基于扩展状态观测器的无人水面艇自适应航向控制方法，包含事件触发机制与输入量化处理

《Ocean Engineering》：Extended state observer based adaptive heading control for unmanned surface vehicles with event-triggered mechanism and input quantization

　　•线性输入量化能够在无需先验知识的情况下实现自适应估计。•时变阈值可在通信精度与控制精度之间取得平衡。•扩展状态观测器、事件触发机制以及量化技术有助于实现跟踪功能并降低通信量。引言随着全球海洋产业的不断发展以及人们对海洋资源开发需求的增加，无人水面艇的相关研究受到了广泛关注（Jovanovi?等人，2024年；Tabish和Chaur-Luh，2024年；Osorio等人，2024年）。在复杂多变的海洋作业环境中，具备自主性和紧凑性的无人水面艇已成为环境监测、数据收集以及海上无人搜索系统等任务理想的解决方案（Zhao和Bai，2023年；D. Mu等人，2024年；Li等人，2023a年；Xu等人，2025年）。这类无人艇的应用不仅显著提升了海洋作业的效率与安全性，还为海洋经济的可持续发展起到了重要作用，因此值得进一步研究。航向控制是无人水面艇运动控制中的核心问题。为满足在复杂环境下对简单、高效且具有适应能力的航向控制器的需求，人们提出了多种方法与策略，包括PID控制（X. Wang等人，2024年；Guan等人，2025年）、模糊控制（Li等人，2022年；Liu和Wang，2025年；Ma等人，2024a年）、自适应控制（Zhou等人，2025年；Song等人，2023年）、滑模控制（Fan等人，2023年；Dong等人，2024年；Q. Zhang等人，2024年）、回退控制（Tong，2023年；Yuan等人，2025年；C. Mu等人，2024年）以及鲁棒控制（W. Zhang等人，2023年；Li和Lei，2024年）等。在无人水面艇的航向控制中，输入量化通过将控制信号离散化，从而减少数据传输量、缓解带宽压力，并提高对量化误差的抵抗能力。这些优势使得量化成为实现航向与轨迹跟踪控制的关键技术（Z. Zhang等人，2024年；Jiang等人，2023年；Yan等人，2025年；G. Zhang等人，2024年）。在Wang等人（2025a年）的研究中，他们提出了一种基于神经网络的自适应量化控制器，通过非线性阻尼来抵消干扰，并利用实时学习来调整以应对量化误差，进而减轻量化带来的性能下降。为解决在输入量和状态量均存在量化情况下的无人水面艇轨迹跟踪问题，Y. Wang等人（2024年）建立了线性分析量化模型，并引入了自适应估计机制，同时运用干扰观测器来估计外部干扰和量化后的状态。在该框架下，通过回退控制和动态面控制相结合的方式制定了控制律，确保量化变量与未量化变量之间的误差始终处于可控范围内。此外，Yue等人（2025年）为在输入量化及输出约束条件下的无人水面艇航向跟踪问题设计了一种自适应神经网络控制器。该研究中，他们使用复合量化器对量化过程进行线性建模，并针对输入量化情况优化控制指令，从而降低了控制器的执行频率，缓解了通信带宽压力。尽管输入量化技术符合无人水面艇控制器的运行逻辑，且能更好地适配实际工程中的各种限制，但在优化能耗方面仍存在不足。与此同时，事件触发机制因能够减少冗余数据传输并缓解通信带宽压力而备受关注（Jiang等人，2024年；Li等人，2023c年；G. Zhang等人，2023年；Yan等人，2023年）。在Zhu等人（2024年）的研究中，他们提出了一种事件触发机制，用于降低无人机与无人水面艇编队及轨迹跟踪过程中分布式自适应MPC算法的计算负荷，同时通过虚拟轨迹约束来应对通信中断问题。在Li等人（2023b年）的研究中，一种基于无人水面艇与无人机位置及姿态误差的阈值触发规则能够动态调整阈值参数，无需人工设定参数，即可减少控制器与执行器之间的数据传输量，且系统复杂度低，指令传输要求少。