrounding formation control, BDBSFC）框架，用于多ASV，并具有避碰和通信保持能力。研究人员用可获得的方位和距离测量构建二阶速度观测器，实时重构不可用运动状态；嵌入人工势场（artificial potential field, APF）生成安全与连通性约束；开发带辅助动态的改进超螺旋算法（super-twisting algorithm, STA）以增强瞬态收敛并减少抖振；引入参数无关学习策略近似不确定水动力和外部干扰，不依赖精确数值参数。主要贡献包括：分布式BDBSFC仅用相对方位和距离测量，APF安全机制同时实现ASV间避碰和网络连通；改进STA带辅助动态和自适应增益，提供改进的收敛性能并减少抖振；二阶速度观测器从相对方位和距离计算不可用目标运动信息，具有快速收敛并减少抖振；参数无关学习补偿未知水动力和外部干扰；全驱动多ASV实验平台在实际环境条件下验证所提框架。其意义在于，在GPS拒止和网络攻击环境下实现有界编队误差和弹性运行，降低对先验模型知识的依赖。稳定性分析通过Lyapunov理论给出半全局实用有限时间稳定性，说明观测器和编队系统误差可收敛到平衡区域。

关键技术方法概括：该研究不涉及人群样本队列；实验样本来源为研究人员建立的全驱动多ASV实验平台。方法包括：基于相对方位和距离构建分布式BDBSFC，并集成APF安全机制；设计二阶速度观测器，采用积分快速终端滑模面（integral fast terminal sliding mode surface, IFTSMS）和辅助变量估计不可测速度；采用改进STA、辅助动态和自适应控制增益降低抖振；利用参数无关学习机制，通过Actor-Critic结构在线生成动态控制增益，补偿未知水动力和外部干扰；搭建包含DETA100 GPS导航、风速计、双目相机、工业个人计算机（IPC）、微控制器单元（MCU）和四推进器45°布置的平台，通信延迟约40 ms，控制频率5 Hz。

研究结果如下。4.1 静态目标：仿真设置静态目标位置为[12,5]^?，初始速度为零，五个ASV初始状态随机，分离角为2π/5，环绕半径为5 m。相对距离和方位测量加入高斯噪声。结果显示，多ASV形成围栏静态目标的旋转构型，ASV₅避免与静态目标碰撞，速度收敛到稳态小波动，编队跟踪误差（formation tracking error, FTE）快速收缩到小不变区域，ASV间距离保持在安全边界内，分离角达到预期，控制输入有界且无持续饱和。结论为BDBSFC实现可靠围栏且闭环性能稳健有效。

4.2 移动目标：Scenario 1考虑时变通信拓扑，ASV₄-ASV₅和ASV₂-ASV₃在t=20 s通信中断。观测器输出在有限时间内跟踪实际速度，估计位置和偏航角与实际状态一致并收敛到小平衡区，位置和速度估计误差快速减小并保持有界。与传统观测器相比，传统方法出现抖振和高频振荡。环绕轨迹显示多ASV成功围栏移动目标，拓扑切换在稳定构型后影响较小，速度平滑且有界，FTE和协同滑模流形（cooperative sliding-mode manifold, CSMM）收敛到平衡区，ASV间距离保持安全并维持通信，分离角达到期望，控制信号在学习项作用下有效。Scenario 2考虑ASV数量变化，四个ASV在t=40 s前构成方形，ASV₅加入后变为正五边形，分离角由π/2变为2π/5。结果显示，速度平滑，FTE在构型变化后快速恢复稳定，安全距离保持，分离角变化，控制信号在编队变化期间有明显超调但受控，学习项响应。定量指标均方根误差（root mean square error, RMSE）和收敛时间优于传统速度观测器和传统滑模控制。

4.3 实验结果：实验平台为四个ASV，一个作为目标，其余执行围栏，分离角为120°，最小安全距离为5 m，目标编队半径为11 m。通信拓扑为A=[0,1,1;1,0,1;1,1,0]，ASV₁与目标间有数据传输。结果显示，轨迹形成任意三角形并渐近收敛到等边三角形，航向平滑，速度和控制信号受约束，相对距离和围栏半径围绕11 m振荡，环境风速风向被测量，存在数据包丢失和通信中断，但控制器对高频噪声不敏感。实验验证了所提控制算法在实际海事环境下的有效性，并与仿真结果一致。

讨论与结论部分：原文结论指出，该论文针对多ASV在不可测速度和避碰且保持通信连通性的条件下，提出了基于方位-距离的环绕编队控制。首先，构建二阶速度观测器，以在准确目标状态难以获得时估计不可测速度。在此基础上，开发了可部署的改进STA，结合避碰并由辅助系统增强，以调节收敛速度并提升控制性能。参数无关学习策略使控制器在线处理非线性与环境扰动，降低系统对模型的依赖并保持鲁棒性。通过严格Lyapunov分析，仿真和实验结果一致表明，系统可利用方位和距离实现环绕编队构型。未来，研究人员将关注间歇通信和纯方位方法及快速收敛时间。此外，研究人员将集成雷达和其他模块以进行实时环境映射。