输入饱和下船舶航向保持的规定性能鲁棒数据驱动控制

《Ocean Engineering》：Prescribed performance robust data-driven control for ship course-keeping under input saturation

　　

•一种 PT-PPC RDDC 方案集成了 CFDL–CGSA 整形，无需水动力模型。
•预定时间性能包络在用户指定时间达到其残余边界。
•显式纳入舵幅/速率约束及防饱和补偿。
•复合离散时间李雅普诺夫分析建立了均匀最终有界性。

引言
高性能保向是自主导航的基石。其成功不仅对航行安全和能效至关重要，也是复杂轨迹跟踪和船队形成控制等高级任务的前提 (Fossen, 2011)。最近关于异构海洋系统的研究进一步将这些控制需求扩展到涉及多种类型自主车辆的协作路径跟踪和协调操作 (Zhang et al., 2025)。然而，船舶是一个固有的复杂系统，具有强非线性、时变动力学特性，且持续受到风、浪、流等环境干扰，这使得开发准确的数学模型变得极具挑战性。因此，虽然经典基于模型的控制器如 PID 和滑模控制（SMC）应用广泛，但在面对模型 - 被控对象失配和未知外部干扰时性能会下降。鲁布控制方法如 H∞综合可以显式处理不确定性，但通常需要不确定性描述和足够代表性的模型。与此同时，实际海洋控制研究越来越关注跟踪精度、通信效率和能耗，这体现在无人水面艇（USV）的事件触发自适应跟踪 (Zhang et al., 2026) 和旋翼辅助车辆的节推自适应控制 (J. Li et al., 2025) 中。

为了克服模型依赖的瓶颈，数据驱动控制（DDC）受到了广泛关注。DDC 方法直接从运行数据设计控制律，从而绕过第一性原理建模的复杂过程，并在非线性和不确定性系统中展现出巨大潜力。著名的 DDC 方法包括无模型自适应控制（MFAC）、迭代反馈调谐（IFT）(Hjalmarsson et al., 1998, Berkenkamp et al., 2021)、虚拟参考反馈调谐（VRFT）(Campi et al., 2002, Carè et al., 2019)、基于强化学习的控制 (Brunke et al., 2022, Haarnoja et al., 2018) 和数据驱动模型预测控制 (Coulson et al., 2019, Berberich et al., 2021)。尽管 IFT 和 VRFT 增强了调谐鲁棒性，但它们对重复实验或特定激励信号的依赖限制了在线适用性。基于学习的方法提供了强大的近似能力，但对于安全关键海洋应用，安全保证和数据效率仍然是重要关注点。

在 DDC 方法中，由 Hou 和 Jin (2013) 开创的 MFAC 尤为突出。其核心是一种动态线性化技术，通过具有未知伪偏导数（PPD）的紧凑形式数据模型来局部表示非线性系统，该伪偏导数在线估计。MFAC 的无模型结构和较低的在线计算负担激励了众多海事应用 (Gao et al., 2024, Hou and Xiong, 2019, Jiang et al., 2019, Liu and Yang, 2019, Ren et al., 2021, Zhao et al., 2025, Liao et al., 2024, Cheng et al., 2016, Dong et al., 2025, Wei et al., 2025)。然而，传统 MFAC 主要根据瞬时数据模型增益和调谐权重确定控制动作。它没有提供直接机制将工程规范（如期望的闭环带宽、阻尼行为、收敛包络或执行器可行的瞬态响应）映射到闭环动力学中。当 PPD 时变且执行器同时受到幅值和速率约束时，这种局限性更加明显。