另外，Chen等人（2024年）提出了一种用于在双通道DoS攻击及有界干扰条件下实现无人水面艇航向控制的无模型、事件触发式自适应滑模控制策略。在该策略中，滑模控制提升了系统的稳健性，事件触发机制减少了资源浪费，而双重补偿机制则有效消除了拒绝服务攻击带来的影响。虽然事件触发策略和输入量化技术分别解决了无人水面艇航向控制中的通信问题，但将二者结合使用，可以为上述挑战提供更为协同创新的解决方案。为节省通信资源并降低自适应无人水面艇航向跟踪控制中的传输负荷，Ma等人（2024b年）提出了一种将事件触发与输入量化相结合的方法。该框架中包含一个干扰观测器，用于估计时变的外部干扰，同时还运用线性模型来描述量化动态特性。Y. Yue等人（2025年）则将事件触发机制与输入量化相结合，用于在多重约束条件下的欠驱动无人水面艇抗干扰轨迹跟踪控制。时变阈值事件触发机制与输入量化共同作用，可降低能耗与通信开销。Ning等人（2025年）也将事件触发机制与输入量化整合到欠驱动无人水面艇的轨迹跟踪控制中：他们使用复合量化器对量化过程进行线性建模，同时借助事件触发机制来缓解有限的通信带宽带来的压力，进而降低控制器的执行频率和资源消耗。为解决无人水面艇的航向跟踪控制问题，Wang等人（2025b年）结合了两种不同的方法：执行器输入的量化处理以及事件触发策略。前者对控制输入采用均匀量化器，后者则设计了带有机制触发式更新的模糊量化控制方案，旨在减少执行器的更新次数，从而减轻通信负担。综上所述，现有研究都在探索将事件触发机制与输入量化相结合的方法，以此降低无人水面艇控制系统中的通信开销并优化资源消耗。这种集成方式能够提升实际海洋作业中的运行效率，对于推动无人水面艇控制系统的设计发展具有重要意义。受上述研究的启发，现有关于无人水面艇航向控制的研究通过融合事件触发机制与输入量化，有效缓解了通信带宽限制并降低了资源消耗。不过，如何在复杂时变干扰条件下优化系统稳健性，以及如何避免对量化参数的先验知识依赖等问题，仍有待进一步研究。尽管本研究着眼于单艘无人水面艇以实现基础验证，但考虑引入输入量化是由于实际的海洋通信环境存在诸多限制，比如卫星和无线电带宽有限、船上多个系统需要共享数据链路，以及控制架构的数字化程度不断上升（X. Yue等人，2025年）。此外，将量化技术与事件触发机制相结合，不仅能降低通信负荷，还能减少执行器的执行频率和能耗。这些因素使得所提出的方法即便在带宽受限或对能源敏感的场景中，用于单艘无人水面艇的操作也具有实际应用价值。为克服这些局限，本研究提出了一种将扩展状态观测器、事件触发机制以及输入量化相结合的协同方法。具体而言，扩展状态观测器可用于估计不确定项和系统干扰，而事件触发策略则能减少冗余数据传输。此外，还运用线性分析模型来描述输入量化过程，从而无需事先了解量化参数。研究还借助李雅普诺夫稳定性理论来确保整个闭环系统的稳定性，并通过仿真结果证明了所提策略的有效性。将本研究与该领域的现有研究进行对比，可以看出所提出方法的主要贡献如下：（i）与那些没有考虑量化误差对控制性能影响的众多无人水面艇航向控制方法相比，如Zhou等人（2025年）、Song等人（2023年）、Fan等人（2023年）和Dong等人（2024年）；以及Q. Zhang等人（2024年）、Tong（2023年）、Yuan等人（2025年）、C. Mu等人（2024年）、W. Zhang等人（2023年）和Li与Lei（2024年）的研究，本文通过建立线性分析模型，阐明了输入量化的原理。该模型对量化误差进行了分段线性化处理，使得无需事先知晓输入量化参数，就能实现量化参数的自适应估计。此外，该模型还能提供量化误差反馈，以便动态调整事件触发的阈值。（ii）与大多数仅关注信号是否需要发送的触发逻辑的事件触发机制研究，以及通常假设信号为连续传输、并将事件触发与输入量化视为独立模块的输入量化研究相比，如Li等人（2023b年）、Chen等人（2024年）、Z. Zhang等人（2024年）、Jiang等人（2023年）、Yan等人（2025年）、G. Zhang等人（2024年）、Wang等人（2025a年）、Y. Wang等人（2024年）和Yue等人（2025年）的研究，本文提出了一种全新的方法，能够根据量化特性对事件触发阈值进行自适应调整。