基于遗忘因子RLS在线辨识与LQR增益调度的ROV可变水深自适应轨迹跟踪控制研究

《Journal of Marine Science and Engineering》：Adaptive Trajectory Tracking Optimization for ROVs Based on RLS Online Identification Under Varying Water Depth Conditions

　　**摘要**遥控无人潜水器（ROV）在可变水深环境中面临严峻的导航轨迹优化问题，近壁面水动力效应会导致附加质量和阻尼系数同步缩放漂移。这种参数变化会使传统固定增益控制器产生明显的模型失配，严重降低ROV的轨迹跟踪精度。为解决尺度型参数失配问题，本文提出了一种结合遗忘因子递推最小二乘（RLS）在线辨识与周期线性二次型调节器（LQR）增益调度的自适应轨迹跟踪控制策略。建立了闭环耦合框架，通过RLS算法估计ROV的离散状态空间矩阵，并每隔50个采样周期更新最优反馈增益，以适应时变水动力特性。设置了三种不同参数失配程度的典型水深场景，进行正弦轨迹跟踪仿真，并采用PID和固定参数MPC作为对比方法。结果表明，在标称条件下，所提方法与固定参数MPC的稳态性能相当；在中等和严重参数失配条件下，二维轨迹均方根误差（RMSE）分别降低了8.4%和57.4%。此外，还确定了固定参数MPC补偿能力的临界失配阈值。本研究为可变水深环境下ROV的高精度自适应运动控制提供了可行的技术参考。