相比之下，闭环增益整形算法（CGSA）是一种频域方法，允许设计者通过指定目标传递函数来整形期望的闭环响应 (Jia and Zhang, 2002)。其在船舶保向、动力定位和水下航行器控制中的有效性已在 G. Li et al., 2025, Miao et al., 2025, Song et al., 2024, Song et al., 2025, Su et al., 2025, Zhang et al., 2024 and Ma et al. (2024) 中报道。然而，传统 CGSA 需要显式或近似的被控对象模型。为了降低这种模型依赖性，我们先前的研究 (Ma and Zhang, 2026) 结合了基于 CFDL 的在线 PPD 估计与 CGSA，建立了船舶保向的基本鲁棒数据驱动控制（RDDC）框架。在此框架中，在线 PPD 估计为 CGSA 综合提供局部更新的等效增益，从而结合了 CFDL 的无模型适应性与显式闭环整形。然而，先前的 RDDC 框架并未显式施加预设瞬态误差包络，也未系统性地解决同时存在的舵幅和速率约束。

预设性能控制（PPC）提供了另一种显式限制瞬态和稳态跟踪行为的有效手段。它已被广泛研究用于将跟踪误差限制在设计者指定的性能包络内 (Lei, 2024, Yu et al., 2024, Lei et al., 2025, Wang et al., 2021)。显式输出约束的重要性也在最近的海洋路径跟踪控制中得到认可，例如在旋翼辅助车辆的鲁棒事件触发控制中 (Zhang et al., 2026a)。然而，许多现有的 PPC 方法是为具有已知或结构化动力学的系统开发的，而直接将预设性能要求嵌入无模型闭环整形框架的研究较少。此外，预设性能函数在用户选择的时间达到其残余边界并不一定意味着跟踪误差本身在该瞬间变为零。因此，当引入预定时间性能函数时，相应的属性应根据预设误差包络和残余跟踪区域来仔细解释，而不是有限时间零误差收敛 (Fan et al., 2025)。

物理执行器限制是实际海洋控制中的另一个重要问题。船舶操舵机构同时受到有限舵角和舵速限制的约束，忽略这些约束可能导致过度的舵令动作、长期饱和和瞬态性能下降。相关的海洋控制研究从不同角度解决了执行器非理想性，包括异构船舶的容错协作编队 (Zhang et al., 2026b)、执行器和传动故障下的容错空海协调 (Yin et al., 2026) 以及在执行器饱和和其他不确定性存在下的鲁棒自适应 USV 编队控制 (Xu et al., 2026)。这些研究证明了显式将执行器非理想性纳入海洋控制设计的重要性。然而，对于基于 CFDL 的 RDDC 保向，舵幅和速率约束的同时处理以及预设瞬态性能要求尚未得到充分解决。

上述讨论揭示了现有方法的几个互补性局限。MFAC 提供了无模型适应性，但对期望闭环动力学的直接整形能力有限，而传统 CGSA 提供了显式响应整形，但以模型依赖性为代价。现有的 RDDC 框架 (Ma and Zhang, 2026) 桥接了这两种方法，但预设瞬态误差调节和同时存在的舵幅/速率约束仍未解决。与此同时，现有的 PPC 和执行器约束海洋控制方法通常依赖于已知或结构化的系统动力学。因此，需要一个统一的数据驱动保向框架，结合闭环整形、预设瞬态性能和不依赖准确水动力模型的执行器感知补偿。上述讨论的代表性保向控制方法的主要特征总结在表 1 中。

为解决上述差距，本文提出了一种用于舵幅和速率约束下船舶保向的预定时间预设性能鲁棒数据驱动控制（PT-PPC RDDC）方案。建立在 Ma 和 Zhang (2026) 建立的基本 CFDL–CGSA RDDC 概念之上，在线 PPD 估计被用作 CGSA 综合的局部更新等效增益，而不是作为非线性船舶的全局线性表示。然后引入预定时间预设性能变换，以显式调节可允许的跟踪误差演化，同时引入执行器失配补偿机制，以考虑命令舵动作与物理可实现舵动作之间的差异。此外，实际的时变非线性闭环动力学在随后的稳定性分析中与名义 CGSA 参考模型显式关联。