这种方法有望降低通信资源消耗，弥补小信号量化误差带来的影响，从而在通信效率与控制精度之间实现平衡。（iii）与那些将事件触发机制与量化控制相结合、但大多采用固定阈值（如恒定阈值）或线性阈值的现有方法相比，如Ma等人（2024b年）、Y. Yue等人（2025年）、Ning等人（2025年）和Wang等人（2025b年）的研究，本文提出了一种时变平方根阈值事件触发机制，以此在两个目标之间实现动态平衡。第一个目标是对于较大信号降低通信频率，第二个目标是确保较小信号的控制精度。将输入量化与事件触发相结合是一种更为有效的方案，更能满足海洋作业的实际需求。本文的结构如下：第2节阐述所研究的问题；第3节详细介绍航向控制器的设计；第4节给出所提控制策略的稳定性证明；第5节展示仿真结果；第6节对全文进行总结。章节要点系统描述与问题建模无人水面艇航向控制的数学模型如下：φ?=r，r?=?1Tr?aTr3+bδ+d。在Norrbin运动模型中，a表示非线性系数，其中a1=?1/T，a2=?a/T；b为控制系统增益，其表达式为b = K/T，其中K代表船舶的转向能力指数，T代表船舶的航向稳定性指数。欠驱动无人水面艇的非线性数学模型可表示为：φ?=r，r?=a1r+a2r3+bδ+d，τ=δ。在此方程中，φ代表船舶的航向。扩展状态观测器设计本节旨在为考虑输入量化的无人水面艇设计一种航向控制策略。所提出的方法将扩展状态观测器与事件触发机制相结合。扩展状态观测器用于估计变化缓慢的干扰，而事件触发机制则用于调控观测器的更新频率，从而降低计算负荷。根据方程（2），无人水面艇的航向控制模型可表示为：φ?=r，r?=f(x,t)+bQ(τ)，其中f(x,t)=?1Tr?aTr3+d表示一个未知的连续函数，其时间导数...扩展状态观测器的收敛性对于方程（9）中的扩展状态观测器，定义θ=θ1θ2θ3T，其中?1=x1?x?1，?2=x2?x?2，?3=f(x,t)?σ?=o1。由此可得，??1(t)=x2?x?2?3(x1?x?1)?1=?3θ1+θ2，??2(t)=bτ?+f(x,t)?bτ?+σ?+3(x1?x?1)?2=?3θ1+θ3，??3(t)=?f?(x,t)?x1?x?1?3=?θ1+?f?(x,t)。观测器误差状态方程可表示为??=A?θ+?B?f?(x,t)，其中A?=?310?301?100，B?=001。假设1未知项f(x,t)满足|f?(x,t)|≤f?，其中f?为正常数，f?(x,t)是f(x,t)的时间导数。在海洋作业中，船舶的速度和...仿真结果本节介绍了一种将输入量化与事件触发机制相结合的无人水面艇自适应航向控制策略。通过仿真验证了所提航向控制器的有效性，后续章节还将对两个案例进行研究。大连海事大学开发的“蓝信”号无人水面艇被用作本研究的仿真平台，因为它具备了实施所提航向控制策略所需的控制模块。同时，本...结论本文研究了无人水面艇航向控制中面临的网络资源有限以及外部干扰等问题，并提出了一种融合扩展状态观测器、事件触发机制以及输入量化的自适应控制策略。首先，为无需先验知识即可实现量化参数的自适应估计，本文采用了线性分析模型来描述输入量化过程。其次，该策略采用了基于时变平方根阈值的事件触发机制...CRediT作者贡献说明徐冠鹏：写作——审阅与编辑、写作——初稿撰写、验证、软件、方法论。宁军：写作——审阅与编辑、监督、资金获取。胡欣：资源支持、概念构思。李铁山：资源支持、概念构思。李伟：资源支持。利益冲突声明作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢本研究得到了中国国家自然科学基金（项目编号51939001、61976033、52171292、52271304、52571402和62273172）、山东省泰山学者计划（项目编号tsqn202507228）、山东省自然科学基金（项目编号ZR2024MF055）、烟台市科技创新发展计划研究项目（项目编号2024JCYJ092）、中央高校基本科研业务费（项目编号3132024137）以及大连...徐冠鹏|宁军|胡欣|李铁山|李伟