针对存在外部海洋环境干扰的无人船轨迹跟踪控制精确度不高、耗时低效的问题，提出一种基于改进鹦鹉算法优化的无人水面船（USV）轨迹跟踪滑模控制方法。设计控制器利用RBF神经网络快速的非线性映射对不定干扰进行估计，补偿滑模控制输出，引入切换步长因子及可控变化概率改进原始鹦鹉算法，利用改进的具有优异求解能力的 PSPO 算法自动求解 RBF 神经网络的各项参数，进一步提升其拟合效果。最终输出纵向推力和转向力矩，实现欠驱动无人船的轨迹跟踪控制。仿真结果表明，该控制器能对干扰进行快速精确地估计以提升系统的鲁棒性，误差收敛速度较单一神经网络滑模控制和滑模控制分别提高约25%和60%，能够实现对预设轨迹有效跟踪。
A sliding mode control method for USV trajectory tracking based on improved parrot algorithm optimization is proposed to address the issues of low accuracy and low efficiency in trajectory tracking control of unmanned ships with external marine environmental interference. Design a controller that utilizes the fast nonlinear mapping of RBF neural network to estimate uncertain disturbances, compensate for sliding mode control output, introduce switching step factor and controllable change probability to improve the original Parrot algorithm, and use the improved PSPO algorithm with excellent solving ability to automatically solve the various parameters of RBF neural network, further improving its fitting effect. The final output includes longitudinal thrust and steering torque, achieving trajectory tracking control of underactuated unmanned ships. The simulation results show that the controller can quickly and accurately estimate disturbances to improve the robustness of the system, and the error convergence speed is about 25% and 60% faster than single neural network sliding mode control and sliding mode control, respectively. It can achieve effective tracking of preset trajectories.
2025,47(7): 87-93 收稿日期：2024-4-2
DOI：10.3404/j.issn.1672-7649.2025.07.017
分类号：TP273.2
基金项目：广东省普通高校重点领域专项资助项目（2023ZDZX1005）；广东海洋大学国家级大学生创新训练项目（202310566013）
作者简介：刘海涛(1981-),男,博士,教授,研究方向为海洋机器人技术及应用
参考文献：
[1] 骆丽霞, 李志娟, 吴明发. 陆海统筹视域下海洋空间规划研究综述[J]. 合作经济与科技, 2023(24): 4-7.
[2] 余文曌, 韩素敏, 徐海祥, 等. 智能船舶路径跟踪自抗扰模型预测控制[J]. 华中科技大学学报(自然科学版), 2023, 51(4): 55-61.
[3] 于瑞亭, 朱齐丹, 刘志林, 等. 欠驱动不对称船舶全局K指数镇定的解耦实现[J]. 控制与决策, 2012, 27(5): 781-786.
[4] 于浩淼. 非线性因素约束下欠驱动UUV轨迹跟踪控制方法研究[D]. 哈尔滨：哈尔滨工程大学, 2016.
[5] 曹兴飞, 刘树锋, 史国友, 等. 基于模型预测控制的无人艇轨迹跟踪[J]. 船舶工程, 2023, 45(S1): 354-357.
[6] 陈欣然. 基于视线制导与自适应滑模控制的无人船路径跟踪研究[D]. 长春：吉林大学, 2023.
[7] 张强, 朱雅萍, 孟祥飞, 等. 欠驱动船舶自适应神经网络有限时间轨迹跟踪[J]. 中国舰船研究, 2022, 17(4): 24-31.
[8] ASHRAFIUON H , MUSKE R K , MCNINCH C L , et al. Sliding-Mode tracking control of surface vessels[J]. IEEE Transactions on Industrial Electronics, 2008, 55(11): 4004–4012.
[9] 沈智鹏, 邹天宇, 王茹. 基于扩张观测器的欠驱动船舶轨迹跟踪低频学习自适应动态面输出反馈控制[J]. 控制理论与应用, 2019, 36(6): 867-876.
[10] 贾丽红. 风浪流干扰下欠驱动船舶航迹直线控制数学模型构建[J]. 舰船科学技术, 2020, 42(20): 40-42.
JIA L H. Mathematical model construction of underactuated ship trajectory linear control under wind, wave and current interference[J]. Ship Science and Technology, 2020,42(20): 40-42.
[11] 方世鹏, 胡昌华, 扈晓翔, 等. 基于切换滑模控制的抖振抑制方法[J]. 控制与决策, 2017, 32(7): 1210-1216.
[12] 孙霄阳, 周平. 基于未知状态估计与神经网络补偿的增强PID控制方法[J]. 中国科学: 信息科学, 2023, 53(4): 715-736.
[13] 李荣辉, 陈志娟, 李宗宣, 等. 基于欧拉迭代模型预测的欠驱动水面船舶路径跟踪控制[J]. 广东海洋大学学报, 2020, 40(1): 104-110.
[14] 孙浩男, 陈世才, 张键, 等. 基于速度观测器的欠驱动船舶自适应滑模控制[J]. 舰船科学技术, 2023, 45(13): 48-52.
SUN H N, CHEN S C, ZHANG J, et al. Adaptive sliding mode control of underactuated ships based on velocity observer[J]. Ship Science and Technology, 2023, 45(13): 48-52.
[15] 王茹. 欠驱动船舶轨迹跟踪的自适应滑模控制研究[D]. 大连：大连海事大学, 2018.
[16] DO K, JIANG Z, PAN J. Robust adaptive path following of underactuated ships[J]. Automatica, 2004, 40(6): 929-944.
[17] 简安东. 基于改进鱼群算法优化RBF网络的变压器故障诊断[D]. 西安：西安理工大学, 2023.
[18] 唐志勇, 马福源, 裴忠才. 四旋翼的改进PSO-RBF神经网络自适应滑模控制[J]. 北京航空航天大学学报, 2023, 49(7): 1563-1572.
[19] LIAN J, HUI G, MA L, et al. Parrot optimizer: Algorithm and applications to medical problems[J]. Computers in Biology and Medicine, 2024: 108064.
[20] 李博文, 宋文广, 徐加军. 基于改进布谷鸟搜索优化RBF神经网络的抽油机故障诊断[J]. 中国工程机械学报, 2023, 21(6): 624-628.