本文的主要贡献总结如下：
(1) 在基本 CFDL–CGSA RDDC 框架基础上，开发了一种 PT-PPC RDDC 架构，其中在线 PPD 估计被用作每个控制步的局部更新等效增益。这保留了无模型实现，同时在不依赖准确水动力模型的情况下提供显式闭环响应整形。
(2) 将预定时间预设性能包络纳入数据驱动闭环。该包络在用户指定时间 Tc 达到残余边界 ρ∞，同时变换误差公式和初始可行性条件保证跟踪误差严格保持在预设边界内。因此，预定时间属性是指预设性能包络和残余区域，而不是在 Tc 时刻的精确零误差收敛。
(3) 引入显式离散时间操舵机构模型，该模型同时受舵速和舵角约束。产生的命令 - 执行器失配被纳入辅助防饱和补偿状态，从而减少约束引起的性能下降并提高实际可实现性。
(4) 闭环稳定性分析得到加强，通过从局部更新的 CFDL 模型显式推导实际的补偿变换误差动力学。非线性和时变闭环表示为舒尔稳定 CGSA 参考模型的有界扰动，并构造了一个涉及变换误差状态和执行器补偿状态的复合离散时间李雅普诺夫函数，以在显式鲁棒性条件下建立均匀最终有界性。

本文其余部分组织如下。第 2 节阐述问题并呈现必要的预备知识。第 3 节详述提出的 PT-PPC RDDC 控制器。第 4 节呈现闭环稳定性分析。第 5 节提供仿真结果和比较分析。最后，第 6 节总结全文。

章节摘要
问题阐述与预备知识
本文考虑了在存在强非线性、参数不确定性、环境干扰和执行器约束的情况下运行的船舶保向控制问题。为避免依赖准确的水动力模型，控制设计基于被控对象的输入 - 输出行为以完全数据驱动的方式开发。

提出的控制器设计
在本节中，通过结合紧凑形式动态线性化、预定时间预设性能整形、输入约束补偿和闭环增益整形，开发了一种鲁棒数据驱动保向控制器。与传统的 MFAC 类型设计相比，所提出的方案不仅保留了控制律的无模型特性，还引入了显式闭环性能整形和执行器感知补偿。控制架构图为

稳定性分析
本节建立了实际非线性、时变闭环系统的实际稳定性。强调两点。首先，期望 CGSA 参考模型的舒尔稳定性并不直接等同于实际被控对象的稳定性。相反，实现的闭环被显式分解为名义参考模型动力学加上由 PPD 估计失配、外部干扰、参考/性能生成的有界时变扰动。

仿真验证
本节在舵幅/速率约束下验证了提出的 PT-PPC RDDC，并与传统 RDDC 和 MFAC 进行比较。所有方法均在相同的基于 MMG 的操纵被控对象上测试，包含风 - 浪载荷和参数扰动。玉昆船的主要要素和执行器约束总结在表 2 中，控制器相关参数列在表 3 中。仿真进行 1600s。数据驱动控制器和离散

结论
本文成功开发并验证了一种 PT-PPC RDDC 方案，用于解决在未知非线性动力学、环境干扰和舵幅/速率约束下船舶保向这一具有挑战性的问题。通过将基于 CFDL 的数据驱动模型与 CGSA 集成，控制器在不依赖准确水动力模型的情况下实现了鲁棒性。主要创新在于引入了 PT-PPC 机制，提供了显式的、用户定义的保证，关于

CRediT 作者贡献声明
Daocheng Ma: 写作 – 审查与编辑，软件，调查。Xianku Zhang: 监督，方法学，资金获取，概念化。Zexu Miao: 写作 – 审查与编辑，监督，方法学，概念化。Baigang Zhao: 写作 – 审查与编辑，监督。Yichen Dong: 写作 – 审查与编辑，监督。

竞争利益声明
作者声明他们没有已知的竞争财务利益或个人关系，这些利益或关系可能会影响本文中报告的工作。

致谢
这项工作部分得到了国家自然科学基金 (资助号 52171291)、国家自然科学基金 (资助号 52571396) 和青年教职科学研究创新能力支持项目 (SRICSPYF-BS2025121) 的支持。

Daocheng Ma|Xianku Zhang|Zexu Miao|Baigang Zhao|Yichen Dong