1．目的及意义

1.1 研究目的及意义

无人船具有模块化设计、小巧机动以及隐蔽性好等特点，能够满足不同的海洋作业任务需求，在现代海洋开发和作业中扮演着至关重要的角色。无人船已被广泛应用在搜索、救援、检测、侦察等各个方面。而良好的航迹跟踪控制系统是无人船工作的基础，能够为无人船的各项功能的实现提供基本保证，具有重要的实用价值。

无人船具有高出航率、低成本、恶劣情况下能够代替人进行各种活动的优点等，已经成为船舶未来重要发展趋势，国外无人船的发展呈现出的趋势和特点：采用模块化设计和开放式体系结构，增强功能的多样性；提高续航能力；开发智能控制技术，提高自主能力；加强多无人水面船之间及无人船与其他运载器平台之间的协同化作业能力^[1]。无人船航迹跟着控制是实现船舶自主航行的关键，航向控制是实现完全自主航行和智能控制的核心，无人船航迹跟踪运动由于受模型参数摄动和干扰，设计控制规律获得理想的控制效果十分困难。现有的无人船体积小、重量轻，当在广阔海域执行路径跟踪任务时，环境影响是主要的干扰因素。传统船舶采用PID控制器，控制对象大多是具有线性性和精确数学模型，无人船运动控制系统具有非线性，惯性大，时滞等特性，且模型参数存在摄动，无人船易受到风、浪的干扰，使得PID控制器出现参数整定不好，对航行环境适应能力较差的情况，从而减弱PID控制器的控制效果，难以满足无人船航向控制的要求。随着人工智能技术的不断发展，近几年兴起的神经网络理论加快了控制器的发展速度，神经网络具有自组织、自学习等功能，并对复杂的控制系统控制可以达到满意的控制效果。

本研究目标在于利用神经网络算法实现无人船航迹控制器的设计，达到跟踪参考航向跟踪的目的。

1.2 国内外研究现状

在航迹跟踪控制中，给定的期望航迹是时间的函数，船舶必须在规定的时间内沿着期望航迹运动并到达期望位置，针对无人船航迹跟踪控制，国内外大量的研究人员提出的控制方法：李雅普诺夫直接法；状态反馈法；输出反馈法；模型预测控制方法；滑模控制；神经网络等。在这些控制方法基础上又有许多改进和优化的算法出现。文献[2]基于动态面控制技术和单神经网络技术的自适应控制器，引入一阶低通滤波器，解决了传统后推法中普遍存在的“计算膨胀”问题。文献[3]运用模型预测控制算法对船舶运动轨迹进行控制，搭建了无人船运动可视化仿真平台，实现了基于Matlab与VC混合编程的多约束MPC控制器。文献[4]提出的在线SIMO神经网络控制器不需要对船舶模型的辨识过程，也不需要离线训练过程，能用舵角控制航迹及航向偏差。文献[5]提出一种直线航迹跟踪控制器，该控制器由引导算法和航向控制器两部分组成，引导算法基于LOS引导原理，解决了传统PID控制器的航向超调和振荡问题。[6]提出一种基于动态面控制的高效控制算法，以改善无人船对复杂海洋环境的适应性，该算法运用神经网络进行全局逼近环境干扰，控制器设计结构简单，易于实现。文献[7]为解决适应内河通航环境的小型无人船航迹控制的快速性和鲁棒性问题，设计一种基于吊舱推进的USV航迹控制系统，由改进的LOS导航算法和两级模糊控制器构成，可同时满足大角度转向控制和小角度航向保持的性能要求。文献[8-9]提出一种应用模糊神经网络算法的航行控制器，通过神经网络分类回归确定隶属度函数，然后由模糊控制在线整定PID控制器的三个参数，确保无人船航向的实时控制。文献[10]提出一种动态神经模糊网络的船舶欠驱动水面运动控制算法，描述船舶动力系统的受力特性，较为精确的模拟了非线性系统控制模型。文献[11]本文对Nomote数学模型应用于船舶航向鲁棒性控制器设计的研究，在Nomote数学模型的基础上，提出了基于Backsteping反向递推法的控制器设计方案，引入了海洋环境因素。文献[12-13]针对传统控制方法很难对非线性、不确定性的复杂系统取得理想控制效果，将BP神经网络与传统的经典PID控制相结合应用到不确定系统中，通过仿真发现其控制效果远远优于单纯的PID控制算法并消除了单纯PID的抖动问题，稳态误差小。文献[14-15]提出基于BP-PID控制，该算法具有响应速度快、鲁棒性好、超调小等优点，通过自学习调节重量，证明了基于BP神经网络的PID算法的有效性，为进一步的理论和实验研究提供了参考。文献[16]提出一种基于BP神经网络的智能PID控制方法，并设计了一种复杂的神经网络PID控制器，神经网络控制器具有较强的自适应能力和自学能力，该控制方法的控制精度高，适应性强，控制效果好。

综上所述，在航迹跟踪控制中不断出现新的改进和优化的控制方法，使得无人船在复杂的环境因素的干扰也能达到满意的控制效果。{title}

2. 研究的基本内容与方案

{title}

2.1基本内容

本设计拟应用神经网络基本原理知识对无人船轨迹跟踪控制器的设计，依照参考航迹，运用Matlab软件进行仿真试验，最终达到对参考航向进行跟踪的目的。主要进行以下工作:

（1）建立无人船运动数学模型，并根据需求简化模型。

（2）学习神经网络基本原理知识。